Modulo de Estadistica Parte INGENIERIA

Lic.
Fiestas Zevallos Jos Carlos

JOFIZUNP@HOTMAIL.COM
INTRODUCCIN
La Estadstica, nace de las necesidades reales del hombre. La variada y cuantiosa
informacin relacionada con ste y que es necesaria para la toma de decisiones, hace
que la estadstica sea hoy, una importante herramienta de trabajo.
Entre las tareas principales de la Estadstica, est el de reunir la informacin
integrada por un conjunto de datos, con el propsito de obtener conclusiones vlidas del
comportamiento de stos, como tambin hacer una inferencia sobre comportamientos
futuros.
En cuanto al uso y la aplicacin, puede decirse que abarca todo el mbito humano
encontrndose en las relaciones comerciales, financieras, polticas, sociales, etc. siendo
fundamental en el campo de la investigacin y en la toma de decisiones.
Es as tambin como en el rea de las empresas de servicio (medico o no) y
manufactura es posible realizar un anlisis profundo del proceso estadstico al control de
la productividad y de la calidad
CONCEPTOS BASICOS
En el estudio de temas estadsticos, es necesario conocer una serie de conceptos
bsicos que forman el sustrato que brinda soporte al aprendizaje.
En los prrafos siguientes, se har una presentacin de algunos de stos. Los
conceptos sern dados a conocer en forma sencilla, sin mayores formalidades, pero
destacando lo esencial e importante de cada uno de ellos.
- Experimento: Se entender que es un procedimiento que da origen a los datos. De
todas maneras. Un experimento es repetible bajo condiciones esencialmente
equivalentes, da un resultado o respuesta que se distingue como tal y se conoce el
conjunto de todos los resultados posibles, pero no es el caso particular que se
obtendr al realizarlo.
- Variable: Caracterstica o fenmeno de una poblacin o muestra que ser estudiada,
la cual puede tomar diferentes valores.
- Escala de Medicin: Se entender por medicin al proceso de asignar el valor a una
variable de un elemento en observacin. Este proceso utiliza diversas escalas:
nominal, ordinal, de intervalo y de razn.
- Datos: Nmeros o medidas que han sido recopiladas como resultado de la
observacin.
- Estadstico: Es una medida, un valor que se calcula para describir una caracterstica
a partir de una sola muestra. Se representan generalmente por letras latinas.
- Parmetro: Es una caracterstica cuantificable de una poblacin. Su representacin
esta dada por lo general por letras griegas.
- Poblacin: Conjunto completo de individuos, objetos, o medidas los cuales poseen
una caracterstica comn observable y que sern considerados en un estudio.
- Muestra: Es un subconjunto o una porcin de la poblacin.
- Censo: Se encarga del estudio completo de una poblacin.
- Muestreo: tcnicas que se encargan del calculo de una muestra.
- Etiqueta: asignacin numrica o de una letra para diferenciar diferentes
caractersticas de una variable.
Lic. Fiestas Zevallos Jos Carlos

ESTADISTICA
Definicin: Es el conjunto de mtodos y procedimientos que implican recopilacin,
presentacin, ordenacin y anlisis de datos, con el fin que a partir de ellos
puedan inferirse conclusiones y conlleven a la toma de una buena de decisin.
Ramas de la estadstica: Pueden distinguirse dos ramas diferentes en Estadstica:
Estadstica Descriptiva, la cual es la que se utiliza en la descripcin y anlisis de
conjuntos de datos o poblacin.
Inferencia Estadstica, la cual hace posible la estimacin de una caracterstica
de una poblacin, o la toma de una decisin con respecto a una poblacin,
con base nicamente en resultados muestrales.
Estas dos partes de la estadstica no son mutuamente excluyentes, ya que para
utilizar los mtodos de la inferencia estadstica, se requiere conocer los mtodos
de la estadstica descriptiva. Ejemplos de estadstica descriptiva e inferencial
Estadstica descriptiva
Estadstica inferencial
- Durante el 2008, el Hospital regional - Una investigacin del Ministerio de
Cayetano Heredia recibi 15000
Salud estima que el 58% de la
pacientes, mas del doble de pacientes
poblacin tiene Seguro Social.
durante el ao 2007.
- En una encuesta realizada a alumnos
- Durante enero de 2009, 80.6% de los
sobre el conocimiento de mtodos
vuelos de LAN Per arrib a tiempo
anticonceptivos, 33% dijo que si
conoca
sobre
mtodos
anticonceptivos.
Poblacin y muestra:
Poblacin: Conjunto de elementos (que consiste de personas, objetos, etc.), que
contienen una o ms caractersticas observables de naturaleza cualitativa o
cuantitativa que se pueden medir en ellos. El resultado de medir una
caracterstica observable de una unidad elemental, se denomina dato
estadstico o valor observado o simplemente observacin. Denominaremos
elemento a una unidad elemental o unidad estadstica. Debemos definir dicha
poblacin de modo que quede claro cuando un cierto elemento pertenece o no a
la poblacin.
Una poblacin de una investigacin estadstica puede ser finita si sus
elementos se pueden contar.
- Numero de alumnos del curso de estadstica general en el aula de Biologa de
la Universidad Nacional de Piura. La unidad estadstica es el alumno.
- Nmero de profesores inscritos en la carrera magisterial.
- Numero de gestantes de la Clnica Beln de Piura en el mes de Enero del
2009. la unidad estadstica es la gestante
- Madres multparas en el hospital Regional Cayetano Heredia en el mes de
Mayo del 2009. unidad estadstica es la madre multpara.
- Nmero de pequeas empresas de la Ciudad de Piura en el ao 2009.
Una poblacin o universo es infinita cuando no es finita. En Estadstica, el
sentido del trmino poblacin infinita se refiere a una poblacin con un nmero tan
grande de elementos que no le es posible al investigador someter a medida cada
uno de ellos.
- Numero de estrellas en el firmamento.
- Numero de clulas en un paciente.
- Lanzamiento de una moneda varias veces.
Cuando se miden cualitativamente las caractersticas de una poblacin, resultan
categoras que deben ser exhaustivas, es decir, que se pueda clasificar a toda la
poblacin, y tambin deben ser mutuamente excluyentes, es decir, un mismo
elemento no puede pertenecer simultneamente a dos o ms categoras. Por
ejemplo, genero de una persona: masculino o femenino.
Muestra: Es una parte de la poblacin seleccionada de acuerdo con un plan o regla,
con el fin de obtener informacin acerca de la poblacin de la cual proviene.

Denominaremos muestra aleatoria al subconjunto de la poblacin elegida
aleatoriamente o al azar. Una muestra es representativa cuando los elementos
de esta poseen las mismas caractersticas de la poblacin estudiada.
Empricamente el porcentaje adecuado de una muestra es del 10% de una
poblacin. El estudio de muestras es ms sencillo que el estudio de una
poblacin completa; cuesta menos y lleva menos tiempo
Variables.
Definicin: es una caracterstica que vara y que denote una cualidad o cantidad
medible. Ejm. Edad, Ingreso econmico, genero, numero de hermanos, etc.
Tipos: las variables se pueden ser:
- Variable cualitativa: son caractersticas que denotan un atributo o una
cualidad. Ejemplo: Genero, color de ojos, estado civil, etc. Podemos
clasificarla en:
Nominal: Utiliza los nmeros solamente para identificar (etiqueta) que un
dato pertenece a un grupo o una categora. El anlisis estadstico
por computadora se facilita en gran medida al utilizar nmeros en
lugar de nombres. Ejemplo: Nombres de clnicas de la ciudad de
Piura, Genero, etc.
Ordinal: los nmeros representan medidas de mayor que o menor que,
como preferencias o clasificaciones, es decir; las caractersticas
tienen jerarquas. Ejm: Nivel de rendimiento acadmico, etc.
Variable cuantitativa: son caractersticas que denotan una cantidad
numrica. Ejemplo: Nmero de hermanos, Ingreso econmico, etc. Podemos
clasificarla en:
o Discreta: denota cantidades enteras, no aceptando otro tipo de nmero,
ejemplo: nmero de hermanos, numero de partos, etc.
o Continua: denota cantidades enteras y otro tipo de nmeros (decimales),
ejemplo: Ingreso econmico, edad, tiempo, etc
Escala de medicin: la escala de medicin de una variable puede ser nominal,
ordinal, de intervalo y de razn, Las escalas nominal y ordinal se denominan
tambin categricas, por otra parte las variables de escala de intervalo o de
razn se denominan variables numricas. Con los valores de las variables
categricas no tiene sentido o no se puede efectuar operaciones aritmticas.
Con las variables numricas s.
- Nominal: Utiliza los nmeros solamente para identificar (etiqueta) que un dato
pertenece a un grupo o una categora. El anlisis estadstico por computadora
se facilita en gran medida al utilizar nmeros en lugar de nombres. Ejemplo:
Nombres de clnicas de la ciudad de Piura, Genero, etc.
- Ordinal: los nmeros representan medidas de mayor que o menor que,
como preferencias o clasificaciones, es decir; las caractersticas tienen
jerarquas. Ejm: Nivel de rendimiento acadmico, etc.
- Intervalo: esta medida no slo incluye relaciones de mayor que o menor
que, sino tambin una unidad de medida que nos permite describir cuanto
mayor o menor es un objeto que otro. La unidad de medicin en este caso es
arbitraria (Cero relativo), es decir; los mltiplos de los valores medidos no son
significativos. Ejm: temperatura, cuestionarios como el siguiente:
[ ]
[ ]
[ ]
[ ]
[ ]
Los precios de SAGAFALABELLA
1
2
3
4
5
Bajo
Alto
- Razn: similar a la escala de intervalo, pero tiene un cero absoluto y los
mltiplos de los valores de la escala son significativos. Ejm: Los votos de una
eleccin, el consumo de suero en una paciente, la velocidad de produccin de
un medicamento, el promedio diario de entregas de OLVA COURRIER de
3077000 paquetes durante 2008.

RECOLECCION DE DATOS
Se refiere al uso de una gran diversidad de tcnicas y herramientas que pueden ser
utilizadas por el analistas para desarrollar los sistemas de informacin, los cuales pueden
ser la entrevistas, la encuesta, el cuestionario, la observacin, el diagrama de flujo y el
diccionario de datos.
Todos estos instrumentos se aplicarn en un momento en particular, con la finalidad de
buscar informacin que ser til a una investigacin en comn. En la presente
investigacin trata con detalle los pasos que se debe seguir en el proceso de recoleccin
de datos, con las tcnicas ya antes nombradas.
MODALIDAD DE RECOLECCION DE DATOS
Una vez obtenidos los indicadores de los elementos tericos y definido el diseo de la
investigacin, ser necesario definir las tcnicas de recoleccin de datos para construir
los instrumentos que nos permitan obtenerlos de la realidad. Un instrumento de
recoleccin de datos es cualquier recurso de que se vale el investigador para acercarse a
los fenmenos y extraer de ellos informacin.
Dentro de cada instrumento pueden distinguirse dos aspectos:
- La forma: se refiere a las tcnicas que utilizamos para la tarea de aproximacin a
la realidad (observacin, entrevista).
- El contenido: queda expresado en la especificacin de los datos que
necesitamos conseguir. Se concreta en una serie de tems que no son otra cosa
que los indicadores que permiten medir a las variables, pero que asumen ahora la
forma de preguntas, puntos a observar, elementos para registrar, etc.
El instrumento sintetiza en s toda la labor previa de investigacin: resume los aportes del
marco terico al seleccionar datos que corresponden a los indicadores y, por lo tanto, a
las variables y conceptos utilizados; pero tambin sintetiza el diseo concreto elegido
para el trabajo. Mediante una adecuada construccin de los instrumentos de recoleccin,
la investigacin alcanza la necesaria correspondencia entre teora y hechos.
DATOS PRIMARIOS Y SECUNDARIOS:
- Datos primarios: son aquellos que el investigador obtiene directamente de la
realidad, recolectndolos con sus propios instrumentos.
- Datos secundarios: son registros escritos que proceden tambin de un contacto
con la prctica, pero que ya han sido elegidos y procesados por otros
investigadores.
Los datos primarios y secundarios no son dos clases esencialmente diferentes de
informacin, sino partes de una misma secuencia: todo dato secundario ha sido
primario en sus orgenes, y todo dato primario, a partir del momento en que el
investigador concluye su trabajo, se convierte en dato secundario para los dems.
TCNICAS DE RECOLECCIN DE DATOS PRIMARIOS.
- LA OBSERVACIN: Consiste en el uso sistemtico de nuestros sentidos
orientados a la captacin de la realidad que queremos estudiar. Es una tcnica
antigua: a travs de sus sentidos, el hombre capta la realidad que lo rodea, que
luego organiza intelectualmente. Durante innumerables observaciones
sistemticamente repetidas. El uso de nuestros sentidos es una fuente inagotable
de datos que, tanto para la actividad cientfica como para la vida prctica, resulta
de inestimable valor.
LA ENTREVISTA: Consiste en una interaccin entre dos personas, en la cual el
investigador formula determinadas preguntas relativas al tema en investigacin,
mientras que el investigado proporciona verbalmente o por escrito la informacin
que le es solicitada.
Entre las tcnicas de recoleccin de datos, se pueden utilizar las siguientes: la
Observacin Participante, Activa o Directa: en donde el investigador o los

investigadores participan en el proceso investigativo desde el mismo lugar donde
acontecen los hechos; No Participante: el investigador o los investigadores
permanecen ajenos a los hechos que caracterizan la situacin objeto de estudio;
Estructurada o Sistemtica: apela a instrumentos para la recopilacin de los datos
sobre los hechos abordados como objeto de la investigacin; No Estructurada
Ordinaria, Simple o Libre: donde el investigador o los investigadores no utilizan
medios apropiados para recabar la informacin; Individual: es la que realiza una
sola persona; En Equipo: es la que realizan varias personas; Efectuada en la Vida
Real: en donde los hechos se captan tal cual como se van presentando, sin
preparacin; Efectuada en Laboratorio: tiene carcter artificial, se observan
pequeos grupos. Para la Observacin, se pueden emplear los siguientes
instrumentos para recolectar datos: el cuaderno de notas; el diario; grabador y
reproductor de sonidos; cmara fotogrfica; video-grabadora; etc; la Entrevista:
Estructurada: toma la forma de un interrogatorio en el cual las preguntas se
plantean siempre en el mismo orden, y se formulan con los mismos trminos.
Los analistas utilizan una variedad de mtodo a fin de recopilar los datos sobre una
situacin existente, como entrevistas, cuestionarios, inspeccin de registros (revisin en
el sitio) y observacin. Cada uno tiene ventajas y desventajas. Generalmente, se utilizan
dos o tres para complementar el trabajo de cada una y ayudar a asegurar una
investigacin completa.
TABLA Y UN GRAFICO
Despus de la recopilacin de los datos, es necesario resumirlos y presentarlos en forma
tal, que faciliten su comprensin y su posterior anlisis y utilizacin. Para ello, se ordenan
en tablas y luego se representan en grficos.
La construccin de tablas o grficos es uno de los procesos ms comunes en estadstica
descriptiva. Dependiendo del tipo de la variable y escala de medida se utilizaran una tabla
o grafico respectivo.
Las variables usadas para construir estas tablas, sern medidas en cualquiera de las
escalas descritas en los conceptos bsicos estudiados.
Para construir una tabla, es necesario subdividir el recorrido de la variable observada en
un nmero relativamente bajo de grupos o intervalos, segn sea el caso. Si la variable es
numrica y continua, las tablas se construyen basadas en intervalos que particionan el
recorrido observado. Para cada intervalo se registra la frecuencia con que ocurre en la
muestra. Si la variable es numrica discreta o no numrica (nominal u ordinal) se forman
grupos de valores a los que se les registra la frecuencia de ocurrencia. Antes de ver las
tablas propiamente tales, se presenta otra forma de resumir un conjunto numrico de
datos: el tallo y hojas.
TALLO Y HOJAS
Una manera muy simple de representar informacin en muestras de tamao moderado,
es el tallo y hojas. Bsicamente, consiste en un ordenamiento en que el ltimo dgito se
escribe separadamente de los de mayor significacin. Mostraremos su uso mediante los
datos que aparecen en la Tabla 01 que presentamos a continuacin.

Tabla 01
DATOS DE ALUMNOS DE DERECHO DEL SEGUNDO CICLO DE LA UNIVERSIDAD
NACIONAL DE PIURA PIURA 2012
G T P E G T P E G T P E
G T P E
G T P E
G T P E
M 163 50 17 F 163 62 17 F 162 48 18 F 163 48 19
F 163 55 17 M 178 70 18
M 167 55 18 F 167 51 19 F 158 57 18 F 160 55 18
F 167 56 18 M 185 72 18
M 160 55 17 M 173 63 18 F 160 51 19 F 158 51 19
F 158 48 19 M 165 70 19
F 158 49 18 F 156 41 20 F 162 56 20 F 166 60 18
F 170 54 18 M 180 75 20
F 157 55 20 F 164 55 18 F 169 53 21 F 174 59 20
F 160 49 20 M 176 66 21
F 161 53 17 F 165 60 18 F 170 58 20 F 174 60 19
M 174 56 20 M 175 60 18
F 160 60 18 F 154 52 19 F 165 56 18 F 173 70 20
M 172 60 22 M 169 70 19
F 160 60 17 F 154 52 20 F 165 56 19 M 173 70 18
M 172 60 19 M 173 70 19
M 177 67 21 M 178 60 19 F 155 52 18 F 157 54 17
M 166 62 20
F 158 50 17 F 160 55 18 F 155 45 19 F 158 52 18
M 171 75 19
Fuente: Encuesta a alumnos.
Donde:
G : genero (M= Masculino, F=Femenino)
T: Estatura (cm)
P: Peso (kg)
E: Edad (aos)
En esta tabla, aparecen datos de 58 alumnos de derecho del segundo ciclo de la
universidad, correspondientes a las variables Gnero, Estatura (cm) y Peso (Kg),
recolectados de una encuesta.
Para construir el tallo y hojas correspondiente a la variable Estatura, se escribe una
columna con las decenas de los nmeros que sern representados. Las estaturas
disponibles en la muestra, tienen como decenas a los valores 15, 16, 17 y 18. De este
modo, el nmero 165 tiene 16 decenas y 5 unidades. Esto significa que en la columna de
la derecha, a la altura del 16, se anota el dgito 5. Repitiendo este procedimiento para
cada valor en la tabla, se obtiene lo siguiente:
TALLO Y HOJAS DE LA TABLA 01
ESTATURA DE ALUMNOS
15 455677888888
16 000000122333345556677799
17 001233344456788
18 05
El resultado obtenido puede considerarse como un reordenamiento de la informacin
original. Sin embargo, al poner ordenadamente las cifras, se tiene un beneficio adicional:
al mirar la figura globalmente, entrega una representacin grfica de la informacin. (Esta
visin se facilita si el grfico se observa lateralmente). La simplicidad de este
procedimiento lo hace muy adecuado para representar pequeos conjuntos de datos en
forma manual.
Trminos utilizados:
- Frecuencia absoluta simple ( f i ): indica el nmero de veces que se repite un
atributo, caracterstica, valor o el nmero de valores de un conjunto de datos que
se encuentran en un intervalo. La suma total de estas frecuencias es igual al total
de datos (n o N).

-
Frecuencia
hi %
fi
porcentual
simple
( hi % ):
se
define
en
cada
fila
como
100 . La suma total de estas frecuencias es el 100.00%. Cuando no
esta expresada en porcentaje se denomina frecuencia relativa simple ( hi ).

Frecuencia absoluta acumulada ( Fi ) : indica la cantidad de datos que se
encuentran hasta cierto valor o clase.
- Frecuencia porcentual acumulada ( H i % ): indica el porcentaje de datos que se
encuentran hasta cierto valor o clase.
- Marca de clase ( ): es el punto medio de cada intervalo, es decir
.
Nota: Las frecuencias acumuladas se observan cuando estamos estudiando variables
cuantitativas, la marca de clase se utilizar cuando trabajemos con intervalos.
Toda tabla o grafico debe tener:
- Un orden numrico que identifique a la tabla o grafico. Ejm: Tabla N 01 o Grafico
N 01.
- Un ttulo adecuado para evitar confusiones y para expresar brevemente su
contenido. Prcticamente que responda preguntas de Qu se esta estudiando?,
A quien se realiza el estudio?, En donde se realiza el estudio? Y Cundo se
realiza el estudio?
- La tabla o grafico en si, aqu se encontrar las diferentes frecuencias sean
simples o acumuladas, marca de clase, nombre de la variable dependiendo el tipo
de tabla o grafico trabajado.
- La fuente de los datos, si no son datos propios, instrumento o tcnica utilizado
para la recoleccin de datos. Es un pie de tabla o grafico
- Interpretacin: se detallan generalmente los porcentajes ms resaltantes en que
se expresan los datos de una tabla.
-
La cantidad de tablas y grficos depende del investigador pero no se recomienda saturar

un trabajo de investigacin con tablas y grficos de preferencia en algunas ocasiones las
tablas o grficos se fusionan. Para cada tabla se recomienda su grafico respectivo.
La siguiente figura denota un modelo de tabla adecuada:
Tabla N
Nombre de variable
fi
Total
100.00%
Fuente:
CONSTRUCCION DE TABLA Y GRAFICO:
a. Variable cualitativa:
La construccin de una distribucin de frecuencia de atributos o distribucin de
frecuencia de variable cualitativa es simple, basta enumerar los diversos atributos con
su respectiva frecuencia de ocurrencia respetando si los atributos estn expresados en
una escala nominal u ordinal. El grafico que se recomienda para esta situacin es
pastel o barras generalmente para una escala de medicin nominal u ordinal
respectivamente.

Nom.
Variable
C1
f1
h1 %
C2
f2
h2 %
...
Ck
...
fk
hk %
fi
Total
i 1
hi %
...
k
h % 100.00
fi n
i 1
Ejemplo: De la Tabla N 01 realizar la tabla, grafico e interpretar los datos mas

resaltantes.
Orden
Tabla N 02
Titulo
Nombre de
variable
Atributos o
caracterstica
s
Interpretacin
GENERO
DE
ALUMNOS
DE
DERECHO DEL SEGUNDO CICLO DE
LA UNIVERSIDAD NACIONAL DE
PIURA PIURA 2012
Genero
Femenino
Masculino
Total
fi
38
20
58
20
100
58
65.52
34.48
100.00
Fuente: Encuesta realizada a los alumnos

Podemos observar que del 100% de los alumnos un 65.52% son del gnero femenino
mientras que el 34.68% es masculino.
GRAFICO N 02
GENERO DE ALUMNOS DE DERECHO DEL SEGUNDO CICLO DE LA UNIVERSIDAD
Genero
Femenino
Masculino
34,48%
65,52%
Fuente: encuesta realizada a los alumnos

GRAFICO N 03
GENERO DE ALUMNOS DEL SEGUNDO CICLO DE LA UNIVERSIDAD NACIONAL
DE PIURA PIURA 2009
70,0%
60,0%
Porcentaje
50,0%
40,0%
65,52%
30,0%
20,0%
34,48%
10,0%
0,0%
Femenino
Masculino
Genero

b. Variable cuantitativa
i. Tabla de punto fijo o de puntos aislados
Este tipo de tabla se recomienda cuando el numero diferente de valores recolectados no
exceden a 11, algunos autores consideran que es apropiado utilizarla cuando el nmero
total de valores es grande (n>30), en este tipo de tablas en algunos casos encontraremos
Frecuencias simples y acumuladas, para representar grficamente este tipo de datos se
recomienda si son frecuencias simples bastones o barras mientras que si son
acumuladas el grafico de flechas.
Hi %
Nom.
fi
hi %
Fi
Variable
F1 f1
H1 % h1 %
f1
h1 %
X1
X2
f2
h2 %
...
...
fk
...
Xk
hk %
F2 f1 f 2
H 2 % h1 % h2 %
...
...
Fk f1 f 2 ... f k n
H k % h1 % h2 % ... hk % 100
----------------
-----------
Total
f
i 1
h %
i 1
100.00
Ejemplo: De la tabla N 01 realizar una tabla y grafico adecuado e interpretar los datos
ms importantes.
Como podemos observar en la Tabla N 01 la nica variable cuantitativa que se adecua
para la realizacin de una tabla de punto fijo es la EDAD, debido a que slo tiene 05
valores diferentes (17, 18, 19, 20, 21 y 22), as sea el nmero de datos recolectados
mayores de 30.

Tabla N 03
Titulo
Nombre de
variable
Valores
Interpretacin
Orden
EDAD DE ALUMNOS DE DERECHO

DEL SEGUNDO CICLO DE LA
UNIVERSIDAD NACIONAL DE PIURA
PIURA 2009
Edad
17
18
19
20
21
22
Total
fi
8
16
12
9
2
1
48
%
16.67
33.33
25.00
18.75
4.17
2.08
100.0
0
Fi
1 %
Hi %
8
24
36
45
47
48
----
100
8
100
48
16.67
50.00
75.00
93.75
97.92
100.00
-----
16.67
3 %
1 % + 2 % + 3 %
3 %
16.67 + 33.33 + 25
Fuente: Encuesta realizada a los alumnos

Podemos observar que del 100% de los alumnos un 33.33% tienen 18 aos mientras que
el 2.08% tienen 22 aos, se logro determinar que del total de los alumnos el 93.75% de
estos tienen edades menores o iguales a 20 aos.
GRAFICO N 03
PORCENTAJE DE ALUMNOS SEGN EL GENERO DERECHO - II CICLO DE LA
UNIVERSIDAD NACIONAL DE PIURA PIURA 2012
35
33.33
30
25
25
20
18.75
16.67
15
10
4.17
2.08
0
17
18
19
20
21
22
10

GRAFICO N 04
PORCENTAJE DE ALUMNOS SEGN EL GENERO DERECHO - II CICLO DE LA
35
33.33
30
25
25
18.75
20
16.67
15
10
4.17
2.08
0
17
18
19
20
21
22

ii. Tabla en intervalos
Cuando los datos estn medidos en una escala numrica continua, la construccin de
tablas para presentar su informacin, se hace mediante la particin del recorrido de los
valores de la muestra en una serie no muy grande de intervalos. Para confeccionar la
tabla, se comienza fijando el nmero total de intervalos contiguos y el ancho de cada uno
de ellos. La tabla se construye de modo que los intervalos que la componen, sean semi abiertos por la derecha. De este modo, el lmite inferior pertenece al intervalo, pero el
superior no. Los grficos que se recomiendan para este tipo de tablas son Histogramas
(Grafico N 05) y Polgonos de frecuencias (Grafico N 06) para las Frecuencias simples
y Ojivas para Frecuencias acumuladas.
Nom. Variable
+
+
+2
+2
+3
...
+
Yi
fi
hi %
Y1
f1
h1 %
F1 f1
H1 % h1 %
Y2
f2
h2 %
F2 f1 f 2
H 2 % h1 % h2 %
Y3
f3
h3 %
F3 f1 f 2 f 3
H 3 % h1 % h2 % h3 %
...
...
fk
...
...
hk %
Fk f1 f 2 ... f k n
H k % h1 % h2 % ... hk % 100
----------------
-----------
Yk
...
Hi %
Fi
Total
-----
i 1
fi
h %
i 1
100.00
Pasos para calcular los intervalos adecuados:

1. Calcular el Rango del conjunto de datos, el cual es el recorrido existente entre el
mximo valor y mnimo valor de un conjunto de valores recolectados:
11

, el resultado de este valor no se redondea.
2. Calcular el nmero de intervalos adecuados, un intervalo es el conjunto de
nmeros reales comprendido entre dos valores (lmite inferior y superior). En una
tabla de intervalos se recomienda no debe elegirse no menos de 5 ni ms de 15
intervalos, debido que con menos de 5 se podran omitir caractersticas
importantes de los datos. Con ms de 15 se puede complicar innecesariamente
los clculos para las medidas descriptivas. Existen intervalos de de longitudes
(Amplitud) iguales o diferentes. Es recomendable tambin que el nmero de
intervalos elegido debe originar una distribucin de frecuencias monomodal. Es
decir, una distribucin cuyas frecuencias vana aumentando en forma progresiva
hasta una frecuencia mxima y luego van disminuyendo tambin
progresivamente, como se sabe existen 4 diferentes tipos de intervalos en este
[. Es as que todos los valores
modulo se trabajara con intervalos de tipo [
deben caer en un intervalo. Para el clculo utilizaremos la Regla de Sturgers:
1 + 3.32
, este valor siempre es entero, respetando las reglas de
redondeo conocidas (redondeo por defecto).
3. Calcular la amplitud de clase, una amplitud de clase es el recorrido existente entre
el lmite inferior y superior de un intervalo, la representaremos con la letra ,
algunos autores creen conveniente utilizar la letra . Su clculo estar
determinado por:
, el resultado depender mucho del tipo de valor trabajado utilizando el
redondeo al entero inmediato superior (Redondeo por exceso), con el fin de
determinar el exceso en la construccin de los intervalos
4. Determinar el exceso, en algunos casos se tendr exceso para la construccin de
los intervalos los cuales sern repartidos en el valor mximo y mnimo
recolectados, generndose un nuevo valor mximo (
) y un nuevo valor
mnimo (
. Se tomara en cuenta si:
a. Si
es
un
numero
par,
la
reparticin
+ 2
ser:{
+ 2
b. Si
es un nmero impar, este valor se descompone en dos

nmeros consecutivos generndose dos valores uno mayor y menor. La
+
reparticin ser: {
c. Si
es 0, no existir reparticin pero el ultimo intervalo a

trabajar se convertir en [ ].
d. Si
es un valor negativo entonces el clculo estar en un

error debido a que no puede obtenerse valores negativos, se debe verificar
los redondeos respectivos.
12

Antes de realizar ejemplos para este tipo de tablas en intervalos practicaremos sobre las
diferentes tcnicas de redondeo que se utilizaran en este tema.
Si
Los
valores
son:
Enteros
Un
decimal
50
35
12
23
1
+ 3.32
1
+ 3.32
50
6.6406 7
23
7
3.285
4
=5
El 5 se descompone en dos
nmeros consecutivos 3 y 2
entonces:
+
{
35 + 3
12 2
38
10
0.1
50
Dos
50
decimales
35
12
23
3.3
35 + 0.1
35.1
12
12
0.0
0.03
35
12
23
3.2
35 + 0.02
35.02
12
11.
0.01
0
Entero
--
125
98
27
3.8571
4
7.22
3.8571
3.
1.26 12.64
6.48
2.106
2
Dos
45 13.92 1.15 12.77
decimales
Entero
75
125
Entero
75
125
Un
decimal
45
13.9
98
98
27
27
7.22
1.8242
1.83
Los valores
1
{
125 + 1
8 0
126
8
0.3
Existe error debido a que los
intervalos deben ser del tipo
de valor trabajado (Entero)
0.64
Existe error debido a que se
ha redondeado mal la
amplitud
de
clase
debera ser 2.2
0.04
+ 2
{
2
13. 2 + 0.02 13. 4
{
01.15 0.02 01.13
Ejemplo:
De la informacin de la Tabla N 01. Realizar una tabla de frecuencias con intervalos de
igual amplitud.
Primero debemos calcular los intervalos para la construccin de nuestra tabla, una
variable que se adecua para nuestro ejemplo es la estatura, debido a que el numero de
datos es mas de 30 y sobretodo que el numero diferente de valores es mas de 11.
Entonces:
1. Calcular el Rango,
185 154 31
13

1 + 3.32
1 + 3.32
58
6.854 7, se respeta la regla de
redondeo conocida, siempre es un nmero entero.
31
3.
4.4285 5, se redondea al entero inmediato superior (redondeo por
exceso) por que los valores trabajados son enteros.
4. Si
75
31 4 es un numero par, entonces este exceso se
repartir de la siguiente manera:
+ 2 185 + 2 187
{
2 154 2 152
Una vez que tenemos los nuevos valores mximo y mnimo recin se puede realizar la
tabla.
2.
Orden
Tabla N 03
TALLA DE ALUMNOS DE DEECHO DEL SEGUNDO CICLO DE LA UNIVERSIDAD
Titulo
Talla
Intervalos
Interpretacin
Xi
fi
hi %
Fi
Hi %
152
157
155.5
13
22.41
13
22.41
157
162
162.5
19
32.76
32
55.17
162
167
169.5
12
20.69
44
75.86
167
172
176.5
12
20.69
56
96.55
172
177
183.5
3.45
58
100
177
182
190.5
58
100
182
187
197.5
58
100
--------
58
100.00
------------
---------
Total
2`
+
2

Podemos afirmar que del 100% de los alumnos el 32.76% de estos tienen una talla entre
157 a 162 cmts., mientras que el 3.45% tiene un promedio de talla de 183.5. Tambin se
logro determinar que el 75.86% de los alumnos tienen una talla mayor o igual a 152 pero
menos de 167cmts.
GRAFICO N 05
PORCENTAJE DE ALUMNOS DE DERECHO SEGN SU TALLA II CICLO DE LA
14
157 + 162
2

GRAFICO N 06
PORCENTAJE DE ALUMNOS DE DERECHO SEGN SU TALLA II CICLO DE LA
35
32.76
30
25
22.41
20.69
20
20.69
15
10
5
0
3.45
155.5
162.5
169.5
176.5
0
183.5
190.5

PRACTICA DIRIGIDA
1. En el tema de estadstica nos referamos a un atleta de decatln cuya media de
puntuacin en las 10 pruebas era de 801.6 puntos. Especifica en este estudio
estadstico quin es la poblacin y qu tipo de variable se considera.
2 . I n d i c a q u e va r i a bl es s o n c u al i t a t i va s y c u a l e s c u a nt i t a t i va s :
a . C o m i d a F a vo r i t a .
b . P r of e s i n q u e t e g us t a .
c . N m e r o d e g o l e s m a r c a d o s p o r t u eq u ip o f a vo r i t o e n l a l t i m a
t e m p or a d a .
d . N m e r o de a l u m n os d e t u I n s t it u t o.
e . E l c o l o r d e l o s o j os d e t u s c om p a e r o s d e c l a s e .
f . C o e f i c i e n t e i n t e l e c t u a l d e t u s c om p a e r o s d e c l a s e.
3 . Clasifique las variables e indique el tipo de escala en que estn medidas las
siguientes caractersticas
- Profesin
- Ao de nacimiento - Nacionalidad
- Edad
- Grado de instruccin
- Estado civil
- Nmero de hijos
- Ingreso mensual familiar promedio
- Nmero de telfono
- Nmero de DNI
- Direccin
4 . D e l a s s i g u i e n t e s va r i a b l e s i n d i c a c u l e s s o n d i s c r e t a s y c u a l e s
continas.
a . N m e r o de a c c i o n e s ve n d i d a s c a d a d a e n l a B o l s a .
b . T em p e r at u r a s r eg i st r a d a s c a d a h o r a e n u n o b s e r va t o r i o.
c . P e r o d o d e d u r a c i n d e u n a u t om vi l .
d . E l d i m e t r o d e l a s r u e d a s d e va r i o s c och e s .
e . N m e r o de h i j o s d e 5 0 f am i l i a s .
f. Censo anual de los peruanos.
5 . C l a s i f i c a r l a s s i g u ie n t e s va r i a b l e s e n c u a l i t at i va s y c u a n t i t at i va s
d i s c r e t a s o c o nt i nu a s .
15

6.
7.
8.
9.
33320
21081
23437
23511
a . L a n a c i o n a l i d a d d e u n a p e r s o n a.
b . N m e r o de l i t r o s d e ag u a c o nt e n i d o s e n u n d e p s i t o.
c . N m e r o de l i b r o e n u n e s t a nt e d e l i b r e r a .
d . S u m a d e p u n t o s t e ni d o s e n e l l a n za m i e n t o d e u n p ar d e d ad o s .
e . L a p r of e s i n d e u n a p e r s o n a.
f . E l r e a d e l a s d i s t i nt a s b a l d o s a s d e u n e d i f i c i o .
Al investigar el nivel socioeconmico en una encuesta a Profesores de la I.E. San
Miguel de Piura en el mes de Diciembre del 2010 con los valores: Bajo(B), medio
(M), alto(A), 20 profesores dieron las siguientes respuestas: M, B, B, M, A, B, B, M,
M, B, M, B, B, A, M, B, M, A, M, B. Construir la distribucin de frecuencias y trazar su
grfica.
En la Librera TODO BARATO en el mes de Enero del 2010 se realizo un inventario
de 20 lotes de 48 libros cada uno y se encontr el siguiente nmero de libros con
errores por lote: 3, 2, 5, 0, 1, 3, 2, 1, 0, 1, 3, 4, 2, 4, 4, 3, 4, 3, 2, 3.
a . Construir la distribucin de frecuencias relativas y frecuencias relativas
acumuladas. Graficar.
b . Qu porcentaje de lotes tienen dos o ms pero menos de 4 artculos
defectuosos?.
Las puntuaciones obtenidas por un grupo de en una prueba de
e s t a d s t i c a a l o s a l u m n o s d e L a U . N . P P i u r a e n e l m e s d e e n e r o d e l
2 0 0 9 h a n s i d o:
11 17 12 13 1
20 8
20 1
16
9
1
14 1
5
12 9
17 7
5
a . C o n s t r u i r l a t a b l a d e d i s t r i b u ci n d e f r e c u e n ci a s y d i b u j a e l
p o l g o n o d e f r e c u en c i a s .
Organiza los datos y realiza un diagrama de tronco y hojas para luego realizar su
tabla con 5 intervalos de igual amplitud (k=5) con los sueldos anuales de las
siguientes personas que trabajan en la fbrica de Cementos Pacasmayo en Lima en
Enero del 2010 de la planilla de la empresa.
20967 28537 29411 31611 23188 21638 32865 22513 27742 28384 24582
23820 22992 26768 30092 29148 27361 30021 21809 23890 31914 26621
21959 28536 20546 28931 25562 22241 32418 32880 23899 32506 26533
20107 33388 28752 26794 28823 24631 22675 33419 27174 27103 25728
10.
Se ha medido a 30 enfermos del Hospital Regional de Piura en el mes de enero

del 2009 el contenido de calcio en la sangre, datos recolectados de su registro
medico, dndose los valores siguientes:
8.46 12.46 9.23 12.40 10.17 11.58 10.01 11.32 11.19 10.40
9.43
8.89
8.99
9.88 11.74 10.90 12.88 11.78 12.62 8.93
12.57 9.86 12.16 8.37 12.29 11.83 8.71 10.24 11.13 8.98
a . Agrupa en intervalos y represntalo grficamente de una manera adecuada.

b . Interpreta los resultados ms importantes en esta tabla.
1 1 . D u r a n t e es t e a o s e h a n c o n t a b i l i za d o d e l o s r eg i st r o s l o s
s i g u i e n t e s n a c i m i e nt o s e n l a zo n a n o r t e d e l P e r e n e l a o 2 0 0 9 , d e l
a c a t a m e d i c o s e o bt u vo l o s i g u i e n t e :
HOSPITAL
A
B
C
D
F
N de NACIMIENTOS
331
592
141
499
196
D i b u j a r p a r a e s t o s d a t o s un pictograma de cunas que represente el nmero de

nacimientos en cada hospital (el rea de la cuna debe ser proporcional a la
frecuencia).
16

12.
El nmero de estrellas de los hoteles de Per en el ao 2009

s e g n u n i nf o r m e de l Mi n i s t e r i o d e E c o n o m a e n f e b r e r o d e l 2 0 1 0
e m i t i d o p or I N E I vi e n e d a d o p or l a s i g u ie n t e s er i e :
3
5
4
2
2
5
2
4
2
4
3
3
2
2
2
3
3
5
d i a g r a m a d e b ar r as .
1 3 . Se registra el tiempo en minutos que utilizan 30 alumnos para ejecutar una tarea,
resultando los siguientes: 21.3 15.8 18.4 22.7 19.6 15.8 26.4 17.3 11.2 23.9
26.8 22.7 18.0 20.5 11.0 18.5 23.0 24.6 20.1 16.2 08.3 21.9 12.3 22.3 13.4
17.9 12.2 13.4 15.1 19.1
Construir una distribucin de frecuencias de 6 intervalos de igual amplitud
1 4 . L a s c a l if i c a c i o n e s d e t e r m i n a d a s s eg n e l r eg i s t r o a c a d m i c o d e
u n p r of e s o r d e 5 0 al u m n o s e n Ma t e m t ic a s d e l a I . E . S a n M i g u e l d e
P i u r a e n e l a o 2 0 11 h a n s i d o l a s s ig u i e n t e s :
20
20
16
8
1
13
14
0
15
7
3
13
10
19
12
20
7
15
2
10
2
2
13
19
14
1
10
9
1
16
19
4
14
10
17
10
18
10
16
5
20
9
19
13
13
8
4
15
2
0
d i a g r a m a d e b ar r as .
1 5 . L o s p e s o s r ec o l e c t ad o s d e u n a e n c u e st a a l o s 6 5 e m p l e a do s d e l a
fbrica BACKUS de la Ciudad de Lima en el ao 2009 vienen dados
p o r l a s ig u i e n t e t a b la :
Peso
fi
[50, 60) [60, 70) [70, 80) [80,90) [90, 100) [100, 110) [110, 120)
6
13
a . C o n s t r u i r l a t a bl a de f r e c u e n ci a s .
b . R e p r e s e n t ar e l hi s t o g r a m a y e l p ol g on o d e f r e c u e n c i a s .
1 6 . L o s 4 0 a l u m n o s d e l a U n i ve r s i d a d N a c i o n a l d e P i u r a e n e l m e s d e
E n e r o d e 2 0 0 9 d e u n a c l a s e h a n o b t e n i d o l a s s i g u i e n t es
p u n t u a c i o n e s , s o b r e 5 0 , e n u n e xa m e n d e E s t a d s t i c a .
30 3 47 24 40 34 0 36
3 19 39 25 7
1 19 1
10 4
5 14 44 19 19 48
9 34 28 31 49 1 50 8
a . C o n s t r u i r l a t a bl a de f r e c u e n ci a s .
b . D i b u j a r e l hi s t o gr am a y e l p o l g o n o de f r e c u e n ci a s .
17

MEDIDAS DE RESUMEN
Para describir un conjunto de datos, adems de la tabulacin y la representacin grfica,
se utilizan valores numricos de funciones de la variable llamadas medidas de resumen.
Las medidas de resumen aportan la informacin acerca de valores centrales, de
posicin, la dispersin, la forma de la distribucin y el comportamiento.
Aquellas medidas de resumen utilizadas para describir valores centrales se llaman
Medidas de tendencia central
MEDIDAS DE TENDENCIA CENTRAL
Para saber cul medida de tendencia central utilizar, se debe tener en cuenta:
la escala de medida y la forma de la distribucin
MEDIA
ARITMTICA
ARMNICA
Es de poco
Es la ms utilizada, por uso. No se va
su facilidad de clculo, a ver aqu
en muestras grandes es
estable,
fcil
de
entender y es de fcil
uso
en
clculos
posteriores.
Utilizada
para datos numricos y
distribuciones simtricas
o asimtricas
MEDIANA
GEOMTRICA Es til sobre
todo cuando :
Es
til
en Datos
general
ordinales
o
en
aquellos numricos.
casos donde el La distribucin
logaritmo de la de la variable
variable
en es asimtrica
estudio tiene y hay pocas
distribucin
observaciones
normal.
MODA
La moda se
utiliza
solamente
cuando el
investigador
tenga inters
en conocer el
valor ms
frecuente
En datos
nominales
Distribuciones
bimodales
MEDIA ARITMTICA O PROMEDIO

Si consideramos las frecuencias relativas como
pesos aplicados en el eje de las abscisas, el
centro de gravedad es decir el punto de aplicacin
de la resultante de la distribucin , se encontrar
en la media aritmtica, promedio o simplemente
MEDIA
La Media de una muestra se define por la
frmula:
1
+
1+ 2+ 3+
Grafica que representa a la Media

Datos sin agrupar: Ejemplo: las edades en aos
de los alumnos de Educacin primaria fueron los
siguientes: 18, 19, 20, 22, 17 y 25. Calcular la
edad Promedio:
1
18 + 1 + 20 + 22 + 17 + 25 121
6
6
20.17
Interpretacin: La edad promedio de los 6
alumnos de educacin es de 20 aos.
18

En tablas de datos agrupados en
intervalos
En tablas de datos (punto fijo)

Ejemplo: Sea el nmero de
libros de alumnos
X i fi
i 1
Libros Alumnos
3
1
6
8
9
15
12
4
Total
28
Hallar la media.
Ejemplo: Sea la nota de los

alumnos de educacin en el
Examen parcial
En
este
caso se usa
el
punto
medio
o
marca
de
clase de un
intervalo
Nota
2-4
4-6
6-8
8 - 10
total
Alumnos
3
5
7
9
--
2
9
10
1
22
1 +
8 + 15 +
4
2 + + 10 + 1
28
22
5. 1
8.35
Interpretacin: El nmero promedio de Interpretacin: La nota promedio de los 22
alumnos es aproximadamente de 5.91
libros de los alumnos es de 8.
Cuando los datos estn agrupados en clases se produce una prdida de informacin
que puede traducirse en pequeos errores en el verdadero valor de la media, por esa
razn cuando es posible conviene promediar los valores de la tabla de frecuencias sin
agrupar, o bien los valores individuales tomados de 1 en 1 (Datos sin agrupar).
PROPIEDADES DE LA MEDIA
1.
La suma total de n valores cuya media es x es igual a nx .

tabulados y tabulados respectivamente, se tiene:
n
i =1
i =1
Para n datos no
xi nx , f i xi nx.
Si cada uno de los n valores xi es transformado en: y i axi b , siendo a y b
constantes, entonces, la media de los n valores yi es (verificar!):
y ax b.
Como casos particulares se tiene:
Si y i b , entonces, y b . Esto es, si los n datos son iguales a una constante,
entonces su media es igual a esa constante.
Si yi xi a , entonces, y x b . Esto es, si a cada dato se suma una constante la
media queda sumada por esa constante.
Si yi axi , entonces, y ax . Esto es, si a cada dato se multiplica por una constante, la
media queda multiplicada por esa constante.
Nota: La media aritmtica de datos tabulados, se calcula tambin, utilizando las
frecuencias relativas (o porcentajes), se vuelve inestable por datos extremos.
2.
MEDIANA
Recordemos que la mediana es el valor que deja por debajo y por encima de l el
mismo nmero de observaciones; es decir es el 50% de datos menores o iguales a
la mediana y un 50% de datos superiores, es el percentil 50.
En una lista estadstica ordenada, con los datos sin agrupar :
19

El nmero de observaciones es par, la mediana
El nmero de observaciones es
impar, la mediana corresponde al corresponde al promedio entre los dos valores
valor central
centrales
1. Ordenamos los datos de 1. Ordenamos los datos de manera ascendente, cada
valor representa una posicin.
manera ascendente, cada
2.
Aplicamos la formula siguiente:
valor representa una posicin.
+ ( 1)
( )
2. Aplicamos la formula siguiente:
2
2
1
2
2
Ejemplo: Sea el nmero de hijos matriculados en un
Ejemplo: Sea el nmero de hijos
Colegio por padres de familia: 2, 7, 3 y 5.
matriculados en un Colegio por
padres de familia: 2, 7, 5, 3 y 5.
2
X1
3
X2
5
X3
(
5
X4
)
2
X1
7
X5
3
Interpretacin: EL 50% de los

padres
de
familia
tienen
matriculados 5 o menos hijos
mientras que el otro 50% tiene
matriculado mas de esa cantidad
de hijo
( )
2
3
X2
1)
5
X3
( )
2
7
X4
1)
+
2
3+5
2
2
4
Interpretacin: EL 50% de los padres de familia
tienen matriculados 4 o menos hijos mientras que el
otro 50% tiene matriculado mas de esa cantidad de
hijos
Cuando los datos estn agrupados, para calcular la mediana se requieren las
frecuencias acumuladas (Absolutas, relativas o porcentuales). Para nuestro estudio
explicaremos cuando trabajamos con Frecuencias absolutas simples eso significa que
tambin podemos trabajar con las Frecuencias relativas o porcentuales.
Pasos a seguir cuando es una tabla de punto fijo
Se determina la clase que contiene la Ejemplo: Sea el nmero de libros de
observacin de orden n/2 que corresponde alumnos
a la clase mediana
Libros Alumnos
Fi
28/2 = 14 (la mediana est entre las
3
1
1
Frecuencias acumuladas 9 y 24).
6
8
9
28
n
14
Si
Fi entonces el resultado de la
2
2
9
24
15
2
12
4
28
mediana se escoge de la misma fila cuyo
valor de la variable es el resultado de la Total
28
--mediana, caso contrario escogemos la
Hallar la mediana.
siguiente fila tomando el valor de la variable
Interpretacin: El 50% de los alumnos
como el resultado de la mediana.
tienen 9 o menos libros mientras que el 50%
tienen ms.
Pasos a seguir cuando es una tabla en intervalos usando frecuencias absolutas
20

La mediana se calcula de acuerdo a la frmula:
- Se determina la clase que
2
1
+
contiene la observacin de
1
orden n/2 que corresponde a la
donde:
clase mediana (23)/2 = 11 (la
mediana est entre las li : lmite inferior del intervalo donde se encuentra la
clase mediana
Frecuencias acumuladas 11
y 21)
1 : Frecuencia acumulada anterior o igual a 2
1 : frecuencia absoluta simple donde se encuentra la
clase mediana
Ci : amplitud de clase del intervalo donde se encuentra
la clase (6)
Examen parcial
`
Nota Yi Alumnos Fi
2a4
4a6
6a8
8 a 10
total
3
5
7
9
--
2
9
10
1
22
2
11
21
22
Clase que
contiene
la
mediana
`
Nota Yi Alumnos Fi
2a4
4a6
6a8
8 a 10
total
3
5
7
9
--
2
9
10
1
22
: 6
: 2
1 : 11
1 : 10
: 2
2
11
21
22
22
2 11 2 6
10
1
el 50% de los alumnos tienen una nota menor o igual a
6 mientras que el otro 50% tiene una nota superior.
+
6+
Forma grfica de calcular la mediana

A partir de un grfico de H i (frecuencias relativas
acumuladas), se traza a la altura de 0.5 (o 50%) una lnea
paralela al eje de la variable, en el punto de corte, se traza
una perpendicular. El valor resultante en el eje de las x , ese
ser la mediana.
MODA ( )
Una tercera medida es la Moda, o sea el valor ms frecuente. Utilizada cuando la
mediana se vuelve inestable. Esta medida a diferencia de las anteriores puede ser no
nica, por eso que un conjunto de datos pueden existir varias modas, a esto se define al
conjunto de datos multimodal. Para nuestro estudio en los casos de datos agrupados
utilizaremos las Frecuencias absolutas simples, pero no significa que no se puede
calcular con las dems frecuencias simples (relativas o porcentuales)
Cuando los datos estn sin agrupar solamente se observan los valores o categoras que
ms se observan o se repiten
La moda se determina por la
10 10 11 12 12 12 12 16
simple inspeccin de la lista
ordenada.
Frecuencia:
2
1
4
1
Ejemplo: sea las edades de La moda es 12.
los alumnos de la I.E. San Interpretacin: La edad que ms se observa de los
Miguel las siguientes: 10, 11,
estudiantes es de 12 aos.
10, 12, 12, 12, 12, 16.
Cuando los datos estn agrupados en tabla de punto fijo:
21

La moda se determina por la

simple inspeccin de la lista
ordenada,
es
decir
la
frecuencia absoluta simple de
mayor valor. La moda es 9
Ejemplo: Sea el nmero de libros de alumnos

Libros Alumnos
3
1
Interpretacin: El nmero de libros
6
8
que ms se observan en alumnos es
9
15
de 9
12
4
Total
28
Hallar la moda.
Cuando los datos estn agrupados en intervalos una buena aproximacin de la moda
se consigue con la frmula de Czuber:
Donde:
: lmite inferior del intervalo de la clase modal.
1
+
: Frecuencia absoluta simple de mayor valor

1+ 2
1 : Frecuencia absoluta simple anterior a
1
1
1 : Frecuencia absoluta simple posterior a
2
1
: Amplitud de clase del intervalo de la clase modal.
`
Nota Yi Alumnos
1 1 10
1
Examen parcial
2-4 3
2
=
10-1=
9
2
1
`
1
4-6 5
9
Nota Yi Alumnos
1
+

6
8
7
10
+ 2
1
2-4 3
2
1
6 +
2= 6.2
8 - 10 9
1
1 9
4-6 5
9
1
total -22
6-8 7
10
Clase que Interpretacin: La nota que ms se observa en los
8 - 10 9
1
contiene
alumnos de educacin es de 6.2.
la moda
total -22
MEDIDAS DE POSICION
Las m e d i d a s d e p os i c i n dividen un conjunto de datos en grupos con el mismo
nmero de individuos. Constituyen una generalizacin del concepto de mediana. As
como la mediana divide a la serie estudiada en dos partes con el mismo nmero de
elementos cada una, si la divisin se hace en cuatro partes, o en diez partes, o en cien
partes, llegamos al concepto de cuantil. Hay, principalmente, tres cuantiles importantes:
cuartiles, deciles y percentiles.
CUARTILES: Son tres valores con las siguientes caractersticas:
Q1: Primer cuartil divide en un 25% de valores menores o iguales debajo de este cuartil y
un 75% de valores superiores.
Q3: Tercer cuartil, divide en un 75% de valores menores o iguales debajo de este cuartil y
un 25% de valores superiores.
Evidentemente el segundo cuartil (Q2) coincide con la mediana. Como puede
comprobarse, no tendra ninguna utilidad definir el cuarto cuartil.
22

El clculo de los cuartiles se realiza por el mismo procedimiento que el clculo de la

mediana, pues hay nicamente una diferencia cuantitativa entre ambas medidas, pero
tienen significados paralelos.
El nmero de observaciones es par el cuartil
impar, el cuartil se determinar de
determinar de la siguiente manera:
la siguiente manera:
se
1. Ordenamos los datos de manera ascendente,

cada valor representa una posicin.
1. Ordenamos los datos de manera 2. Aplicamos la formula siguiente:
ascendente,
cada
valor
+
( )
(
1)
representa una posicin.
2
1
Ejemplo: Sea el nmero de hijos Calcular 1 :
2
3
5
7
Calcular 1 :
X1
X2
X3
X4
2
X1
3
X2
5
X3
5
X4
7
X5
1.
3
X2
3
(
5
X3
1
5
X4
.
7
X5
7
1)
1)
+
2
2
2
2+3
2.5
1
2
hijos

padres
de
familia
tienen
matriculado mas de esa cantidad de
hijo
Calcular 3 :
Calcular
2
X1
3:
2
X1
3
X2
5
X3
7
X4
+
+ 3
3
( )
(
1)
(
)
(
1)
3+
3
2
2
2
padres
de
familia
tienen
5
+
7
6
3
2
matriculado mas de esa cantidad de Interpretacin: EL 75% de los padres de familia
hijos
hijos
23

Cuando los datos estn agrupados, para calcular un cuartil se requieren las
frecuencias acumuladas (Absolutas, relativas o porcentuales). Para nuestro estudio
explicaremos cuando trabajamos con Frecuencias absolutas simples eso significa que
tambin podemos trabajar con las Frecuencias relativas o porcentuales.
Se determina la clase que contiene la
observacin de orden 4 que corresponde
a la clase mediana
32
21 (El cuartil deseado est entre
las Frecuencias acumuladas 9 y 24).
Si
entonces el resultado del tercer
cuartil se escoge de la misma fila cuyo valor
de la variable es el resultado del cuartil,
caso contrario escogemos la siguiente fila
tomando el valor de la variable como el
resultado del cuartil.
Ejemplo: Sea el nmero de libros de

alumnos. Calcular el 3
Fi
Libros Alumnos
3
1
1
6
9
8
3 28
21
4
4
9
15
24
12
28
4
Total
28
--Hallar la mediana.
tienen ms.

Un cuartil se calcula de acuerdo a la frmula:

+
,
123
orden 4 que corresponde donde:
32
li : lmite inferior del intervalo donde se encuentra el cuartil
a la clase cuartilica
deseado
16.5 (el tercer cuartil est
4
1 : Frecuencia acumulada anterior a
entre
las
Frecuencias
f i : frecuencia absoluta simple donde se encuentra la clase
acumuladas 11 y 21)
del cuartil deseado
Ci : amplitud de clase del intervalo donde se encuentra la
clase cuartilica.

Examen parcial, hallar 3
`
Nota Y Alumnos Fi
i
24
46
68
8 -10
Total
3
5
7
9
--
2
9
10
1
22
`
Nota Yi Alumnos Fi
2a4
4a6
6a8
2
8 a 10
11 Clase que
total
21 contiene
el cuartil
22
3
5
7
9
-4
: 6
: 22
1 : 11
1 : 10
: 2
2
11
21
22
2
9
10
1
22
16.5 11
2 7.1
10
1
Interpretacin: el 75% de los alumnos tienen una nota
menor o igual a 7.1 mientras que el otro
25% tiene una nota superior.
3
6+
DECILES
Es la segunda clase de cuantiles. Si se divide toda la serie en diez partes iguales
tendremos los deciles, esto quiere decir que existen 9 deciles, de esta forma se obtiene:
24

D1, el decil 1, deja el 10% de los valores de la serie por debajo o igual a l y un 90% de
datos superior. Anlogamente ocurre con los deciles D2, D3,.......D9. El decil 8, por
ejemplo, deja el 80% de los datos investigada por debajo o igual a l y el 20% encima.
El clculo de los deciles se realiza por el mismo procedimiento que el clculo de la

mediana o de los cuartiles pues hay nicamente una diferencia cuantitativa entre ambas
medidas, pero tienen significados paralelos.
El nmero de observaciones es par el decil
impar, el decil se determinar de
se

1. Ordenamos los datos de manera
ascendente,
cada
valor 2. Aplicamos la formula siguiente:
+
( )
(
1)
1
1
2
1
1
Ejemplo: Sea el nmero de hijos Colegio por padres de familia: 2, 7, 3 y 5.
matriculados en un Colegio por Calcular 1:
2
3
5
7
Calcular 1:
2
X1
3
X2
5
X3
5
X4
7
X5
.
X1
2

padres
de
familia
tienen
hijo
Calcular 3:
2
X1
3
X2
3
(
5
X3
5
X4
1.
7
X5

padres
de
familia
tienen
hijos
(
1
X2
(
1)
X3
(
1
)
1
X4
+
1
1
1)
+
2
1.
2+3
2.5
2
hijos
1
Calcular
3:
2
X1
(
3
3
3+5
2
3
X2
(
1)
5
X3
(
3
)
1
7
X4
+
2
3
1
1)
1.2
+
2
2.2
3.5
25

hijos
Cuando los datos estn agrupados, para calcular un decil se requieren las frecuencias
acumuladas (Absolutas, relativas o porcentuales). Para nuestro estudio explicaremos
cuando trabajamos con Frecuencias absolutas simples eso significa que tambin
podemos trabajar con las Frecuencias relativas o porcentuales.
Se determina la clase que contiene la
observacin
de
orden
que
10
corresponde a la clase mediana
32
8.4 (el decil deseado est entre las
1
Frecuencias acumuladas 1 y 9).
Si
entonces el resultado del tercer
decil se escoge de la misma fila cuyo valor
de la variable es el resultado del decil, caso
contrario escogemos la siguiente fila
tomando el valor de la variable como el
resultado del decil.
Ejemplo: Sea el nmero de libros de

alumnos. Calcular el 3
Libros Alumnos
Fi
3
1 3 28 8.4
1
10
10
6
8
9
9
24
15
12
4
28
Total
--28
tienen ms.

Un decil se calcula de acuerdo a la frmula:
1
+
,
1
orden
que donde:
10
corresponde a la clase li : lmite inferior del intervalo donde se encuentra el decil
2
deseado
decilica
1 .6
(el
1
10
sptimo decil est entre
las
Frecuencias f i : frecuencia absoluta simple donde se encuentra la clase
acumuladas 11 y 21)
del decil deseado
clase decilica.

Examen parcial, hallar
`
Nota Y Alumnos Fi
i
24
46
68
8 10
Total
3
5
7
9
--
2
9
10
1
22
`
Nota Yi Alumnos Fi
2-4
4-6
6-8
2
8 - 10
11 Clase que
total
21 contiene
el decil
22
3
5
7
9
-+
2
9
10
1
22
10
1
1
: 6
: 22
1 : 11
: 10
: 2
2
11
21
22
6+
1 .6 11
2
10
7.72
Interpretacin: el 70% de los alumnos tienen una nota menor o igual a

7.72 mientras que el otro 30% tiene una nota superior.
26

PERCENTILES O CENTIL
Hay 99 percentiles que se denotan: P1, P2, P3,.......,P98, P99. As P90, por ejemplo, deja por
debajo de l el 90% de los elementos.
El nmero de observaciones es par el centil
impar, el Centil se determinar de
se

1. Ordenamos los datos de manera
+
(
)
(
1)
ascendente,
cada
valor
1
1
2
1
1
Calcular 1 :
Ejemplo: Sea el nmero de hijos
2
3
5
7
X1
X2
X3
X4
Calcular 1 :
+
+ 1
2
3
5
5
7
1
X1
1
X2
X3
X4
X5
.
1)
2
.
+
2
1)
2
1.

2+3
padres
de
familia
tienen
2.5
matriculados 2 o menos hijos 1
2
mientras que el otro 90% tiene Interpretacin: EL 10% de los padres de familia tienen
matriculado mas de esa cantidad de matriculados 3 o menos hijos mientras que el otro 90% tiene
matriculado mas de esa cantidad de hijos
hijo
Calcular 3 :
Calcular 3 :
2
X1
3
X2
3
(
5
X3
5
X4
1.
7
X5

padres
de
familia
tienen
hijos
2
X1
(
3
3
X2
1)
2
1.2
3+5
2
5
X3
+
2
7
X4
3
1
3
1
1)
2
2.2
3.5
Interpretacin: EL 30% de los padres de familia tienen

matriculados 4 o menos hijos mientras que el otro 70% tiene
matriculado mas de esa cantidad de hijos
Cuando los datos estn agrupados, para calcular un centil se requieren las frecuencias
acumuladas (Absolutas, relativas o porcentuales). Para nuestro estudio explicaremos
cuando trabajamos con Frecuencias absolutas simples eso significa que tambin
podemos trabajar con las Frecuencias relativas o porcentuales.
Se determina la clase que contiene la Ejemplo: Sea el nmero de libros de
observacin de orden
100 que alumnos. Calcular el 3
27

corresponde a la clase mediana
Libros Alumnos
Fi
3 2
8.4
(el
decil
deseado
est
entre
3
1
1
30 28
1
8.4
las Frecuencias acumuladas 1 y 9).
100
100
6
9
8
Si 1
entonces el resultado del treinta
9
15
24
centil se escoge de la misma fila cuyo valor
12
28
4
de la variable es el resultado del centil,
28
--caso contrario escogemos la siguiente fila Total
tomando el valor de la variable como el Interpretacin: El 30% de los alumnos
resultado del centil.
tienen ms.
Un decil se calcula de acuerdo a la frmula:
1
+
,
1
orden
que donde:
10
corresponde a la clase li : lmite inferior del intervalo donde se encuentra el centil
2
deseado
centilica
1 .6 (el
1
100
setenta centil est entre
las
Frecuencias f i : frecuencia absoluta simple donde se encuentra la clase
acumuladas 11 y 21)
del centil deseado
clase centilica.

Examen parcial, hallar
`
Nota Y Alumnos Fi
i
2-4
4-6
6-8
8 - 10
total
3
5
7
9
--
2
9
10
1
22
`
Nota Yi Alumnos Fi
2-4
4-6
6-8
2
8 - 10
11 Clase que
total
21 contiene
el centil
22
3
5
7
9
--
2
9
10
1
22
100
2
11
21
22
: 6
: 22
1 : 11
: 10
: 2
1 .6 11
2 7.72
10
1
Interpretacin: el 70% de los alumnos tienen una nota
menor o igual a 7.72 mientras que el otro 30% tiene una
nota superior.
+
6+
MEDIDAS DE VARIABILIDAD
Las medidas de variabilidad indican las dispersin de los datos en la escala de
medicin, responden a la pregunta: dnde estn diseminadas las puntuaciones o
valores obtenidos?. Las medidas de tendencia central son valores en una distribucin y
las medidas de variabilidad son intervalos, designan distancias o un nmero de unidades
en la escala de medicin. Las medidas de variabilidad son: rango o amplitud total,
desviacin semi-intercuartil, desvo estndar, la varianza y coeficiente de variacin. En
este mdulo nos enfocaremos a la desviacin estndar y coeficiente de variacin.
VARIANZA Y DESVIACION ESTANDAR
La varianza, es una medida que cuantifica el grado de dispersin o de variacin de los
valores de una variable cuantitativa con respecto a su media aritmtica. Si los valores
28

tienden a concentrarse alrededor de su media, la varianza ser pequea. Si los valores
tienden a distribuirse lejos de la media, la varianza ser grande.
La varianza calculada a partir de una muestra ser denotada por s 2 y referida a una
poblacin se denotar por 2 .
La varianza se define como la media aritmtica de los cuadrados de las diferencias
de los datos con respecto a su media aritmtica. La varianza es una medida de
dispersin con unidades de medicin al cuadrado, por ejemplo, $2, Km2, etc.
La desviacin estndar es la raz cuadrada positiva de la varianza.
La desviacin estndar calculada a partir de una muestra se denotar por s y referida a la
poblacin por . Esto es, s s 2 , 2 .
Clculo:
Datos sin agrupar
Datos agrupado tabla de Punto fijo

2
1
+
+
2
1
1. Se calcula la media (el promedio de los
datos).
2
2
2
2.
Ahora, por cada Valor se resta la media
+
+
1
1
2
y se eleva el resultado al cuadrado y se
1
1
multiplica por su respectiva frecuencia
1. Se calcula la media (el promedio de los datos).
simple
2. Ahora, por cada numero se resta la media y
3. Esta suma se divide entre
1
eleva el resultado al cuadrado
1
Ejemplo: las edades en aos de los alumnos de Ejemplo: Sea el nmero de libros que
Educacin primaria fueron los siguientes: 18, 19, 20, tienen en su biblioteca los alumnos de la
22, 17 y 25. Calcular la varianza y desviacin Universiad, calcular la varianza y desvicin
estandar.
estndar:
1
18 + 1 + 20 + 22 + 17 + 25 121
2
Libros Alumnos
6
6
3
8.18 2 1
3
1
20.17
26.83
1
2
2
48
8.18 2 8
1
6
8
38.02
18 20.17 2 + 1
20.17 2 + + 25 20.17 2
135
8.18 2 15
6 1
9
15
42.8334
10.0
8.56668
5
48
8.18 2 4
12
4
Para hallar la desviacin estndar solamente le
58.37
sacamos la raz cuadrada a la varianza.
Total
229
133.31
28
8.56668 2. 26
1
22
Interpretacin: La edad de los alumnos se desvan
8.18
en 3 aos con respecto a su media
28
1
2
133.31
2
4. 3741
1
28 1
4. 3741 2.22
Interpretacin: El nmero de libros de los
alumnos se desvan en 2 con respecto a su
media.
1
29

Datos agrupado tabla de intervalos
2
+
1
1
4. Se calcula la media (el promedio de los datos).
5. Ahora, por cada Marca de clase se resta la media y se eleva el resultado al cuadrado y se
multiplica por su respectiva frecuencia simple
1
Ejemplo: Sea la nota de los alumnos de educacin en el Examen parcial
2
Nota
Alumnos
2-4
4-6
6-8
3
5
7
8 - 10 9
total --
2
9
1
22
9
130
70
45
10
16. 4
7.45
10
11.88
1
45.82
.55
130
5. 1
22
1
2
45.82
2
2.181
1
22 1
1.47713
2.181
Interpretacin: la nota de los alumnos se desva en 1 punto con respecto a su media.
COEFICIENTE DE VARIACION
Nos indica la mayor o menor homogeneidad de los datos respecto de la media y por lo
tanto nos da la representatividad de la media en la distribucin. Esta medida transforma a
la variable en porcentajes, es de mucha la utilidad para la comparacin de medidas de
igual o diferente magnitud, si el
33% los datos varan en forma homognea caso
contrario de forma heterognea.
CVx
Sx
x
MEDIDAS DE FORMA
Hacen referencia a la forma de la distribucin, simtrica, asimetra a la derecha o a la
izquierda. En general la mejor manera de verlo es por la representacin grfica, pero si
no la tenemos existen coeficientes que nos indican la forma de la distribucin. Los ms
utilizados son:
Coeficiente de asimetra, slo se puede utilizar en distribuciones campaniformes (forma
de campana) y unimodales
Este coeficiente puede ser:

0 entonces la media igual que la moda, distribucin simtrica
>0 entonces la media mayor que la moda, asimetra a la derecha positiva
<0 entonces la media menor que la moda asimetra a la izquierda negativa
Coeficiente de asimetra de Fisher, tiene la ventaja de que se puede hallar para todas las
distribuciones, aunque su clculo es complicado y laborioso.
30

g1
( xi x)3 fi
N .S x3

0 entonces la distribucin es simtrica
>0 entonces asimetra a la derecha
<0 entonces asimetra a la izquierda.
Curtosis hace referencia al mayor o menor apuntamiento que tiene una distribucin de
frecuencias respecto a una distribucin Normal, por lo tanto slo se estudia en
distribuciones campaniformes, para compararlas con la campana de Gauss, su calculo
tambin es muy laborioso.
g2
( xi x)4 fi
N .S x4

0 la curva es igual que la normal, se llama Mesocrtica
>0 la curva es ms puntiaguda que la normal se llama Leptocrtica
<0 la curva es ms aplastada que la normal, se llama Platicrtica
PROBABILIDADES
Definicin de probabilidad
La probabilidad de un suceso es un nmero, comprendido entre 0 y 1, que indica las
posibilidades que tiene de verificarse cuando se realiza un experimento aleatorio.
Experimentos aleatorios
Es todo proceso que consiste de la ejecucin de un acto (o prueba) una o ms veces,
donde no se puede predecir el resultado, ya que ste depende del azar.
Ejemplos
Si lanzamos una moneda no sabemos de antemano si saldr cara o cruz.
Si lanzamos un dado tampoco podemos determinar el resultado que vamos a obtener.
Experimentos deterministicos o no aleatorios:
Son los experimentos de los que podemos predecir el resultado antes de que se realicen.
Ejemplo
Si dejamos caer una piedra desde una ventana sabemos, sin lugar a dudas, que la piedra
bajar. Si la arrojamos hacia arriba, sabemos que subir durante un determinado
intervalo de tiempo; pero despus bajar.
Teora de probabilidades
La teora de probabilidades se ocupa de asignar un cierto nmero a cada posible
resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos
resultados y saber si un suceso es ms probable que otro. Con este fin, introduciremos
algunas definiciones:
Espacio muestral
Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo
representaremos por (o bien por la letra griega omega).
Espacio muestral de lanzar una moneda: = {C, X}.
Espacio muestral de lanzar un dado: = {1, 2, 3, 4, 5, 6}.
31

Suceso aleatorio
Suceso aleatorio es cualquier subconjunto del espacio muestral.
Ejemplo
Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas.
Calcular:
El espacio muestral.
= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)}
El suceso A = {extraer tres bolas del mismo color}.
A = {(b,b,b); (n, n,n)}
El suceso B = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}
Tipos de Sucesos
Suceso elemental: Es un elemento que forman parte del espacio muestral.
Ejemplo: Al tirar un dado un suceso elemental es sacar 5. A = {5}
Suceso compuesto: Son dos o mas elementos del espacio muestral.
Ejemplo: Al tirar un dado un suceso sera que saliera par. B = {2, 4, 6}
Suceso seguro (): Est formado por todos los posibles resultados (es decir, por el
espacio muestral).
Ejemplo: Al tirar un dado un dado obtener una puntuacin que sea menor que 7. C = =
{1, 2, 3, 4, 5, 6}
Suceso imposible (): Es el que no tiene ningn elemento.
Ejemplo al tirar un dado obtener una puntuacin igual a 7. D = { }
Sucesos compatibles: Dos sucesos, A y B, son compatibles cuando tienen algn
suceso elemental comn.
Ejemplo: Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 3, A y B
{6}
son compatibles porque el 6 es un suceso elemental comn.
Sucesos incompatibles: Dos sucesos, A y B, son incompatibles cuando no tienen
ningn elemento en comn.
Ejemplo: Si A es sacar puntuacin par al tirar un dado y B es obtener mltiplo de 5, A y B
{ }
son incompatibles.
Sucesos independientes: Dos sucesos, A y B, son independientes cuando la
probabilidad de que suceda A no se ve afectada porque haya sucedido o no B.
Ejemplo: Al lazar dos dados los resultados son independientes.
Sucesos dependientes: Dos sucesos, A y B, son dependientes cuando la probabilidad
de que suceda A se ve afectada porque haya sucedido o no B.
Ejemplo: Extraer dos cartas de una baraja, sin reposicin, son sucesos dependientes.
32

Suceso contrario: El suceso contrario a A es otro suceso que se realiza cuando no se
realiza A. Se denota por Ac.
Ejemplo: Son sucesos contrarios sacar par e impar al lanzar un dado.
Espacio de sucesos:
Espacio de sucesos, S, es el conjunto de todos los sucesos aleatorios.
Ejemplo: Si tiramos una moneda el espacio se sucesos est formado por: S= { , {C}, {X},
{C,X}}.
Observamos que el primer elemento es el suceso imposible y el ltimo el suceso seguro.
Si tiene un nmero finito de elementos, n, de elementos el nmero de sucesos de es
2n .
Ejemplo:
Una moneda = {C, X}. Nmero de sucesos = 22 =4
Dos monedas = {(C,C); (C,X); (X,C); (X,X)}. Nmero de sucesos = 24 =16
Un dado = {1, 2, 3, 4, 5, 6}. Nmero de sucesos = 26 = 64
Operaciones de Sucesos:
La unin de sucesos:
, es el suceso formado por todos los elementos de A y de B.
Se lee A o B
La interseccin de sucesos:
, es el suceso formado por todos los elementos que
son, a la vez, de A y B. Se lee A y B
La diferencia de sucesos: A B, es el suceso formado por todos los elementos de A que
no son de B. Se lee A menos B
El complemento de un Suceso: , es el suceso formado por todos los elementos que no
pertenecen a A
Axiomas de la Probabilidad de un suceso P(A):
La probabilidad es positiva y menor o igual que 1.
0
1
La probabilidad del suceso seguro es 1.
1
Si A y B son incompatibles, es decir
entonces:
+
Propiedades de la Probabilidad de un suceso P(A):

La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la
probabilidad del suceso contrario es:
( ) 1
Probabilidad del suceso imposible es cero.
0
La probabilidad de la unin de dos sucesos es la suma de sus probabilidades restndole
la probabilidad de su interseccin.
+
33

Si un suceso est incluido en otro

de ste.
, entonces su probabilidad es menor o igual a la
Si A1, A2, ..., Ak son incompatibles dos a dos entonces:

1
2
1 +
2 +
Ley de Laplace:
Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos
igualmente probables, equiprobables, entonces si A es un suceso, la probabilidad de que
ocurra el suceso A es:
Ejemplos
Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras.
En una baraja de 52 cartas, hallar:
La probabilidad de sacar una carta salga el numero 2
La probabilidad de sacar una carta salga el trebol
Calcular la probabilidad de que al echar un dado al aire, salga:
Un nmero par.
Un mltiplo de tres.
Mayor que 4.
Probabilidad Condicional:
Sean A y B dos sucesos de un mismo espacio muestral . Se llama probabilidad del
suceso A condicionada al B y se representa por P(A/B) a la probabilidad del suceso A
una vez ha ocurrido el B.
Ejemplo: Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido

par.
Probabilidad de sucesos independientes: Dos sucesos A y B son independientes si:
Ejemplo: Se tiene una baraja de 40 cartas, se saca una y se vuelve a meter. Cul es la
probabilidad de extraer dos
Probabilidad de sucesos dependientes: Dos sucesos A y B son dependientes si:
Ejemplo: Se tiene una baraja de 40 cartas, se extraen dos cartas. Cul es la

probabilidad de extraer dos ases?
Tabla de contingencia: Un mtodo til para clasificar los datos obtenidos en un recuento
es mediante las tablas de contingencia. Se trata de tablas en cuyas celdas figuran
probabilidades, y en la cual podemos determinar unas probabilidades conociendo otras
de la tabla.
Ejemplo: Se sortea un viaje a Roma entre los 120 mejores clientes de una agencia de
automviles. De ellos, 65 son mujeres, 80 estn casados y 45 son mujeres casadas. Se
pide:
34

Cul ser la probabilidad de que le toque el viaje a un hombre soltero?
Si del afortunado se sabe que es casado, cul ser la probabilidad de que sea una
mujer?
Diagrama del Arbol: Para la construccin de un diagrama en rbol se partir poniendo
una rama para cada una de las posibilidades, acompaada de su probabilidad. En el final
de cada rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas,
segn las posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimento (nudo final). Hay que tener en cuenta: que la suma de probabilidades de las
ramas de cada nudo ha de dar 1.
Ejemplos:
- Una clase consta de seis nias y 10 nios. Si se escoge un comit de tres al azar,
hallar la probabilidad de:
Seleccionar tres nios.
Seleccionar exactamente dos nios y una nia.
Seleccionar exactamente dos nias y un nio.
Seleccionar tres nias.
- Calcular la probabilidad de que al arrojar al aire tres monedas, salgan:
Tres caras.
Experimentos compuestos: Un experimento compuesto es aquel que consta de dos o
ms experimentos aleatorios simples. Es decir, si tiramos un dado, o una moneda, son
experimentos aleatorios simples, pero si realizamos el experimento de tirar un dado y
posteriormente una moneda, estamos realizando un experimento compuesto. En los
experimentos compuestos es conveniente usar el llamado diagrama en rbol para
hacerse una idea global de todos ellos.
Teorema de la Probabilidad Total:
Si A1, A2,..., An son Sucesos incompatibles 2 a 2.(Ai
Aj = ). Y cuya unin es el
espacio muestral (A1 U A2 U ... U An = ). Y B es otro suceso.
Resulta que: P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) + ... + P(An)P(B/An)
Ejemplo: Se dispone de tres cajas con bombillas. La primera contiene 10 bombillas, de
las cuales hay cuatro fundidas; en la segunda hay seis bombillas, estando una de ellas
fundida, y la tercera caja hay tres bombillas fundidas de un total de ocho. Cul es la
probabilidad de que al tomar una bombilla al azar de una cualquiera de las cajas, est
fundida?
Teorema de Bayes:
Si A1, A2,..., An son Sucesos incompatibles 2 a 2.(Ai
Aj = ). Y cuya unin es el
espacio muestral (A1 U A2 U ... U An = ). Y B es otro suceso.
Resulta que:
Ejemplos
-
El 20% de los empleados de una empresa son ingenieros y otro 20% son
economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistas tambin, mientras que los no ingenieros y los no economistas solamente
el 20% ocupa un puesto directivo. Cul es la probabilidad de que un empleado
directivo elegido al azar sea ingeniero?
La probabilidad de que haya un accidente en una fbrica que dispone de alarma es

0.1. La probabilidad de que suene esta s se ha producido algn incidente es de 0.97 y
la probabilidad de que suene si no ha sucedido ningn incidente es 0.02. En el
35

supuesto de que haya funcionado la alarma, cul es la probabilidad de que no haya
habido ningn incidente?
-
Sean A y B dos sucesos aleatorios con:
Sean A y B dos sucesos aleatorios con:

Hallar:
,
,
,
1
2
2
3
Hallar:
Una urna contiene 5 bolas rojas y 8 verdes. Se extrae una bola y se reemplaza por dos
del otro color. A continuacin, se extrae una segunda bola. Se pide: Probabilidad de
que la segunda bola sea verde. Probabilidad de que las dos bolas extradas sean del
mismo color.
- En una clase en la que todos practican algn deporte, el 60% de los alumnos juega al
ftbol o al baloncesto y el 10% practica ambos deportes. Si adems hay un 60% que
no juega al ftbol, cul ser la probabilidad de que escogido al azar un alumno de la
clase: Juegue slo al ftbol. Juegue slo al baloncesto. Practique uno solo de los
deportes. No juegue ni al ftbol ni al baloncesto.
- En una ciudad, el 40% de la poblacin tiene cabellos castaos, el 25% tiene ojos
castaos y el 15% tiene cabellos y ojos castaos. Se escoge una persona al azar: Si
tiene los cabellos castaos, cul es la probabilidad de que tenga tambin ojos
castaos? Si tiene ojos castaos, cul es la probabilidad de que no tenga cabellos
castaos? Cul es la probabilidad de que no tenga cabellos ni ojos castaos?
-
En un aula hay 100 alumnos, de los cuales: 40 son hombres, 30 usan gafas, y 15 son
varones y usan gafas. Si seleccionamos al azar un alumno de dicho curso:
Cul es la probabilidad de que sea mujer y no use gafas?
Si sabemos que el alumno seleccionado no usa gafas, qu probabilidad hay de que sea
hombre?
Disponemos de dos urnas: la urna A contiene 6 bolas rojas y 4 bolas blancas, la urna B
contiene 4 bolas rojas y 8 bolas blancas. Se lanza un dado, si aparece un nmero menor
que 3; nos vamos a la urna A; si el resultado es 3 ms, nos vamos a la urna B. A
continuacin extraemos una bola. Se pide:
Probabilidad de que la bola sea roja y de la urna B.
Probabilidad de que la bola sea blanca.
VARIABLES ALEATORIAS
MODELO BINOMIAL. PROPIEDADES Y APLICACIONES.
Supongamos que un experimento aleatorio tiene las siguientes caractersticas:
En cada prueba del experimento slo son posibles dos resultados: el suceso A
(xito) y su contrario A (fracaso).
El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
La probabilidad del suceso A es constante, la representamos por p, y no vara de
una prueba a otra. La probabilidad de A es 1- p y la representamos por q.
El experimento consta de un nmero n de pruebas.
Todo experimento que tenga estas caractersticas diremos que sigue el modelo de la
distribucin Binomial. A la variable X que expresa el nmero de xitos obtenidos en
cada prueba del experimento, la llamaremos variable aleatoria binomial.
La variable binomial es una variable aleatoria discreta, slo puede tomar los valores
0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas. Como hay que
36

considerar todas las maneras posibles de obtener k-xitos y (n-k) fracasos debemos
calcular stas por combinaciones (nmero combinatorio n sobre k).
La distribucin Binomial se suele representar por B(n,p) siendo n y p los
parmetros de dicha distribucin.
Funcin de Probabilidad de la v.a. Binomial
Funcin de probabilidad de la distribucin Binomial o tambin denominada funcin de la
distribucin de Bernoulli (para n=1). Verificndose: 0 p 1
Probabilidad de obtener k-xitos:
( )
Como el clculo de estas probabilidades puede resultar algo tedioso se han construido
tablas para algunos valores de n y p que nos facilitan el trabajo.
Parmetros de la Distribucin Binomial
2
Funcin de Distribucin de la v.a. Binomial

( )
+( )
+( )
+ +( )
Siendo k el mayor nmero entero menor o igual a xi.
Esta funcin de distribucin proporciona, para cada nmero real xi, la probabilidad
de que la variable X tome valores menores o iguales que xi.
El clculo de las F(x) = p( X x) puede resultar laborioso, por ello se han construido
tablas (Ver Tabla estadstica) para algunos valores de n y p que nos facilitan el trabajo.
Sea X una variable aleatoria discreta correspondiente a una distribucin binomial.
0
0
{
0
1
USO DE LA TABLA DE LA DISTRIBUCIN BINOMIAL ACUMULATIVA
Supongamos que lanzamos al aire una moneda trucada. Con esta moneda la
probabilidad de obtener cara es del 30%. La probabilidad que salga cruz ser, pues, del
70%. Lanzamos la moneda 10 veces de manera consecutiva. Si queremos calcular la
probabilidad de que observemos 6 caras o menos nos fijamos en la tabla: localizamos
n=10, x=6, p=0.3 y buscamos la interseccin: 0.9894
37

a.
b.
Hallar la probabilidad de que salieran 7 caras o ms: Entonces utilizaramos el hecho

de que el suceso descrito es el complementario del anterior para afirmar que la
probabilidad buscada es 1-0.9894=0.0106
Hallar la probabilidad de que salieran exactamente 6 caras: Tendramos que calcular
la probabilidad de obtener 6 caras o menos (0.9894) y la de obtener 5 caras o menos
(0.9527), las restamos y obtenemos 0.0367. No obstante, mejor es calcular:
( )
10
( ) 0.3
6
0.0367
Si la probabilidad P no aparece en la tabla

Entonces haramos interpolacin. Supongamos que X se distribuye como una binomial
con
P=0.17; entonces, si queremos calcular la probabilidad que X sea menor o igual que 3
despus de 6 tiradas (n=6), tomamos la tabla y localizamos las probabilidades ms
cercanas a 0.17, que son 0.15 y 0.2.
38

La interpolacin la realizamos como sigue:

0.17 0.15
0. 41 +
0. 830 0. 41
0. 8 66
0.2 0.15
Si n>20: En estos casos hay dos posibilidades: grosso modo, si el valor de P es muy
pequeo, intentaremos aproximar la variable aleatoria binomial con la distribucin de
Poisson. Si no se puede considerar pequeo, buscaremos la aproximacin adoptando la
distribucin normal. En general, el valor de n que se requiere para que la aproximacin
sea satisfactoria suele ser bastante superior a 20. Una tercera posibilidad,
evidentemente, es recurrir al clculo por ordenador.
Ejemplo 1: Una mquina fabrica una determinada pieza y se sabe que produce un 7 por
1000 de piezas defectuosas slo haya siete defectuosas.
Ejemplo 2: La probabilidad de xito de una determinada vacuna es 0,72. Calcula la
probabilidad de a que una vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Menos de tres de ellos contraigan la enfermedad
Ejemplo 3: La probabilidad de que un alumno salga desaprobado es de del 4 por 100.
Hallar la probabilidad de que en un grupo de 18 estudiantes:
a. Al menos 5 estudiantes estn desaprobados
b. A lo ms 7 estn desaprobados.
Ejemplo 4
La probabilidad de que el carburador de un coche salga de fbrica defectuoso es del 4
por 100. Hallar:
a) El nmero de carburadores defectuosos esperados en un lote de 1000
b) La varianza.
39

MODELO DE PROBABILIDAD NORMAL
La variacin existe en todo fenmeno. Cuando tal variacin se debe a una multitud de
fuentes, que no son identificables, y que cada una aporta una pequesima contribucin
al fenmeno que estamos observando, suele ser apropiado el modelo normal para
representar la variabilidad. Su funcin de probabilidad est definida matemticamente por
la ecuacin:
1
1
(
)
2
2
Un caso especial es el modelo probabilstico normal estndar, que tiene valor esperado
cero y desviacin estndar 1. La ecuacin de la funcin de probabilidad es:
1
2
Al estudiar aspectos tan cotidianos como:

c. Caracteres morfolgicos de individuos (personas, animales, plantas) de una
misma raza. Como tallas, pesos, envergaduras, etc.
d. Caracteres fisiolgicos, como el efecto de una misma dosis de un frmaco, o de
una misma cantidad de abono.
e. Caracteres sociolgicos, como el consumo de ciertos productos por individuos de
un mismo grupo humano.
f. Caracteres psicolgicos, como el cociente intelectual, grado de adaptacin a un
medio.
g. Caracteres fsicos, como la resistencia a la rotura de ciertas piezas..
Todos ellos tienen en comn que se distribuyen normalmente. Qu quiere decir esta
expresin?. Pues, por ejemplo, si hacemos una muestra para conocer la altura de 1400
mujeres y representamos los resultados en un diagrama de barras, obtenemos:
Las grficas de este tipo son muy corrientes: Hay pocos individuos en los extremos y un
aumento paulatino hasta llegar a la parte central del recorrido, donde est la mayora de
ellos.
Diremos que una distribucin de probabilidad sigue una distribucin normal de media y
desviacin tpica , y lo representaremos por N( ; ) cuando la representacin grfica de
su funcin de densidad es una curva positiva continua, simtrica respecto a la media, de
mximo en la media, y que tiene 2 puntos de inflexin , situados a ambos lados de la
media ( y + respectivamente) y a distancia de ella, es decir de la forma:
FUNCIN DE DISTRIBUCIN
40

Puede tomar cualquier valor (- , + )

Son ms probables los valores cercanos a uno central que llamamos media
Conforme nos separamos de ese valor , la probabilidad va decreciendo de igual
forma a derecha e izquierda (es simtrica).
Conforme nos separamos de ese valor
, la probabilidad va decreciendo de
forma ms o menos rpida dependiendo de un parmetro , que es la desviacin
tpica.
TIPIFICACIN
Si la variable X es N( ; ) entonces la variable tipificada de X es
y sigue tambin
una distribucin normal pero de
0
1. Por tanto su funcin de densidad es
y su funcin de distribucin es
siendo la representacin grfica de esta funcin
a la variable Z se la denomina variable tipificada de X, y a la curva de su funcin de

densidad curva normal tipificada.
Caracterstica de la distribucin normal tipificada (reducida, estndar)
No depende de ningn parmetro
Su media es 0, su varianza es 1 y su desviacin estndar es 1.
La curva f(x) es simtrica respecto del eje OY
Tiene un mximo en este eje
Tiene dos puntos de inflexin en z =1 y z = -1
USO DE LA TABLA DE DISTRIBUCION NORMAL ESTANDARIZADA
(La siguiente tabla determina probabilidades de 0 a un valor z)
La tabla se encuentra dividida de la siguiente manera
Margen izquierdo: Los enteros de z y su primer decimal.
Margen superior: segundo decimal
Cuerpo de la tabla: reas correspondientes, acumuladas, desde 0 hasta 3.09
En el caso de no encontrar algn valor o probabilidad se realiza la interpolacin descrita
anteriormente.
41

Por ejemplo queremos calcular P(0Z 2.78), hemos de realizar los pasos:
1. Buscar la parte entera y las dcimas en la primera columna (en este caso 2.7).
2. Buscar las centsimas en la primera fila (en este caso 0.08).
3. En el punto comn a la fila y la columna que hemos encontrado, tenemos la
probabilidad buscada, en este caso 0.4973.
Si el valor de z o la probabilidad no aparece en la tabla: Entonces haramos

interpolacin, como en el caso de la binomial.
42

CASOS :
P ( Z a) = 0. 5 + P ( 0 Za)
P(Z > a) = 0.5 - P(0Z a)
P(Z a) = 0.5 P(0 Z a)
P(a < Z b ) = P(Z b) P(Z a)
P(Z > a) =0.5+P(0Z a)
P(b < Z a ) = P(a < Z b )
P(a < Z b ) = P(0Z b) + P(0Z a)]
Nota:
los
casos
se
adecuan
dependiendo el tipo de tabla trabajada,
en este mdulo se realiza para
probabilidades
entre
0
a
Z.
Generalmente estos casos se efectan
para
los
dems
modelos
de
probabilidad.
APROXIMACIN DE LA BINOMIAL POR LA NORMAL (Teorema de Moivre)

Si: n p 5 y n q 5
La d i st r i b u ci n b i no m i al B ( n, p) se puede aproximar mediante una
d i s t ri b u c i n n o rm a l:
01
Ejercicios
1. En una ciudad se estima que la temperatura mxima en el mes de junio sigue una
distribucin normal, con media 23 y desviacin tpica 5. Calcular el nmero de das
del mes en los que se espera alcanzar mximas entre 21 y 27.
21
27
21
(
23
5
27
23
5
0.4
0.8
0
0.8 + 0
0.4
0.2881 + 0.1554 0.4425
0.4425 30 13
2. La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviacin
tpica 3 kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuntos
estudiantes pesan:
a. Entre 60 kg y 65 kg.
60 70
75 70
60
75
(
)
3.33
1.67
3
3
0
1.37 + 0
3.33
0.4525 + 0.4 6 0. 521
0. 521 500 476
43

b. Ms de 90 kg.
0
70
3
6.67
0 500
c. Menos de 64 kg.
64
0.0228 500
d. 64 kg o menos.
64
0.02128 500
64
11
70
3
64
11
70
3
0.5
0.5
0.4772
0.7772
3.
Se supone que los resultados de un examen siguen una distribucin normal con
media 78 y varianza 36. Se pide
a. Cul es la probabilidad de que una persona que se presenta el examen obtenga
una calificacin superior a 72?
72 78
72
(
)
1
0.5 + 0
1
0.5 + 0.3413
6
0.8413
b. Calcular la proporcin de estudiantes que tienen puntuaciones que exceden por lo
menos en cinco puntos de la puntuacin que marca la frontera entre el Apto y el
No-Apto (son declarados No-Aptos el 25% de los estudiantes que obtuvieron las
puntuaciones ms bajas).
78
78
0.25
(
) 0.25
0.5
(0
)
6
6
(0
) 0.25 (Ubicamos en la tabla la probabilidad para hallar el valor
de a)
78
0.68
82.08 82
6
Para hallar la proporcin de estudiantes que tienen puntuaciones que exceden por
lo menos cinco puntos realizamos:
87 78
82 + 5
87
(
)
1.5
6
0.5
0
1.5
0.5 0.4332 0.0668
4. Varios test de inteligencia dieron una puntuacin que sigue una ley normal con media
100 y desviacin tpica 15.
a. D e t e r m i n ar e l p o r c e n t aj e d e p o b l a c i n q u e o b t e n dr a u n
c o ef i c i e n t e e nt r e 9 5 y 1 1 0 .
b. Qu intervalo centrado en 100 contiene al 50% de la poblacin?
c. En una poblacin de 2500 individuos cuntos individuos se esperan que tengan
un coeficiente superior a 125?
5. En una ciudad una de cada tres familias posee telfono. Si se eligen al azar 90
familias, calcular la probabilidad de que entre ellas haya por lo menos 30 tengan
telfono.
6. En un examen tipo test de 200 preguntas de eleccin mltiple, cada pregunta tiene
una respuesta correcta y una incorrecta. Se aprueba si se contesta a ms de 110
respuestas correctas. Suponiendo que se contesta al azar, calcular la probabilidad de
aprobar el examen.
MODELO DE PROBABILIDAD T STUDENT
44

Una variable aleatoria se distribuye segn el modelo de probabilidad t o T de Student con
k grados de libertad, donde k es un entero positivo, si su funcin de densidad es la
siguiente:
(
)
( )
(1 + )
La grfica de esta funcin de densidad es simtrica, respecto del eje de ordenadas, con
independencia del valor de k, y de forma algo semejante a la de una distribucin normal
:
Su valor esperado y varianza son:

0
2
2
USO DE LA TABLA T DE STUDENT
La tabla se encuentra dividida de la siguiente manera
Margen izquierdo: Los grados de libertad.
Margen superior: las probabilidades
Cuerpo de la tabla: valores de t de student.
La tabla encuentra valores mayores de
Si quisiramos encontrar el valor de t con 18 grados de libertad y una probabilidad de
0.05 entonces en la primera columna ubicamos el 18 y en la primera fila ubicamos 0.05,
este cruce nos da el resultado de que es 1.7341
EJEMPLO
Si X tiene distribucin t con 10 grados de libertad hallar el valor c tal que:
a.
0. 5
1 0. 5 0.005
3.16
1
1
45

b.
c.
d.
e.
0.05
0.01
0. 5
0.05
1.812
1.372
1
0. 2
1
1
interpolar para hallar el valor de t.
1.812 +
0. 2
Interpolamos:
.9
2
1.3 2 1. 12 .
.1 .
0.025
0.08,
3.16
tenemos
que
1.548
Si X tiene distribucin t-Student con 18 grados de libertad, hallar:

a.
2.10
1
2.10
1 0.025 0. 75
1
1
b.
1.734
0.05
1
c.
2.878
2.878
0.005
1
1
d.
1.330
2.552
2.552
1.330
1
1
1
2.552 )
1.330
1 0.01
0.1 0.8
(1
1
1
e.
2
1
2
Para
hallar
el
resultado
debemos
interpolar.
1
1
0.05 +
Interpolamos:
Entonces:
. 2
.
2.1
2 1. 3
1. 3
0.032
0.032
0. 68
46

MODELO DE PROBABILIDAD Ji Cuadrado
Notacin: 2 (la letra griega ji elevada al cuadrado)
Sea X , X , X ....X variables aleatorias que se distribuyen como normales N(0,1), y se
1
2
2
2
define una nueva variable
+ 2 , entonces se dice que X se distribuye
1
2
3 +
como una Chi-Cuadrado o Ji-cuadrado con n grados de libertad, donde n es el nmero de
variables aleatorias normales independientes elevadas al cuadrado que se han sumado.
2
Esta se representa como:
, y su funcin de densidad es de la forma:
2 r 2 r 21 x 2
x e , si x 0
f ( x) (r 2)
0,
si x 0
Su grfica:
La distribucin chi-cuadrado es un caso particular de la distribucin gamma, cuando

r / 2 y 1 / 2 . Luego, si X ~ 2 (r ) o si X ~ (r / 2, 1 / 2) , entonces, su media y su
varianza respectivamente son: r y 2 2r
USO DE LA TABLA CHI CUADRADO
La tabla se encuentra dividida de la siguiente manera:
Margen izquierdo: Los grados de libertad.
Margen superior: las probabilidades
Cuerpo de la tabla: valores de chi cuadrado
La tabla encuentra valores mayores de 2
Si la variable aleatoria X se distribuye como una chi-cuadrado con r grados de libertad,
esto es, si X ~ 2 (r ) , entonces, en la tabla de probabilidades chi-cuadrado se puede
encontrar una probabilidad o un valor c 2 ,r , mediante la relacin
P[ X 2 ,r ]
Si quisiramos encontrar el valor de 2 con 18 grados de libertad y una probabilidad de
0.01 entonces en la primera columna ubicamos el 18 y en la primera fila ubicamos 0.01,
este cruce nos da el resultado de 2 que es 34.8052
47

Ejemplo:
Si X ~ r2 , hallar:
2
a. a tal que
1
0.
2
1
5,
Como se observa el valor de a=25.188

2
b. a y b tales que
0. 5,
13
2
13
2
13
De
2
2
2
2
, hallar:
17.2
2
1
2
13
0.005
0.025
0.025, se tiene b 24.74 , Por otra parte, 0. 5

2
2
0. 5
0.025 0. 5
13
13
0. 75
5.01
2
c. a tal que
21. 550
Si
a.
0.
0.
2
2
17.2
0.
0.
2
13
2
2
13
0.005
0.10
48

b)
c)
d)
2
2
38.8
13.84
2
2
40
Interpolando:
2
2
0.05
45.64
1
2
2
0.025 +
40
2
2
13.84
1
. 2
3 .
1.9231
1.9231
2
2
45.64
0. 75
0.010
0. 65
0.0408
49

2
2
40
2
2
40
1 0.0408 0. 5 1
MODELO DE PROBABILIDAD F FISHER
Distribucin F de Fisher,
. Si X e Y son dos variables aleatorias independientes, de tal
modo que X sigue una distribucin chi cuadrado con 1 grados de libertad e Y sigue
distribucin chi-cuadrado con
grados de libertad, entonces:
, sigue distribucin
F con 1 y 2 grados de libertad,

. Una variable aleatoria con distribucin F solo
toma valores positivos. Su funcin de densidad es
f ( x)
r1
r2
r 2
1 r1 r2

2
r r
1 2
2 2
x r1 2 1
r1 x
1
r2
( r1 r2 ) 2
, 0 x
USO DE LA TABLA F Fisher

La tabla se encuentra dividida de la siguiente manera:
Margen izquierdo: Los grados de libertad del denominador (
Margen superior: el grado de libertad del numerador ( 1
Cuerpo de la tabla: valores de F (r1 , r2 )
y su probabilidad.
La tabla encuentra valores mayores de F (r1 , r2 )

Si la variable aleatoria X ~ F (r1, r2 ) , en la tabla de probabilidades F se puede encontrar
una probabilidad o un valor c F ,r1 ,r2 , mediante la relacin: P[ X c] , a
diferencia de las anteriores tablas ahora utilizaremos dos diferentes grados de libertad
(1 2 .
50

Si quisiramos hallar ( 9 12 2.80) entonces primero ubicamos 1

en la primera fila
(grados de libertad 1 es decir el numerador), en la primera columna encontraremos la
probabilidad de 2 12 cuyo resultado es 0.05.
EJEMPLO
Si
hallar:
a. (
7.3 ) 1
7.3 ) 1 0.025 0. 75, obsrvese que para poder
(
determinar la probabilidad hemos intercambiado los grados de libertad.
b. (
11.4) 0.01
c.
8)
Entonces:
8)
0.025 +
(
9.3
.
.2
8)
. 2
0.036
9.3
8)
0.04
0. 64
51

Modulo de Estadistica Parte INGENIERIA

Enviado por

Dados do documento

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

Modulo de Estadistica Parte INGENIERIA

Enviado por

Direitos autorais:

Formatos disponíveis

Lic.

Fiestas Zevallos Jos Carlos

Lic. Fiestas Zevallos Jos Carlos

Lic. Fiestas Zevallos Jos Carlos

Lic. Fiestas Zevallos Jos Carlos

Lic. Fiestas Zevallos Jos Carlos

Lic. Fiestas Zevallos Jos Carlos

Lic. Fiestas Zevallos Jos Carlos

100 . La suma total de estas frecuencias es el 100.00%. Cuando no

esta expresada en porcentaje se denomina frecuencia relativa simple ( hi ).

La cantidad de tablas y grficos depende del investigador pero no se recomienda saturar

Lic. Fiestas Zevallos Jos Carlos

Ejemplo: De la Tabla N 01 realizar la tabla, grafico e interpretar los datos mas

Fuente: Encuesta realizada a los alumnos

Fuente: encuesta realizada a los alumnos

Lic. Fiestas Zevallos Jos Carlos

Fuente: encuesta realizada a los alumnos

Lic. Fiestas Zevallos Jos Carlos

EDAD DE ALUMNOS DE DERECHO

Fuente: Encuesta realizada a los alumnos

Fuente: encuesta realizada a los alumnos

Lic. Fiestas Zevallos Jos Carlos

Fuente: encuesta realizada a los alumnos

Pasos para calcular los intervalos adecuados:

Lic. Fiestas Zevallos Jos Carlos

es un nmero impar, este valor se descompone en dos

es 0, no existir reparticin pero el ultimo intervalo a

es un valor negativo entonces el clculo estar en un

Lic. Fiestas Zevallos Jos Carlos

Lic. Fiestas Zevallos Jos Carlos

Fuente: encuesta realizada a los alumnos

Fuente: encuesta realizada a los alumnos

Lic. Fiestas Zevallos Jos Carlos

Fuente: encuesta realizada a los alumnos

Lic. Fiestas Zevallos Jos Carlos

Se ha medido a 30 enfermos del Hospital Regional de Piura en el mes de enero

a . Agrupa en intervalos y represntalo grficamente de una manera adecuada.

D i b u j a r p a r a e s t o s d a t o s un pictograma de cunas que represente el nmero de

Lic. Fiestas Zevallos Jos Carlos

El nmero de estrellas de los hoteles de Per en el ao 2009

Lic. Fiestas Zevallos Jos Carlos

MEDIA ARITMTICA O PROMEDIO

Grafica que representa a la Media

Lic. Fiestas Zevallos Jos Carlos

En tablas de datos (punto fijo)

Ejemplo: Sea la nota de los

La suma total de n valores cuya media es x es igual a nx .

Lic. Fiestas Zevallos Jos Carlos

Interpretacin: EL 50% de los

Lic. Fiestas Zevallos Jos Carlos

Forma grfica de calcular la mediana

Lic. Fiestas Zevallos Jos Carlos

La moda se determina por la

Ejemplo: Sea el nmero de libros de alumnos

: Frecuencia absoluta simple de mayor valor

Lic. Fiestas Zevallos Jos Carlos

El clculo de los cuartiles se realiza por el mismo procedimiento que el clculo de la

1. Ordenamos los datos de manera ascendente,

Interpretacin: EL 25% de los

Lic. Fiestas Zevallos Jos Carlos

Ejemplo: Sea el nmero de libros de

Pasos a seguir cuando es una tabla en intervalos usando frecuencias absolutas

- Se determina la clase que

Ejemplo: Sea la nota de los