Cuaderno de Trabajo 201701

PRE GRADO
PROFESORES : LINEA DE ESTADSTICA
TTULO : CUADERNO DE TRABAJO
FECHA : Marzo de 2017
CURSO : ESTADSTICA
CDIGO : MA444
REA : CIENCIAS
CICLO : 2017-01
Estadstica (Civil/Electrnica/Telecomunicaciones) UPC 3
Unidad 1. Organizacin de datos

Logro de la unidad
Al finalizar la unidad el alumno organiza adecuadamente las observaciones o datos para facilitar la
comprensin de los mismos, con ayuda del programa Minitab.
1.1 Definiciones
Estadstica
Es la ciencia de los datos, implica la coleccin, clasificacin, sntesis, organizacin, anlisis e
interpretacin de los datos.
1.2 Clasificacin
Estadstica descriptiva
Es la rama de la Estadstica que se dedica al anlisis, descripcin y representacin de un conjunto
de datos. Obtenindose conclusiones sobre las caractersticas de dicho conjunto.
Estadstica inferencial
Es la rama de la Estadstica que desarrolla los procesos de estimacin, anlisis y pruebas de
hiptesis de un conjunto de datos extrados de una muestra, con el propsito de llegar a tener
conclusiones acerca de una poblacin.
Elemento o unidad elemental

Es cada una de las entidades acerca de las cuales se renen los datos.
Ejemplo
Para conocer la opinin que tienen los estudiantes de ingeniera, sobre el servicio que ofrece el
Centro de Informacin, se puede considerar como elemento a un estudiante de ingeniera de la UPC
matriculado en el semestre 2014-2.
Poblacin
Es un conjunto de elementos, (personas, objetos, etc.), que tienen una o ms caractersticas
observables que se pueden medir en ellos.
Ejemplo
Centro de Informacin, se puede considerar como poblacin a todos los estudiantes de ingeniera
de la UPC matriculados en el semestre 2016-2.
Muestra
Se denomina muestra a una parte de la poblacin.
Ejemplo
Centro de Informacin, se puede considerar como muestra a un subconjunto de estudiantes de
ingeniera de la UPC matriculados en el semestre 2016-2.
Ejercicio
Se realiz un estudio para determinar la temperatura diaria promedio en la UPC al medio da durante
los meses de enero, febrero y marzo. Determine la poblacin, muestra y elemento.
Ejercicio
El gobierno est preocupado por la ocurrencia de un sismo de alta intensidad en el departamento de
Lima y las consecuencias que ste podra generar en el Cercado de Lima. Por esta razn, Defensa
Civil ha decidido realizar un diagnstico de la situacin de las viviendas en ste distrito encuestando
a 1200 viviendas seleccionadas al azar. Parte de la encuesta se presenta a continuacin:
Encuesta de vivienda
1. Tiempo de antigedad de la vivienda
Menos de 10 aos
Entre 10 y 20 aos
Ms de 20 aos
2. Material de construccin de la vivienda:

Cemento
Adobe
Quincha
Prefabricado
3. Nmero de habitaciones: ____________
4. rea de terreno: __________ m2
5. La vivienda se encuentra en:

Buen estado de conservacin
Regular estado de conservacin
Mal estado de conservacin
Complete la siguiente Ficha tcnica:
Fecha: Del 02 al 15 de marzo del 2015
Poblacin: ____________________________________________________________________________________
Muestra: _____________________________________________________________________________________
Unidad elemental: ______________________________________________________________________________
Con 95% de confianza y 3% de margen de error.

1.3 Tipos de datos

Cuantitativos, son los que representan la cantidad o el nmero de algo.
Cualitativos o categricos, son los que no tienen una interpretacin cuantitativa; slo pueden
clasificarse en categoras.
1.4 Variables
Variable es una caracterstica de inters de los elementos.
Clasificacin de variables
Variable cualitativa
Es la caracterstica cuyos valores se expresan en escala nominal u ordinal. Por ejemplo, carreras
universitarias, materiales de construccin y tipos de resistencias.
Variable cuantitativa
Es la caracterstica cuyos valores se expresan en escala de intervalo o de razn. Se dividen en:
Discretas
Continuas
Variable cuantitativa discreta
Es aquella variable cuyo resultado slo puede tomar un nmero finito o infinito numerable de
valores. Estos valores surgen de un proceso de conteo.
Por ejemplo, nmero de artculos defectuosos producidos diariamente o nmero de columnas
de concreto necesarias en la construccin de un puente.
Variable cuantitativa continua
Es aquella variable cuyo resultado puede tomar infinitos valores entre dos valores cualesquiera.
Estos valores surgen de un proceso de medicin.
Por ejemplo, temperatura de ignicin de un gas, resistencia del concreto a la compresin o
tiempo de corte de un torno corriente.
Ejercicio
La Corporacin Aceros Per es una empresa que se dedica a la industria del
acero. Actualmente, la empresa est fabricando hierro esponja, palanquillas
de acero, barras helicoidales, alambrn y barras de construccin y tiene una
capacidad de 680,000 toneladas al ao. Uno de los mercados a los que ms
se orientan los productos es el mercado de la construccin de Lima.
Al departamento de control de calidad se le ha encargado realizar un estudio
sobre las varillas devueltas a la fbrica. Al seleccionar una muestra aleatoria
de 80 barras de aceros de la seccin de devoluciones del almacn, se
midieron algunas caractersticas de acuerdo a la siguiente ficha tcnica:
N de barra:___________
1.- Tipo de barra de acero:
Corrugado ASTM
Corrugado Grado60
Corrugado NBR7480
Corrugado 4.7 mm
2.- El destino de uso de la barra de acero
Columnas
Vigas
Cimentacin
Concreto armado
3.- Resistencia a la traccin:________________ Kg/cm2
4.- Nmero de protuberancias:________________

5.- Categora del lmite a afluencia
Alta
Regular
Baja
6.- Tipo de defecto
Escamas Marcas mecnicas Corrosin

Pliegues Fisuras
Grietas Porosidad
a. Cul es la poblacin en estudio?

b. Cul es la muestra?
c. Qu caractersticas medibles y observables surgen en este estudio?
Escalas de medicin de las variables

La escala de medicin, permite determinar la cantidad de informacin que contienen los datos e
indica el resumen de estos y el anlisis estadstico ms apropiado.
Nominal
Una variable est medida en escala nominal cuando los datos son etiquetas o nombres que se
emplean para definir un atributo del elemento.
Por ejemplo: el gnero de las personas, el estado civil, el nmero del celular, etc.
Ordinal
Una variable est medida en escala ordinal cuando pueden ordenarse de acuerdo a algn criterio.
Se pueden ordenar en forma ascendente o descendente. Tambin, pueden registrarse por medio
de un cdigo numrico.
Por ejemplo: el orden de mrito de los alumnos en el curso de Estadstica, el grado de instruccin
de los clientes de un banco, nivel socioeconmico de los alumnos de la universidad.
Intervalo
Una variable est medida en escala de intervalo, si los datos tienen propiedades de datos
ordinales y el intervalo entre observaciones, se expresa en trminos de una unidad fija de
medida. Los datos de intervalo siempre son numricos. En esta escala, el cero es relativo, es
decir, no indica la ausencia de la caracterstica medida.
Por ejemplo: las temperaturas en grados centgrados o en grados Fahrenheit.
Razn
Una variable est medida en escala de razn si los datos tienen todas las propiedades de los
datos de intervalo y el cociente de los dos valores es significativo. En esta escala, el cero indica
la ausencia de caracterstica de la medida.
Por ejemplo: el sueldo de los empleados de una empresa, el peso de los alumnos de la UPC.
Ejercicio
1. Con la ficha de la Corporacin Aceros Per complete lo solicitado:
Variable Tipo de variable Escala de medicin

Ejercicios propuestos
1. El gobierno est preocupado por la ocurrencia de un sismo de alta intensidad en el departamento

de Lima y por las consecuencias que esto podra generar, especialmente en algunos distritos
como el Cercado de Lima. Por esta razn Defensa Civil realiz un diagnstico de la situacin
de las viviendas en el mencionado distrito a travs de una muestra de 1200 viviendas
seleccionadas al azar. Se registraron las siguientes variables:
I. Aos de construccin.
II. Tipo de vivienda(1 = Cemento, 2 = Adobe, 3 = Quincha, 4: Material prefabricado)
III. Nmero de habitaciones por vivienda.
IV. rea del terreno en donde se construy la vivienda.
a. De acuerdo al enunciado anterior identifique la poblacin y la muestra.

b. Identifique el tipo y escala de medicin de las variables mencionadas.
2. ComputerSoft es una compaa dedicada a brindar servicios informticos a empresas que desean
tener una presencia firme y contundente en la red. Esta compaa se dedica al tendido de redes
LAN, instalacin de equipos, servidores y toda una gama de productos tecnolgicos que puedan
resultar imprescindibles para una empresa. Como parte de un estudio realizado por
ComputerSoft se analiz la informacin correspondiente a una muestra de 30 empresas en la
ciudad de Lima a las que se les brind los servicios informticos.
Identifique el tipo y escala de medicin de las variables consideradas en dicho estudio.
Lenguajes de programacin (Cobol, Java, etc)
Cantidad de servidores por empresa
Costo de las licencias de software (en dlares)
Ao de instalacin del software
3. La empresa de investigacin de mercados AlphaDatum S.A. realiz un estudio para evaluar el

efecto de la cada de la bolsa de valores de Lima (BVL) en las administradoras de fondos de
pensiones (AFP). En este estudio se tom una muestra de 300 afiliados entre 25 y 35 aos en
Lima seleccionados al azar. Se registraron las siguientes variables:
I. AFP a la que pertenece el afiliado (1 = Futuro Slido, 2 = Siempre Contigo, 3 = Forever)
II. Monto del fondo del afiliado (en soles)
III. Edad del afiliado (en aos)
IV. Tipo de fondo segn riesgo (1 = Bajo riesgo, 2 = Riesgo moderado, 3 = Alto riesgo)
a. De acuerdo al enunciado anterior identifique la poblacin y la muestra.

b. Identifique el tipo y escala de medicin de las variables mencionadas.
4. Indique el tipo y la escala de medicin de las caractersticas observadas en una muestra de

secciones de tuberas de agua.
Dimetro de la tubera (pulgadas)
Material de la tubera
Ao de instalacin
Ubicacin (subterrnea, area)
Longitud de la tubera (pies)
Estabilidad del suelo circundante (inestable,

moderadamente estable o estable)
Corrosividad del suelo circundante (corrosivo o

no corrosivo)
1.5 Organizacin de datos cualitativos

Frecuencia absoluta (fi) de la categora
La frecuencia absoluta (fi) de una categora, est dada por el nmero de repeticiones en las
observaciones que presenta esta categora.
Frecuencia relativa (hi) de la categora

La frecuencia relativa (hi) de una categora est dada por la proporcin del nmero total de
observaciones que caen en esa categora
Frecuencia relativa acumulada (Hi) de una categora

La frecuencia relativa acumulada de una categora, est dada por la proporcin del nmero total de
observaciones que caen hasta esa categora.
Ejemplo
La siguiente informacin muestra la distribucin de una muestra de viviendas de un determinado
distrito de Lima segn material con el cual fue construido.
Distribucin de viviendas segn material de construccin

Material de construccin fi hi
Cemento 48 0,160
Adobe 100 0,333
Quincha 108 0,360
Material pre fabricado 44 0,167
Total 300 1,000
Interprete:
f2
h2
Ejemplo
Se tiene informacin para una muestra de instituciones peruanas sobre los dominios de segundo
nivel registrados bajo la categora .pe.
Ttulo: ..
Dominio f h p
com.pe 285 0.570 57.0
org.pe 106 0.212 21.2
edu.pe 64 0.128 12.8
gob.pe 26 0.052 5.2
net.pe 3 0.006 0.6
Otros 16 0.032 3.2
Total 500
Interprete:
f2
h2
Grfico de barras y sector circular

Para representar grficamente la distribucin de frecuencias de una variable cualitativa se
utilizan las barras y los sectores circulares.
Si trabajamos con variables nominales las categoras pueden ser colocadas en cualquier orden.
En el caso de escala ordinal las categoras debern ser colocadas en orden.
Ejemplo
La siguiente informacin muestra la distribucin de una muestra de viviendas de un determinado
distrito de Lima segn material con el cual fue construido.
Distribucin de viviendas segn material de construccin

Material de construccin fi hi
Cemento 48 0,160
Adobe 100 0,333
Quincha 108 0,360
Material pre fabricado 44 0,167
Total 300 1,00
El grfico circular se presenta a continuacin:
Fuente: Propia
Elabore el grfico de barras para el ejercicio anterior.
Ejercicio
La empresa PC Review Per est interesada en conocer cul es el programa de
Microsoft Office que ms utilizan los empleados de las empresas de la ciudad de Lima. Por
tal motivo se seleccion una muestra de 500 empleados y se les pidi que indicaran el
programa que ms usaba. La informacin se presenta a continuacin:
Distribucin de empleados segn tipo de programa de Microsoft que usan

Nmero de
Tipo de programa de Microsoft
empleados (fi) hi pi% = hi *100%
Access 50
MS Excel 101
MS Power Point 90
MS Word 113
Outlook 101
Otros 45
Total 500
Fuente: PC-Review-Per
Complete los siguientes grficos:
120 Categora
Access
Ms Excel
100 Ms Power Point
Ms Word
Otros
Outlook
80
60
40
20
0
Access Ms Excel Ms Power Point Ms Word Otros Outlook
Fuente: Fuente:
Grfico de Pareto
El diagrama de Pareto es un grfico de barras ordenado por frecuencia, en orden descendente,
tambin se dice, ordenado por orden de prioridad. Permite mostrar grficamente el principio de
Pareto: el 80% de los problemas se pueden solucionar, si se eliminan el 20% de las causas
que los originan (pocos vitales, muchos triviales). Por ejemplo, en control de calidad, se
puede mostrar que la mayora de los defectos surgen de un nmero pequeo de causas.
Este diagrama es un caso particular de grfico de barras, que es utilizado bsicamente para:
i) Conocer cul es el factor o factores ms importantes en un problema.

ii) Determinar las causas principales del problema.
iii) Decidir el objetivo de mejora y los elementos que se deben mejorar.
Pasos para realizar el grfico de Pareto:
i) Recolectar datos y clasificarlos por categoras.

ii) Ordenar las categoras de mayor a menor, segn la frecuencia fi, indicando el nmero de
veces que se ha producido.
iii) La categora Otros debe ser colocada en la ltima posicin, no importando cun grande
sea esta categora.
iv) Dibuje dos ejes verticales y uno horizontal. En el eje vertical derecho marque con una escala
de 0% a 100%; en el eje vertical izquierdo, marque una escala de 0 hasta el nmero total de
observaciones o de 0% a 100%; en el eje Horizontal, marque los espacios donde estarn
dibujadas las barras para cada una de las categoras, incluida la categora otros.
v) Calcular los porcentajes individuales y acumulados de cada categora.
vi) Elabore el diagrama de barras y dibuje la lnea de frecuencias acumuladas (curva de Pareto)
en funcin de los datos obtenidos anteriormente.
Ejemplo
La siguiente tabla muestra informacin sobre los defectos observados con mayor frecuencia en los
puentes vecinales construidos en estructura de madera de cierta localidad del interior del pas:
Distribucin de puentes vecinales segn defectos observados

Defectos observados fi
Pandeos y rajaduras 40
Pudrimiento de las piezas de madera 30
Efectos del desgaste mecnico 20
Otros 5
Deformaciones 15
Ataques de insectos y crustceos 10
Accin de fuego 5
Complete el diagrama de Pareto obtenido por Minitab para poder identificar los principales defectos
en este tipo de puentes. Qu defectos debern priorizarse?
Diagrama de Pareto de Defectos

140
100
120
100 80
Porcentaje
Frecuencia
80
60
60
40
40
20
20
0 0
Defectos j o te s C o ro
ra nt as ne y eg Ot
s
y ie g c io os Fu
o im s a t
de dr De rm se
c
n Pu fo In
Pa D e
Frecuencia 40 30 20 15 10 5 5
Porcentaje 32.0 24.0 16.0 12.0 8.0 4.0 4.0
% acumulado 32.0 56.0 72.0 84.0 92.0 96.0 100.0
Ejercicio
1. El jefe de control de calidad de la empresa Mundo est interesado en conocer cules son las
principales causas que estn afectando la produccin. Al seleccionar una muestra de 450
artculos fallados obtuvo los siguientes resultados:
Causas Cantidad
Inestabilidad mquina 56
Cambios ambientales 191
Rotura mquina 35
Cansancio operador 11
Desgaste del equipo 3
Desviacin del material 5
Fluctuacin energa 9
Error de medicin 10
Partida fra 8
Rotura de operador 122
Total 450
Distribucin de .. segn principales causas que afectan la produccin

Causas fi hi Fi Hi
Cambios ambientales 191 0,424
Rotura de operador 122 0,271
Inestabilidad mquina 56 0,124
Rotura mquina 35 0,078
Cansancio operador 11 0,024
Error de medicin 10 0,022
Fluctuacin energa 9 0,020
Partida fra 8 0,018
Desviacin del material 5 0,011
Desgaste del equipo 3 0,007
Total 450 1,000
Fuente: Departamento de produccin
Complete el diagrama de Pareto agrupando en la categora Otros las categoras cuyos porcentajes
sean menores al 10%. Identifique las principales causas que resuelvan el 80% de los problemas de
produccin.
500
100
400
80 Porcentaje
300
60
191
200
40
122
100 20
56
35 35
11
0 0
C ausas
Cambios ambientales
Inestabilidad mquina
Rotura mquina
Rotura de operador
Cansancio operador
Otro
C onteo 191 122 56 35 11 35

Porcentaje 42.4 27.1 12.4 7.8 2.4 7.8
% acumulado 42.4 69.6 82.0 89.8 92.2 100.0
Fuente: ...
1.6 Tabulaciones cruzadas

Tambin llamadas tablas de contingencia o de doble entrada. Se usan para resumir de manera
simultnea los datos para dos variables.
Ejercicio
Un estudio realizado por A&C Consultores sobre los tipos de riesgos asociados a las excavaciones
de zanjas y tipo de terreno, arroj los siguientes resultados en base a una muestra de 500 obras de
construccin:
Distribucin de las obras de construccin segn tipo de terreno y riesgo ms importante

Tipo de riesgo ms importante
Tipo de
Cada de
terreno Atrapamiento Derrumbe Inundaciones Otros Total
personal
Roca blanda 27 66 51 9 25 178
Roca dura 15 53 38 3 9 118
Tierra arcillosa 9 31 17 1 10 68
Tierra fuerte 17 55 36 10 18 136
Total 68 205 142 23 62 500
Fuente: Consultores A&C
Complete los espacios en blanco.
El nmero de obras de construccin cuyo tipo de terreno son de roca dura y presentan riesgo de
derrumbe es:
Del total de obras que presentan riesgo de atrapamiento, el ..% son de tierra fuerte.
Cul es el porcentaje de obras de construccin con riesgo de inundacin y roca dura?

.
Grfico de barras agrupadas

Un grfico de barras agrupadas muestra todas las series en una sola barra por cada categora. El alto
de cada barra es proporcional a la frecuencia de cada categora.
Grfico de barras apiladas

Un grfico de barras apiladas muestra todas las series apiladas en una sola barra para cada categora.
El alto de cada barra es proporcional a la frecuencia de cada categora.
Grfico de barras apiladas al 100%

Un grfico de barras apiladas 100% muestra todas las series apiladas en una sola barra para cada
categora. El alto de cada barra es el mismo para cada categora.
Ejercicio
A continuacin, se muestra la informacin de una tabla de contingencia y un grfico incompleto

para las variables lugar de destino y nacionalidad.
Distribucin de pasajeros segn su lugar de destino y nacionalidad

Nacionalidad
Lugar de destino Total
Peruana Extranjero
Arequipa 8 8 16
Cuzco 15 20 35
Miami 20 10 30
Mxico D.F 22 10 32
Piura 2 7 9
Ro de Janeiro 23 5 28
Total 90 60 150
Fuente: Wayra S.A
Complete todos los elementos del siguiente grfico.
Distribucin de pasajeros segn su lugar de destino y nacionalidad
18%
16%
14%
12%
10%
Peruano
8%
Extranjero
6%
4%
2%
0%
Arequipa Cuzco Miami Mxico D.F Piura Ro de
Janeiro
100%
90% 17.9%
33.3% 31.3%
80%
50.0%
70%
60% 77.8%
50% Extranjero
40% Peruana
30%
20%
10%
0%
Arequipa Cuzco Miami Mxico D.F Piura Ro de
Janeiro
100%
90% 25.6%
80%
2.2%
70% Ro de Janeiro
60% 24.4% Piura
50% Mxico D.F
40% Miami
22.2%
30% Cuzco
20% Arequipa
16.7%
10%
8.9% 13.3%
0%
Peruana Extranjero
1. La empresa PC Review Per realiz un estudio a una muestra a 500 directores de empresas
de la ciudad de Lima. Los resultados obtenidos a la pregunta cul de los programas de Office
usaba con mayor frecuencia? se resumen a continuacin:
Programa de Microsoft de uso ms frecuente Cantidad de directores de empresas
Access 30
MS Excel 80
MS Power Point 75
MS Word 250
Outlook 55
Otros 10
Total 500
Construya el diagrama de barras y sector circular para la informacin anterior.
Distribucin porcentual de monitores segn marca

2. BetaSystems S.A. es una empresa dedicada a la
importacin y venta de monitores. Suponga que usted
es el encargado de analizar los datos registrados
correspondientes a las marcas de los monitores
vendidos. La informacin procesada se muestra en el
siguiente grfico:
Construya el diagrama de Pareto para poder identificar

la estrategia de ventas ms conveniente para la
empresa. Comente sus resultados.
3. En la siguiente tabla se muestran los resultados obtenidos en un estudio realizado en la ciudad

de Ica por un grupo de profesionales de la UPC de la facultad de Ingeniera sobre las fallas
estructurales en las edificaciones debido al ltimo sismo que tuvo como epicentro la ciudad de
Nazca.
Fallas estructurales Porcentaje
Columnas cortas 10%
Configuracin del edificio 45%
Problemas geotcnicos 30%
Otros 10%
Piso blando 5%
Construya un diagrama de Pareto para identificar las fallas estructurales que tienen mayor
incidencia en las edificaciones en la ciudad de Ica debido al ltimo sismo mencionado.
4. La siguiente tabla muestra la distribucin de clientes de la empresa de telefona segn sus

principales quejas.
Distribucin de clientes segn principales quejas
Principales Quejas Frecuencia hi Fi Hi
Cambios sin consentimiento 246
Tarifas y servicios 106
Forzamiento al cambio 29
Marketing 74
Llamadas internacionales 14.5
Maltratos 12.5
Servicio de operadora 18
Construya el diagrama de Pareto para la variable en estudio. Considere un acumulado de menos

de 8% para la categora Otros. Cules son las quejas que debern priorizarse?
5. A una muestra de 95 hombres y 155 mujeres se formul la siguiente pregunta: Por qu usa el
servicio de taxi mediante una aplicacin? Los resultados obtenidos se muestran en los siguientes
grficos:
Grfico 2
Grfico 3
1.0
100%
0.9
0.32 0.36
0.8 80%
0.7 59% 65%
D
0.6 A 60% Masculino
0.15 Reunin
0.5 Femenino
Estudio 40%
0.4
Trabajo
0.3 20% C
0.56 33% E
B
0.2
0.1 0%
Trabajo Estudio Reunin
0.0
Masculino Femenino
a. Indique el ttulo del grfico 2 y el ttulo del grfico 3

b. Complete los elementos faltantes de los grficos 2 y 3.
c. Del total de encuestados que usan la aplicacin de taxi por trabajo, cuntos son mujeres?
d. Del total de hombres, cuntos prefieren usar el servicio de taxi por reuniones?
6. Dos preguntas realizadas fueron: Qu tipo de viaje realiza usualmente? Qu opinin tiene del
servicio de hotel de los lugares que visit? Los resultados se muestran en la tabla siguiente.
Tabla 2: ..
Tipo de viaje
Opinin Total
Descanso Diversin Nuevos lugares
Bueno 13 15 23 51
Malo 10 7 22 39
Muy bueno 8 5 12 25
Muy malo 6 11 18 35
Regular 7 8 15 30
Total 44 46 90 180
Fuente: Per Pas de culturas S.R.L.
a. En la tabla 2, interprete la celda sombreada por fila, por columna y por el total general.
b. Presente la tabla relativa con respecto al total de columna y elabore el grfico apropiado.
c. Complete el siguiente grfico:
1.7 Organizacin de datos cuantitativos discretos

Frecuencia acumulada (Fi)
Representa el nmero de observaciones que caen hasta esa categora.
Tabla de distribucin de frecuencias:
Ttulo
Variable fi hi Fi Hi
0 f1 h1 F1 H1
1 f2 h2 F2 H2
2 f3 h3 F3 H3
. . . . .
k fk hk n 1
Total n 1
Fuente: ....
Grfico de bastones
Es un grfico para variable cuantitativa discreta donde se representan los valores de la variable
y sus respectivas frecuencias absolutas o relativas.
Ttulo: ...........................................................................................................................................................
Ejercicio
El jefe de Recursos Humanos desea informacin de la cantidad de faltas que han tenido los
trabajadores en el mes anterior. Por tal razn seleccion al azar a 30 trabajadores y registr el
nmero de faltas.
0 0 0 0 1 1 1 1 1 1 1 1 2 2 2
2 2 2 2 2 2 2 3 3 3 3 3 3 4 4
Ttulo:
Nmero de faltas fi hi Fi Hi
0 4 0,133 4 0,133
1 8 0,267 12 0,400
2 10 0,333 22 0,733
3 6 0,200 28 0,933
4 2 0,067 30 1,000
Total 30 1,000
Fuente: ...
a. Con la informacin anterior, complete los espacios en blanco:
El porcentaje de trabajadores que asisten es: ____________________

El nmero de trabajadores que tienen a lo ms dos faltas es:______________
Los trabajadores con problemas son aquellos con 3 o ms faltas, qu porcentaje de
trabajadores tienen problemas?__________
b. Presente el grfico adecuado para variable en estudio.

1.8 Organizacin de datos cuantitativos continuos

Distribucin de frecuencias para datos continuos
1) El rango (R) o recorrido. R = dato mximo dato mnimo

2) El nmero de intervalos k 1 3.322 log10 n . (redondeado al entero ms prximo).
3) La amplitud del intervalo w = R/k. (redondeado por exceso y con el mismo nmero de decimales
que tienen los datos).
4) Obtenga las frecuencias absolutas y relativas.
5) Obtenga la marca de clase:
Lm Inf i Lm Sup i
xi/
2
Ejercicio
Se ha llevado a cabo un estudio para evaluar el tiempo, en horas, que utiliza cada trabajador de una
planta hidroelctrica para verificar el normal funcionamiento de la tubera de presin y las vlvulas
de control. Para ello se eligieron al azar 30 de ellos.
0.08 0.15 0.19 0.71 0.75 0.82 0.84 0.92 0.96 1.16 1.17 1.19 1.23 1.4 1.47
1.59 1.61 2.01 2.16 2.38 2.42 3.07 3.22 3.53 3.76 3.94 4.5 4.59 4.75 5.41
Calcule el rango (R) o recorrido

R=
Determine el nmero de intervalos (k)
k=
Determine el tamao del intervalo de clase (w)
w=
Ttulo: ....
i Intervalo xi fi hi Fi Hi
1 [ [
2 [ [
3 [ [
4 [ [
5 [ [
6 [ ]
Fuente:
Grficos: Histograma, polgono y ojiva

Son grficas que representan las observaciones obtenidas de las variables cuantitativas continuas.
HISTOGRAMA
Es una grfica de barras cuyas

categoras son los intervalos de clase.
Adems, la altura de las barras est
determinada por las frecuencias
relativas de los intervalos de clase.
Segn el inters del estudio se pueden
considerar tambin, las frecuencias
absolutas.
POLGONO
OJIVA
Ejercicio
1. Use la regla de Sturges para construir la tabla de distribucin de frecuencias del monto de venta
diario, en cientos de soles, de la empresa Beta Systems S.A.
52.0 94.7 95.1 97.5 102.5 104.1 106.0 125.2 125.6 146.0
146.8 158.6 158.7 162.6 166.2 166.2 166.2 166.2 168.2 169.7
196.0 204.9 204.9 204.9 204.9 208.3 215.2 217.5 218.1 218.1
218.1 218.1 220.9 226.2 235.0 239.7 242.2 259.6 261.6 277.2
286.5 287.0 297.8 313.9 315.0 316.2 338.6 359.9 363.1 398.3
Clculos:
Ttulo:
Lim Inf Lim Sup xi fi hi Fi Hi
Fuente:
a) El porcentaje de das que la empresa vende por lo menos 151,0 cientos de soles o menos de 200,5
cientos de soles es: _______________________
b) El nmero de das que venden menos de 299,5 cientos de soles es:_____________
c) La empresa estara en supervit cuando su venta es de 299,5 cientos de soles o ms qu
porcentaje de los das se tiene supervit?_________________
d) Cuando la venta supera 324,25 se considera un buen da para la empresa. Qu porcentaje de
das son considerados como buen da? ____________________
7. Investigadores del Massachussets Institute of Technology (MIT) estudiaron las propiedades

espectroscpicas de asteroides de la franja principal, con un dimetro menor a los 100
kilmetros. Los asteroides se observaron con el telescopio Hiltner del observatorio de MIT; se
registr el nmero de exposiciones de imagen espectral independiente para cada observacin.
Aqu se presentan los datos de 40 observaciones de asteroides obtenidas de Science (9 de abril
de 1993).
Nmero de exposiciones de imagen espectral independientes para 40 observaciones de asteroides

3 4 3 3 1 4 1 3 2 3
1 1 4 2 3 3 2 6 1 1
3 3 2 2 2 2 1 3 2 1
6 3 1 2 2 3 2 2 4 2
Construir un grfico de bastones para el nmero de exposiciones de imagen espectral.
8. Complete la tabla y elabore un grfico apropiado, usando las frecuencias porcentuales, para
representar la informacin de la tabla siguiente. Luego interprete en trminos del enunciado f2
y H3.
Ttulo:
Nmero de monitores
fi hi Hi
con fallas
0 30
1 10
2 5
3 3
4 2
Unidad 2 Medidas de Resumen

Logro de la unidad
Al finalizar la unidad el alumno ser capaz de describir el comportamiento de un conjunto de datos
a travs de las medidas estadsticas de centro, posicin, variabilidad y forma aplicado a problemas
de su especialidad.
2.1 Mtodos numricos para describir datos cuantitativos

Definiciones
Parmetro
Es una medida de resumen que caracteriza a la poblacin. Para obtener su valor se hace
necesario contar con toda la informacin que brinda los elementos de una poblacin. Por
ejemplo, el promedio poblacional (), varianza poblacional (2).
Estadstico
Es una medida de resumen que caracteriza a la muestra. Para obtener su valor se utiliza la
informacin muestral. A los valores obtenidos de un estimador se conoce como estimacin. Por
ejemplo: el promedio muestral ( ), varianza muestral (s2).
Los parmetros y estadsticos de mayor uso son:
Nombre Parmetro Estadstico

N n
Promedio
Xi X i
i 1
X i 1
N n
N
(X i ) 2 X
n 2
X
Varianza i
2 i 1
S2 i 1
N n-1
Desviacin estndar S
N de xitos N de xitos
Proporcin p p
N n
.
2.2 Medidas de tendencia central

Son aquellas que localizan el centro de una distribucin, indicando el valor alrededor del cual
tienden a concentrarse distribuirse las dems observaciones. Lo que se persigue es conseguir un
valor que sea representativo del conjunto de datos que se est analizando.
Media aritmtica
La media llamada tambin promedio, se define como el cociente de la suma de los valores
observados de la variable en estudio y el nmero de observaciones.
Caractersticas de la media
Es un estadstico o parmetro muy conocido y de fcil comprensin.
Se puede calcular para variables de escala intervalo o razn.
La mayor desventaja es que se ve afectado por valores extremos, es decir si hay valores
muy pequeos o muy grandes la media no los representara adecuadamente.
n
x i
Para datos simples (no agrupados) se calcula por x i 1
n
k
fx i i
Para datos discretos (agrupados) se calcula por x i 1
n
k
fx i i
/
Para datos continuos (agrupados) se calcula por x i 1
Ejemplo
Los siguientes datos son medidas de la resistencia al rompimiento (en onzas) de una muestra de
hilos de lino:
15,2 15,8 16,2 18,5 19,4 20,6 21,2 21,9 25,4 27,3 28,3 29,5 32,5 33,7 36,9
x i
(15,2 15,8 16,2 ... 32,5 33,7 36,9)
x i 1
= x
n 15
Media = 24,16
Interpretacin: La resistencia promedio al rompimiento de los hilos es de 24,16 onzas.

Ejercicio
1. Calcule e interprete la media para el nmero de hijos obtenida a partir de una muestra de 35
familias
x fi xi*fi
0 13
1 6
2 8
3 6
4 2
2. Calcule el tiempo promedio de verificacin, en horas, para una muestra de trabajadores
Intervalo fi xi
1 [0.02 - 0.81[ 6
2 [0.81 - 1.60[ 13
3 [1.60 - 2.39[ 4
4 [2.39 - 3.18[ 3
5 [3.18 - 3.97[ 2
6 [3.97 - 4.76] 2
Mediana
Es el valor que ocupa el lugar central de un conjunto de datos ordenados. Por tanto es el valor que
divide en dos partes a dicho conjunto de datos.
Caractersticas de la mediana
Se puede calcular para variables medidas en escala intervalo o razn.
El 50% de los datos tienen un valor menor o igual a la mediana.
La mediana no se ve afectada por valores extremos (mnimo y mximo).
Para datos no Agrupados:
Si denotamos las observaciones ordenadas por x1, x2, x3, ... , xn , la mediana pude representarse por:
me x n 1 Si n es impar Es el dato de la posicin [(n+1)/2]

2
x n x n Es el promedio de los datos que se

1
me 2 2
Si n es par encuentran en la posicin: [n/2] y
2 [(n/2)+1]
Ejemplo
Los datos corresponden a una muestra de bateras cuyas lecturas de voltaje (en voltios) son:
9.84 9.98 9.98 9.99 10.00 10.00 10.05 10.12 10.26 25.00
Calcule e interprete el valor de la mediana.
x n x n
1 x 5 x 6
Me 2 2
= = 10
2 2
Interpretacin: El 50% de las bateras tienen una lectura mxima de 10 voltios
Ejercicio
Los siguientes datos corresponden a la distribucin del nmero de piezas defectuosas producidas en
una muestra de 150 das. Calcule e interprete el valor de la mediana.
Nmero de piezas de
Nmero de das Fi
defectuosas
0 50
1 60
2 25
3 10
4 5
Moda
La moda de un conjunto de datos es aquel valor que se repite con mayor frecuencia.
Caractersticas de la moda
La moda se puede calcular para cualquier escala de medicin.
El valor de la moda no se ve afectada por valores extremos.
La moda no siempre es un valor nico. Un conjunto de datos puede tener dos modas
(bimodal) o ms de dos modas (multimodal).
Se puede dar el caso de que el conjunto de datos no tiene moda.
Ejemplo
Los siguientes datos corresponden a una muestra de bateras cuyas lecturas de voltaje se presentan
a continuacin:
9,84 9,98 9,98 9,99 10,00 10,00 10,05 10,12 10,26 25,00
Moda = 10
Interpretacin: La lectura de voltaje ms frecuente es de 10 voltios.
Ejercicio
Renacer S.A fabrica Hornos de Microondas, encargo al jefe de control de calidad que informe cual
es el problema ms frecuente encontrado en los hornos microondas. Se tom una muestra del rea
de reparaciones y estos fueron los resultados:
Problemas Nmero de hornos

De capacidad de descongelacin 6
Velocidad de calentamiento 14
Cable de alimentacin 3
Fuga de la microondas 8
Frecuencia de la microondas (MHz) 9
Potencia de microondas (W) 10
Con la informacin presentada, qu problema se presenta con mayor frecuencia?

Relaciones entre la media, mediana y moda

Adems de las medidas de tendencia central podemos estar interesadas en saber la forma que
presenta el conjunto de datos. Para una distribucin unimodal (una sola moda) se cumple de manera
general lo siguiente:
Si la distribucin de frecuencias es simtrica (sesgo nulo)
Media = Mediana = Moda
Si la distribucin es asimtrica cola a la derecha (sesgo derecho o positivo)
Moda < Mediana < Media
Si la distribucin es asimtrica cola a la izquierda (sesgo izquierdo o negativo)
Media < Mediana < Moda

2.3 Medidas de posicin o Cuantiles

Se define as a un nmero real que divide a un conjunto de datos en dos partes con porcentajes
especificados debajo y sobre ste valor. Para su clculo, los datos deben estar previamente
ordenados.
Cuartil
Divide al conjunto de datos en 4 partes porcentualmente iguales. Se denotan Q1, Q2 y Q3 que
son los correspondientes percentiles P25 , P50 y P75 .
Decil
Divide al conjunto de datos en 10 partes porcentualmente iguales, hay nueve deciles D1, D2, ,
D9 que son los correspondientes percentiles P10 , P20 , .., y P90 .
Percentil
Divide un conjunto de datos en 100 partes porcentualmente iguales. Dado un percentil Pk, este
divide el conjunto de datos en dos partes, la inferior que contiene el K% de datos y la superior
que contiene el (100-k)% de datos.
K% (100-K)%
P
K
Para datos no agrupados:
Primero debe ordenarse los datos en orden creciente o decreciente. Luego, para hallar el percentil
Pk se sugiere los siguientes pasos:
Calcular el valor de la posicin que ocupa el percentil Pk en la

k (n 1)
lista de datos ordenados que est determinada por la siguiente i E, d
100
expresin:
Luego,
Pk X ( E ) 0, d * ( X ( E 1) X ( E ) )
Donde: E : parte entera y d : parte decimal
Ejemplo
La compaa VIDRIMAX presenta un informe de sus diez tipos de envases ms solicitados con sus
respectivas producciones mensuales:
1980 2250 2450 2600 2980 3010 3019 3129 3289 3678
Calcule e interprete el valor del percentil 25
Solucin: observe que los datos ya se encuentran ordenados.
Calcule la posicin que ocupa el percentil P25
k (n 1) 25(10 1)
i E, d i 2,75
100 100
Pk X ( E ) 0, d * ( X ( E 1) X ( E ) ) P25 = X2 + 0,75*(X3 - X2)
Reemplazando: P25 = 2250 + 0,75*(2450 2250) = 2400
Interpretacin: El 25% de los tipos de envases de la compaa VIDRIMAX tiene una produccin
mxima de 2400 envases mensuales.
Ejercicio
1. Suponga que los promedios ponderados de una muestra de 12 ingenieros civiles egresados se
muestra a continuacin:
14,5 15,5 15,5 16,2 16,2 16,5 16,5 17,0 17,1 17,3 17,5 17,6
Si se desea contratar a un egresado que pertenezca al quinto superior, Qu percentil debe calcular
y cul es la nota mnima que debera de tener?
2. Una muestra de 30 trabajadores de una plataforma petrolera marina form parte de un ejercicio
de escape del rea. Para ello se registraron los siguientes tiempos, en minutos, empleados en la
evacuacin.
31.5 32.5 32.5 33.4 33.9 34.0 35.6 35.6 35.9 35.9
36.3 36.4 36.9 37.0 37.3 37.3 37.4 37.5 38.0 38.9
39.2 39.3 39.4 39.7 40.2 40.3 41.5 42.4 42.8 44.5
a. Cul es el tiempo mnimo registrado por el 18% de trabajadores que emplearon ms tiempo en
la evacuacin de la plataforma?
b. Cul es tiempo mximo empleado por el 28% de trabajadores que emplearon menos tiempo en
la evacuacin de la plataforma?
3. Investigadores del Massachussets Institute of Technology (MIT) realizaron, 9 de abril de 1993,

un estudio sobre asteroides. Al observar 40 de stos asteroides con el telescopio Hiltner del
observatorio de MIT; se registr el nmero de exposiciones de imagen espectral.
Nmero de exposiciones de imagen espectral

1 1 1 1 1 1 1 1 1 2
2 2 2 2 2 2 2 2 2 2
2 2 3 3 3 3 3 3 3 3
3 3 3 3 4 4 4 4 6 6
Elabore la Tabla de frecuencia
Ttulo: ..
Nmero de exposiciones fi hi Fi Hi
1
2
3
4
6
Total
a. El mnimo nmero de exposiciones obtenidos en el 15% de los asteroides con mayores

exposiciones es: __________________que corresponde al percentil _____________________
b. Se desea categorizar a los asteroides segn su nmero de exposiciones en categoras baja, media
y alta Cules sern los lmites de estas si la categora media contiene al 50% central de la
cantidad de asteroides?
1. Con base en un clebre experimento, Henry Cavendish (1731 -1810) ofreci evidencias directas
de la ley de la gravitacin universal de Newton. En el experimento se determin el peso de
masas de objetos, la medida de la fuerza de atraccin se us para calcular la densidad de la
Tierra. Los valores de la densidad de la Tierra, en orden temporal por filas son:
5.36 5.29 5.58 5.65 5.57 5.53 5.62 5.29 5.44 5.34 5.79 5.10
5.27 5.39 5.42 5.47 5.63 5.34 5.46 5.30 5.75 5.68 5.85
Calcule e interprete el valor de los cuartiles.

2. Zinder y Crisis (1990), presentaron un algoritmo hbrido para resolver un problema de

programacin matemtica polinomial cero-uno. El algoritmo incorpora una combinacin de
conceptos pseudo booleanos y procedimientos de enumeracin implcitos probados y
comprobados. Se resolvieron 52 problemas al azar utilizando el algoritmo hbrido; los tiempos
de resolucin (tiempos de CPU en segundos) se listan en la siguiente tabla.
0.045 0.036 0.045 0.049 0.064 0.07 0.079 0.088 0.091 0.118 0.13 0.136
0.136 0.136 0.145 0.179 0.182 0.182 0.194 0.209 0.209 0.227 0.242 0.258
0.258 0.258 0.291 0.327 0.333 0.336 0.361 0.379 0.394 0.412 0.445 0.506
0.554 0.567 0.579 0.6 0.67 0.912 1.055 1.07 1.267 1.639 1.894 3.046
3.888 3.985 4.17 8.788
a. Cul es el tiempo mximo de resolucin de un problema para ser considerado dentro del
10% de los ms rpidos?
b. Cul es el tiempo mnimo de resolucin de un problema para ser considerado dentro del
20% de los menos rpidos
c. Se desea categorizar a los problemas segn sus tiempos de resolucin en categoras normal,
media y alta Cules sern los lmites de estas si la categora media contiene al 50% central
de la cantidad de problemas?
3. Los ingresos mensuales de una muestra de pequeos comerciantes se tabularon en una

distribucin de frecuencias simtrica de 5 intervalos de igual amplitud resultando que el ingreso
mnimo es de 125 dlares y la marca de clase del cuarto intervalo es de 300 dlares. Si el 8%
de los ingresos son menores que 175 dlares y el 70% de los ingresos son menores a 275 dlares.
a. Determine las frecuencias relativas de cada intervalo.
b. Qu porcentaje de ingresos son superiores a $ 285?
4. Investigadores del MassachussetsInstitute of Technology (MIT) estudiaron las propiedades

espectroscpicas de asteroides de la franja principal con un dimetro menor a los 100
kilmetros. Los asteroides se observaron con el telescopio Hiltner del observatorio de MIT; se
registr el nmero N de exposiciones de imagen espectral independiente para cada observacin.
Aqu se presentan los datos de 40 observaciones de asteroides obtenidas de Science (9 de abril
de 1993).
Nmero de exposiciones de imagen espectral independientes para 40 observaciones de asteroides

3 4 3 3 1 4 1 3 2 3
1 1 4 2 3 3 2 6 1 1
3 3 2 2 2 2 1 3 2 1
6 3 1 2 2 3 2 2 4 2
Calcule las medidas de tendencia central e interprete los resultados.

5. A continuacin se presenta la distribucin Distribucin del nmero de camiones enviados a cada obra desde Lurn
del nmero de camiones que atendi la 16
15
planta de Lurn en cada obra con el 14
objetivo de Evaluar indicadores en las 12

11
Nmero de obras
atenciones que realiza la planta de 10
9
Lurn. 8
7
6
Calcule las medidas de tendencia central 6
4
e interprete los resultados. 4
3
0
1 2 3 4 5 6 7
Nmero de camiones
Fuente: Tricon S.A.
6. Cuando se disea un puente los ingenieros deben determinar la tensin que el concreto puede
soportar. En lugar de probar cada pulgada cbica de concreto para determinar su capacidad de
resistencia, los ingenieros toman una muestra, la prueban y llegan a la conclusin sobre qu
tanta tensin, en promedio, puede resistir este tipo de concreto. A continuacin se presenta la
tensin (en kg/cm2) obtenidos de una muestra de 30 bloques de concreto que se utilizarn para
construir un puente.
1,2 2,1 2,2 2,2 2,5 2,5 2,6 2,6 2,7 2,8
3,0 3,0 3,2 3,2 3,2 3,4 3,4 3,5 3.5 3,6
3,6 3,6 3,6 3,7 3,8 3,9 3,9 4,0 4,0 4,0
Calcule las medidas de tendencia central e interprete los resultados.
2.4 Medidas de variacin o dispersin

Son aquellas que cuantifican que tan dispersos o concentrados se encuentran los datos respecto de
una medida de tendencia central. Los datos que estn relativamente cercanos entre s, tienen bajas
medidas de variabilidad, mientras que los que estn ms alejados entre s tienen medidas de
variacin ms grandes.
Rango
El rango es una medida de variacin de un conjunto de datos y se define como la diferencia
entre el valor mximo y el valor mnimo.
Es una medida inestable, ya que su valor cambia mucho ante datos extremos.
Se calcula para variables en escala de medida de intervalo o razn
Varianza
Es una medida del grado de dispersin o variacin de los valores de una variable con respecto
a su media aritmtica.
Las unidades en las que queda expresada la varianza son unidades al cuadrado. Esta medida no
tiene interpretacin.
La varianza de una muestra se denota por s2, mientras que la de una poblacin se denota por
2
Varianza poblacional
N
x
2
i
2 i 1
Varianza muestral para datos simples

n
x x
2
i
s2 i 1
n 1
Varianza muestral para datos agrupados discretos y continuos
2 2
f x x
k k
f x x
i i i i
/
s
2 i 1
s
2 i 1
n 1 n 1
Desviacin estndar
La desviacin estndar es la raz cuadrada positiva de la varianza
Se denota por s cuando es calculada de una muestra y por cuando es poblacional.
Nota:
Para calcular la varianza y desviacin estndar usaremos su calculadora
cientfica. Video: https://www.youtube.com/watch?v=Ds4vXpZ5jOw
Ejemplo
Calcule el rango, la varianza y la desviacin estndar para la cantidad de plomo en una muestra de
agua potable en miligramos por litro.
35 73 30 15 36 60 47 19 15 38 10 35 31 21 22 20
Varianza: ____________________
Desviacin estndar: _______________

Ejercicio
1. Calcule la varianza y desviacin estndar del nmero de accidentes automovilsticos en una

muestra de 100 das:
xi fi
0 10
1 15
2 30
3 35
4 10
100
2. Calcule la varianza y desviacin estndar de los tiempos de exposicin, en minutos, de un metal

a una sustancia qumica. Los resultados de una muestra de 66 reacciones son las siguientes:
I Intervalos fi xli
1 [15.2 17.2[ 12
2 [17.2 19.2[ 13
3 [19.2 21.2[ 20
4 [21.2 23.2[ 16
5 [23.2 25.2] 5
66
Calcule la varianza y desviacin estndar.

Coeficiente de variacin
Es una medida de dispersin relativa libre de unidades por lo que es til para comparar la
variabilidad de dos o ms grupos de datos expresados en distintas unidades de medida o cuando los
promedios de los conjuntos de datos a comparar son diferentes.
El coeficiente de variacin proporciona una estimacin de la magnitud de las desviaciones con
respecto a la magnitud de la media
s
CV 100%
x
Rango intercuartil
Es la amplitud del 50% de los datos que se ubican en el centro de una distribucin. No se ve afectada
por valores extremos.
RIC Q3 Q1 P75 P25
Rango
Es la diferencia entre el dato ms grande y el ms pequeo.
R = Xmx Xmn
Ejemplo
1. A continuacin se presentan los tiempos de transmisin de un archivo, en segundos, evaluados
en empresas que adoptaron la Tecnologa WAN y la Tecnologa LAN bajo condiciones
similares.
Tecnologa LAN Frecuencia

108 111 3
111 114 35
114 117 66
117 120 57
120 123 29
123 126 16
126 129 9
129 132 3
132 135 2
Total 220
Tecnologa WAN 138 126 125 124 119 119 137 110 119 155 123 124 126 126 129
Determine para qu tipo de Tecnologa utilizada los tiempos de transmisin de datos son ms
homogneos. Justifique numricamente su respuesta.
Tecnologa WAN Tecnologa LAN

s = 10,45 s = 4,53
x = 126,67 x = 118,02
CV= 825% CV= 3,84%
Interpretacin: Los tiempos de transmisin de datos son ms homogneos para el tipo de

tecnologa LAN.
Ejercicio
La empresa Electro, dedicada a la venta de artefactos electrnicos para el hogar, opera 200 tiendas
en diferentes lugares del pas. Los ltimos informes indican que las ventas mensuales ha descendido
a tal punto que se han tenido que cerrar algunas tiendas. El gerente, con el fin de enfrentar el
problema, ha determinado que es necesario un estudio estadstico de las ventas semanales (en miles
de soles) de un producto electrnico en tres de sus principales tiendas: Aptao, Azufral y Brento. Las
muestras tomadas al azar de cada tienda arroj los siguientes resultados:
Nmero de Nmero de
Ventas Aptao Ventas Brento
semanas semanas
100 200 5 20 2
200 300 14 40 8
300 400 21 60 25
400 500 7 80 20
500 600 3 100 8
Total 50 Total 63
Ventas Azufral 120 200 100 50 45 120 100 100 90 75 100 210 100 50 120
a. Calcule la media y la varianza de las ventas en Azufral, Aptao y en Brento.

b. Determine en cul de las tiendas las ventas realizadas es ms homognea. Justifique

numricamente su respuesta.
7. En el medio local hay dos plantas (Planta 1 y Planta 2) que se dedican a la fabricacin de barras
de acero para la construccin. Las empresas proveedoras de barras de acero para la construccin,
que abastecen al mercado constructor, desean averiguar acerca de la resistencia media a la
traccin y la desviacin estndar, para ello, se tomaron muestras aleatorias en ambas plantas y
la informacin registrada acerca de la resistencia a la traccin(en Kg/cm2) se muestra en las
siguientes tablas:
Resistencia a la traccin fi
(Planta 1)
[ 69.220 70.436 [ 14
[ 70.436 71.652 [ 5
[ 71.652 72.868 [ 6
[ 72.868 74.084 [ 8
[ 74.084 75.300 [ 7
[ 75.300 76.516 [ 17
[ 76.516 77.732 [ 5
Total 62
Estadsticas descriptivas: Resistencia a la traccin: Planta 2

Variable n Media Desv.Est. Varianza Mnimo Mximo
Traccin 62 64.520 2.983 8.899 61.220 69.856
Realice el anlisis adecuado para la dispersin y responda qu planta es ms heterognea en las

resistencias a la traccin? Sustente su respuesta estadsticamente.
8. A continuacin se presenta un grfico que muestra la distribucin de los resultados de la

medicin del Coeficiente de resistencia especfica al corte (Kgf/cm2) de la empresa ACE SA
en 75 obras de la ciudad de Arequipa:
Distribucin de las Obras segn Coeficiente de Resistencia especfica al corte

en la ciudad de Arequipa
25
22
20
18
fi: Nmero de obras

15
10
10
8 8
5
5 4
0
3.0 3.6 4.2 4.8 5.4 6.0 6.6 7.2
Xi: Coef. Resistencia especfica al corte (Kgf/cm2)
Fuente: Mortero S.A.
La empresa opera tambin en Lima y el estudio de realizado a 75 obras de esta ciudad muestra las
siguientes medidas e indicadores sobre el Coeficiente de Resistencia especfica al corte (Kgf/cm2).
Los datos se presentan a continuacin:
Desviacin
Variable Total Media Estndar. Varianza
C. resistencia. 75 2.0595 0.833
La empresa realizar una auditora en la ciudad que presente una mayor variabilidad de los
coeficientes de resistencia especfica del corte en las obras. En qu ciudad se debe hacer la
auditora? Justifique su respuesta numricamente.
Diagrama de cajas o boxplot

Es una grfica que describe la distribucin de un conjunto de datos tomando como referencia los
valores de los cuartiles como medida de posicin y el valor del rango intercuartil como medida de
dispersin.
Se calcula: Q1, Q2 , Q3 , RIC y 1,5RIC

Se traza un rectngulo con los extremos en el primer y tercer cuartil. En la caja se traza una recta
vertical en el lugar de la mediana. As, la lnea de la mediana divide los datos en dos partes
porcentualmente iguales.
Se ubican los lmites mediante el rango intercuartil. El lmite superior est a 1,5(RIC) arriba (o
a la derecha) de Q3 . El lmite inferior est a 1,5(RIC) debajo (o a la izquierda) de Q1 .
Las lneas antes y despus de las cajas se llaman bigotes, se traza desde los extremos de la caja
hasta el mnimo y mximo dentro de los lmites inferior y superior si no hay valores extremos.
Se considera dato atpico a cualquier punto mayor al lmite superior (a la derecha) y menor al
lmite inferior (o a la izquierda).
Se marcan con un asterisco (*) las localizaciones de los valores atpicos.
El diagrama de Caja nos permite:
Comparar las medianas de dos o ms conjuntos de datos.

Observar el tipo de distribucin de los datos (simtrica o asimtrica en el 50% central).
Determinar la dispersin en el 50% central de los datos.
Identificar la presencia de valores extremos (datos atpicos)
Ejemplo
La empresa Renacer S.A. seleccion una muestra de 30 hornos microondas del turno noche y midi
la radiacin, en mw/cm2, que emiten estos aparatos con la puerta cerrada. Los datos se muestran a
continuacin:
1 1 2 2 3 4 6 6 6 6
7 7 8 8 8 9 9 9 10 10
10 11 12 15 15.5 16.8 18 19.7 23 24
a. Aada los valores faltantes en la caja del turno noche. Incluya valores atpicos, si existiera(n).
Cantidad de Radiaciones emitidas de hornos microondas segn

25 turnos
Cantidad de Radiacin (mw/cm2)
20
15
P75= 11.8
10 9.35
P25= 7.05
5
0
T. Maana T. Noche
Turno de produccin
b. Teniendo en cuenta el 50% central de las muestras observadas, cul de los turnos maana o
noche presenta menor dispersin en los niveles de radiacin y qu forma presenta la distribucin
de cada grupo?
1. En un proyecto de construccin se midi la resistencia del concreto (en MN/m2) en dos plantas
diferentes. Se ha determinado que la resistencia mnima del concreto para el tipo de
trabajo que se est realizando es 28.0 MN/m2. Los resultados obtenidos se presentan a
continuacin:
a. La planta _____ cumple con la resistencia mnima de concreto y la planta____ no cumple

con la resistencia mnima.
b. La planta A presenta asimetra __________________ .
c. La planta ________ presenta mayor variabilidad en la resistencia porque
____________________________________________.
d. La planta ___________ presenta menor variabilidad en la resistencia porque
____________________________________
e. Interprete en trminos del enunciado del problema el valor atpico de la planta 1.
2. La empresa Tricon S.A realiza un estudio sobre el tiempo de espera en las obras. Considera que
esta variable es necesaria pues el concreto premezclado tiene un tiempo de vida de
aproximadamente 3 horas. A continuacin se presentan los datos de los tiempos de espera, en
minutos, de las 45 obras a las cuales se envi el concreto premezclado desde la planta de los
Olivos:
23 34 37 38 41 43 44 46 47 48 49 49 51 51 52
53 54 55 57 58 58 58 58 59 59 60 60 60 60 61
62 62 62 63 63 63 64 65 70 73 74 76 78 88 89
Tambin se presenta el diagrama de cajas de los tiempos de espera (en minutos) para las plantas
de Lurn y Callao, desde donde se enva el concreto premezclado.
Tiempo de espera del concreto premezclado por planta

( en minutos)
80
74
70 67
60
58 56.75 58
53
Datos
50 49.5
40 39,25
39
30
23 25
20
LURIN CALLAO OLIVOS
Fuente: Tricon S.A.
a. Complete los datos que faltan en el diagrama de cajas.

b. En las obras abastecidas desde la planta de los Olivos, existen datos atpicos?, si existen,
diga cuales son
c. Respecto al 50% de los datos centrales del tiempo de espera, cul de las plantas presenta
mayor dispersin? Justifique su respuesta numricamente.
3. Las ventas, en miles de soles, durante 50 semanas de los productos principales A y B de una
compaa poseen las siguientes distribuciones de frecuencias:
Ventas A Nmero de semanas Nmero de semanas

10 20 2 2 - 4 5
20 30 8 4 - 6 14
30 40 25 6 - 8 21
40 50 9 8 - 10 7
50 60 6 10 - 12 3
Qu producto tiene un nivel de ventas ms homogneo?
4. Los habitantes de ciudades antiguas en EEUU ingeran cantidades pequeas, pero dainas, de
plomo introducido en su agua potable por el empleo de las tuberas forradas de plomo que se
instalaron en los primeros sistemas de agua. Los datos en la tabla son el contenido medio de
plomo, cobre y hierro (miligramos por litro) de muestras de agua recolectadas diariamente
durante 23 das del sistema de agua de Boston. Los datos se recabaron en 1977 despus de que
se instal un sistema de tratamiento de aguas con hidrxido de sodio. Cada media se basa en
cerca de 40 determinaciones realizadas en diferentes puntos del sistema de agua de Boston
donde se seguan usando tuberas de plomo.
Plomo Cobre Hierro

0.010 0.022 0.039 0.04 0.07 0.09 0.11 0.14 0.18
0.015 0.030 0.043 0.04 0.07 0.1 0.11 0.15 0.19
0.015 0.031 0.047 0.04 0.07 0.1 0.12 0.15 0.20
0.016 0.031 0.049 0.04 0.07 0.12 0.12 0.16 0.22
0.016 0.035 0.055 0.04 0.07 0.14 0.13 0.17 0.23
0.019 0.035 0.060 0.05 0.08 0.16 0.13 0.17 0.25
0.020 0.036 0.073 0.05 0.08 0.18 0.14 0.17 0.33
0.021 0.038 0.05 0.08 0.14 0.17
a. Calcule las medidas de tendencia central y de variacin en cada una de las muestras.
b. Construya en un solo grfico los diagramas de caja para cada una de las muestras.
c. Existen valores atpicos en alguna de las muestras?
Unidad 3 Probabilidad
Logro de la unidad
Comprende los diferentes conceptos relacionados con probabilidades y los utiliza adecuadamente
en la solucin de casos relacionados con su especialidad.
3.1 Experimento aleatorio ()

Es una operacin cuyo resultado no se puede predecir con certeza y que se realiza bajo las siguientes
condiciones:
Se puede repetir indefinidamente donde los resultados dependen del azar, por lo que no se
pueden predecir con certeza.
Se puede describir el conjunto de todos los resultados posibles.
Cuando se repite un gran nmero de veces, aparece un modelo definido de regularidad.
Ejemplos
1:Lanzar un dado.
2 :Se lanzan dos monedas y se registra el resultado obtenido.
3 :Seleccionar un dispositivo electrnico y registrar si es defectuoso o no.
4 :Observar el tiempo de vida de un artefacto elctrico.
3.2 Espacio muestral ( S)

Es el conjunto de todos los posibles resultados de un experimento aleatorio. Cada elemento de este
conjunto se le denomina punto muestral y se le denota con w.
Ejemplos
1= {1,2,3,4,5,6}
2= {cc,cs,sc,ss}
3 = {defectuoso, no defectuoso}
4 = {t/ t 0}
3.3 Evento
Es todo subconjunto del espacio muestral y representa cierta caracterstica de ella.
Se denotan mediante las primeras letras del alfabeto y en maysculas: A, B, C,
Evento simple
Formado por un slo un punto muestral. No se puede descomponer.
Ejemplos
Si 1= {1,2,3,4,5,6} entonces {1},{2},{3},{4},{5},{6} son eventos simples

Si 2= {cc,cs,sc,ss} entonces{cc},{cs},{sc},{ss} son eventos simples
Si 3 = {defectuoso, no defectuoso} entonces {defectuoso},{no defectuoso} son eventos simples
Evento compuesto
Formado por ms de un punto muestral.
Ejemplos
Si 1= {1,2,3,4,5,6} entonces A = {1, 3, 5} A: Obtener un nmero impar.

Es un evento compuesto.
Si 2= {cc,cs,sc,ss} entonces B= {cs,sc} B: obtener dos valores diferentes en las caras superiores
de las dos monedas.
3.4 Operaciones con eventos

Interseccin
La interseccin de dos eventos A y B es el evento que ocurre si tanto A como B, ocurren en una
sola realizacin del experimento. La interseccin de los eventos A y B se denota mediante el
smbolo A B
Unin
La unin de dos eventos A y B es el evento que ocurre si A o B, o ambos ocurren en una sola
realizacin del experimento. La unin de los eventos A y B se denota mediante el smbolo A
B
Eventos mutuamente excluyentes

Son aquellos eventos donde la ocurrencia de uno de ellos excluye la ocurrencia del otro, esto es
no pueden ocurrir los dos a la vez.
Ejemplo
En el experimento: Lanzamiento de un dado.

Sean los eventos:
A: Resulta un nmero menor que 5. B: Resulta un nmero par.
Obtenga la interseccin y la unin de los eventos A y B Son los eventos A y B mutuamente

excluyentes?
= {1,2,3,4,5,6} A = {1,2,3,4} y B = {2,4,6}

A B = {1,2,3,4,6} A B = {2,4}
AB Por tanto, los eventos no son mutuamente excluyentes.
Ejemplo
En el experimento : lanzamiento de dos dados, el espacio muestral es = {(1,1), (1,2) (1,3),
.(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}
Se definen los eventos:
A: obtener una suma de seis A = {(1,5), (5,1), (2,4), (4,2) (3,3)}

B: obtener una suma de cinco B = {(1,4), (4,1), (2,3), (3,2)}
Estos eventos son mutuamente excluyentes, dado que ambos a la vez no pueden ocurrir, esto es
AB = , es decir la interseccin de los eventos no tienen elementos en comn.
Ejercicio
Se realiza el siguiente experimento aleatorio : lanzamiento de dos dados de seis caras.
Determine el espacio muestral.
Sean los eventos: A: suma de los dados es 8; B: suma de los dados mayor a 6 y C: suma de los
dados menor a 9. Determine los elementos de los eventos.
Obtenga la interseccin de los eventos A y B, la unin de los eventos B y C Son los eventos A
y C mutuamente excluyentes?
3.5 Probabilidad
Sea un experimento aleatorio, el espacio muestral asociado, y sea A un evento definido en el
espacio muestral ; la probabilidad del evento A es la medida del grado de posibilidad de ocurrencia
del evento A cuando se realiza una vez el experimento. La probabilidad de un evento A ser un
nmero que denotaremos por P(A) y debe cumplir los siguientes axiomas:
ii) 0 P(A) 1
iii) P() = 1
iv) Sea {Ai},Ai, i=1,2,3,..,n una sucesin de eventos mutuamente excluyentes, entonces
n
P(A1A2A3An) = P( A )
i 1
i
Si P(A) tiende a 0, es poco probable que el evento A ocurra.

Si P(A) tiende a 1, es un muy probable que el evento A ocurra.
En un espacio muestral finito la suma de las probabilidades de todos los eventos simples Ei debe
ser igual a 1.
n
P( E ) 1
i 1
i i 1,2,3,..., k
3.6 Definicin clsica de la probabilidad de un evento

Sea un experimento aleatorio cuyo correspondiente espacio muestral est formado por un nmero
n finito de posibles resultados distintos y con la misma probabilidad de ocurrir, entonces definimos
la probabilidad de un evento A como sigue:
n A nmero de casos favorables al evento A

P( A)
n nmero total de casos
3.7 Eventos complementarios

El complemento de un evento A es el evento en el que
A no ocurre, es decir, el evento formado por todos los
eventos simples que no estn en el evento A. El
complemento del evento A se denota mediante el
smbolo Ac.
A Ac =
La suma de las probabilidades complementarias es igual a 1.

P( A) P( Ac ) 1
3.8 Reglas de probabilidad para uniones e intersecciones

Regla aditiva de la probabilidad
La probabilidad de la unin de los eventos A y B es la suma de las probabilidades de los eventos
A y B menos la probabilidad de la interseccin de los eventos A y B:
P( A B) P( A) P( B) P( A B)
A B B
A AB
Regla aditiva para eventos mutuamente excluyentes

Si dos eventos A y B son mutuamente excluyentes, la probabilidad de la unin de A y B es igual
a la suma de las probabilidades de A y B:
P( A B) P( A) P( B)
Ejemplo
El gerente de INGENIEROS METAC S.A.C., es una organizacin orientada a suministrar
productos, servicios y desarrollo de soluciones de ingeniera aplicada, considera que la probabilidad
de que los accidentes en Transmisiones & Ejes hayan sido ocasionados por las conexiones elctricas
es 0,24, por falla mecnica es 0,18 y por conexiones elctricas o falla mecnica es 0,39. Si se
selecciona al azar un accidente producido en Transmisiones & Ejes y definiendo los eventos de
inters:
E = {Accidentes por conexiones elctricas}, M = {Accidentes por falla mecnica}

P ( E ) = 0,24 y P ( M ) = 0,18 P ( E M ) = 0,39
a. Determine la probabilidad que se haya producido por ambos tipos de falla.

P(EM)= P(E)+ P(M) -P(EM)
0,39 = 0,24 + 0,18 - P ( E M )
P ( E M ) = 0,03
b. Cul es la probabilidad de que el accidente se haya producido por solo un tipo de falla?
P ( E M ) = P ( E) - P ( E M ) = 0,24 - 0,03 = 0,21 o
P ( E M ) = P ( M) - P ( E M ) = 0,18 - 0,03 = 0,15
P ( E M ) + P ( E M ) = 0,36
Ejercicio
Despus de una poltica de mejora de la calidad de la produccin de Chemi-latex, tanto en el rea
de llenado como el de sellado, los trabajadores fueron sensibilizados para realizar sus labores de
produccin de la mejor manera y as disminuir los productos defectuosos en la produccin. Para
corroborarlo se toma una muestra de 80 productos, encontrndose que 25 presentan defectos en el
llenado, 32 presentan defectos en el sellado y 30 no presentaban defectos. Si se selecciona un
producto al azar.
a. Determine la probabilidad de que se hayan producido ambos tipos de defectos.
b. Cul es la probabilidad de que se haya producido solo uno de los tipos de defectos?
c. Los eventos defecto en el sellado y defecto en llenado son mutuamente excluyentes? Explique.
3.9 Principios fundamentales de conteo

Comprende un conjunto de procedimientos que permiten determinar el nmero de resultados de un
suceso o experimento sin necesidad de utilizar una enumeracin e identificacin directa de todos
los posibles resultados de dicho suceso o experimento.
Analicemos los siguientes experimentos aleatorios:
1: lanzamiento de un dado
1= {1,2,3,4,5,6} es fcil listar y contar los posibles resultados
2: nmeros pares de tres cifras que se pueden formar con los dgitos 1,2,3,4,5,6,7,8,9
2= {174,148,184,198,194,144, } ya no es fcil listar y contar los posibles resultados
Ante esta situacin es necesario utilizar tcnicas que nos faciliten el conteo de estos posibles
resultados.
Principio de la multiplicacin
Si un procedimiento A puede realizarse de m maneras y otro procedimiento B puede realizarse

de n maneras, entonces los dos procedimientos A y B (uno seguido del otro) ocurren de m x n
maneras o formas.
Ejemplo
Un ensamblador de computadoras tiene 4 microprocesadores de diferentes marcas y 3 memorias de
diferentes marcas de cuntas maneras posibles puede ensamblar una computadora?
Principio de la adicin
Si un procedimiento A puede realizarse de m maneras y otro procedimiento B puede realizarse

de n maneras, y si no es posible que ambos se realicen en forma simultanea entonces los dos
procedimientos A o B ocurren de m + n maneras o formas.
Ejemplo
Un ingeniero de telecomunicaciones est proyectando un viaje a una provincia para instalar una
antena parablica, debe decidir el viaje por bus o por tren. Si hay tres rutas para el bus y dos para el
tren de cuntas maneras posibles puede realizar el viaje?
Tcnica de conteo:
Combinacin
Es una tcnica que permite contar el nmero de maneras de seleccionar o elegir aleatoriamente r
elementos de un total de n, sin considerar el orden de seleccin. Est dado por:
n!

n
C r
r ! (n r ) !
Ejemplo
Un grupo de 20 ingenieros civiles igualmente capacitados forman el staff de una empresa
constructora. Si se eligen al azar a 3 de ellos para participar en un proyecto, de cuntas maneras
posibles se pueden seleccionar a estos 3 ingenieros?
1. Una caja contiene 24 resistencias con etiqueta negra y 24 con etiqueta roja; de los de etiqueta
negra cinco son de 5 ohmios y el resto de 8 ohmios; mientras que los de etiqueta roja doce son
de 5 ohmios y el resto de 8 ohmios:
a) Si se selecciona una resistencia al azar de la caja, cul es la probabilidad que la resistencia
sea de 8 ohmios?
b) Si se seleccionan al azar dos resistencias de la caja, cul es la probabilidad que las dos sean
de igual color.
c) Si se seleccionan al azar tres resistencias de la caja, cul es la probabilidad que dos sean
de 5 ohmios y una de 8 ohmios?
2. Dos ingenieros civiles denominados A y B se distribuyen al azar en tres oficinas enumeradas

con 1, 2 y 3 respectivamente, pudiendo estar ambos en una misma oficina. Cul es la
probabilidad de que dos oficinas se queden vacas?
3. En una competencia para construir una pared participan cuatro obreros A, B, C y D. Uno de
ellos necesariamente debe ganar. Si la probabilidad de que gane A es el doble de la de B, la de
B es la mitad de C y la de D es el triple de A, cul es la probabilidad que gane A?
3.10 Probabilidad condicional

Si A y B son dos eventos de un espacio muestral , entonces, la probabilidad condicional de
que ocurra el evento A dado B se determina por:
()
P (A/B) = ( )
, siendo P (B) > 0
Ejemplo
Para ocupar un puesto de trabajo en el departamento de diseo de ingeniera de una compaa

constructora de barcos, se han presentado postulantes, cuyas principales caractersticas se resumen
en el siguiente cuadro:
Egresado de ingeniera No egresado de

Aos de experiencia Total
Mecnica (M) Industrial (I) universidad (N)
Al menos tres aos de experiencia (A) 14 4 9 27
Menos de tres aos de experiencia (B) 25 11 27 63
Total 39 15 36 90
El orden en que el gerente de la estacin entrevista a los aspirantes es aleatorio. Determine la

probabilidad de que el primer entrevistado por el gerente:
a. Tenga menos de tres aos de experiencia y sea egresado de ingeniera mecnica.
25
P ( B M) = 90 = 0,278
b. No sea egresado de universidad si se sabe que tiene menos de tres aos de experiencia.
27
( )
90
P ( N / B) = 63 = 0,429
(90)
c. Tenga al menos tres aos de experiencia dado que es egresado de ingeniera industrial.
4
( )
90
P ( A / I) = 15 = 0, 267
(90)
d. Sea egresado de ingeniera mecnica o tenga al menos tres aos de experiencia.

39 27 14
P ( M U A ) = P ( M ) + P ( A ) - P ( M A ) = 90 + 90
90
= 0,578
Ejercicio
17
La probabilidad que la construccin de un edificio termine a tiempo es 20 , la probabilidad que no
3
haya huelga es , y la probabilidad que la construccin se termine a tiempo dado que no hubo huelga
4
14 1
es ; la probabilidad que haya huelga y no se termine la construccin a tiempo es , Defina los
15 10
eventos y calcule las siguientes probabilidades:
a. La construccin se termine a tiempo y no haya huelga.
b. No haya huelga dado que la construccin se termin a tiempo.
c. La construccin no se termine a tiempo si hubo huelga.

d. La construccin no se termine a tiempo si no hubo huelga.
Regla multiplicativa de la probabilidad
De la definicin de probabilidad condicional, obtenemos la frmula para hallar la probabilidad de

la interseccin (o producto) de los eventos A y B, esto es, de
P( A B) P( A | B) P( B) P( B A) P( A)
Ejemplo
Si A y B son eventos tales que P(A) = 0.4,P(B) = 0.2 y P(A/B) = 0.5. Calcule: P(A B) y P(Ac B)
3.11 Eventos independientes

Los eventos A y B son independientes si la ocurrencia de B no altera la probabilidad de que haya
ocurrido A, es decir, los eventos A y B son independientes si:
P( A B ) P( A)
Si dos eventos no son independientes, se dice que son dependientes.
Regla multiplicativa para eventos independientes
Si los eventos A y B son independientes, la probabilidad de la interseccin de A y B es igual al

producto de las probabilidades de A y B, es decir,
P( A B) P( A) P( B)
Generalizando para los eventos independientes E1 , E2 , , Ek .
P( E1 E2 ...Ek ) P( E1 ) P( E2 ) P( Ek )
Propiedades
Si los eventos A y B son independientes, entonces tambin son independientes:

AC y BC esto es P(ACBC) = P(AC) P(BC)
AC y B esto es P(ACB) = P(AC) P(B)
A y BC esto es P(ABC) = P(A) P(BC)
Esta propiedad se puede generalizar para ms de dos eventos.
Leyes de Morgan
P(AB)C = P(ACBC)
P(AB)C = P(ACBC)
Estas leyes se pueden generalizar para ms de dos eventos.
Ejemplo
Un sistema electrnico est compuesto por tres subsistemas A, B y C, de tal manera que las
probabilidades de fallar de cada uno son 0,15; 0,20 y 0,35. Si los subsistemas funcionan de manera
independiente, definir los eventos y calcular:
A = {El subsistema A falle} B = {El subsistema B falle}

C = {El subsistema C falle}
P(A) = 0,15 P(B) = 0,20 P(C) = 0,35

P(A) = 0,85 P(B) = 0,80 P(C) = 0,65
a. La probabilidad de que al menos uno de los subsistemas falle.
S = {al menos uno de los sistemas falle} S = {Ningn de los sistemas falle}
P(S) = 1- P (S) = 1 - P ( ABC) = 1 - P ( A) * P(B) * P(C)

P(S) = 1 0,85 * 0,80 * 0,65 = 0,558
b. La probabilidad de solo dos de los subsistemas funcionen.
S2 = {slo dos de los sistemas funcionen}
P(S2) = P ( ABC) + P ( ABC) + P ( ABC) =

P(S2) = P ( A) *P(B) * P(C) + P (A) * P(B) * P(C) + P (A) * P(B) * P(C)
P(S2) = 0,85 *0,20 * 0,65 + 0,15 * 0,80 * 0,65 + 0,85 * 0,80 * 0,35 = 0,4265
Aplicacin al sistema de componentes: Confiabilidad de Sistemas

Podemos aplicar el concepto de la independencia de eventos al caso en que se tenga un sistema de
componentes electrnicos acoplados en serie o en paralelo.
Sistema en serie: Un sistema de componentes acopladas en serie funciona si todos sus

componentes funcionan. Sea = La componente A funciona; = La componente B funciona Para
que el sistema funcione , ambos deben funcionar.
P( ) = P( ) = P() P( )
Ejemplo
El sistema funcionar slo si ambos componentes funcionan. El componente A funciona con una
probabilidad de 0.98 y el componente B funciona con una probabilidad de 0.95. Suponga que A y
B funcionan de manera independiente. Determine la probabilidad que el sistema funcione.
P(FS ) = P(FA FB ) = P(FA ) P(FB ) = 0,98 * 0,95 = 0,931
Sistema en paralelo: Un sistema de componentes acoplada en paralelo funciona, si al menos una

de sus componentes funciona. El sistema funcionar si alguno, C o D funcionan.
P(FS ) = P(FA FB ) = P(FA ) + P(FB ) P(FA FB )

P(FS ) = P(FA FB ) = P(FA ) + P(FB ) P(FA )P( FB )
P(FS ) = 1 - P(NFA ) P(NFB )
Ejemplo
Los componentes C y D funcionan con una probabilidad de 0,90 y 0,85 respectivamente. Suponga
que C y D funcionan de manera independiente. Determine la probabilidad de que el sistema
funcione.
P(FS ) = 1 - P(NFA ) P(NFB ) = 1 0,10 * 0,15 = 0,985
Ejercicio
Un sistema elctrico consta de cuatro componentes. El sistema funciona si los componentes A y B
funcionan, y si funciona cualquiera de los componentes C o D. La confiabilidad (probabilidad de
que funcionen) de cada uno de los componentes tambin se muestra en la figura. Suponga que los
cuatro componentes funcionan de manera independiente.
Calcule las siguientes probabilidades:
a. Que el sistema completo funcione.

b. Que el componente C no funcione, dado que el sistema completo funciona.
3.12 Probabilidad Total y el Teorema de Bayes

Probabilidad Total
Sean los eventos A1 , A2 ,..., Ak ,los cuales forman una particin del espacio muestral mutuamente
excluyentes y exhaustivos y sea E otro evento cualquiera de , se cumple:
P( E ) P( A1 ) P( E / A1 ) P( A2 ) P( E / A2 ) ......... P( Ak ) P( E / Ak )
Donde a la P(E) se le conoce como la probabilidad total.
Teorema de Bayes
Si los eventos A1 , A2 ,..., Ak , constituyen una particin del espacio muestral , entonces para
cualquier evento E de la P(Ai|E) es:
P( Ai E )
P( Ai | E ) para i 1, 2 ,, k
P( E )
P( Ai ) P( E Ai )
P( Ai | E )
P( A1 ) P( E A1 ) P( A2 ) P( E A2 ) ... P( Ak ) P( E Ak )
Ejemplo
Una cadena de tiendas de suministros de construccin vende tres marcas diferentes de teodolitos.
De sus ventas de teodolitos, 50% son de la marca 1 (la menos cara), 30% son de la marca 2 y 20%
son de la marca 3. Cada fabricante ofrece 1 ao de garanta en las partes y mano de obra. Se sabe
que 25% de los teodolitos de la marca 1 requieren trabajo de reparacin dentro del periodo de
garanta, mientras que los porcentajes correspondientes de las marcas 2 y 3 son 20% y 10%,
respectivamente.
Definamos los eventos:
Ai = {Marca i adquirida} con i = 1,2,3

B = {Necesita Reparacin} B = {No necesita reparacin}
Con el diagrama del rbol:
a. Cul es la probabilidad de que un comprador seleccionado al azar haya adquirido un teodolito

marca 1 que necesitar reparacin mientras se encuentra dentro de garanta?
P(A1B) = P(B|A1)*P(A1) = 0,125
b. Cul es la probabilidad de que un comprador seleccionado al azar haya comprado un teodolito

que necesitar reparacin mientras se encuentra dentro de garanta?
P(B) = P(marca 1 y reparacin) P(marca 2 y reparacin) P(marca 3 y reparacin)

= P(A1B) + P(A2B) + P(A3B)
= P(B|A1)*P(A1) + P(B|A2)*P(A2) + P(B|A3)*P(A3) =0,125 + 0,06 + 0,020 = 0,205
c. Si un cliente regresa a la tienda con un teodolito que necesita reparacin dentro de garanta, cul
es la probabilidad de que sea un teodolito marca 1? Un teodolito marca 2? Un teodolito marca
3?
(1 ) 0,125
P(A1| B) = ()
= 0,205
= 0,6098
(2 ) 0,060
P(A2| B) = = ()
= 0,205
= 0,2927
(3 ) 0,125
P(A3| B) = = ()
= 0,205
= 0,0976
Ejercicio
1. Una empresa se encuentra estudiando la posibilidad de importar para el prximo ao un nuevo
modelo de celular de ltima generacin. Al estudiar la situacin econmica del prximo ao se
contemplan tres posibilidades: inflacin, estabilidad o crecimiento, estimando dichas alternativas
con las siguientes probabilidades: 0,55; 0,35 y 0,10 respectivamente. La probabilidad de
importar el nuevo modelo de celular es 0,25 si existiera inflacin, 0,40 si existiera estabilidad y
0,65 si existiera crecimiento.
Presente el diagrama del rbol y defina los eventos
a. Cul es la probabilidad de importar el nuevo modelo de celular para el prximo ao?

b. Asumiendo que la empresa decidi importar el nuevo modelo de celular, cul es la

probabilidad que existiera inflacin en la economa?
2. Consideremos que tres mquinas Alpha, Beta y Gamma producen respectivamente el 50%, el
30% y el 20% del nmero total de artculos de una fbrica. Si la proporcin de artculos
defectuosos que produce cada una de estas mquinas es 0,03 0,04 y 0,05 respectivamente y se
selecciona un artculo aleatoriamente:
Presente el diagrama del rbol y defina los eventos
a. Calcule la probabilidad de que el artculo sea defectuoso.

b. Calcula la probabilidad de que el artculo seleccionado al azar haya sido producido por la
mquina Alpha o la mquina Beta, si se sabe que este es defectuoso.
c. Si se seleccionan cinco artculos, cul es la probabilidad que slo dos sean defectuosos?
1. Una empresa vende tres tipos de maquinaria pesada para la industria textil A, B y C. El 70% de
las mquinas son del tipo A, el 20% del tipo B y el 10% son del tipo C. Las mquinas A tienen
una probabilidad de 0,10 de producir una pieza defectuosa a lo largo de un ao, las mquinas B
tienen una probabilidad de 0,30 y las mquinas C tienen una probabilidad 0,60 de producir una
de tales piezas defectuosas a lo largo de un ao. Una de estas mquinas ha estado funcionando
durante un ao de prueba y ha producido una pieza defectuosa. De cul tipo de mquina es
ms probable que provenga la pieza defectuosa?
2. Durante la poca de exmenes, en cierto colegio, slo 25% de los profesores advierten por
escrito a sus alumnos que no est permitido levantarse a preguntar durante la prueba. No
obstante, se ha observado que a pesar de esa advertencia 20% de los estudiantes lo hacen. Para
los mentores que no establecen dicha advertencia, la cifra correspondiente es de 70%. Si durante
una prueba a cargo del profesor Jaime, de pronto irrumpe un inspector en el saln y observa que
hay alumnos que quebrantan la regla, cul es la probabilidad de que ese profesor no haya
advertido por escrito que se prohbe hacer preguntas en los exmenes?
3. Considere el sistema de componentes electrnicos conectados como se muestra en la figura.

Los componentes funcionan de manera independiente uno del otro, y la probabilidad de que
cada componente funcione es 0,90; cul es la probabilidad de que el sistema electrnico
funcione?
4. Se tiene un sistema antiguo compuesto de varios componentes que funcionan en forma

independiente y la probabilidad de falla de cada componente es 0,4. Para que el sistema funcione
basta que funcione al menos uno de los componentes, cuntos componentes debe tener el
sistema para tener una probabilidad de 0,98 de que el sistema funcione?
5. Electronic Systems Company que brinda soporte especializado en la instalacin de redes con
Tecnologa LAN o WAN en diferentes empresas, sabe que el 15% de las empresas prefieren
como medio fsico de transporte los cables de cobre de par trenzado, el 35% prefiere los cables
coaxiales, el 40% fibras pticas y 10% el aire. Adems, si la empresa elige los cables de cobre
de par trenzado como medio fsico la probabilidad que elija la Tecnologa WAN es 0,62; las
empresas que eligen cables coaxiales tienen una probabilidad de 0,45 de elegir la Tecnologa
LAN; las empresas que eligen la fibra ptica tiene una probabilidad de 0,55 de elegir la
Tecnologa WAN y las empresas que eligen el aire como medio fsico de transporte tienen una
probabilidad de 0,5 de elegir la Tecnologa LAN.
a. Calcule la probabilidad que una empresa elija para su Red la Tecnologa LAN.
b. Si se selecciona al azar una empresa que utiliza Tecnologa WAN, cul es la probabilidad
que utilice como medio fsico de transporte cables de cobre de par trenzado?
6. Si la probabilidad de que cada llave est cerrada dejando pasar corriente es p=0,6 y las llaves
se cierran y se abren en forma independiente, calcular la probabilidad de que pase corriente de
I hacia O en el siguiente circuito:
Unidad 4 Variable aleatoria y distribucin de

probabilidad
Logro de la unidad
Al trmino de la Unidad 4, el estudiante discrimina la distribucin de probabilidad a utilizar en los
diferentes casos de aplicacin.
4.1 Variable aleatoria

Sea un espacio muestral. Una variable aleatoria es una funcin X, que transforma cada
resultado w del espacio muestral en un nmero real X(w).
El rango de la variable aleatoria X es el conjunto RX de todos sus posibles valores.
Ejemplo
Al lanzar dos monedas para registrar los posibles resultados se obtiene el espacio muestral siguiente.
= {cc, cs, sc, ss}
Si ahora definimos la variable aleatoria X como nmero de caras que se obtiene, entonces a cada
resultado de, es posible asignarle un nmero real de la siguiente manera:
S
R
cc, se le asigna el nmero real 2
CC
cs, se le asigna el nmero real 1 CS 2
sc, se le asigna el nmero real 1 SC
1
ss, se le asigna el nmero real 0 SS
0
Clasificacin de variables aleatorias

Discreta: Si su rango es un conjunto finito o infinito numerable.
Ejemplos:
a. Nmero de circuitos electrnicos producidos por una empresa que cumplen con las
especificaciones tcnicas.
b. Nmero de llamadas que recibe una central telefnica.
Continua: Si su rango es un conjunto infinito no numerable.
Ejemplos:
c. Resistencia a la ruptura de un material plstico (onzas por pulgada cuadrada).
d. Resistencia transversal de los ladrillos fabricados por una empresa (MN/m2).
4.2 Variables aleatorias discretas

Sea X una variable aleatoria discreta.
Funcin de probabilidad de una variable aleatoria discreta

La probabilidad de que la variable aleatoria tome un valor genrico igual a x, se denotar de la
siguiente manera.
f x P( X x)
La funcin de probabilidad de X debe cumplir las siguientes condiciones:
f ( x) 0
f ( x) 1
Rango X
Ejercicio
El ingeniero de produccin de la empresa Tecnotronics S.A. ha determinado que la distribucin de
probabilidades del nmero de artculos defectuosos por lote es la siguiente:
x 0 1 2 3 4
f(x) 0.25 a 0.10 0.25 0.25
a. Encuentre el valor de la constante a para que la distribucin sea de probabilidad.

b. Calcule la probabilidad de encontrar menos de 2 artculos defectuosos por lote.
c. Si el lote tiene 2 o ms artculos defectuosos, es considerado malo cul es la probabilidad que
el lote sea malo?
d. Si el nmero de artculos defectuosos por lote es al menos 1, calcule la probabilidad de que el

nmero de artculos defectuosos sea menor que 3.
Solucin:
a. Para hallar el valor de la constante a, usaremos la siguiente condicin: f ( x) 1
Rango X
0,25 + a + 0,10 + 0,25 + 0,25 = 1 a = 0,15
b. P (X < 2) = P(X = 0) + P(X = 1) = 0,25 + 0,15 = 0,40
c. P(Lote sea malo) = P (X 2) = 1 P(X < 2) = 1 0,40 = 0,60
(=1)+(=2) 0,15+0,10
d. P(X < 3 / X 1) = 1(=0)
= 10,25
= 0,3333
Ejercicio
El departamento de control de calidad de una empresa selecciona al azar diariamente tres bombillas
de un lote que contiene 20 bombillas, para decidir si acepta el lote y los pasa al departamento de
produccin o rechaza el lote y los devuelve al proveedor.
a. Construya la distribucin de probabilidad del nmero de bombillas defectuosas que se encuentra

en la muestra, si el muestreo es sin reposicin y bajo la suposicin que el lote contiene 2
bombillas defectuosas.
X: Numero de bombillas defectuosas encontradas en la muestra.

Rx = { }
Debido a que las bombillas son escogidas con reposicin la probabilidad de que salga defectuoso o
no defectuoso permanece constante.
D = bombilla defectuosa P(D) =

C
D = bombilla no defectuosa P(B) =
P(X=0) =
P(X=1) =
P(X=2) =
Finalmente, colocamos los resultados en el cuadro de distribucin de probabilidades.
X 0 1 2
f(X)
b. Si la regla de decisin es: Rechazar el lote si en la muestra se encuentra ms de un artculo

defectuoso. Cul es la probabilidad de Rechazar un lote?
c. En relacin a la regla planteada en (b), si el lote es aceptado, cul es la probabilidad que la

muestra contenga un defectuoso?
Esperado de una variable aleatoria discreta

Sea X una variable aleatoria discreta con funcin de probabilidad f(x). Entonces el valor
esperado o medio de X es:
E( X ) xf ( x)
Rango x
Esperado de una funcin de X

Sea X una variable aleatoria discreta con funcin de probabilidad f(x), y sea g(x) una funcin de
la variable X. Entonces, el valor esperado o medio de g(x) es:
E g ( x) g ( x) f ( x)
Rango x
Propiedades del valor esperado
El valor esperado tiene ciertas propiedades que se presentan a continuacin, las cuales son de
bastante utilidad.
Sean a y b constantes cualesquiera y sea X una variable discreta. Entonces:
E(a) = a
E(bX) = bE(X)
E(a + bX) = a + bE(X)
Sean g1 ( x),..., g k ( x) funciones de X, E[g1(x)+ + gk(x)] = E[g1(x)]+ + E[gk(x)]
Varianza de una variable aleatoria

Sea X una variable discreta con funcin de probabilidad f(x). Entonces, la varianza de X es:
2 = V(X) = E[X - ]2 = E(X2) - 2
Formula abreviada para el clculo de la varianza:
V(X) = E(X2) [E(X)]2

Dnde: E(X2) = 2 ()
La desviacin estndar de X es la raz cuadrada positiva de la varianza de X
2
Propiedades de la varianza
Sean a y b dos constantes cualesquiera y sea X una variable discreta. Entonces:
V(a) = 0
V(bX) = b2 V(X)
V(a + bX) = b2 V(X)
Ejemplo
El nmero de fallas de energa elctrica que afectan a cierta regin en cualquier ao dado se
considera una variable aleatoria, que tiene la siguiente funcin de probabilidad:
x 0 1 2 3
P(X = x) 0,38 0,24 k 0,08
a. Calcule e interprete el valor esperado de X.

b. Calcule la desviacin estndar de X.
c. Si por cada falla elctrica se estima que la regin pierde aproximadamente 14300 dlares, cul
es la prdida esperada?
Solucin
En primer lugar hallaremos el valor de k para que la distribucin sea funcin de probabilidad:
0,38 + 0,24 + k + 0,08 = 1 k = 0,3
a. E(X) = 0*0,38 + 1*0,24 + 2*0,3 + 3*0,08 = 1,08

Si el experimento se repitiera muchas veces, en promedio el nmero de fallas de energa

elctrica que afectan a cierta regin en cualquier ao dado, sera de 1.08.
b. Para calcular la varianza usaremos la formula abreviada: V(X) = E(X2) [E(X)]2
E(X2) = 02*0,38 + 12*0,24 + 22*0,3 + 32*0,08 = 2,16
V(X) = 2,16 [1,08]2 = 0,9936
c. Perdida = 14300X E(Perdida) = 14300 E(X) = 14300*1,08 = 15444
Ejemplo
Un ingeniero civil del departamento de obras, muestra la distribucin de probabilidad de la

variable aleatoria X= N de habitaciones a construir en edificios residenciales.
x 4 5 7 8 9
f(x) 0,20 0,25 0,10 0,15 0,30
a. Si la gerencia del departamento de obras le impone que construya menos de ocho habitaciones
y suponiendo que se cumple con este requerimiento, cul es la probabilidad que construya por
lo menos cinco habitaciones?
P (X 5 / X < 8) = 0,35/0,55= 0,6364
b. Si el precio Q en soles de una vivienda en un edificio residencial est dado por la funcin
Q = 14 600 X +1000 Cunto esperara pagar un cliente por una vivienda?
E (X) = 6,65
E (Q) = 14 600 E(X) + 1000 = 14 600 (6,65) + 1000 = 98 090
Un cliente esperara pagar por una vivienda 98 090 soles.
Ejercicios
1. Segn el departamento de control de calidad de una empresa fabricante de tornillos, el nmero

de fallas superficiales en los tornillos corresponde a una variable aleatoria X con E (X) = 0.88
por tornillo. Adems se sabe que la funcin de probabilidad est dada por:
x 0 1 2 3 4
f(x) a 0,37 0,16 b 0,01
a. Cul es la probabilidad de que un tornillo presente al menos 2 fallas?

b. Calcule la varianza y el coeficiente de variacin de X.
2. Una librera necesita hacer el pedido semanal de una revista especializada de ingeniera. Por
registros histricos, se sabe que las frecuencias relativas de vender una cantidad de ejemplares
es la siguiente:
Demanda de ejemplares 1 2 3 4 5 6
Frecuencia relativa 1/15 2/15 3/15 4/15 3/15 2/15
a. Calcule la media y varianza de la demanda de ejemplares.

b. Pagan S/. 5 por cada ejemplar y lo venden a S/. 10. De mantenerse las condiciones bajo
las que se registraron los datos y si las revistas que quedan no tienen valor de recuperacin,
cuntos ejemplares de revista se debera solicitar.
3. Enigma S.A. produce artculos perecibles. A continuacin se presenta una tabla con los datos
histricos de las demandas semanales obtenidas en las ltimas 50 semanas y el nmero de
semanas de ocurrencia:
Nmero de productos demandados 2 000 3 000 4 000 5 000

Nmero de semanas 15 20 10 5
a. Si la compaa decide programar la produccin de dicho artculo tomando exactamente el

valor esperado de la demanda, cuntas unidades de dicho artculo debe producir la
compaa semanalmente?
b. Si cada unidad tiene un costo de S/. 5 y se vende a S/. 10. Si el producto no se vende
durante la semana siguiente a la producida, se debe rematar a un precio de S/. 2,5. Todos
los productos ofrecidos en remate se venden, cuntas unidades debe producirse
semanalmente la compaa para maximizar su utilidad esperada?
4. Un contratista debe elegir entre dos trabajos. El primero promete un beneficio de S/. 80 000 con
una probabilidad de 0,75 o una prdida de S/. 20 000 con una probabilidad de 0,25. El segundo
trabajo promete un beneficio de S/. 120 000 con una probabilidad de 0,5 o una prdida de S/.
30 000 con una probabilidad de 0,5.
a. Qu trabajo recomendara al contratista si ste quiere maximizar su beneficio?

b. Qu trabajo debera elegir el contratista si su negocios van mal y para no quebrar necesita
un beneficio mnimo de S/. 100 000 en el siguiente trabajo?
4.3 Distribuciones especiales discretas

Distribucin binomial
El experimento consiste de n pruebas idnticas de Bernoulli.

Cada prueba tiene nicamente dos resultados: xito o fracaso. P(xito)=p y P(fracaso)=1-p se
mantiene constante a lo largo de todas las pruebas.
Las pruebas son independientes.
La probabilidad del evento considerado como xito es constante en cada prueba y se denota
por p.
La variable aleatoria binomial se define como:
Nmero de xitos que ocurren en los n ensayos o pruebas.
La funcin de probabilidad de X es:
f x P( X x) Cxn p x 1 p
n x
, x 0, 1, 2, ... , n
Donde:
n: Numero de ensayos o pruebas

p: Probabilidad de xito en cada ensayo
1 p: Probabilidad de fracaso
Notacin:
Si la variable aleatoria X sigue una distribucin binomial con parmetros n y p se denota: X
~B (n, p)
Media = E(X) = np
Varianza 2 = Var(X) = np(1-p)
Ejemplo
El supervisor de una obra ha determinado que un proveedor entrega los pedidos a tiempo alrededor
del 94% de las veces. Para su ltima obra, el supervisor seleccion una muestra de 12 pedidos.
a. Calcule la probabilidad de que el proveedor entregue por lo menos 11 pedidos a tiempo.
b. Calcule el valor esperado del nmero de pedidos entregados a tiempo.
Solucin:
X: Nmero de pedidos entregados a tiempo en una muestra de 12 pedidos

X ~ B (n = 12, p = 0,94)
12 10
a) P(X 11) = P(X = 11) + P(X = 12) = 11 0.9411 (1 0.94)1 + 12 0.94112
(1 0.94)0 = 0,000
b) E(X) = n*p = 12*0.94 = 11.28 = 11
Ejercicio
En un proceso de fabricacin se produce unidades pre coladas con un 1% de unidades defectuosas.

Todos los das se someten a prueba 10 unidades seleccionadas al azar de la produccin diaria. Si
existen fallas en una o ms de estas unidades se detiene el proceso de produccin.
La variable aleatoria X se define:

X:
X~
a. Cul es la probabilidad de encontrar dos unidades defectuosas?
Respuesta: 0,00415
b. Cul es la probabilidad de detener el proceso?
Respuesta: 0,0956
c. Calcule el valor esperado y la desviacin estndar del nmero de unidades no defectuosas.
Respuesta: 9,9 y 0,3146

Distribucin hipergeomtrica
El experimento consiste en extraer al azar y sin reposicin n elementos de un conjunto de N

elementos, r de los cuales son xitos y (N -r) son fracasos.
Las pruebas son independientes entre s.
Las pruebas presentan la misma condicin, es decir que cada resultado solo puede tener dos
posibles resultados: xito o Fracaso
La probabilidad de xito cambia en cada ensayo.
La variable aleatoria hipergeomtrica se define como:
Nmero de xitos que ocurren en los n ensayos o pruebas.
Cxr CnNxr
f ( x) P X x x max[0, n ( N r )],..., min(r , n)
CnN
Donde:
N: Tamao de la poblacin
r : Numero de xitos en la poblacin
n : Numero de ensayos o tamao de la muestra
x : Numero de xitos en la muestra
Notacin:
Si la variable aleatoria X sigue una distribucin hipergeomtrica con parmetros N, r y n, se
denota: X ~H (N, n, r)
EX n
r
Media
N
r r N n
Varianza 2 V X n 1
N N N 1
Ejemplo
Una compaa de transporte tiene una flota de 24 camiones. Dentro de la poltica ambiental de la
compaa, cada mes selecciona al azar seis camiones y mide los niveles de contaminacin.
a. Cul es la probabilidad de que dos de los camiones elegidos emitan cantidades excesivas de
contaminacin? Suponga que en verdad cuatro camiones de la flota emiten cantidades excesivas
de contaminacin.
b. Si en la muestra elegida al menos dos emiten cantidades excesivas de contaminacin, la
compaa decidir que toda la flota debe pasar una revisin tcnica, qu tan probable es que
los 24 camiones pasen la revisin tcnica, manteniendo la suposicin de la parte a?
c. Qu tan probable es que toda la flota pase la revisin tcnica si en verdad ocho camiones de la
flota emiten cantidades excesivas de contaminacin?
Solucin:
X: Nmero de camiones que emiten cantidades excesivas de contaminacin de n = 6 camiones
X ~ H (N = 24, r = 4, n = 6)
24 420
a. P(X = 2) = = 0,21598
624
04 620 14 520
b. P(revisin tcnica) = P(X2) = 1 P(X1) = 1 [ + ] = 1 0,748730 = 0,25127
624 624
c. X ~ H (N = 24, r = 8, n = 6)
08 616 18 516
d. P (revisin tcnica) = P(X 2) = 1 P (X 1) = 1 [ + ] = 1 0,319118 = 0,680882
624 624
Ejercicio
Durante una semana, una empresa fabrica 50 radiotransmisores de alta frecuencia. Por histrico se
sabe que el 20% de los radiotransmisores fabricados presentan por lo menos una falla y el resto
operan sin problemas. El departamento de control de calidad realiza inspecciones rigurosas cada
semana que consiste en selecciona al azar una muestra de cinco radiotransmisores.
La variable aleatoria X se define

X:
X~
a. Cul es la probabilidad de que tres presenten al menos una falla?
Respuesta: 0,04418
b. Se rechazar todo el lote para la venta si la muestra presenta por lo menos cuatro
radiotransmisores con al menos una falla, qu tan probable es que se rechace el lote?
esta: 0,00408
Distribucin Poisson
El experimento consiste en realizar el conteo del nmero X de veces que ocurre un evento en
particular durante una unidad de tiempo, rea, volumen, peso, distancia o cualquier otra unidad
de medida dada.
La probabilidad de que un evento ocurra en una unidad dada de tiempo, rea, etc.; es la misma
para todas las unidades.
El nmero de eventos que ocurren en una unidad de tiempo, rea, volumen es independiente del
nmero de los que ocurren en otras unidades.
La variable aleatoria Poisson se define como:
Nmero de veces que ocurre un evento durante un intervalo definido
e x
f ( x) P X x x 0,1, 2, 3,...
x!
Donde:
e: Base del sistema de logaritmos neperianos

: Media de la cantidad de veces (xitos) que se presenta un evento en un intervalo
particular
Notacin:
Si la variable aleatoria X sigue una distribucin Poisson con parmetro se denota: X ~ P (
)
Media EX
Varianza 2 V X
Ejemplo
En la inspeccin del pavimento y asfalto de una carretera recin construida se ha detectado que hay,
en promedio 1,25 baches o fisuras cada cuatro kilmetros. Asumiendo una distribucin de Poisson,
determine:
a. La probabilidad de que en el siguiente kilmetro se encuentre dos baches o fisuras.

b. La probabilidad de que en los siguientes dos kilmetros se encuentre a lo ms tres baches o
fisuras.
c. El costo de reparacin de estos defectos es de $35 por cada bache o fisura detectado. Cul ser
el costo esperado al inspeccionar 80 km de esta carretera?
Solucin
a. X: Nmero de baches o fisuras cada kilmetro

X ~ Poisson (= 0,3125)
0.3125 0.31252
P(X=2) = 2!
= 0,03572
b. X: Nmero de baches o fisuras cada dos kilmetro

X ~ Poisson (= 0.625)
P (X 3) = P(X=0) + P(X=1) + P(X=2) + P(X=3) = 0,9961
c. X: Nmero de baches o fisuras en 80 kilmetros

X ~ Poisson (= 25)
Costo = 35*X
E (Costo) = 35*25 = $ 875
Ejercicio
Con la finalidad de disear un nuevo sistema de control de trfico, un ingeniero recoge informacin
sobre el nmero de automviles que llegan a una interseccin. Por histrico se sabe que en
promedio llegan cuatro autos a la interseccin cada minuto segn un proceso de Poisson.
La variable aleatoria X se define:

X:
X~
a. Qu probabilidad hay de que en 30 segundos lleguen tres autos?
Respuesta: 0,18045
b. Qu probabilidad hay de que entre las 5:25 pm y 5:28 pm el nmero lleguen menos de dos
autos?
Respuesta: 1
c. Si en un minuto llegaron ms de tres autos, cul es la probabilidad que como mximo sean
cinco los autos que llegaron en ese minuto?
Respuesta: 0,620726
Ejercicio
Cierto tipo de azulejo puede tener un nmero X de puntos defectuosos con media de 3 puntos
defectuosos por azulejo.
a) Calcule la probabilidad de que haya 5 defectos en un azulejo elegido al azar.
b) El precio del azulejo es $1,5 si el azulejo no tiene ningn defecto, si tiene uno a dos fallas se
vende en $0,90 y si tiene ms de dos defectos se remata en $0,20. Calcule el precio esperado por
azulejo.
Ejercicios
1. Un cierto sistema mecnico contiene componentes y se han seleccionado al azar 10. Suponga
que la probabilidad de que cualquier componente individual falle es de 0,07 y que los
componentes fallan independientes unos de otros.
a) Cul es la probabilidad de que falle al menos uno de los componentes?
b) Cul es la probabilidad de que fallen exactamente 2 componentes?
c) Cul es la probabilidad de que fallen entre 2 y 5 componentes?
d) Obtenga el E(X) y V(X)
2. Un fabricante de piezas para automviles garantiza que cada caja de piezas fabricadas por su
empresa contiene como mximo 3 piezas defectuosas. Si cada caja contiene un total de 20 piezas
y la experiencia ha mostrado que en el proceso de manufactura se produce el 2% de las piezas
defectuosas. Cul es la probabilidad de que cada caja de piezas satisfaga esta garanta?
3. Un comerciante recibe para su venta, cierto tipo de artculo en cajas que contienen 10 unidades
de los cuales 3 artculos son defectuosos. El control de calidad por caja consiste en extraer una
muestra de 4 artculos uno por uno sin reposicin y aceptar la caja si la muestra contiene a lo
ms un defectuoso. Calcular la probabilidad de rechazar una caja.
4. En un lote de 8 productos, slo 5 de stos cumplen con las especificaciones tcnicas requeridas.
Si de ese lote se escogen 3 productos al azar y sin reposicin, calcule la probabilidad de que 2
cumplan con las especificaciones tcnicas.
5. Un distribuidor mayorista recibe diariamente un lote de 20 refrigeradoras de las cuales ocho son
de color blanco y las restantes de color plata. Un comerciante minorista le solicita, tambin
diariamente, seis refrigeradoras. Suponiendo que las refrigeradoras se seleccionan al azar.
a) Cul es la probabilidad de que, en un da cualquiera, el nmero de refrigeradoras de color
blanco seleccionadas sea ms de tres?
b) Cul es la probabilidad que, para los siguientes cinco das, como mximo en dos das, el
minorista reciba exactamente tres refrigeradoras de color plata? Suponer independencia.
6. En un almacn de aparatos electrnicos se almacenan 10 tostadoras para su distribucin, cuatro

de la marca A y el resto de marcas menos conocidas. Si un empleado selecciona al azar cinco
tostadoras para llevarlas por encargo a una tienda para su comercializacin, calcular la
probabilidad de que en las cinco tostadoras seleccionadas:
a) Existan exactamente dos de la marca A.
b) A lo sumo haya una tostadora de las marcas menos conocidas.
7. El nmero de averas semanales de una cierta mquina de una fbrica es una variable aleatoria
con distribucin de Poisson con media 0,3.
a) Cul es la probabilidad de que la mquina tenga a lo ms dos averas en una semana?
b) Si se tienen 5 de estas mquinas. Cul es la probabilidad de que al menos 2 de estas no
tengan averas en dos semanas?
8. En un estudio del trnsito en cierta interseccin, se determin que el nmero de automviles

que llegan a un ovalo tiene distribucin de Poisson con media igual a 5 automviles por
segundo.
a) Cul es la probabilidad de que en un segundo lleguen al ovalo ms de dos automviles?
b) Calcule la probabilidad de que en los siguientes 10 segundos lleguen al ovalo 40
automviles.
c) Suponga que el 90% de vehculos que llegan diariamente al ovalo mencionado son de
transporte privado. Para los siguientes 5 das, calcule la probabilidad de que lleguen al ovalo
por lo menos tres vehculos de transporte privado.
4.4 Variables aleatorias continuas

Sea X una variable aleatoria continua.
Funcin de densidad de una variable continua

Se denomina funcin de densidad f(x) de una variable aleatoria continua X a la funcin f(x)
integrable que satisface:
f(x)
f ( x) 0

f ( x)dx 1

b
P(a X b) f ( x)dx
a b
a
Ejemplo
Sea K una constante y consideremos la funcin de densidad de la vida til, en aos, de cierto tipo
de computadora:
kx 0 x 2
f ( x)
0 c.c.
a. Obtenga el valor de k, para que f(x) sea funcin de densidad.

b. Calcule la P(0,5 < X < 1,8)
c. Calcule la P(X > 1)
Solucin
a. Para que f(x) sea funcin de densidad debe de satisfacer la siguiente condicin:
2 2
0 = 1 K 0 = 1 k(2) = 1 k=
1
x 0 x2
f ( x) 2
0 c.c.
1.8 1
b. P(0,5 < X < 1,8) = 0.5 2 = 0,7475
21
c. P(X > 1) = 1 2 = 0,75
Ejercicio
El gerente de la empresa le informa al departamento de Control de Calidad que uno de los

principales clientes de la empresa ha exigido que las bombillas LED tengan como mnimo un tiempo
de encendido continuo de 2100 horas. La distribucin de densidad del tiempo de encendido contino
(en miles de horas) que obtuvo la empresa es la siguiente:
1
() = {6 (17 ) 1,8 2,2
0
a. Cul es la probabilidad de que el departamento de Control de Calidad pueda cumplir con la

exigencia del cliente?
b. Cul es la probabilidad de que el tiempo de encendido sea superior a 2000 horas?

Funcin de distribucin acumulada

La funcin de distribucin acumulativa F(x) para una variable aleatoria continua X se define:
x
F ( x) P( X x) f t dt

Si F(x) es la funcin de distribucin acumulativa para una variable aleatoria continua X,

entonces la funcin de densidad f(x) para X es:
dF ( x)
f ( x)
dx
Propiedad de la Funcin de distribucin acumulada
P ( x1 X x2 ) F ( x2 ) F ( x1 )
Ejemplo
El tiempo, en minutos, que un tren se retrasa es una variable aleatoria continua X con la siguiente
funcin de densidad:
3
(25 x 2 ) 0 x 5
f ( x) 250

0 c.c.
a. Determine la funcin acumulada F(X)

b. Calcule P(X > 2) haciendo uso de la funcin acumulada.
c. Calcule P(1.5 < X < 3.5) haciendo uso de la funcin acumulada.
Solucin
a. Para hallar la funcin acumulada F(X) seguiremos los siguientes pasos:
Si X 0 F(X) = 0
3 75 3
Si 0 < X < 5 F(X) = 0 250
(25 2 ) = 250
Si X 5 F(X) = 1
Finalmente,
0 x 0
75 3
F(x) = { 0 < x < 5
250
1 x 5
75(2)23
b. P(X > 2) = 1 P(X 2) = 1 F(2) = 1 [ ] = 0,432
250
75(3.5)3.53 75(1.5)1.53
c. Calcule P(1,5 < X < 3,5) = F(3.5) F(1.5) = 250
250
= 0,442
Ejercicio
Los sondeos de mercado realizados por un fabricante sobre la demanda de un producto indican que
la demanda proyectada debe considerarse una variable aleatoria X con valores entre 0 y 25
toneladas. La funcin de densidad de X est dada por:
2
3x
f (x) 3
0 x 25
25
a. Construir la funcin de distribucin acumulada de X.
b. Cul es la probabilidad de tener una demanda entre 10 y 20 toneladas?
Respuesta: 0,448
c. Calcule la mediana e interprete.
Respuesta: 19,8425
Esperado de una variable aleatoria contina

Sea X una variable aleatoria continua con funcin de densidad f(x), y sea g(x) cualquier funcin de
X, los valores esperados de X y g(x) son:

E X xf ( x)dx

E g x g ( x) f ( x)dx

Propiedades del esperado
E(c) = c, donde c es una constante.

E(cX)= cE(X)
Sea X una variable aleatoria continua y sean g1(x), , gk(x) funciones de X:
E[g1(x)+ + gk(x)] = E[g1(x)]+ + E[gk(x)]
Varianza de una variable aleatoria continua

Sea X una variable aleatoria continua con funcin de densidad f(x). Entonces, la varianza de X
es
2 = V(X) = E[X - ]2 = E(X2) - 2
Formula abreviada para el clculo de la varianza:
V(X) = E(X2) [E(X)]2

Dnde: E(X2) = 2 ()
La desviacin estndar de X es la raz cuadrada positiva de la varianza de X

2
Propiedades de la varianza
Sean a y b dos constantes cualesquiera, entonces:
V(a) = 0
V(bX) = b2 E(X)
V(a + bX) = b2 E(X)
Ejemplo
El tiempo de anticipacin (-) o retraso (+) en minutos, de la llegada de un tren sobre su tiempo
establecido, es una variable aleatoria continua X con la siguiente funcin de densidad:
3
(25 x 2 ) 5 x 5
f ( x) 500
0 c.c.
a. Calcule e interprete el valor esperado.
+5 3 3 252 54 252 54
E(X) = 5 500
(25 2 ) = 500 [ 2
4
2
+ 4
] =0
El tiempo promedio de anticipacin o retraso que tiene el tren sobre su hora establecida es 0
minutos, es decir llega en promedio puntual.
b. Los supervisores de la estacin ferroviaria, han notado que ltimamente los trenes no estn
llegando en su hora establecida, para lo cual han fijado como norma que un tren puede llegar en
a lo ms 0,5 , siendo S la desviacin estndar. Qu porcentaje de trenes cumplen la norma
fijada?
+5 3 3 53 55 53 55
E(X2) = 5 (25 2 ) 2 = [25 25 + ] =5
500 500 3 5 3 5
V(X) = 5 (0)2 = 5
S = 5 = 2,236068
P (-0,5S X 0,5S) = P (-1,118 X 1.118) = 0,32981
El 32,981% de los trenes cumplen la norma fijada.
c. Calcule la probabilidad de que el tren llegue retrasado a lo ms 2 minutos.

d. Cul es la probabilidad de que el tiempo de llegada de un tren difiera de su hora establecida a

lo ms en un minuto?
Ejercicio
El peso, en onzas, de un artculo de gasfitera usado en hogares y oficinas es una variable aleatoria
X con funcin densidad:
f ( x) k ( x 8) 8 x 10
a. Obtenga el valor de k, para que f(x) sea una funcin de densidad.
Respuesta: 0,5
b. Cul es la probabilidad que un artculo pese ms de 9 onzas?
Respuesta: 0,75
c. Calcule el peso mximo que debe tener un artculo de manera que el 25% de los artculos tengan
pesos menores o iguales a dicho peso.
Respuesta: 9
d. Los artculos con un peso menor a 8,5 onzas son separados. Cul es la probabilidad que un
artculo, seleccionado al azar, sea separado?
Respuesta: 0,0625
e. Calcule e interprete el valor esperado.
Respuesta: 9,3333
f. Calcule la variacin relativa.
Ejercicios
Las utilidades netas, en miles de soles, de los propietarios de stands en una galera comercial es una
variable aleatoria con la siguiente funcin de densidad:
x
0 x 4
f (x) 8

0 otro caso
a. Estara usted en condiciones de afirmar que ms de la mitad de los propietarios tiene

utilidades superiores al promedio? Justifique.
b. Calcule la variacin relativa de las utilidades.
4.5 Principales variables continuas

Distribucin uniforme
La distribucin uniforme es la distribucin ms simple de una variable aleatoria continua. La
distribucin tiene forma rectangular y queda definida por valores mnimos y mximos.
Funcin de densidad: Se dice que una variable aleatoria continua X tiene distribucin uniforme
en [a, b] si su funcin de densidad est dada por:
f x
1
a xb
ba
Notacin: Se denota por X~U [a , b]
f(x)
f (x)
1 / (b-a)
0 a k1 k2 b x
Si [k1, k2] [a, b], la probabilidad de que X tome valores en el intervalo [k1, k2] es:
k 2 k1
P(k1 X k 2 )
ba
ab
Media: EX
2
Varianza: 2
V X
b a
2
12
Ejemplo
Se sabe que el peso X de ciertos bloques de acero, es una variable aleatoria continua distribuida
uniformemente en el intervalo [50,70] toneladas. Encontrar:
b) La funcin de densidad de la variable.
f x
1 1
50 x 70
70 50 20
c) La probabilidad de que si se pesa un bloque seleccionado al azar pese por lo menos 62

toneladas.
70 62
P (X 62) = 70 50 = 0,4
d) La probabilidad de que el peso del bloque seleccionado vari entre 58 y 63 toneladas.
63 58
P (58 < X < 63) = = 0,25
70 50
Ejercicio
El ingeniero supervisor del tren elctrico de Lima sabe por experiencia que el tiempo que se demora
en abordar el tren elctrico un pasajero tiene una distribucin uniforme con parmetros de 0 a 20
minutos.
a. Calcule la probabilidad de que un pasajero se demore ms de 6 minutos en abordar el tren.
b. Calcule la probabilidad de que un pasajero se demore en abordar el tren entre las 7:15 a.m. y
las 7:20 am.
c. Cul es el tiempo mnimo para que el pasajero este considerado entre el 20% de los que ms
se demoran en abordar el tren?
4.6 Distribucin Exponencial

Funcin de densidad: Una variable aleatoria X es exponencial con parmetro 0 , si su
funcin de densidad es:
1 1 x
e x0
f ( x)
0
otro caso
Notacin: Si X sigue una distribucin exponencial con parmetro 1/ se denota X ~ Exp ( ).
Grafica de la Distribucin Exponencial
1,0
0,8
0,6
Density
0,4
0,2
0,0
0 1 2 3 4 5
X
Media: EX
Varianza: 2 V X 2
Funcin de distribucin acumulada:

F(x) = P(X x) = ()
F(x) = P(X x) = / , x 0
Caractersticas:
La variable puede tomar valores de 0 a +, no toma valores negativos.
La grfica es descendente con sesgo a la derecha.
Existe una curva para cada valor de .
La distribucin exponencial se usa para describir la vida til de un dispositivo o tiempo de

funcionamiento hasta que falle y es el promedio de la vida til (vida media) del dispositivo.
Ejemplo
La duracin, en miles de millas, que obtienen los dueos de automviles con cierto tipo de
neumtico es una variable aleatoria con la siguiente funcin de densidad:
1 201 x
e si x 0
f ( x) 20
0 si x 0

Determine la probabilidad de que uno de estos neumticos dure
a. Como mximo10 000 millas
b. entre 16 000 y 24 000 millas
c. al menos 30 000 millas.
Ejemplo
El tiempo de vida de un componente tiene una funcin de densidad de

1
f(x) 500
500 x>0
0 en otros casos
a. Cul es la probabilidad de que un componente dure ms de 800 das?
800
P (X > 800) = 1- P(X 800) = 1- (1- 500 ) =0,2019
b. Calcule el valor de la mediana

P (X x) = 0,50 (1- 500 ) =0,50

- 500 = ln(0,50) x = 346,57 das
Ejercicio
La duracin, en minutos, de una conversacin telefnica de larga distancia nacional tiene

distribucin exponencial con promedio de 8 minutos.
a) Cul es la probabilidad que una llamada dure entre tres y diez minutos?
b) Cul es la probabilidad que una llamada dure ms de 9 minutos?
c) Cunto debe durar como mnimo una llamada para estar considerada dentro del 10% de las de
mayor duracin?
d) Si la llamada dura ms de 5 minutos cul es la probabilidad de que dure a lo ms 8 minutos?
Ejercicios
1. Se tiene que construir dos casas y para terminar cada una se necesita llevar a cabo determinado
trabajo clave. El trabajo clave tiene un tiempo de ejecucin cuya funcin de densidad de
probabilidad es:
1 12x
e x0
f ( x) 12
0
c.c.
Si se supone que los tiempos de terminacin de los trabajos son independientes, calcule la
probabilidad de que el tiempo de ejecucin de ambos trabajos demande menos de 10 horas.
2. Suponga que la vida til, en horas, de cierta marca de foco electrnico, es una variable aleatoria
X cuya funcin de densidad de probabilidad es:
8000
x
ce x0
f ( x)

0 c.c.
a. Calcule el valor de la constante c para que f(x) sea funcin de densidad. Si se selecciona un
foco electrnico al azar, calcule la probabilidad de dure ms de 10 000 horas.
b. Si el costo C, en dlares, por cada foco est dado por:
X X 2 , determine el costo esperado e interprete.

C 20 2
2
4000 8000
c. Si se selecciona ocho focos electrnicos, calcule la probabilidad de que por lo menos dos de
ellos duren ms de 10 000 horas.
3. La vida, en horas, de un dispositivo electrnico es una variable aleatoria que tiene la siguiente
funcin de densidad:
1
1 x
f ( x ) e 50 para x 0
50
a. Calcule e interprete la mediana. Si un lote tiene 20 de estos dispositivos, cuntos se esperara
que duren ms que la mediana?
b. Si el dispositivo dur 80 horas, cul es la probabilidad de que dure 25 horas ms?
c. Se escoge aleatoriamente de un lote 5 dispositivos electrnicos, cul es la probabilidad de
que al menos uno dure ms de 35 horas?
4. El tiempo de duracin X, en meses, de un tipo de resistencia elctrica tiene la siguiente funcin

de densidad de probabilidad:
0,5e 0,5 x , si x 0
f ( x)
0 , en otro caso
a. Si se prueban 10 resistencias elctricas, cul es la probabilidad de que al menos dos de ellas

duren ms de 4 meses?
b. Si el costo de produccin de una resistencia es: C(X) = 2+ 3x cunto es el valor esperado
del costo?
Distribucin normal
Esta distribucin se aproxima a las distribuciones de frecuencias observadas de muchas medidas
naturales y fsicas, como es el caso de pesos, alturas, ventas, vida til de produccin, coeficiente
intelectual, etc.
La curva normal tiene forma de campana y es simtrica con respecto a su media

La media, la mediana y la moda son iguales y se encuentran en x = y la desviacin estndar
es .
Funcin de densidad: La variable aleatoria X es normal si su

funcin de densidad se define de la siguiente manera:
1 x
2
1

f ( x) e 2 x
2
Notacin: Si la variable aleatoria tiene distribucin normal con
parmetros y 2 se denota: X ~ N(, 2)
Media E(X) =
Varianza Var(X) = 2
Distribucin normal estndar

La distribucin normal estndar es una distribucin de una
variable aleatoria continua denotada con la letra Z, que tiene
media 0 y desviacin estndar 1.
Una variable aleatoria con distribucin normal se puede
convertir en una distribucin normal estndar si se realiza la
siguiente transformacin, llamada de estandarizacin o de
tipificacin.
X
Z

X : Variable aleatoria de inters.
: Media de la distribucin.
: Desviacin estndar de la distribucin.
Notacin: Z ~ N (0,1)
Funcin Acumulada: F (Z) = P (Z z)
La distribucin de la variable Z se encuentra tabulada en las tablas estadsticas, pudiendo hallar

diversas situaciones como:
Ejemplos
Sea Z una variable con distribucin normal estndar.

a) P(Z < 1,28) = 0,89973
b) P(Z < -1,37) =
c) P(Z > - 1,26) = 1- P(Z < - 1,26) = 1 - 0,10383 = 0,89617
d) P(Z > 2.19) =
e) P (-2,63< Z < 1,26) = P (Z<1,26) P (Z<-2,63) = 0,89617 0,00427 = 0,8919
f) P( -1,16 < Z < 2,34) =
g) P(Z < 6) = 1
h) P(Z < - 4) =
i) Cunto es el valor de Z para pertenecer al percentil 25?

j) Cunto es el valor de Z para pertenecer al percentil 78?
Ejercicio
Un fabricante de televisores asegura que el tiempo medio de funcionamiento sin fallas de

los aparatos es de 2 aos con una desviacin estndar de 0,25 aos. Si el tiempo de vida de
los aparatos sigue una distribucin normal.
X: Tiempo de funcionamiento de televisores
X ~ N (2; 0,252)
a. Cul es la probabilidad de que el tiempo de buen funcionamiento sea menor que 2,5
aos?
2,52
P(X < 2,5) = P (Z < ) = P (Z < 2,00) = 0,97725
0,25
b. Determine la probabilidad de que el tiempo de funcionamiento este entre 1 ao y 1,75

aos
P (1< X < 1,75) = P (Z<-1,00) P (Z<-4,00) = 0,15866 0,00 = 0,15866
c. El fabricante garantiza que remplazar gratis cualquier aparato de TV cuya duracin sin
fallas sea menor que k aos. Aproximar k de tal modo que slo el 1% de los aparatos
vendidos tenga que ser reemplazado.
P(X < K) = 0,01

z = -1,29
2
= 1,29 k = 1,6775 aos
0,25
Ejercicio
Una mquina llena recipientes con determinado producto. Se sabe que el peso de llenado
de dicho producto tiene distribucin normal. Se sabe, de acuerdo con los datos histricos,
que la media es 20,23 y la desviacin estndar de pesos de llenado es de 0,6 onzas.
X:
X ~
a. Se dice que la mquina funciona correctamente si el peso de llenado del producto est
entre 19,03 y 21,43 Qu tan probable es que la mquina no funcione correctamente?
Respuesta: 0,0455
b. Cul es la probabilidad de que el peso de llenado sea menor que el promedio?
uesta: 0,5
c. Si se sabe que la mquina funciona correctamente, cul es la probabilidad de que el
peso de llenado sea menor que el promedio?
Respuesta: 0,0455
Ejercicios
1. Si una persona llega a su centro de labores entre las 9:00 y las 9:15 de la maana, podr
considerarse que es igualmente probable que llegue, por ejemplo, entre las 9:05 y 9:10 o entre
las 9:06 y las 9:11. Cul es la probabilidad de que llegue entre las 9:08 y 9:13?
2. En ciertos experimentos, el error cometido en la determinacin de la solubilidad de una

sustancia es una variable aleatoria con densidad uniforme en el intervalo [-0.025, 0.025].
a. Calcule la media y la varianza para el error cometido.
b. Cul es la probabilidad de que el error est entre -0,012 y 0,012?
3. El tiempo que un trabajador de construccin civil utiliza durante su refrigerio para ir a la

cafetera, almorzar y regresar a su puesto de trabajo es una variable aleatoria con distribucin
uniforme en el intervalo de 0 a 25 minutos. Si el horario de refrigerio de los trabajadores
empieza al medioda y en ese momento Juan decide ir a la cafetera. Calcular la probabilidad
que Juan este de vuelta a su puesto de trabajo en menos de un cuarto de hora.
4. El Departamento de Transporte (DOT) de cierto pas, ha determinado que el monto de la

licitacin ganadora X (en dlares) por contratos de construccin de carreteras tiene una
distribucin uniforme con funcin de densidad de probabilidad:
5 2d
si x 2d
f ( x ) 8d 5

0 c.c.
donde d es la estimacin que hace el DOT del costo del trabajo.
a. Cul es el monto esperado de la licitacin ganadora?
b. Qu fraccin de las licitaciones ganadoras por contratos de construccin de carreteras estn
por encima de la estimacin del DOT?
5. Una mquina automtica para el llenado de paquetes de arroz puede regularse de modo que la
cantidad media de arroz llenado sea la que se desee. Si la cantidad de arroz depositada se
distribuye normalmente con desviacin estndar igual a 10 gramos, cul debe ser la regulacin
media de modo que slo el 1% de los paquetes tengan un peso neto inferior a 990 gramos?
6. En un taller de la Industria Sideromecnica se fabrican rboles de leva para darles uso en

motores de gasolina. Despus de investigaciones realizadas se ha llegado a la conclusin de que
la excentricidad de estos rboles de leva es una variable aleatoria normalmente distribuida con
media de 1.02 pulgadas y desviacin estndar de 0.44 pulgadas. Calcule la probabilidad de que
al seleccionar un rbol de leva aleatoriamente este tenga una excentricidad:
a. Menor de 1 pulgada.
b. Al menos 1.05 pulgadas.
c. Cul es el valor de la excentricidad por debajo del cual se encuentra el 70% de los rboles
de leva?
d. Cul es el valor de la excentricidad por encima del cual se encuentra el 80% de los rboles
de leva?
e. Si se seleccionan 10 rboles de leva aleatoriamente Cul es la probabilidad de que
exactamente 2 de estos tengan una excentricidad menor que 1 pulgada?
7. La duracin de las llamadas telefnicas de larga distancia realizadas desde una central telefnica
tiene distribucin aproximadamente normal con media y desviacin estndar iguales a 130
segundos y 30 segundos respectivamente.
a. Cul es la probabilidad que una llamada realizada desde la central telefnica haya durado
entre 90 y 170 segundos?
b. Si en un da cualquiera se realizan 500 llamadas telefnicas desde esta central. Cul es la
probabilidad que la duracin total de estas llamadas supere las 18 horas?
8. Un consultor est investigando el tiempo que emplean los obreros de una planta automotriz en
montar una parte especfica despus de haber seguido un periodo de entrenamiento. El consultor
determin que el tiempo en segundos empleados por los obreros en dicha tarea se distribuye
normalmente con una media de 75 segundos y una desviacin estndar de 6 segundos.
a. Si seleccionamos un obrero al azar, encuentre la probabilidad de que dicho obrero complete
su tarea en ms de 62 segundos pero menos de 69 segundos.
b. Si seleccionamos tres obreros al azar, calcule la probabilidad de que el tiempo total que les
demanda realizar el mismo tipo de tarea sea menor de 250 segundos. Asuma que los tiempos
para realizar dicha tarea son independientes.
9. Un tubo fluorescente tiene una duracin distribuida normalmente con una media de 7000 horas
y una desviacin estndar de 1000 horas. Un competidor ha inventado un sistema de
iluminacin fluorescente compacto que se puede insertar en los receptculos de lmparas
incandescentes. El competidor asegura que el nuevo tubo compacto tiene una duracin
distribuida normalmente con una media de 7500 horas y una desviacin estndar de 1200 horas.
Cul tubo fluorescente tiene mayor probabilidad de tener una duracin mayor que 9000 horas?
10. Un contratista de construccin afirma que elaborar un proyecto de construccin demora en

promedio 35 horas de trabajo, y el 97.5% de los proyectos demandan como mximo 38,92 horas.
Considerando que los tiempos para completar proyectos similares se distribuyen normalmente.
a. Cul es la probabilidad de que un proyecto demande menos de 32 horas?
b. Si el contratista demora ms de 48 horas deber devolver 2% del costo de dicho proyecto;
si en cambio demora menos de 29,5 horas, recibir un incentivo de 5% del costo del
proyecto, cunto esperara recibir de incentivo?
Unidad 5 Estadstica Inferencial: Estimacin

de parmetros y prueba de hiptesis
Logro de la unidad
Al final de la unidad el estudiante ser capaz de realizar estimaciones de parmetros desconocidos
y verificar hiptesis sobre estos parmetros, as como distinguir las diferentes tcnicas a utilizar de
acuerdo al tipo de variable (cualitativa o cuantitativa) y de acuerdo al inters del investigador, de
modo que pueda modelar satisfactoriamente problemas relacionados con su especialidad,
reconociendo la importancia de sta herramienta en la toma de decisiones.
5.1 Estimacin puntual

Es la estimacin del valor del parmetro por medio de un nico valor obtenido mediante el
clculo o evaluacin de un estimador para una muestra especfica.
El estimador se expresa mediante una frmula.
1 n
Por ejemplo, la media de la muestra X X i es un posible estimador puntual de la media
n i 1
poblacional .
Los parmetros con sus correspondientes estimadores puntuales son:
Parmetro Estimador puntual

x
2 s2
p p
1 2 x1 x 2
12 / 22 s12 / s 22
p1 p 2 p 1 p 2
5.2 Estimacin por intervalos

Objetivo: Estimar parmetros desconocidos mediante un rango de valores donde, con
cierta probabilidad, se espera se encuentre dicho parmetro.
El intervalo de confianza del 100 (1-) % para estimar el parmetro es dado por:
IC()=(LI ; LS)
Donde: P(LI < < LS) = 1-, siendo (1-) el nivel de confianza.
5.3 Intervalo de confianza para la media

El intervalo de confianza del 100(1-)% para estimar es (LI ; LS) tal que P(LI < < LS)= 1-

Donde los limites LI y LS determinan intervalos aleatorios pues dependen de la muestra.
Por ejemplo, un intervalo de 95% de confianza para estimar se entiende de la siguiente manera:
Si se toman 100 muestras de tamao n se tiene:
Muestra 1
Muestra 2
Muestra 3
Muestra 4
Muestra 100

Se espera que cinco de las muestras nos lleven a construir intervalos que no contienen a y las 95
restantes si nos darn intervalos que contienen a .
Por ejemplo, si se desea estimar la resistencia promedio de un bloque de concreto,

se elegir una muestra de 20 bloques y mediante una prueba en laboratorio se
determinar la resistencia de estos 20 bloques de concreto.
Cul es la variable en estudio?

Cul es el tipo de variable y la escala adecuada para la variable
bajo estudio?
Qu parmetro deseamos estimar? Por qu?
Cul es el procedimiento para hacer la estimacin?
Intervalo de confianza para la media con varianza poblacional desconocida
n
X
x ,S
ME ME
desconocida y
2 desconocida LI= X - ME X LI= X + ME
Este intervalo puede contener a o no contenerlo.

Se construye el ME con una probabilidad (nivel de confianza) de que
este intervalo contenga a .
Si x y S son la media y la desviacin estndar de una muestra aleatoria de tamao n, el intervalo

de confianza de (1 )100% para est dado por:
S S
x t / 2 , n 1 x t / 2 , n 1
n n
El error es la diferencia que existe del estimador con el parmetro. Su notacin:

= = | x |
El mximo error que se comete al estimar p mediante la muestra con el valor de es
S
denotado por: ME = e = t / 2 , n 1
n
Luego, = x y = x +
donde t ( / 2 , n1) es el valor t con (n 1) grados de libertad, que deja un rea de /2 a la
derecha.
Grfica de distribucin
T, gl = n-1
0.4
0.3
Densidad
0.2
0.1
/2 /2
0.0
-to 0 to
t(/2, n-1) t(1-/2, n-1)

NOTA: Si X no tiene una distribucin normal entonces el tamao de la muestra debe ser
mayor o igual que 30 (n30) por el Teorema el Lmite Central, de modo que la X se aproxima
a una distribucin normal.
Ejemplo
Una mquina produce piezas metlicas de forma cilndrica que son almacenadas en lotes. El
ingeniero del departamento de calidad desea estimar el dimetro medio de las piezas producidas por
esta mquina. Por lo tanto, toma una muestra al azar de nueve piezas de uno de los lotes y mide sus
dimetros. Los resultados obtenidos en centmetros se muestran a continuacin:
1,01 0,97 1,03 1,04 0,99 0,98 0,99 1,01 1,03
Suponga que los dimetros de las piezas tienen una distribucin aproximadamente normal.
a. Realice la estimacin correspondiente con un nivel de confianza del 95%. Interprete.
Interpretacin: Existe un 95% de confianza de que el intervalo [0,98668 ; 1,02443]cm. contenga al

dimetro medio de las piezas metlicas producidas por esta mquina.
b. Si la especificacin para el dimetro es 10.02 cm. La muestra obtenida indica que se

est cumpliendo con las especificaciones? Justifique su respuesta.
Ejercicio
El rea de desarrollo de la empresa Ingenieros Groups S.A. debe iniciar la construccin de viviendas
en terrenos de diferentes reas de medida, y debe contratar a los trabajadores necesarios. Si el rea
de terreno es superior a 450 m2 entonces deber contratar a 20 trabajadores. La informacin
necesaria que brinda el departamento de desarrollo en una muestra de 36 viviendas se encuentra en
el siguiente grfico:
Con una confianza del 97% estime el rea promedio de construccin. Con este resultado diga si el
departamento de desarrollo debe contratar a los 20 trabajadores.
Ejercicio
Un receptor GPS capta las ondas electromagnticas emitidas por los satlites, y tambin registra el
tiempo en recibir la seal, desde que ha sido emitida por el satlite. Se ha realizado el seguimiento
a un receptor durante sus ltimos 30 registros. La informacin se presenta en un reporte de
MINITAB incompleto:
T de una muestra: Tiempo

Error
estndar de
Variable N Media Desv.Est. la media IC de 98%
Tiempo 30 0,12366 0,03528 0,00644 ( , )
Con una confianza del 98% estime el tiempo promedio de recepcin de la seal por el receptor GPS.
Tamao de muestra
Suponga que un ingeniero civil desea estimar la resistencia media de un cilindro de concreto, para
lo cual realizar pruebas en el laboratorio sobre la resistencia de este tipo de cilindros. Cuntos
especmenes debe probar?
Para esto el ingeniero debe decidir dos cosas:
Con qu precisin debe trabajar? Error mximo (e)

Con qu confianza? Nivel de confianza (1-)
Si X se usa como estimacin de , podemos tener (1-)x100% de confianza de que el error no

exceda una cantidad especfica e cuando el tamao de la muestra es:
z
2

n 1 2 si es conocida
e
2
z S
n 1 / 2 si no es conocida
e
Si el valor del tamao de muestra es decimal se debe redondear al siguiente nmero entero.
Ejercicio
1. Un ingeniero desea estimar la resistencia promedio de cilindros de concreto. Como no tiene idea
de la variabilidad, selecciona una muestra piloto de 10 especmenes y realiza la prueba
obteniendo los siguientes resultados:
2980 3120 3100 3059 2985 2998 3020 3100 2988 3010
De qu tamao necesita que sea la una muestra si desea tener 98% de confianza y un margen de
error de 50 psi?
2. Si el ingeniero desea estimar la resistencia promedio de cilindros de concreto De qu tamao

necesita que sea la muestra si desea tener 97% de confianza y un margen de error de 50 psi? De
otros estudios se puede asumir que la estimacin de la desviacin estndar poblacional es 100
psi.
Ejercicios
1. Se afirma que la resistencia de un tipo de alambre tiene distribucin normal. Los datos siguientes
corresponden a una muestra de dichos alambres:
0,140 0,138 0,143 0,142 0,144 0,137 0,135 0,140 0,136 0,142 0,138 0,140
a. Estime la resistencia promedio de este tipo de alambres mediante un intervalo de 98% de

confianza. Interprete.
b. Si la especificacin para este tipo de alambre es 0.150.05. De la estimacin hallada en a,
se puede decir que el alambre cumple con la especificacin? Explique.
1. Un ingeniero de una planta de purificacin de agua mide el contenido de cloro diariamente en

una muestra de tamao 25. En la ltima muestra se obtuvo una media de 4.8 mg de cloro por
litro con una desviacin estndar de 1.2 mg de cloro por litro.
a. Estime, con 96% de confianza, el contenido promedio de cloro del agua. Interprete.
b. Si el contenido promedio de cloro por litro de agua no debe exceder de 5 mg puesto que
sera daino para el organismo. Esta muestra nos indica que no hay de qu preocuparse?
2. Para estimar el tiempo promedio que lleva ensamblar cierto componente de una computadora,
el supervisor de una empresa electrnica tom el tiempo que 25 tcnicos tardaban en ejecutar
esta tarea, obtenindose una media de 12.73 minutos y una desviacin estndar de 3.46 min.
a. Con una confianza del 99%, calcular el error mximo de estimacin del tiempo promedio
que lleva ensamblar el componente de la computadora.
b. Si esta muestra se considera una muestra piloto, qu tamao de muestra es necesario
seleccionar de modo que el error de estimacin disminuya es un 30%?
3. Los satlites transmisores de datos necesitan alta potencia para evitar bloqueos, es por ello que
deben utilizar la banda KU con un valor mnimo de 11 GHz de frecuencia, valor de
especificacin. Los ingenieros de telecomunicacin de INTELSAT desean estimar la
frecuencia promedio de sus satlites y verificar si, en promedio, estn cumpliendo con la
especificacin. Por lo tanto seleccionan al azar 66 satlites y registran las frecuencias. Los
resultados son puestos en el siguiente grfico:
Realice la estimacin con 98% de confianza y diga si INTEL cumple con la especificacin.
4. Se desea calcular el tamao de muestra para estimar el nmero promedio de microorganismos

por m3 de aire con un error de 0.08 microorganismos por metro cbico y con 95% de confianza.
Para realizar este clculo se ha seleccionado una muestra piloto de 12 muestras obteniendo la
siguiente cantidad de microorganismos por metro cbico.
2,212 1,839 3,152 2,608 2,456 2,747 2,913 1,265 2,346 2,333 1,909 2,333
5.4 Intervalo de confianza para la proporcin poblacional
Poblacin dicotmica
n
Nmero de
xitos x
x xitos p
P=Proporcin de n
xitos=X/N
(desconocido) ME ME
Nmero de p
LI= p - ME LS= p + ME
fracasos
Este intervalo puede contener a p o no contenerlo.

Se construye el ME con una probabilidad (nivel de confianza)
de que este intervalo contenga a p.
Si p es la proporcin de xitos en una muestra aleatoria de tamao n, un intervalo de confianza

de (1 )100% para estimar p est dado por:
p (1 p ) p (1 p )
p z1 / 2 p p z1 / 2
n n
donde Z1-/2 es el valor z que deja un rea de 1 /2 a la izquierda.
Grfica de distribucin
Normal, Media=0, Desv.Est.=1
0.4
0.3
Densidad
0.2
0.1
1-
/2 /2
0.0
0
Z(/2) Z(1-/2)
El nivel de confianza 1-, nos lleva a determinar el valor de la funcin inversa de Z, como
se muestra en la figura.
El valor de n debe ser grande (n50).
El error es la diferencia entre el valor del parmetro p y su estimacin = = | |
El mximo error que se comete al estimar p mediante la muestra con el valor de es
p (1 p )
denotado por: ME = e = z(1 / 2)
n
Luego, = y = +
Ejemplo
El administrador de la red de una empresa ha documentado los incidentes relacionados a la cada de

los sistemas. Al tomar una muestra aleatoria de los incidentes ocurridos en los ltimos meses,
clasifica la informacin de la siguiente manera:
Causas de la cada del sistema frecuencia

Falla en el Sistema operativo 22
Errores del Aplicativo 15
Falta de capacitacin del operador 26
Sobre carga 18
Hardware 7
Enlaces 19
TOTAL 107
Estime la proporcin de causas de la cada del sistema que se debe a errores del aplicativo, con
una confianza del 95%. Interprete.
15
Datos: n = 107; x = 15 = 107
= 0,1402
p (1 p )
IC ( p) p z (1 / 2)
n
0,14020,8598
IC(p) = 0,1402 1,96 *
107
IC(p) = 0,1402 0,0658 IC(p) = [ 0,0744 ; 0,2060]
Interpretacin: Existe un 95% de confianza de que el intervalo [0,0744; 0,2060] contenga a la

verdadera proporcin de causas de la cada del sistema que se debe a errores del aplicativo.
Ejercicio
Un fabricante de semiconductores produce controladores utilizados en dispositivos de motores de

automvil, toma una muestra aleatoria de 200 controladores y encuentra que cuatro de ellos estn
defectuosos. Calcule e interprete un intervalo de confianza del 90% para la proporcin de
controladores no defectuosos.
Tamao de muestra para estimar una proporcin
Si es la proporcin de xitos en una muestra aleatoria de tamao n, podemos tener una confianza
del (1 )100% que el error ser menor de una cantidad especfica e cuando el tamao de la
muestra es:
z12 / 2 p 1 p
n
e2
Tamao de muestra para estimar una proporcin sin usar informacin muestral
El valor de p 1 p se hace mximo cuando p 0,5 . Por lo tanto, la frmula para calcular el
tamao de muestra queda de la siguiente manera:
z12 / 2
n
4e 2
Ejercicio
Se lleva a cabo un estudio para estimar el porcentaje de ciudadanos de una ciudad que estn a favor
de tener agua fluorada. Qu tan grande se necesita que sea la muestra si se desea tener una
confianza de 95% de que la estimacin est dentro del 1% del porcentaje real?
Visual Systems S.A. est lanzando al mercado sus nuevos proyectores con tecnologa DLP
(Procesado Digital de la luz) que utiliza un nuevo chip DMD. El departamento de ventas desea
realizar una encuesta con la finalidad de estimar la proporcin de clientes que preferiran este
novedoso proyector. El estudio requiere que el error al estimar la proporcin no sea mayor a 4,5%
con un nivel de confianza de 97%. Se tiene conocimiento por estudios anteriores que
aproximadamente el 35% de los clientes podran preferir el producto. Si el costo operativo para
realizar la encuesta es de 5200 soles y adems un costo adicional de 3,5 soles por cada encuesta.
Cunto es el costo total que debe tener la empresa para realizarla?
Ejercicios
1. Se desea estimar con 95% de confianza y con un error de estimacin no mayor de 3,5% el
porcentaje de todos los conductores que exceden el lmite de velocidad de 90 kilmetros por
hora en cierto tramo del camino. De qu tamao se necesita tomar la muestra?
2. Si se desea estimar la proporcin real de unidades defectuosas en un embarque muy grande de

ladrillos de adobe, y se quiere estar al menos 98% seguros de que el error es a lo ms 0,04. Qu
tan grande deber ser la muestra si:
a. No se tiene idea de cul es la proporcin real?
b. Si la proporcin real es 0,12?
3. Una empresa desea estimar la proporcin de trabajadores de la lnea de produccin que estn a
favor de que se corrija el programa de aseguramiento de la calidad. La estimacin debe quedar
a menos de 0.05 de la proporcin verdadera de los que favorecen el programa, con un nivel de
confianza del 98%.
4. A continuacin se muestran el nmero de hurtos que han ocurrido en la ltima semana de un

centro comercial. El administrador de este centro desea estimar la proporcin de hurtos que se
deben a la seccin de joyera con una confianza del 98%. Realice la estimacin e interprete el
resultado.
Nmero de hurtos en las secciones de un

centro comercial
Hogar, 10
Ropa, 16
Joyera,
62
Msica,
47
Deportes,
50
5. Se desea estimar la proporcin de componentes electrnicas que fallan antes de cumplir su vida
til de dos aos. Para esto un ingeniero electrnico selecciona al azar 150 componentes y
encuentra que 6 fallan antes de cumplir su vida til.
a. Realice la estimacin con una confianza del 94%. Interprete.
b. Si el fabricante garantiza que a lo ms el 5% de sus componentes no cumplen con el tiempo
de vida til de dos aos, la informacin obtenida en a, pone en duda tal afirmacin?
Explique.
5.5 Prueba de hiptesis

Conceptos generales
La prueba de hiptesis involucra una suposicin elaborada sobre algn parmetro de la
poblacin. Despus tomaremos una muestra para ver si la hiptesis podra ser correcta. La
hiptesis que contrastamos se llama hiptesis nula (Ho). La hiptesis nula se contrasta con la
hiptesis alternativa (H1)
Luego, a partir de los resultados obtenidos de la muestra, o bien rechazamos la hiptesis nula a
favor de la alternativa, o bien no rechazamos la hiptesis nula y suponemos que nuestra
estimacin inicial del parmetro poblacional podra ser correcta.
El hecho de no rechazar la hiptesis nula no implica que sta sea cierta. Significa simplemente
que los datos de la muestra son insuficientes para inducir un rechazo de la hiptesis nula.
Contraste de hiptesis
La hiptesis que se contrasta es rechazada o no en funcin de la informacin muestral. La
hiptesis alternativa se especifica como opcin posible si se rechaza la nula.
Tipos de errores
Informacin muestral
No rechazar H0 Rechazar H0
H0 es cierta No hay error Error tipo I
La realidad
H0 es falsa Error tipo II No hay error
Error tipo I
Ocurre cuando se rechaza una hiptesis H0 que es verdadera. La probabilidad de cometer error
tipo I viene a ser la probabilidad de rechazar H0 cuando sta es cierta.
PrCometer error tipo I PrRechazar Ho Ho es cierta

El valor es fijado por la persona que realiza la investigacin. Por lo general, 1%, 5% o 10%
Error tipo II
Ocurre cuando se acepta una hiptesis H0 que es falsa, la probabilidad de cometer error tipo II
es la probabilidad de no rechazar H0 cuando sta es falsa.
PrCometer error tipo II PrNo rechazar Ho Ho es falsa

Debido a que el valor real del parmetro es desconocido este error no puede ser fijado.
Pasos para realizar una prueba de hiptesis

Plantear
Paso 1 las
hiptesis
Fijar el nivel
Paso 2 de
significacin
Calcular el
Paso 3 estadstico de
la prueba
Graficar las
Paso 4 regiones
crticas
Aplicar los
criterios
Paso 5 de
decisin
Paso 6 Concluir
5.6 Prueba de hiptesis para una media poblacional

Cuando la VARIANZA POBLACIONAL es desconocida
1. Plantear las hiptesis
H 0 : 0 H 0 : 0 H 0 : 0

H1 : 0 H1 : 0 H1 : 0
2. Fijar el nivel de significacin:
3. Estadstico de la prueba
x o
t El estadstico tiene una distribucin t con (n1)
S grados de libertad.
n
4. Graficar las regiones crticas
H1: 0
Bilateral
Unilateral H1: < 0

Izquierda
Unilateral H1: > 0

Derecha
5. Decisin: Rechazar Ho o No rechazar Ho.
6. Concluir.
Ejemplo
Se sabe que el rendimiento promedio (en porcentaje) de un proceso qumico es 12. Sin embargo
ltimamente se observa muchos valores menores. Para comprobar que efectivamente el rendimiento
promedio ha disminuido, se toma una muestra aleatoria de un lote de materia prima y se registra las
siguientes observaciones:
9,7 12,8 8,7 13,4 8,3 11,7 10,7 8,1 9,1 10,5
Suponiendo normalidad y a partir de la informacin muestral, verifique si efectivamente el

rendimiento promedio ha disminuido. Use = 0,04.
Variable
Ejercicios
1. Cierto fabricante de motocicletas anuncia en un comercial de televisin que su vehculo rendir

en promedio 87 millas por galn. Los millajes (recorrido en millas) en ocho viajes prolongados
fueron: 88, 82, 81, 87, 80, 78, 79, 89. Al nivel de significacin del 5% el millaje medio es
menor que el anunciado?
2. La densidad de ciertos fluidos es muy voltil por lo que se requiere que la densidad promedio
sobrepase al valor de 0.031 para poder utilizarlo. La empresa 3C Ingenieros, encargada de
realizar los anlisis fsico-qumicos, debe evaluar la densidad de la sustancia XP90. Para estos
fines se selecciona aleatoriamente 10 muestras de distintos lotes de produccin y se registra la
densidad. Los datos se muestran a continuacin:
Muestra 1 2 3 4 5 6 7 8 9 10
Densidad 0.033 0.040 0.031 0.034 0.036 0.031 0.036 0.034 0.034 0.032
La empresa 3C Ingenieros recomendar usar la sustancia XP90? Use un =0.02.

3. Una de las ltimas innovaciones en el campo de la iluminacin es el proyector de cabeza mvil.

Este proyector est compuesto por un foco halgeno que permite variar la intensidad luminosa.
El gerente de ventas de la empresa Visual Systems S.A. ha decidido este ao exportar este
novedoso proyector si la intensidad luminosa promedio de estos proyectores es superior a 2600
lmenes. Al seleccionar 12 proyectores y medir la intensidad luminosa de cada proyector se
obtuvieron los siguientes datos:
2600 2800 3000 2000 2400 2800 2700 2600 3000 3200 3100 2500
Suponiendo que la intensidad luminosa tiene distribucin normal Visual Systems S.A. deber
decidir realizar la exportacin del lote? Use un nivel de significacin de 3%.
4. La norma internacional indica que el tiempo que tarda en recibir una seal un receptor
parablico no debe sobrepasar los 65 milisegundos. La Unin Internacional de
Telecomunicaciones sospecha que INTELSAT est infringiendo esta norma y por lo tanto debe
retirar los satlites de rbita que ha puesto esta compaa. Para tomar la decisin, selecciona al
azar 66 satlites de INTELSAT y registra el tiempo que tarda en recibir una seal un receptor
parablico. Los resultados fueron procesados con el MINITAB obteniendo el siguiente reporte:
Variable N Media Desv.Est. Varianza

Tiempo 66 66.7 3.8 14.44
La Unin Internacional de Telecomunicaciones deber retirar de rbita los satlites de

INTELSAT? Realice la prueba necesaria usando un =0,03.
5.7 Pruebas de hiptesis para una proporcin poblacional

1. Planteamiento de las hiptesis
H 0 : p p0 H 0 : p p0 H 0 : p p0

H 1 : p p0 H 1 : p p0 H 1 : p p0
p po
Z
po (1 po )
n

H1 : p p0
Bilateral
H1 : p < p0
Unilateral
Izquierda
H1 : p > p0
Unilateral
Derecha
6. Concluir.
Ejemplo
El rea de Marketing de la empresa Visual Systems S.A. est realizando una campaa publicitaria
para la venta de los proyectores con tecnologa LCD. l asegura que, con esta campaa, se
aumentar la proporcin de proyectores de tipo LCD que se venden con respecto al ao anterior que
fue de 45%. En una muestra de 52 proyectores se observaron las siguientes ventas:
Tipo de proyector Ventas realizadas

LCD 36
DLP 16
La campaa publicitaria fue efectiva? Use un nivel de significacin del 2%

Ejercicios
1. Un fabricante sostiene que al menos el 95% de los equipos que envi a una fbrica est acorde
con las especificaciones tcnicas. Una revisin de una muestra de 200 piezas revel que 18 eran
defectuosas. Pruebe la afirmacin del fabricante al nivel de significancia de 1%.
2. En cierta universidad se estima que menos 2,5% de los estudiantes van a bicicleta a la
universidad. Esta parece ser una estimacin vlida si, en una muestra aleatoria de 90
estudiantes universitarios, se encuentra que 28 van en bicicleta a la universidad? Utilice un nivel
de significancia de 0,05.
3. Los usuarios de la sustancia XP90 indican que cuando esta sustancia no es ptima ocurre un
fenmeno conocido como licuefaccin y se requiere un reproceso. La certificadora, encargada
de la realizacin de los anlisis fsico-qumicos, asegura que la proporcin de reprocesos
disminuye cuando la sustancia est certificada por lo tanto una de las metas de la empresa es
tener ms del 20% de sustancias certificadas. De una muestra de 120 reprocesos se identific
que 26 usaron sustancias certificadas. En base a esta informacin podemos afirmar que la
empresa ha logrado la meta? Use =0,03
4. El fabricante de un nuevo controlador de errores de comunicacin asegura que la proporcin de

procesos en los que se pierden datos cuando su controlador est operando es menor de 0,10. A
fin de probar esta aseveracin, se vigila el enlace de comunicacin entre una terminal de grficos
y una computadora con el controlador de errores funcionando. De una muestra de 300 elementos
se observ los siguientes resultados:
Se perdieron datos cuando el controlador del fabricante est operando

Total
S No
10 290 300
La informacin recolectada refuta la aseveracin del fabricante? Use 0,03 .

5.8 Prueba de hiptesis para una varianza poblacional
H 0 : 0
H 0 : 0
H 0 : 0

2 2 2 2 2 2

H1 : 0
H 1 : 0
H 1 : 0

2 2 2 2 2 2
(n 1) S 2

2
~ n21

c 2
0
Bilateral H1 :
H1 :
Unilateral
Izquierda
Unilateral H1 :
Derecha
6. Concluir.
Ejemplo
La norma de seguridad indica que la variabilidad de las charlas de seguridad debe ser de 2.76
minutos. El inspector de obra sospecha que la variabilidad en las obras que supervisa es muy alta y
por tanto debera llamar la atencin al jefe de supervisin de la obra. Para realizar la verificacin
del cumplimiento de dicha norma toma una muestra al azar de 9 das, encontrando los siguientes
tiempos en minutos:
10 17 15 12 14 12 17 18 13
Con un nivel de significacin del 2.5% se llamar la atencin al Jefe de seguridad de la obra.
Ejercicios
5. Se reporta que la desviacin estndar de la resistencia al rompimiento de ciertos cables

producidos por una compaa es 240 lb. Despus de que se introdujo un cambio en el proceso
de produccin de estos cables, la resistencia al rompimiento de una muestra de 8 cables mostr
una desviacin estndar de 300 lb. Investigue la significacin del aumento aparente en la
variacin usando un nivel de significacin de 0,05.
6. Cierto proceso de produccin est diseado para dar como resultado tornillos con una longitud
media de 3 pulg y varianza de 2,56 pulg2. Plantese las hiptesis para cada una de las siguientes
situaciones:
a. El gerente de produccin desea determinar si la longitud promedio ha disminuido.
b. El gerente de produccin desea determinar si la varianza de la longitud ha cambiado.
7. En la empresa inmobiliaria Brento, se ha generado un descontento general respecto al

desempeo mostrado por Jos, un tasador (valuador) que ha ingresado recientemente a la
empresa. La queja es que Jos sobrestimaba el valor de las propiedades y esto conlleva, como
consecuencia, a incrementar la varianza del valor de las propiedades que se haba mantenido en
40 mil dlares2. En respuesta a la queja, la gerencia de la inmobiliaria, seleccion 8 propiedades
que fueron tasadas por Jos:
56,3 68,4 60,2 74,7 48,7 62,8 56,1 59,0
Las tasaciones en miles de dlares, se asumen que tienen distribucin normal. A un nivel de
significacin del 5%, proporcionan los datos evidencia suficiente para indicar que las quejas
son vlidas.
8. Los proyectores de video vienen equipados con un ventilador tipo TitanTec que permite la
refrigeracin de la lmpara. Debido a esto, en algunos modelos, el ruido acstico, medido en
decibeles, dB, puede ser molestoso. El jefe del rea encargado de comprar componentes para
los proyectores tomar la decisin de adquirir este tipo de ventilador si la variabilidad del ruido
con este ventilador es menor a 6dB. Para analizar el caso se toma una muestra de 20 proyectores
que arroja una desviacin estndar de 4,2 dB. Asumiendo normalidad en el ruido acstico el
jefe del rea deber comprar este tipo de ventiladores para los proyectores? Utilice un nivel de
significacin del 5%.
9. En un proceso de fabricacin de filamentos se desea contrastar que la varianza del grosor de los
filamentos es 4 milmetros2. Para ello se toma una muestra de 28 filamentos que arroja una
varianza de 3.5 milmetros2. Realice la prueba respectiva con 5% de nivel de significacin.
Asuma normalidad en los grosores de los filamentos.
5.9 Pruebas de hiptesis para el cociente de varianzas

poblacionales
H 0 : 1 2
H 0 : 1 2
H 0 : 1 2

2 2 2 2 2 2

H 1 : 1 2
H 1 : 1 2
H 1 : 1 2

2 2 2 2 2 2
S12
3. Estadstico de la prueba: Fc
S 22
4. Decisin: Rechazar Ho o No rechazar Ho
5. Concluir
Ejemplo
La produccin de compuestos inflamables es delicada y requiere tcnicas muy precisas para lograr
resultados ptimos. Actualmente, en el laboratorio se aplica la tcnica A y se desea probar una nueva
tcnica, B. La siguiente informacin muestra el resultado obtenido por Minitab de los tiempos, en
minutos, que utiliz cada tcnica por proceso.
Variable N Media Desv.Est.

Tcnica A 16 9.97 6.56
Tcnica B 11 9.27 2.05
Un ingeniero desea probar si la variabilidad entre los tiempos usados por ambas tcnicas no son
similares. Use =0,05
Test and CI for Two Variances
Test
Method DF1 DF2 Statistic P-Value
F 15 10 10.24 0.001
5.10 Pruebas de hiptesis para la diferencia de medias

poblacionales
Caso 1: Varianzas poblacionales desconocidas e iguales
Unilateral izquierda Bilateral Unilateral derecha

H 0 : 1 2 k H 0 : 1 2 k H 0 : 1 2 k
H 1 : 1 2 k H 1 : 1 2 k H 1 : 1 2 k
tc
x 1 x2 k
~ t n1 n2 2 S p2
(n1 1) S12 (n2 1) S 22
1 1 n1 n2 2
S p2
n1 n2
5. Concluir
Caso 2: Varianzas poblacionales desconocidas y diferentes
Unilateral izquierda Bilateral Unilateral derecha

H 0 : 1 2 k H 0 : 1 2 k H 0 : 1 2 k
H 1 : 1 2 k H 1 : 1 2 k H 1 : 1 2 k
3. Estadstico de la prueba:
tc
x 1 x2 k
~ t
S12 S 22

2
S12 S 22 n1 n 2
2
S12 S 22
2
n1 n2
n1 n 2
n1 1 n2 1
El valor de debe ser entero pues son grados de libertad, si se obtiene un valor decimal se deber
redondear al entero menor del nmero obtenido, tal como lo hace el software Minitab. Por ejemplo
si = 18,1260827 18 grados de libertad.
5. Concluir
Ejemplo
1. El tiempo de exposicin, en minutos, de un metal con una sustancia qumica hasta lograr un
adherido perfecto es parte de un proceso de produccin. Se considera que el menor tiempo de
exposicin es mejor. Como parte de la mejora del proceso se somete a prueba dos procedimientos
y se mide el tiempo de exposicin para dos muestras independientes.
Tamao de muestra Promedio Desv. estandar

Procedimiento A 31 12.97 4.25
Procedimiento B 25 11.99 2.47
a. Asumiendo que los tiempos de exposicin tienen distribucin normal, se puede afirmar
que hay diferencia en la variacin de los tiempos? Use un nivel de significacin del 5%.
Test
F 30 24 2.96 0.008
b. Asumiendo que los tiempos de exposicin tienen distribucin normal y usando un nivel
de significacin del 5%, Recomendara el procedimiento B?
Two-Sample T-Test and CI
Sample N Mean StDev SE Mean

1 31 12.97 4.25 0.76
2 25 11.99 2.47 0.49
Difference = (1) - (2)

Estimate for difference: 0.980
95% lower bound for difference: -0.544
T-Test of difference = 0 (vs >): T-Value = 1.08 P-Value = 0.143 DF = 49
Ejercicio
1. Un componente de los satlites son los paneles solares. La compaa INTELSAT est probando
dos tipos de paneles solares: el EQM y el EM3, los cuales deben pasar un estricto control de
calidad. Segn informacin del departamento de calidad si la potencia de los paneles solares
EQM supera en ms de 2 Kw a los de EM3, se sugiere dejar de fabricar el modelo EM3. El jefe
de produccin selecciona al azar dos muestras de paneles de ambos modelos y registra las
potencias de estos. A continuacin se presenta la siguiente informacin:
Variable Tamao de muestra Media Desv.Est

Panel EQM (1) 16 27,21 1,620
Panel EM3 (2) 21 23,63 3,490
Considerando que la potencia se distribuye normalmente, con un nivel de significacin del 5%,
se debe dejar de fabricar el modelo EM3?

Test
F 15 20 0.22 0.004

1 16 27.21 1.62 0.41
2 21 23.63 3.49 0.76

Estimate for difference: 3.580
95% lower bound for difference: 2.114
T-Test of difference = 2 (vs >): T-Value = 1.83 P-Value = 0.039 DF = 29
Ejercicio
1. Los siguientes datos corresponden a la resistencia a la compresin a los 28 das, en kg/cm2,

reportados por dos laboratorios:
Laboratorio 1 287,0 238,2 314,3 365,9 362,0 388,7 292,9 290,3

Laboratorio 2 306,0 338,0 349,4 307,4 316,2 326,9
Con 5% de nivel de significacin, los laboratorios reportan resultados en promedio similares?

Asuma poblaciones normales.
Test and CI for Two Variances: Laboratorio 1, Laboratorio 2

Test
F 7 5 8.50 0.032
Two-Sample T-Test and CI: Laboratorio 1, Laboratorio 2

Difference = (Laboratorio 1) - (Laboratorio 2)
Estimate for difference: -6.6
95% CI for difference: (-50.2, 37.0)
T-Test of difference = 0 (vs ): T-Value = -0.34 P-Value = 0.741 DF = 9
2. La exactitud obtenida en mediciones con GPS depende del equipo receptor. Uno de los
fabricantes de receptores est realizando un estudio para comparar la exactitud de dos modelos,
GPSMAP (1) y Oregn (2). Segn informacin del departamento de control de calidad, la
exactitud del modelo GPSMAP es menor que la de Oregn, por lo cual se sugiere dejar de
fabricarla. El jefe de produccin selecciona al azar dos muestras de receptores de ambos
modelos con la finalidad de realizar la prueba correspondiente y registra la exactitud, en mm,
obtenida por ambos receptores. Considerando que la exactitud se distribuye normalmente y con
un nivel de significacin del 4%, la empresa debe dejar de fabricar el modelo GPSMAP
A continuacin se muestran los reportes obtenidos con Minitab:

Test
F 15 12 0.81 0.691

1 16 7.22 2.17 0.54
2 13 16.03 2.41 0.67

Estimate for difference: -8.810
96% upper bound for difference: -7.261
T-Test of difference = 0 (vs <): T-Value = -10.35 P-Value = 0.000 DF = 27
Both use Pooled StDev = 2.2798
3. Se desea determinar si un proceso de fabricacin, que se efecta en un lugar remoto se puede

establecer localmente, a esta conclusin se llega si las lecturas de voltaje promedio en ambos
lugares son iguales. Se instalaron dispositivos de prueba (pilotos) en ambos lugares y se
tomaron las lecturas de voltaje en 10 series de produccin de ambos lugares. Los datos se
muestran a continuacin.
Lugar antiguo (1) 9,98 10,26 10,05 10,29 10,03 9,05 10,55 10,26 9,97 9,87
Lugar nuevo (2) 9,19 9,63 10,10 9,70 10,09 9,60 10,05 10,12 9,49 9,37
Asuma que las lecturas de voltaje tienen comportamiento normal. Con 5% de nivel de
significacin, se puede afirmar que las lecturas promedio de voltaje presentan diferencias
significativas en ambos lugares?
4. Un ingeniero de control de calidad sospecha que el tiempo promedio que se necesita para
ensamblar un producto es mayor en el turno de la tarde que en el turno de la maana. Si
comprueba su sospecha deber realizar una capacitacin para los trabajadores del turno de la
tarde. Al seleccionar muestras aleatorias de 10 productos que fueron ensamblados en el turno
de la maana y 10 en el turno tarde se obtuvieron los siguientes resultados para los tiempos, en
horas, que demoran en ser ensamblados.
Maana (1) 6 7 8 6 7 6 7 8 6 7
Tarde (2) 9 15 9 8 3 12 24 12 11 9
Use un nivel de significancia de 0,02.

Unidad 6 Diseo de experimentos
6.1 Diseo de experimentos

Un experimento diseado es una prueba o serie de pruebas en las cuales se inducen cambios
deliberados en las variables de entrada (factores controlables) de un proceso o sistema, de manera
que sea posible observar e identificar las causas de los cambios en la variable de salida (variable
respuesta).
Ejemplo
Suponga que un exportador desea evaluar el efecto de tres mtodos de empaque y dos sustancias
preservantes en el tiempo de duracin de cierto alimento. El exportador podra entonces realizar una
serie de experimentos para evaluar cul de las seis combinaciones entre mtodo de empaque y
sustancia preservante da mejores resultados; a cada una de estas seis combinaciones se les denomina
tratamientos.
Tratamiento 1: Tratamiento 2: Tratamiento 3: Tratamiento 4: Tratamiento 5: Tratamiento 6:

Empaque 1 con Empaque 2 con Empaque 3 con Empaque 1 con Empaque 2 con Empaque 3 con
preservante A preservante A preservante A preservante B preservante B preservante B
Suponga que el exportador decide realizar cinco repeticiones del experimento con cada
tratamiento. Como las condiciones ambientales (humedad, temperatura, etc.) pueden influir en el
tiempo de duracin del producto, los seis tratamientos deben ser sometidos a prueba en cada rplica
en forma simultnea.
Dado que el tiempo de duracin promedio del producto es de aproximadamente 10 das, el
exportador decide realizar una rplica quincenal. Por ejemplo, empezar la primera rplica con los
seis tratamientos el da primero, la segunda el da 15, la tercera el da primero del siguiente mes y
as sucesivamente.
Rplica 1
Rplica 2
.
Conceptos generales
Factor: Variable independiente que afecta los resultados del experimento: controlables o no
controlables. En un experimento se puede evaluar uno o ms factores.
Tratamientos: Un tratamiento corresponde a los niveles de un factor o a la combinacin de los

niveles de dos o ms factores. Es un conjunto de procedimientos cuyo efecto sobre la variable
respuesta nos interesa estudiar. Su efecto se mide y se compara con otros tratamientos.
Variable respuesta: Es la variable en la cual se evaluarn los efectos de los tratamientos.

Unidad experimental: Es la unidad (sujeto u objeto) sobre el cual se le aplica un tratamiento.
Ejemplo
El Gerente de una compaa dedicada a ensamblar piezas de equipos electrnicos, realiz un estudio
con el fin de comparar la eficacia de 3 programas de capacitacin, A, B y C. Para ello se asignaron
al azar quince empleados, cinco a cada uno de los tres programas. Despus de terminado los cursos
de capacitacin se registr el tiempo, en minutos, que les tom ensamblar las piezas en los equipos
electrnicos.
Complete el siguiente cuadro:
Variable respuesta
Factor
Tratamientos
Unidad experimental
Diseo completamente al azar (DCA)

Suponga que se cuenta con los resultados de k muestras aleatorias independientes, cada una de
tamao ni, obtenidas desde k diferentes poblaciones y se desea probar la hiptesis de que las medias
de estas k poblaciones son todas iguales.
Las poblaciones que se desea comparar suelen ser producto de la aplicacin de distintos tratamientos
a ciertas unidades de anlisis.
Considere el caso en el que se desea comparar el efecto de cinco programas de incentivos en la

productividad de los trabajadores.
En este caso:
los cinco programas de incentivos seran los cinco tratamientos aplicados (los cuales definen
las cinco poblaciones que se van a comparar)
la unidad de anlisis sera un trabajador (quien recibe el tratamiento).
Los datos a analizar pueden arreglarse en una tabla como la que se muestra a continuacin:
Tratamientos
Repeticiones 1 2 i k
1 Y11 Y21 Yi1 Yk1
2 Y12 Y22 Yi2 Yk2
3 Y13 Y23 Yi3 Yk3

j Y1j Y2j Yij Ykj

ni Y1 n1 Y2 n2 Yi ni Yk nk
Total Y1. Y2. Yi. Yk.
Para probar la hiptesis de que las muestras se obtuvieron de k poblaciones con medias iguales se
harn varias suposiciones. Con ms precisin, se supondr que las poblaciones son normales y que
tienen varianzas iguales.
Supuesto de homogeneidad de varianzas:

H0: 12 22 32 42 (esto es, la varianza es la misma en las cuatro sucursales)
H1: Al menos una varianza es diferente.
Test for Equal Variances for Depsitos
Bartlett's Test
1 Test Statistic 0.19

P-Value 0.980
Levene's Test
Test Statistic 0.04
P-Value 0.988
2
Sucursal
0.5 1.0 1.5 2.0 2.5 3.0

95% Bonferroni Confidence Intervals for StDevs
Con un p valor de 0,988, el resultado de esta prueba indica que no hay suficiente evidencia
estadstica para rechazar el supuesto de homogeneidad de varianzas al 5% de nivel de significancia.
Supuesto de normalidad de los errores

H0: Los errores del modelo tienen distribucin normal.
H1: Los errores del modelo no tienen distribucin normal.
Probability Plot of RESI1

Normal
99
Mean 5.551115E-17
StDev 0.9708
95 N 28
KS 0.081
90
P-Value >0.150
80
70
Percent
60
50
40
30
20
10
5
1
-2 -1 0 1 2
RESI1
Con un p valor de 0,150, el resultado de esta prueba indica que no hay suficiente evidencia
estadstica para rechazar el supuesto de normalidad al 5% de nivel de significancia.
El modelo para este diseo es el siguiente:
y ij i ij para i 1, 2, ..., k ; j 1, 2, ..., ni

donde:
yij : valor observado del i- simo tratamiento en la j-sima repeticin
: Media poblacional
i : Efecto del i-simo tratamiento
ij : Error experimental asociado a la observacin yij, donde ij ~ N(0, 2 )

6.2 Anlisis de la varianza de un factor: DCA

El anlisis de la varianza (o Anova: Analysis of variance) es un mtodo para comparar tres o ms
medias, que es necesario porque cuando se quiere comparar ms de dos medias es incorrecto utilizar
repetidamente el contraste basado en la t de Student.
Se desea medir el efecto del factor en estudio (variable independiente de naturaleza cualitativa o
cuantitativa) sobre la variable respuesta (variable dependiente de naturaleza cuantitativa).
En un DCA los tratamientos se asignan aleatoriamente a las unidades experimentales.

Hay k poblaciones (k tratamientos) y se seleccionan k muestras aleatorias independientes, una
de cada poblacin.
Ejemplo:
Una importante compaa de construcciones desea comparar tres marcas de taladros para
determinar cunto tiempo pasa antes de necesitar una reparacin; si los tiempos de vida de los
taladros de cada marca se distribuyen normalmente. Las marcas de taladro tienen un tiempo
de vida til promedio similar a las otras marcas antes de requerir una reparacin?
Un ingeniero civil residente de una obra desea evaluar el efecto que tiene las tcnicas de
mezclado de concreto sobre la resistencia (kg/cm2) a la compresin. Para ello evala cuatro
tcnicas diferentes y para realizar la prueba produce especmenes de concreto. La resistencia
promedio a la compresin es la misma para cada tcnica de mezclado?
Suponga que una empresa constructora brinda capacitacin con diferentes mtodos a sus
operarios. El rendimiento promedio de los operarios en la empresa es el mismo segn los
mtodos de adiestramiento recibido por el operario?
Una importante compaa de construcciones desea comparar tres marcas de camiones antes de
ordenar toda una nueva flota de una clase de camin. Los costos medios de operacin por
kilmetro de cada camin es el mismo para cada marca de camin?
Anlisis de la varianza
Tcnica estadstica que permite descomponer la variabilidad total de los resultados de un
experimento en sus distintas fuentes (tratamientos, error experimental), con la finalidad de
compararlas e identificar su importancia relativa en la explicacin de la variacin total.
Tabla del ANOVA

Fuente de
Grados de libertad Suma de cuadrados Cuadrado medio Fc
variacin
k
yi2 y2 SMTR
Tratamientos k1 SCTR i 1

ni n
CMTR
k 1
SCE CMTR
Error n. k SCE SCT SCTR CME
n k CME
k n
y 2
Total n. 1 SCT y
i 1 j 1
2
ij
n
Asumiendo el cumplimiento de los supuestos antes mencionados, y que en realidad no hay

diferencia entre los tratamientos, la cantidad Fc del cuadro de anlisis de varianza seguira una
distribucin F con los grados de libertad del tratamiento y con los grados de libertad del error.
Entonces, se puede utilizar esta distribucin para evaluar la hiptesis nula de que no hay diferencias
entre las medias de los tratamientos.
Ejemplo
La gerente de mercadeo de un banco planea poner en marcha cierto tipo de promociones para atraer
nuevos clientes en cuatro sucursales del banco. Ella est convencida que diferentes tipos de
promociones atraern a personas de diferentes grupos de ingreso, por lo que, de haber diferencias
entre los ingresos medios de los clientes de cada sucursal, se optar por un programa de promociones
distinto para cada una.
Considere a los montos de los depsitos, en miles de soles, como una medida representativa de los
ingresos de los clientes. Se presentan datos para una muestra de siete depsitos de cada sucursal
Debe la gerente optar por un programa de promociones distinto para cada sucursal? Evale esta
posibilidad con un nivel de significacin del 5%.
Sucursal 1 Sucursal 2 Sucursal 3 Sucursal 4

Depsito (Tratamiento 1) (Tratamiento 2) (Tratamiento 3) (Tratamiento 4)
1 y11 = 5,3 y21 = 3,3 y31 = 3,6 y41 = 4,3
2 y12 = 2,6 y22 = 4,6 y32 = 2,8 y42 = 2,5
3 y13 = 3,6 y23= 2,1 y33 = 4,5 y43 = 1,8
4 y14 = 3,8 y24 = 3,5 y34 = 3,8 y44 = 3,0
5 y15 = 2,7 y25 = 5,0 y35 = 1,9 y45 = 3,9
6 y16 = 5,1 y26 = 2,8 y36 = 4,1 y46 = 3,5
7 y17 = 4,2 y27 = 2,5 y37 = 5,1 y47 = 4,1
Total yi. y1. = 27,3 y2. = 23,8 y3. = 25,8 y4. = 23,1
Los clculos para obtener las sumas de cuadrados son:

2
k 4 7
y..2

y ij
2
(100)
i 1 j 1
-
k 4
357,1429
n. 7777
i 1
n.
k 4 7
- SCT y ij2
y 2
n

5,32 2,62 . . . 4 ,12 357,1429 27,0171
i 1 j 1
k 4
y i2 y 2 27,32 23,82 25,82 23,12
- SCTR i 1

ni n 7

7

7

7
357,1429 1,568
- SCE SCT SCTR 27,0171 1,568 25,4486
La tabla del anlisis de varianza:
Fuente de Grados de libertad Suma de Cuadrados Fcritico Ftabla

variacin cuadrados medio
1,569 0,523
Tratamientos k1=41=3 SCTR =1,569 0,523 0,49 3,01
3 1,060
25,449
Error n. k = 28 4 = 24 SCE =25,449 1,060
24
Total n. 1 = 28 1 = 27 SCT = 27,017
La salida que muestra el Minitab es la siguiente:
Source DF Seq SS Adj SS Adj MS F P

Sucursal 3 1.569 1.569 0.523 0.49 0.690
Error 24 25.449 25.449 1.060
Total 27 27.017
Hiptesis estadstica
Ho: 1= 2== K No hay diferencia en las El factor en estudio no afecta

medias poblacionales a la variable respuesta
H1: Al menos un i es diferente Hay diferencia en las El factor en estudio afecta a
medias poblacionales la variable respuesta
Paso 1: Formular la hiptesis de trabajo
Ho:A = B = C
H1:Al menos un i es diferente a los dems
Paso 2: Establecer el nivel de significacin
= 0,05
Paso 3: Estadstico de Prueba
Fc = 0,49
Paso 4: Criterio de decisin
Fc = 0,49 < Fcrit = 3,01 NO se rechaza Ho
Paso 5: Conclusin
Al 5% de significacin, no es posible afirmar que al menos un depsito promedio sea diferente a

los dems.
6.3 Prueba para la diferencia de medias

Se supone que el experimentador tiene a su disposicin mediciones relativas a varios tratamientos.
El anlisis de varianza indica si hay evidencias de que al menos una de las medias sea diferente o
no. Cuando se rechaza la hiptesis nula, el anlisis de varianza no revela cul o cules de las
medias son significativamente diferentes; en estos casos se deben utilizar otras pruebas estadsticas.
Mtodo de comparaciones mltiples: Prueba de Tukey-Kramer
Cuando el experimentador desea determinar todos los pares de medias que se puede concluir que
difieren de otro (i versus j) se utilizan las pruebas de comparaciones mltiples, como la de Tukey
- Kramer. Con esta prueba, con el fin de probar todas las hiptesis nulas simultaneas H0: i - j = 0,
los estadsticos de prueba son:
xi. x j.
CME 1 1

2 Ji J j
donde:
CME es el cuadrado medio del error del anlisis de varianza
Ji y Jj son los tamaos de muestra de los tratamientos i y j, respectivamente.
Ejemplo
Los siguientes datos corresponden a las mediciones de los pesos de recubrimiento de estao de
discos por cuatro laboratorios diferentes.
Laboratorio A Laboratorio B Laboratorio C Laboratorio D

0,25 0,18 0,19 0,23
0,33 0,28 0,25 0,30
0,22 0,21 0,27 0,28
0,30 0,23 0,24 0,28
0,27 0,25 0,18 0,24
0,28 0,20 0,26 0,34
0,32 0,27 0,28 0,20
0,24 0,19 0,24 0,18
0,31 0,24 0,25 0,24
0,26 0,22 0,20 0,28
0,20 0,29 0,21 0,22
0,28 0,16 0,19 0,21
3,26 2,72 2,76 3,00
Determine qu medias difieren de las otras. Use un nivel de significacin 0,05 .
Solucin
La tabla del anlisis de varianza es:
Source DF Seq SS Adj SS Adj MS F P

Laboratorio 3 0.015558 0.015558 0.005186 3.13 0.035
Error 44 0.072833 0.072833 0.001655
Total 47 0.088392
Desarrollando el ejemplo utilizando el Minitab se obtienen los siguientes resultados:
Probability Plot of RESI2

Normal
99
Mean -8.67362E-18
StDev 0.03937
95 N 48
KS 0.077
90
P-Value >0.150
80
70
Percent
60
50
40
30
20
10
5
1
-0.10 -0.05 0.00 0.05 0.10
RESI2
Test for Equal Variances for Pesos de Recubrimiento
Bartlett's Test
A Test Statistic 0.96

P-Value 0.810
Levene's Test
Test Statistic 0.26
P-Value 0.852
B
Laboratorio
0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10

95% Bonferroni Confidence Intervals for StDevs
Estos resultados pueden resumirse en un diagrama de lneas como el que se muestra a continuacin.
La idea es que los tratamientos unidos por una lnea no presentan diferencias significativas.
B C D A
0,227 0,230 0,250 0,272
Factor N Mean Grouping

Lab_A 12 0.2717 A
Lab_D 12 0.2500 A B
Lab_C 12 0.2300 A B
Lab_B 12 0.2267 B
Means that do not share a letter are significantly different.

Ejemplo
Una importante compaa de construcciones desea comparar tres marcas de taladros para determinar
cunto tiempo pasa antes de necesitar una reparacin; si los tiempos de vida de los taladros de cada
marca se distribuyen normalmente. Los datos de los tiempos de vida til (decenas de horas) para
cada marca se encuentran en la siguiente tabla.
Marca A Marca B Marca C
6 10 3
2 9 2
4 8 5
1 6 4
7
a. Sugieren los datos que el tiempo promedio de vida es el mismo para cada marca de taladro antes
de una reparacin? Utilice nivel de significacin de 5%.
b. Si la prueba resulta significativa, qu marca de taladro recomendara utilizar?
Solucin:
a. Sugieren los datos que el tiempo promedio de vida es el mismo para cada marca de taladro antes
de una reparacin? Utilice nivel de significacin de 5%.
Ho:A = B = C
H1:Al menos un i es diferente a los dems.
= 0,05
Fc = 7,037
Fc = 7,037 > Fcrit(2,10; 0,05) = 4,1 Se rechaza Ho
Paso 5: Conclusin
Al 5% de significacin, existe evidencia estadstica para afirmar que el tiempo promedio de

vida es diferente para cada marca de taladro antes de una reparacin.
Resultado obtenido con Minitab
Paso 1: Formular la hiptesis
Ho:A = B = C
= 0,05
Source DF Adj SS Adj MS F-Value P-Value

Factor 2 55.94 27.971 7.04 0.012
Error 10 39.75 3.975
Total 12 95.69
p = 0,012 < = 0,05 Se rechaza Ho
Paso 5: Conclusin
Al 5% de significacin, existe evidencia estadstica para afirmar que el tiempo promedio de

vida es diferente para cada marca de taladro antes de una reparacin.
a. Si la prueba resulta significativa, qu marca de taladro recomendara utilizar?

Marca B 4 8.250 A
Marca A 5 4.00 B
Marca C 4 3.500 B
Observacin: Las medias que no comparten una letra son significativamente diferentes
Luego, ordenando las medias en forma ascendente segn las medias muestrales, y colocando una
lnea debajo de las medias no se ha encontrado diferencias significativas entre las marcas de taladros
A y C, la marca de taladro B presenta un mayor tiempo promedio de vida antes de la reparacin. Se
tiene:
C A B
Conclusin:
Se recomienda utilizar la marca de taladro B.
Ejercicio
1. Un ingeniero civil residente de una obra desea evaluar el efecto que tienen las tcnicas de
mezclado de concreto sobre la resistencia (kg/cm2) a la compresin. Para ello evala cuatro
tcnicas diferentes y para realizar la prueba produce especmenes de concreto. Si la resistencia a
la compresin del concreto de cada tcnica se distribuye normalmente y tienen la misma
varianza. Los datos recabados son los siguientes:
Tcnica 1 Tcnica 2 Tcnica 3 Tcnica 4

2765 3200 2800 2600
2665 3300 3150 2700
2865 2975 2885 2600
2890 3150 2850 2765
Source DF Adj SS Adj MS F-Value

Factor 3 522475 174158 11.59
Error 12 180275 15023
Total 15 702750

Tcnica 2 4 3156.3 A
Tcnica 3 4 2921.3 A B
Tcnica 1 4 2796.3 B
Tcnica 4 4 2666.3 B
a. Al 5% de significacin, al menos una tcnica de mezclado influye en la resistencia a la

compresin del concreto?
Fuente de
Grados de libertad Suma de cuadrados Cuadrado medio Fc
variacin
Ho:A = B = C
= 0,05
Fc =
Como Fc = Fcrit (2,10; 0,05) = 4,1 Se rechaza Ho
Paso 5: Conclusin
Al 5% de significacin,
b. Si la prueba resulta significativa, qu tcnica recomendara utilizar?

2. Una compaa que produce ladrillos, efectu un experimento para determinar si cuatro
temperaturas (en F) de coccin especficas afectan la densidad (gr/cm3) de cierto tipo de ladrillo.
La densidad de los ladrillos para cada temperatura se distribuye normalmente y tienen la misma
varianza.
Temperaturas
100F (1) 125F (2) 150F (3) 175F (4)
19,9 21,7 20,9 21,8
19,7 21,4 20,8 21,9
19,8 21,5 20,8 21,7
19,7 21,5 20,6 21,6
20,0 21,7
Despus de procesar la informacin, los resultados obtenidos con Minitab se muestran a

continuacin:
Analysis of Variance

Factor 3 10.9494 3.64981 237.66 0.000
Error 14 0.2150 0.01536
Total 17 11.1644

175F (4) 5 21.7400 A
125F (2) 4 21.5250 A
150F (3) 4 20.7750 B
100F (1) 5 19.8200 C
a. Utilice nivel de significacin de 5% para probar si al menos una temperatura de coccin influye
en la densidad de los ladrillos.
Fuente de variacin Grados de libertad Suma de cuadrados Cuadrado medio Fc
Ho:A = B = C
= 0,05
Fc =
Como Fc = Fcrit (2,10; 0,05) = 4,1 Se rechaza Ho
Paso 5: Conclusin
Al 5% de significacin,
b. Si la prueba resulta significativa, qu temperatura recomendara utilizar?

Ejercicios
1. Importacin Bombardera desea determinar si el tipo de chip (A, B, C) que tienen laptops que
ellos importan influye en el tiempo de respuesta (microsegundos). Si el tiempo de respuesta
para cada tipo de chip se distribuye normalmente y tienen la misma varianza. Para esto, prueba
5 laptops con cada chip. A continuacin se muestran los resultados en microsegundos:
Tipo A Tipo B Tipo C

18 24 17
23 25 14
21 30 19
18 27 20
24 38 17

Factor 2 342.5 171.27 11.49 0.002
Error 12 178.8 14.90
Total 14 521.3

Tipo B 5 28.80 A
Tipo A 5 20.80 B
Tipo C 5 17.40 B
a. Al nivel de significancia del 5%, la importadora puede concluir que hay diferencia en los
tiempos promedio de respuesta segn el tipo de chip utilizado?
b. Si la prueba resulta significativa, qu tipo de chip recomendara utilizar?
2. Un empresario debe elegir la alternativa ms eficiente para fabricar un mismo producto. Se

analiza el costo por unidad (en soles) de tres alternativas. Si el costo por unidad para cada
alternativa se distribuye normalmente y tienen la misma varianza, qu alternativa deber
elegirse?
Alternativa A Alternativa B Alternativa C

9,35 8,35 9,35
8,35 8,35 10,35
7,35 7,35 9,35
8,35 7,35 8,35
9,35 8,35 9,35
7,35 7,35 9,35
Los resultados obtenidos con Minitab se presentan a continuacin:

Factor 2 7.000 3.5000 7.00 0.007
Error 15 7.500 0.5000
Total 17 14.500

Alternativa C 6 9.350 A
Alternativa A 6 8.350 A B
Alternativa B 6 7.850 B
a. Pruebe si existe alguna diferencia significativa en los costos unitarios de las tres alternativas
de fabricacin. Utilice nivel de significacin de 5%.
b. Si existen diferencias, entre qu grupos estn las diferencias? Utilice nivel de significacin
de 5%.
Unidad 7 Anlisis de regresin lineal simple

y no lineal
Logro de la unidad
Al final la unidad el alumno ser capaz de modelar adecuadamente la relacin existente entre dos
variables cuantitativas con el fin de predecir una de ellas Y (variable respuesta o dependiente) en
funcin de otra variable X (regresora o independiente) mediante una funcin lineal o no lineal en
el mbito de su especialidad y utilizando el software estadstico Minitab.
7.1 Regresin lineal

La velocidad de transferencia de datos de un disco duro depende de la velocidad en que giran
los discos del plato del disco duro o de su capacidad de almacenamiento? El tiempo de
ejecucin de una obra civil depende del nmero de trabajadores o del ndice de automatizacin?
El tiempo de falla de los equipos electrnicos depender de la resistencia de los resistores? el
sueldo depender del grado de instruccin? el tiempo de procesamiento de trabajos estar
relacionado con el nmero de trabajos por da? La temperatura est relacionada con la presin
sobre el rendimiento de un producto qumico?
Estas preguntas surgen cuando queremos estudiar dos variables de una poblacin con el fin de
examinar la relacin existente entre ellas. Las dos variables en estudio son variables
cuantitativas que nos permitir construir una ecuacin lineal que modela la relacin existente
entre estas dos variables.
En el anlisis de regresin la ecuacin lineal puede usarse para estimar o predecir los valores de
una variable dependiente, llamada Y, cuando se conocen o se suponen conocidos los valores de
otra variable, variable independiente, llamada X.
El anlisis de correlacin permite determinar el grado de relacin lineal existente entre dos
variables. Es til en un trabajo exploratorio cuando el investigador desea encontrar el grado o la
fuerza de esa relacin.
Qu es el anlisis de regresin
lineal?
Es modelar la dependencia de la variable Y en funcin de

la variable X a travs de la ecuacin de una recta
Yi 0 1 X i ei i = 1, 2,, n
Variable respuesta Variable predictora

o Independiente
o Dependiente
7.1.1 Diagrama de dispersin o grfico del plot
El primer paso en el anlisis de regresin es registrar simultneamente los valores de las dos
variables asociadas (X, Y) en una grfica bidimensional para ver si existe una tendencia lineal
que podra explicar la relacin entre estas dos variables
X vs Y
X vs Y 1600
9
Variables no 1400 Modelo lineal
8
relacionadas 1200 Buen ajuste
1000
7
800
Y
Y
6
600
5 400
Cuando X crece
200 Y decrece
4
0
10 15 20 25 300,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6
X vsXY X
60 X vs Y
Modelo lineal 140
130
Variables no
50
Buen ajuste relacionadas
120
110
40 100
Y
90
80
30
70
Cuando X crece
60
Y crece
50
20
20 25 30 35 40 45 50200 400 600 800 1000 1200
X X
Ejercicio
Se desea modelar la vida til (en aos) de un satlite en funcin de la cantidad de combustible (en
kg) requerido para moverlo de su posicin orbital, usando un modelo lineal. Los datos se muestran
a continuacin:
Vida til (aos) 10,8 11,5 12 12,4 13,2 13,7 13,9 14,1 14,8 15
Cantidad de combustible (kg) 150,4 156,3 162,5 165,8 172,5 168,9 184,5 185,9 187,2 199,4
RELACION ENTRE LA VIDA UTIL Y LA CANTIDAD DE COMBUSTIBLE

15
14
Vida til
13
12
11
150 160 170 180 190 200

Cantidad de combustible
Comente el diagrama de dispersin de estas variables.
7.1.2 Mtodo de los mnimos cuadrados

Mediante este mtodo es posible seleccionar la recta que se ajuste mejor a los datos. La recta
resultante tiene dos caractersticas importantes:
La suma de las desviaciones verticales de los puntos con relacin a la recta es cero; y
La suma de los cuadrados de las desviaciones es mnima (es decir, ninguna otra recta dara
una menor suma de cuadrados de tales desviaciones).
n
Es decir: (y
i 1
i y i ) 2 es mnima
Los valores de 0 y 1 que minimizan la suma de los cuadrados de las desviaciones, son las
soluciones de las llamadas ecuaciones normales de la recta de regresin:
n
n

i 1
y i n 0
1 xi
i 1
n
n n 2

i 1
x y
i i
0 xi 1 xi
i 1 i 1
Este mtodo nos permite estimar los parmetros del modelo de regresin. Resolviendo las
ecuaciones simultneas para 0 y 1 tenemos:
n
n n
n

xi yi xi

yi

1 i 1 i1 i1 y 0 y 1 x
2
n 2 n
n

xi
i1 i1
xi

7.1.3 Recta de regresin

La ecuacin lineal es: y i 0 1 xi
donde:
1 es la pendiente de la recta o coeficiente de regresin.
0 es la ordenada en el origen o intercepto de la recta con eje y
Ejercicio
Calcule e interprete los coeficientes de regresin estimados del ejemplo anterior, considerando la
siguiente informacin:
Cantidad de combustible 150.4 156.3 162.5 165.8 172.5 168.9 184.5 185.9 187.2 199.4
Vida til 10.8 11.5 12 12.4 13.2 13.7 13.9 14.1 14.8 15
Haciendo uso de las frmulas, el procedimiento implica realizar los siguientes clculos previos:
X
Y
N Cantidad de xy x2 y2
Vida til
combustible
1 150.4 10.8 1624,32 22620,16 116,64
2 156.3 11.5 1797,45 24429,69 132,25
3 162.5 12 1950 26406,25 144
4 165.8 12.4 2055,92 27489,64 153,76
5 172.5 13.2 2277 29756,25 174,24
6 168.9 13.7 2313,93 28527,21 187,69
7 184.5 13.9 2564,55 34040,25 193,21
8 185.9 14.1 2621,19 34558,81 198,81
9 187.2 14.8 2770,56 35043,84 219,04
10 199.4 15 2991 39760,36 225
Total 1733,4 131,4 22965,92 302632,46 1744,64
Para simplificar los clculos, se ha realizado la corrida con el Minitab, obteniendo el siguiente
reporte:
The regression equation is
Y = - 1.996 + 0.08732 X
0
7.1.4 Anlisis de varianza
El anlisis de varianza es la descomposicin de la variacin total en sus fuentes de variacin:

regresin y error (residual).
Fuente de variacin Grados de libertad Suma de cuadrados Cuadrado medio Estadstico de prueba
Regresin 1 SCReg CMReg (1) Fc = (1) / (2)
Error (residual) n2 SCE CME (2)
Total n1 SCTot
Donde las frmulas a usar estaran dadas por:

2
n n

2

n
yi

n

xi

SCTot

i 1
yi2
i 1
n

, SC Re g 2 .
1
i 1
xi2 i 1
n
y SCE SCTot SC Re g .

SC Re g SCE
Adems CM Re g y CME .
1 n2
Este anlisis permite realizar la prueba de hiptesis para validar el modelo de regresin obtenido a
un nivel de significacin .
H 0 : 1 0
H1 : 1 0
1. (nivel de significacin)
Distribution Plot
F; df1=15; df2=23 Z.R.
0,9
2. Prueba estadstica 0,8
0,7
0,6
Density
0,5
CMReg
Fcal
0,4
0,3
0,2

CMError 0,1
Z.NR
0,0
0 A. X
3. Criterios de decisin Fcrit
Si Fcal > Fcrit. (, 1, n-2) entonces se rechaza Ho, por lo tanto el modelo es vlido o
Si Fcal Fcrit. (, 1, n-2) entonces no se rechaza Ho el modelo no es vlido
4. Conclusin
Ejercicio
A un nivel de significacin del 5%, valide el modelo de regresin lineal del ejercicio anterior.
Source DF SS MS F P
Regression 1 16.5077 16.5077 85.96 0.000
Error 8 1.5363 0.1920
Total 9 18.0440
Complete la tabla:
Fuente de variacin Grados de libertad Suma de cuadrados Cuadrado medio Estadstico de prueba
Regresin
Error (residual)
Total
1. H 0 :
H1 :
2. =
Distribution Plot
F; df1=15; df2=23 Z.R.
0,9
3. Prueba estadstica 0,8
0,7
0,6
Density
0,5
CMReg
Fcal
0,4
0,3
0,2

CMError 0,1
Z.NR
0,0
0 A. X
Fcrit=
4. Decisin:
5. Conclusin:
7.1.5 Coeficiente de determinacin

Es una medida de bondad de ajuste del modelo. Nos indica que tan bueno es el modelo para
explicar el porcentaje de variabilidad de la variable dependiente Y.
El coeficiente de determinacin R 2 indica el porcentaje de la variabilidad de la variable
dependiente Y que es explicada por el modelo de regresin lineal.
Tambin nos ayuda a saber la precisin con la que se puede predecir o pronosticar el valor de
una variable, si se conocen o suponen valores para la otra variable.
El coeficiente de determinacin R 2 se calcula de la siguiente manera:
SCReg
R2 100%
SCTot
Ejercicio
Calcule e interprete el coeficiente de determinacin del ejercicio anterior.
S = 0.438218 R-Sq = 91.5% R-Sq(adj) = 90.4%
7.1.6 Error estndar de la estimacin

El error estndar de la estimacin mide la variabilidad, o dispersin, de los valores de Y
alrededor del plano de regresin. Acta como la desviacin estndar, es una medida promedio
de la diferencia del valor observado y el valor estimado de Y.
SCE
S CME
n2
Ejercicio
Calcule el valor del error estndar de estimacin en la salida del Minitab.
S
7.1.7 Coeficiente de correlacin

El coeficiente de correlacin expresa el grado de asociacin lineal que existe entre dos variables
X e Y.
Se calcula como la raz cuadrada del coeficiente de determinacin:
R 2 si 1 0
r
R 2 si 0
1
Si el coeficiente de correlacinesta cerca de cero entonces indicar que no existe relacin lineal
significativa entre las dos variables
Si el coeficiente de correlacin se acerca a 1 o a -1 indicar que existe una relacin lineal fuerte
pudiendo ser directa o inversa.
Relacin lineal No existe Relacin lineal

fuerte e Relacin fuerte y
inversa Lineal directa
-1.0 -0.65 -0.2 0.2 0.65 1.0
Su valor varia dentro del intervalo de -1 y 1
Ejercicio
Calcule e interprete el coeficiente de correlacin del ejemplo anterior.
S = 0.438218 R-Sq = 91.5% R-Sq(adj) = 90.4%
Ejercicio
Una empresa dedicada a la fabricacin de equipos de telecomunicacin considera que la vida til
de los equipos puede estar explicada por la temperatura del ambiente en el que trabaja mediante una
relacin lineal. Para encontrar la ecuacin de regresin lineal de la vida til en funcin de la
temperatura se tom una muestra de 11 datos, los cuales se muestran en la tabla siguiente:
Temperatura(C) 24 20 18 16 10 12 13 28 16 15 23
Vida til(en aos) 8,0 6,4 5,5 4,6 3,8 3,9 5,6 8,5 6,6 4,5 8,8
Salida del Minitab
Predictor Coef EE Coef T P

Constante 0.798 0.858 0.93 0.376
Temperatura 0.2944 0.0464 6.35 0.000
S = 0.811758 R-cuad. = 81.74% R-cuad.(ajustado) = 79.71%

Grfica de dispersin de Vida til vs. Temperatura
Anlisis de varianza 9
Fuente GL SC CM F 8
Regresin 1 26.546
Vida til(en aos)
7
Error residual 9 5.931
Total 10 32.476 6
10 15 20 25 30
Temperatura
Responda las siguientes preguntas:
a. Comente el diagrama de dispersin de estas variables.
b. Interprete los coeficientes de regresin estimados.
c. Valide el modelo de regresin al 1% de nivel de significacin.

Ho:
H1:
d. Interprete el coeficiente de determinacin y el coeficiente de correlacin.

r2
7.1.8 Intervalos de prediccin

El intervalo de confianza al 1 100 % para un valor individual es:
1 x0 x 1 x x
2 2
y 0 t ( n 2, / 2 ) S 1 Y X y 0 t ( n 2, / 2) S 1 0
n S xx 0
n S xx
2
n
xi
donde S xx xi i 1
n
SC Re gr
2
o S xx
i 1 n b12
Ejercicio
Para la construccin de carreteras que experimentan heladas intensas, es importante que la densidad
del concreto (Kg/m2) seleccionado tenga un valor bajo de conductividad trmica para reducir al
mnimo los daos provocados por cambios de temperatura. Por lo tanto, se desea modelar la
conductividad trmica en funcin de la densidad que posee el concreto. Por lo tanto se toman 12
trozos al azar de diferentes densidades de concreto y se registra la conductividad. El registro se
muestra a continuacin en la siguiente tabla:
Densidad del
300 400 500 600 700 800 900 1000 1100 1200 1400 1600
concreto
Conductividad
trmica 0.065 0.08 0.095 0.115 0.13 0.15 0.175 0.205 0.23 0.27 0.346 0.436
(watts/metros.Kelvin)
Diagrama de dispersin de Conductividad vs Densidad

0,45
0,40
0,35
Conductividad
0,30
0,25
0,20
0,15
0,10
0,05
200 400 600 800 1000 1200 1400 1600
Densidad
Coefficients
Term Coef SE Coef T-Value P-Value VIF

Constant -0.0494 0.0173 -2.86 0.017
Densidad del concreto 0.000275 0.000018 15.24 0.000 1.00
S = 0,0241052 R-Cuad = 95,87% R-Cuad(ajustado) = 95,46%
Anlisis de Varianza
Fuente GL SC CM F
Regresin 1
Error residual 10 0,00581
Total 11 0,14085
Variable Setting
Densidad del concreto 650
Fit SE Fit 95% CI 95% PI

0.129486 0.0080576 (0.111533, 0.147440) (0.0728555, 0.186117)
a. Comente el diagrama de dispersin.
b. Presente la ecuacin de la recta o modelo de regresin estimado.
c. Interprete el valor de la pendiente de la recta.
d. Interprete el coeficiente de determinacin y correlacin.

r2
r
e. Valide el modelo de regresin. Use un nivel de significacin de 0,01
f. Pronostique con 95% de confianza la conductividad trmica cuando la densidad del concreto es
de 650 Kg/m2. Interprete.
Ejercicio
Se desea modelar el tiempo de operacin (en horas) en funcin de la temperatura de un dispositivo.
Para ello se realiza un experimento estadstico, cuyos resultados son los siguientes:
Temperatura (oC) 18 18 18 22 22 26 30 30 34
Tiempo de operacin 1200 1215 1150 1000 974 810 583 612 240
Grfica de dispersin de Tiempo de operacin vs. Temperatura (oC)
1200
1000
Tiempo de operacin
800
600
400
200
20 24 28 32 36
Temperatura (oC)
Anlisis de regresin: Tiempo vs. Temperatura (C)

La ecuacin de regresin es
Tiempo = 2184 - 54.46 Temperatura(C)
Coefficients

Constant 2184.0 75.0 29.11 0.000
Temperatura -54.46 3.02 -18.06 0.000 1.00
Source DF SS MS F P
Regression 1 864685 864685 326.23 0.000
Error 7 18554 2651
Total 8 883239
S = 51.4830 R-cuad. = 97.9% R-cuad(ajustado) = 97.6%
Variable Setting
Tiempo acumulado 25
Variable Setting
Temperatura 25

822.532 17.3205 (781.576, 863.488) (694.089, 950.975)
b. Presente la ecuacin de la recta o modelo de regresin estimado.
c. Interprete el coeficiente de regresin de la variable independiente.
1
d. Interprete el coeficiente de determinacin y correlacin.

r2
e. Valide el modelo de regresin. Use un nivel de significacin del 5%.
f. Pronostique con 95% de confianza el tiempo de operacin hasta el fallo cuando la temperatura
es 25C. Interprete.
Ejercicio
1. NVZ Import-Export es una empresa proveedora de GPS para automviles de diferentes

modelos, ltimamente ha importado nuevos modelos de GPS que ya estn a la venta. El jefe del
departamento de ventas ha implementado charlas motivadoras para sus agentes vendedores y
desea modelar la eficiencia de sus ventas (%) en funcin de las horas que asisten mediante una
funcin lineal. Por lo tanto, selecciona aleatoriamente una muestra de 10 agentes vendedores y
registra el tiempo acumulado de horas en las que estuvo presente el agente vendedor en una o
ms charlas durante el ltimo trimestre y la eficiencia de sus ventas. Los datos y resultados se
muestran a continuacin:
Eficiencia en las ventas (%) 47 84 80 46 62 72 52 87 37 68
Tiempo acumulado, en horas 27 45 41 19 35 39 19 49 15 31
Coefficients

Constant 18.06 5.16 3.50 0.008
Tiempo acumulado 1.420 0.152 9.32 0.000 1.00
Source DF SS MS F P
Regression 1 2520.5 2520.5 86.91 0.000
Error 8 232.0 29.0
Total 9 2752.5
Variable Setting
Tiempo acumulado 25

53.56 2.00918 (48.9268, 58.1932) (40.3056, 66.8144)
a. Presente la ecuacin de la recta.

b. Interprete el coeficiente de regresin estimado.
c. Realice el proceso de validacin del modelo, con un nivel de significacin de 5%.
d. Si es deseable alcanzar una eficiencia de por lo menos 50% cuando las horas de capacitacin
sea de 25 horas, estime, con un nivel de confianza del 95%, la eficiencia de un agente
vendedor cuando realiz 25 horas de charla y diga si es posible alcanzar la eficiencia
deseada.
7.2 Regresin no lineal

El modelo de regresin lineal simple resulta ser una herramienta til en el anlisis de la relacin
lineal existente entre una variable dependiente, Y, y otra independiente, X. Sin embargo no todas
las relaciones existentes pueden considerarse lineales, de hecho existen muchas relaciones no
lineales. Muchas relaciones de este tipo, a pesar de su naturaleza no lineal pueden ser
linealizados aplicando alguna transformacin sobre una de las variables o sobre ambas. Las
transformaciones pueden ser de diferente tipo y dependern del modelo inicial considerado para
el anlisis.
Cuando la relacin entre variables (x, y) no es lineal:
o El coeficiente de determinacin es bajo.
o La prueba de validacin del modelo resulta no significativa.
Si la relacin no es lnea, los siguientes modelos pueden ser linealizados:
Y 0 e 1 al tomar logaritmo, se tiene ln Y ln 0 1 X

X

Y 0 X 1 al tomar logaritmo, se tiene ln Y ln 0 1 ln X
El primero es el modelo exponencial y el segundo, el modelo potencia. De hecho existen

modelos no lineales que no pueden ser linealizados:
1x 2 x 2
Y 0 e
La transformacin de datos nos permite linealizar la relacin entre dos variables, se realiza
cuando se sospecha y luego se verifica que no existe dependencia lineal entre las variables en
estudio. Las transformaciones que pueden mejorar el ajuste y la capacidad de prediccin del
modelo son muy numerosas. Aqu se presenta algunas de las trasformaciones.
Forma funcional que

Transformacin apropiada Forma de regresin lineal simple
relaciona y con x
Exponencial : y 0e1x y * ln y Regresin de y * vs. X
Potencia: y 0 x 1 y* ln y; x* ln x Regresin de y * vs. x *
Ejemplo
El gerente de una empresa dedicada a la produccin de brocas de acero para cermicas o maylicas,
sospecha que la deformacin del acero a temperatura normal mantiene una relacin inversa con la
dureza del mismo ya que, a medida que la deformacin crece, se ve afectada la dureza del acero. l
desea modelar la dureza en funcin de la deformacin. Para ello se realizan 10 pruebas encontrando
los siguientes resultados:
Deformacin (mm) 6 7 11 13 20 26 28 33 35 30
Dureza (kg/mm2) 65 67 65 53 41 40 37 34 32 42

Dispersin de la dureza en funcin de la deformacin
80
Dureza (Kg/mm2)
70 y = -1.191x + 72.493
60 R = 0.9103
50
-0.025x
40 y = 76.902e
R = 0.9247
30
y = 149.29x-0.41
20 R = 0.9118
10
0
0 10 20 30 40
Deformacin (mm)
Y=
X=
b. Obtener la ecuacin del modelo de regresin no lineal indicado.
Segn el enunciado, analizaremos la regresin lineal entre X y ln(Y)
Y: Dureza X: Deformacin
N ln(Y) X*ln(Y) X^2
(kg/mm2) (mm)
1 65 4,1744 6 25,0463 36
2 67 4,2047 7 29,4328 49
3 65 4,1744 11 45,9183 121
4 53 3,9703 13 51,6138 169
5 41 3,7136 20 74,2714 400
6 40 3,6889 26 95,9109 676
7 37 3,6109 28 101,1057 784
8 34 3,5264 33 116,3699 1089
9 32 3,4657 35 121,3008 1225
10 42 3,7377 30 112,1301 900
Total 38,2669 209,00 773,1000 5449
Al reemplazar estos resultados en las frmulas para determinar la pendiente y la ordenada en el

origen, tenemos:
n n n
n xi ln yi xi ln yi
1 i 1 i 1 i 1 10773,1 209 38,2669 0,02468 y
105449 209
2 2
n 2 n
n xi xi
i 1 i 1
209
ln 0 ln Y ln 1 X 0,02468
38,2669
4,3425
10 10
As, como ln 0 4,3425 0 e 4,3425 7 6,8995
Entonces, la ecuacin del modelo potencia estimado est dado por Y 7 6,8995 e 0, 0247 X .
Modelo Exponencial
lny = 4.3425 - 0.02468Deformacin
Anlisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Regresin 1 0.65845 0.658453 98.28 0.000
Error 8 0.05360 0.006700
Total 9 0.71205
Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
0.0818508 92.47% 91.53% 89.36%
Coeficientes
EE del
Trmino Coef coef. Valor T Valor p
Constante 4.3425 0.0581 74.72 0.000
Deformacin -0.02468 0.00249 -9.91 0.000
c. Asumiendo que el modelo obtenido en el tem anterior es vlido, estime la dureza cuando la
transformacin es de 15 mm.
Ejemplo
Se desea analizar la pureza del oxgeno producido en un proceso de destilacin qumica, en base al
porcentaje de hidrocarburos que estn presentes en el condensador principal de la unidad de
destilacin. Se tom una muestra aleatoria de diez observaciones para ambas variables, cuyos
resultados se procesaron en Minitab, obteniendo las siguientes salidas:
Regresin Lineal Simple:
Anlisis de regresin: Purezas vs. Porcentaje_hidrocarburo
Purezas = 74.7 + 15.4 Porcentaje_hidrocarburo
Predictor Coef SE Coef T P

Constante 74.6732 0.8126 91.89 0.000
Porcentaje_hidrocarburo 15.4301 0.6502 23.73 0.000
Anlisis de varianza
Fuente GL SC CM F P
Regresin 1 105.32 105.32 563.21 0.000
Error residual 8 1.50 0.19
Total 9 106.82
Modelo Exponencial
Anlisis de regresin: LnY vs. Nivel_hidrocarburo
LnY = 4.34 + 0.166 Nivel_hidrocarburo
Anlisis de varianza
Fuente GL SC CM F P
Regresin 1 0.012149 0.012149 476.24 0.000
Error residual 8 0.000204 0.000026
Total 9 0.012353

Constante 4.33513 0.00949 456.76 0.000
Nivel_hidrocarburo 0.165720 0.007594 21.82 0.000
Modelo potencia
Anlisis de regresin: LnY vs. LnX

LnY = 4.34 + 0.166 LnX
Anlisis de varianza
Fuente GL SC CM F P
Regresin 1 0.012149 0.012149 476.24 0.000
Error residual 8 0.000204 0.000026
Total 9 0.012353

Constante 4.33513 0.00949 456.76 0.000
LnX 0.165720 0.007594 21.82 0.000
a. Determine y valide el modelo de regresin ms adecuado (entre el lineal, exponencial y
potencia). Utilice 5% de nivel de significacin.
Paso 1:
Modelo R2 Prioridad
Paso 2: Validacin del modelo

b. Usando el modelo el modelo obtenido en el tem anterior, estime la pureza del oxgeno
producido, cuando el porcentaje de hidrocarburos presentes en el condensador principal de la
unidad de destilacin es de 1,36%.
Ejemplo
En EE.UU. el costo del servicio para realizar llamadas telefnicas empleando la red satelital est en
funcin a los minutos empleados. En cierto da se puso a prueba un plan llamado Beyond Zero, en
la cual a mayor tiempo empleado en la llamada menor el costo por minuto. Se desea modelar el
costo en funcin del tiempo con un modelo de regresin no lineal. Los datos se muestran a
continuacin as como las salidas del Minitab:
Costo($) 2,5 2,2 1,05 0,81 0,56 0,45 0,5 2,65 0,75
Tiempo (min) 0,95 1,15 1,4 1,4 2,1 1,68 1,97 0,99 1,55
Regresin Lineal Simple:

Regresin 1 5.15119 5.15119 25.20 0.002
Error 7 1.43064 0.20438
Total 8 6.58182
Resumen del modelo

R-cuad. R-cuad.
0.452080 78.26% 75.16% 61.10%
Coeficientes EE del
Trmino Coef coef. Valor T Valor p
Constante 4.180 0.598 6.99 0.000
Tiempo -1.983 0.395 -5.02 0.002
Ecuacin de regresin
Costo($) = 4.180 - 1.983 Tiempo(min)
Modelo Exponencial
Anlisis de regresin: lny vs. Tiempo

Regresin 1 3.32458 3.32458 34.87 0.001
Error 7 0.66746 0.09535
Total 8 3.99204
Resumen del modelo

R-cuad. R-cuad.
0.308791 83.28% 80.89% 69.54%
Coeficientes
EE del
Trmino Coef coef. Valor T Valor p VIF
Constante 2.352 0.409 5.76 0.001
Tiempo -1.593 0.270 -5.90 0.001 1.00
Ecuacin de regresin
Lny = 2.352 - 1.593 Tiempo
Modelo potencia
Anlisis de regresin: lny vs. lnx

Regresin 1 3.54008 3.54008 54.83 0.000
Error 7 0.45196 0.06457
Total 8 3.99204
Resumen del modelo

R-cuad. R-cuad.
0.254097 88.68% 87.06% 80.97%
Coeficientes
EE del
Trmino Coef coef. Valor T Valor p VIF
Constante 0.840 0.140 6.01 0.001
lnx -2.365 0.319 -7.40 0.000 1.00
Ecuacin de regresin
lnny = 0.840 - 2.365 lnx
a. Determine y valide el modelo de regresin ms adecuado (entre el lineal, exponencial y potencia).

Use 5% de nivel de significacin.
Paso 1:
Modelo R2 Prioridad
Paso 2: Validacin del modelo

b. Usando el modelo el modelo obtenido en el tem anterior, estime el costo del servicio, cuando el
tiempo empleado es de 2 minutos.
FRMULAS ESTADSTICAS
DISTRIBUCIONES IMPORTANTES
Binomial X ~ B(n , p) P(X x ) C nx p x (1 p) n x x 0 , 1 ,... , n E(X) np V(X) np (1 p)
e . x
Poisson X ~ P ( ) P( X x ) x 0 , 1 , 2 , ... E(X) V(X)
x!
Cxr CnNxr
f ( x) P X x x max[0, n ( N r )],..., min(r , n) r r N n
EX n
r
Hipergeomtrica X ~ H ( N , n, r ) CnN V X n 1
N N N N 1
Uniforme X ~ U (a, b) f x
1
a xb EX
ab
V X
b a 2
ba 2 12
1 1 x
e x0
f ( x)
0
Exponencial X ~ Exp( ) otro caso EX V X 2
F(x) = P(X x) = / , x 0
ESTIMACIN POR INTERVALO Y PRUEBA DE HIPOTESIS

Parmetro Intervalos de Confianza Estadstico de Prueba
Varianza desconocida _
x
_
s t ~ t ( n 1)
IC ( ) x t ( n 1, / 2 ) S/ n
n
Universidad Peruana de Ciencias Aplicadas
p p
p (1 p ) Z
p IC ( p) p Z(1 / 2) p(1 p)
n
n
(n 1)S2
(n 1)S 2
(n 1)S 2
2 ~ X (2n 1)
2 LIC( 2 ) LSC( 2 ) 2
(2n 1, / 2) (2n 1, 1 - / 2)
Varianzas poblacionales desconocidas pero iguales
1 2
(n1 1) S12 (n2 1) S 22
_ _
( x 1 x 2 ) ( 1 2 ) donde S p2
t ~ t ( n1 n 2 2 ) n1 n 2 2
1 1
S
2
p

n1 n 2
Varianzas poblacionales desconocidas y diferentes

2
S12 S22

n n 2
( x1 x 2 ) (1 2 ) donde v 1
t ~ t ( v) 2 2
S12 S22 S12 S22

n
n1 n2 1 n2
n1 1 n 2 1
S12
1 2
/ 22 F 2 ~ Fn1 1, n2 1
S2
Estadstica (Civil/Electrnica/Telecomunicaciones)
183
ANLISIS DE REGRESIN
Coeficiente de determinacin Modelos no lineales:
SSR
r2
1
SST Potencia: y 0 x o Lny Ln0 1 Lnx
Pronsticos: Valor individual

1 ( x 0 x )2 1 x
y0 t ( n 2, / 2)s 1 Exponencial: y 0 e o Lny Ln0 1 x
n Sxx
donde:
x 2
SS Re g
S xx x
2 i
i
n 1 2
s CME
Estadstica (Civil/Electrnica/Telecomunicaciones)
184
Tabla N 2.1
TABLA DE LA DISTRIBUCION NORMAL
rea bajo la curva normal: P Z z
Z -0.09 -0.08 -0.07 -0.06 -0.05 -0.04 -0.03 -0.02 -0.01 -0.00
-3.9 0.000033 0.000034 0.000036 0.000037 0.000039 0.000041 0.000042 0.000044 0.000046 0.000048
-3.8 0.000050 0.000052 0.000054 0.000057 0.000059 0.000062 0.000064 0.000067 0.000069 0.000072
-3.7 0.000075 0.000078 0.000082 0.000085 0.000088 0.000092 0.000096 0.000100 0.000104 0.000108
-3.6 0.000112 0.000117 0.000121 0.000126 0.000131 0.000136 0.000142 0.000147 0.000153 0.000159
-3.5 0.000165 0.000172 0.000178 0.000185 0.000193 0.000200 0.000208 0.000216 0.000224 0.000233
-3.4 0.000242 0.000251 0.000260 0.000270 0.000280 0.000291 0.000302 0.000313 0.000325 0.000337
-3.3 0.000349 0.000362 0.000376 0.000390 0.000404 0.000419 0.000434 0.000450 0.000466 0.000483
-3.2 0.000501 0.000519 0.000538 0.000557 0.000577 0.000598 0.000619 0.000641 0.000664 0.000687
-3.1 0.000711 0.000736 0.000762 0.000789 0.000816 0.000845 0.000874 0.000904 0.000935 0.000968
-3.0 0.001001 0.001035 0.001070 0.001107 0.001144 0.001183 0.001223 0.001264 0.001306 0.001350
-2.9 0.00139 0.00144 0.00149 0.00154 0.00159 0.00164 0.00169 0.00175 0.00181 0.00187
-2.8 0.00193 0.00199 0.00205 0.00212 0.00219 0.00226 0.00233 0.00240 0.00248 0.00256
-2.7 0.00264 0.00272 0.00280 0.00289 0.00298 0.00307 0.00317 0.00326 0.00336 0.00347
-2.6 0.00357 0.00368 0.00379 0.00391 0.00402 0.00415 0.00427 0.00440 0.00453 0.00466
-2.5 0.00480 0.00494 0.00508 0.00523 0.00539 0.00554 0.00570 0.00587 0.00604 0.00621
-2.4 0.00639 0.00657 0.00676 0.00695 0.00714 0.00734 0.00755 0.00776 0.00798 0.00820
-2.3 0.00842 0.00866 0.00889 0.00914 0.00939 0.00964 0.00990 0.01017 0.01044 0.01072
-2.2 0.01101 0.01130 0.01160 0.01191 0.01222 0.01255 0.01287 0.01321 0.01355 0.01390
-2.1 0.01426 0.01463 0.01500 0.01539 0.01578 0.01618 0.01659 0.01700 0.01743 0.01786
-2.0 0.01831 0.01876 0.01923 0.01970 0.02018 0.02068 0.02118 0.02169 0.02222 0.02275
-1.9 0.02330 0.02385 0.02442 0.02500 0.02559 0.02619 0.02680 0.02743 0.02807 0.02872
-1.8 0.02938 0.03005 0.03074 0.03144 0.03216 0.03288 0.03362 0.03438 0.03515 0.03593
-1.7 0.03673 0.03754 0.03836 0.03920 0.04006 0.04093 0.04182 0.04272 0.04363 0.04457
-1.6 0.04551 0.04648 0.04746 0.04846 0.04947 0.05050 0.05155 0.05262 0.05370 0.05480
-1.5 0.05592 0.05705 0.05821 0.05938 0.06057 0.06178 0.06301 0.06426 0.06552 0.06681
-1.4 0.06811 0.06944 0.07078 0.07215 0.07353 0.07493 0.07636 0.07780 0.07927 0.08076
-1.3 0.08226 0.08379 0.08534 0.08691 0.08851 0.09012 0.09176 0.09342 0.09510 0.09680
-1.2 0.09853 0.10027 0.10204 0.10383 0.10565 0.10749 0.10935 0.11123 0.11314 0.11507
-1.1 0.11702 0.11900 0.12100 0.12302 0.12507 0.12714 0.12924 0.13136 0.13350 0.13567
-1.0 0.13786 0.14007 0.14231 0.14457 0.14686 0.14917 0.15151 0.15386 0.15625 0.15866
-0.9 0.16109 0.16354 0.16602 0.16853 0.17106 0.17361 0.17619 0.17879 0.18141 0.18406
-0.8 0.18673 0.18943 0.19215 0.19489 0.19766 0.20045 0.20327 0.20611 0.20897 0.21186
-0.7 0.21476 0.21770 0.22065 0.22363 0.22663 0.22965 0.23270 0.23576 0.23885 0.24196
-0.6 0.24510 0.24825 0.25143 0.25463 0.25785 0.26109 0.26435 0.26763 0.27093 0.27425
-0.5 0.27760 0.28096 0.28434 0.28774 0.29116 0.29460 0.29806 0.30153 0.30503 0.30854
-0.4 0.31207 0.31561 0.31918 0.32276 0.32636 0.32997 0.33360 0.33724 0.34090 0.34458
-0.3 0.34827 0.35197 0.35569 0.35942 0.36317 0.36693 0.37070 0.37448 0.37828 0.38209
-0.2 0.38591 0.38974 0.39358 0.39743 0.40129 0.40517 0.40905 0.41294 0.41683 0.42074
-0.1 0.42465 0.42858 0.43251 0.43644 0.44038 0.44433 0.44828 0.45224 0.45620 0.46017
-0.0 0.46414 0.46812 0.47210 0.47608 0.48006 0.48405 0.48803 0.49202 0.49601 0.50000
Tabla N 2.2
TABLA DE LA DISTRIBUCION NORMAL
rea bajo la curva normal: P Z z
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.90320 0.90490 0.90658 0.90824 0.90988 0.91149 0.91309 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.92220 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.94520 0.94630 0.94738 0.94845 0.94950 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.96080 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.97320 0.97381 0.97441 0.97500 0.97558 0.97615 0.97670
2.0 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.98030 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.98300 0.98341 0.98382 0.98422 0.98461 0.98500 0.98537 0.98574
2.2 0.98610 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.98840 0.98870 0.98899
2.3 0.98928 0.98956 0.98983 0.99010 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.99180 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.99430 0.99446 0.99461 0.99477 0.99492 0.99506 0.99520
2.6 0.99534 0.99547 0.99560 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.99720 0.99728 0.99736
2.8 0.99744 0.99752 0.99760 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3.0 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99897 0.99900
3.1 0.99903 0.99907 0.99910 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.99940 0.99942 0.99944 0.99946 0.99948 0.99950
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99982 0.99982 0.99983 0.99984
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99992 0.99992 0.99992 0.99993
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
Estadstica (Civil/Electrnica/Telecomunicaciones) 186

Tabla N 3.1
TABLA DE LA DISTRIBUCION T-STUDENT
rea bajo la curva: P T c

0.4 0.3 0.2 0.15 0.1 0.05 0.04 0.03 0.025 0.02 0.015 0.01 0.005
1 0.32492 0.72654 1.37638 1.96261 3.07768 6.31375 7.91582 10.57889 12.7062 15.89454 21.20495 31.82052 63.65674 1
2 0.28868 0.61721 1.06066 1.38621 1.88562 2.91999 3.31976 3.89643 4.30265 4.84873 5.64278 6.96456 9.92484 2
3 0.27667 0.58439 0.97847 1.24978 1.63774 2.35336 2.60543 2.95051 3.18245 3.48191 3.89605 4.5407 5.84091 3
4 0.27072 0.56865 0.94096 1.18957 1.53321 2.13185 2.33287 2.60076 2.77645 2.99853 3.29763 3.74695 4.60409 4
5 0.26718 0.55943 0.91954 1.15577 1.47588 2.01505 2.19096 2.42158 2.57058 2.75651 3.00287 3.36493 4.03214 5
6 0.26483 0.55338 0.9057 1.13416 1.43976 1.94318 2.10431 2.31326 2.44691 2.61224 2.82893 3.14267 3.70743 6
7 0.26317 0.54911 0.89603 1.11916 1.41492 1.89458 2.04601 2.24088 2.36462 2.51675 2.71457 2.99795 3.49948 7
8 0.26192 0.54593 0.88889 1.10815 1.39682 1.85955 2.00415 2.18915 2.306 2.44898 2.63381 2.89646 3.35539 8
9 0.26096 0.54348 0.8834 1.09972 1.38303 1.83311 1.97265 2.15038 2.26216 2.39844 2.5738 2.82144 3.24984 9
10 0.26018 0.54153 0.87906 1.09306 1.37218 1.81246 1.9481 2.12023 2.22814 2.35931 2.52748 2.76377 3.16927 10
11 0.25956 0.53994 0.87553 1.08767 1.36343 1.79588 1.92843 2.09614 2.20099 2.32814 2.49066 2.71808 3.10581 11
12 0.25903 0.53862 0.87261 1.08321 1.35622 1.78229 1.91231 2.07644 2.17881 2.30272 2.4607 2.681 3.05454 12
13 0.25859 0.5375 0.87015 1.07947 1.35017 1.77093 1.89887 2.06004 2.16037 2.2816 2.43585 2.65031 3.01228 13
14 0.25821 0.53655 0.86805 1.07628 1.34503 1.76131 1.8875 2.04617 2.14479 2.26378 2.4149 2.62449 2.97684 14
15 0.25789 0.53573 0.86624 1.07353 1.34061 1.75305 1.87774 2.03429 2.13145 2.24854 2.39701 2.60248 2.94671 15
16 0.2576 0.53501 0.86467 1.07114 1.33676 1.74588 1.86928 2.024 2.11991 2.23536 2.38155 2.58349 2.92078 16
17 0.25735 0.53438 0.86328 1.06903 1.33338 1.73961 1.86187 2.015 2.10982 2.22385 2.36805 2.56693 2.89823 17
18 0.25712 0.53382 0.86205 1.06717 1.33039 1.73406 1.85534 2.00707 2.10092 2.2137 2.35618 2.55238 2.87844 18
19 0.25692 0.53331 0.86095 1.06551 1.32773 1.72913 1.84953 2.00002 2.09302 2.2047 2.34565 2.53948 2.86093 19
20 0.25674 0.53286 0.85996 1.06402 1.32534 1.72472 1.84433 1.99371 2.08596 2.19666 2.33624 2.52798 2.84534 20
21 0.25658 0.53246 0.85907 1.06267 1.32319 1.72074 1.83965 1.98804 2.07961 2.18943 2.32779 2.51765 2.83136 21
22 0.25643 0.53208 0.85827 1.06145 1.32124 1.71714 1.83542 1.98291 2.07387 2.18289 2.32016 2.50832 2.81876 22
23 0.2563 0.53175 0.85753 1.06034 1.31946 1.71387 1.83157 1.97825 2.06866 2.17696 2.31323 2.49987 2.80734 23
24 0.25617 0.53144 0.85686 1.05932 1.31784 1.71088 1.82805 1.97399 2.0639 2.17154 2.30691 2.49216 2.79694 24
25 0.25606 0.53115 0.85624 1.05838 1.31635 1.70814 1.82483 1.9701 2.05954 2.16659 2.30113 2.48511 2.78744 25
26 0.25595 0.53089 0.85567 1.05752 1.31497 1.70562 1.82186 1.96651 2.05553 2.16203 2.29581 2.47863 2.77871 26
27 0.25586 0.53065 0.85514 1.05673 1.3137 1.70329 1.81913 1.9632 2.05183 2.15782 2.29091 2.47266 2.77068 27
28 0.25577 0.53042 0.85465 1.05599 1.31253 1.70113 1.81659 1.96014 2.04841 2.15393 2.28638 2.46714 2.76326 28
29 0.25568 0.53021 0.85419 1.0553 1.31143 1.69913 1.81424 1.95729 2.04523 2.15033 2.28217 2.46202 2.75639 29
30 0.25561 0.53002 0.85377 1.05466 1.31042 1.69726 1.81205 1.95465 2.04227 2.14697 2.27826 2.45726 2.75000 30
31 0.25553 0.52984 0.85337 1.05406 1.30946 1.69552 1.81 1.95218 2.03951 2.14383 2.27461 2.45282 2.74404 31
32 0.25546 0.52967 0.853 1.0535 1.30857 1.69389 1.80809 1.94987 2.03693 2.1409 2.2712 2.44868 2.73848 32
33 0.2554 0.5295 0.85265 1.05298 1.30774 1.69236 1.80629 1.9477 2.03452 2.13816 2.26801 2.44479 2.73328 33
34 0.25534 0.52935 0.85232 1.05248 1.30695 1.69092 1.80461 1.94567 2.03224 2.13558 2.26501 2.44115 2.72839 34
35 0.25528 0.52921 0.85201 1.05202 1.30621 1.68957 1.80302 1.94375 2.03011 2.13316 2.26219 2.43772 2.72381 35
36 0.25523 0.52908 0.85172 1.05158 1.30551 1.6883 1.80153 1.94195 2.02809 2.13087 2.25953 2.43449 2.71948 36
37 0.25518 0.52895 0.85144 1.05117 1.30485 1.68709 1.80012 1.94024 2.02619 2.12871 2.25702 2.43145 2.71541 37
38 0.25513 0.52883 0.85118 1.05077 1.30423 1.68595 1.79878 1.93863 2.02439 2.12667 2.25465 2.42857 2.71156 38
39 0.25508 0.52871 0.85094 1.0504 1.30364 1.68488 1.79751 1.93711 2.02269 2.12474 2.2524 2.42584 2.70791 39
40 0.25504 0.52861 0.8507 1.05005 1.30308 1.68385 1.79631 1.93566 2.02108 2.12291 2.25027 2.42326 2.70446 40


Tabla N 3.2
TABLA DE LA DISTRIBUCION T-STUDENT
rea bajo la curva: P T c

v 0.4 0.3 0.2 0.15 0.1 0.05 0.04 0.03 0.025 0.02 0.015 0.01 0.005
41 0.255 0.5285 0.85048 1.04971 1.30254 1.68288 1.79517 1.93428 2.01954 2.12117 2.24825 2.4208 2.70118
42 0.25496 0.5284 0.85026 1.04939 1.30204 1.68195 1.79409 1.93298 2.01808 2.11952 2.24633 2.41847 2.69807
43 0.25492 0.52831 0.85006 1.04908 1.30155 1.68107 1.79305 1.93173 2.01669 2.11794 2.24449 2.41625 2.69510
44 0.25488 0.52822 0.84987 1.04879 1.30109 1.68023 1.79207 1.93054 2.01537 2.11644 2.24275 2.41413 2.69228
45 0.25485 0.52814 0.84968 1.04852 1.30065 1.67943 1.79113 1.92941 2.0141 2.115 2.24108 2.41212 2.68959
46 0.25482 0.52805 0.84951 1.04825 1.30023 1.67866 1.79023 1.92833 2.0129 2.11364 2.23949 2.41019 2.68701
47 0.25479 0.52798 0.84934 1.048 1.29982 1.67793 1.78937 1.92729 2.01174 2.11233 2.23797 2.40835 2.68456
48 0.25476 0.5279 0.84917 1.04775 1.29944 1.67722 1.78855 1.9263 2.01063 2.11107 2.23652 2.40658 2.68220
49 0.25473 0.52783 0.84902 1.04752 1.29907 1.67655 1.78776 1.92535 2.00958 2.10987 2.23512 2.40489 2.67995
50 0.2547 0.52776 0.84887 1.04729 1.29871 1.67591 1.787 1.92444 2.00856 2.10872 2.23379 2.40327 2.67779
51 0.25467 0.52769 0.84873 1.04708 1.29837 1.67528 1.78627 1.92356 2.00758 2.10762 2.2325 2.40172 2.67572
52 0.25465 0.52763 0.84859 1.04687 1.29805 1.67469 1.78558 1.92272 2.00665 2.10655 2.23127 2.40022 2.67373
53 0.25462 0.52757 0.84846 1.04667 1.29773 1.67412 1.78491 1.92191 2.00575 2.10553 2.23009 2.39879 2.67182
54 0.2546 0.52751 0.84833 1.04648 1.29743 1.67356 1.78426 1.92114 2.00488 2.10455 2.22895 2.39741 2.66998
55 0.25458 0.52745 0.84821 1.0463 1.29713 1.67303 1.78364 1.92039 2.00404 2.10361 2.22785 2.39608 2.66822
56 0.25455 0.5274 0.84809 1.04612 1.29685 1.67252 1.78304 1.91967 2.00324 2.1027 2.22679 2.3948 2.66651
57 0.25453 0.52735 0.84797 1.04595 1.29658 1.67203 1.78246 1.91897 2.00247 2.10182 2.22577 2.39357 2.66487
58 0.25451 0.5273 0.84786 1.04578 1.29632 1.67155 1.7819 1.9183 2.00172 2.10097 2.22479 2.39238 2.66329
59 0.25449 0.52725 0.84776 1.04562 1.29607 1.67109 1.78137 1.91765 2.001 2.10015 2.22384 2.39123 2.66176
60 0.25447 0.5272 0.84765 1.04547 1.29582 1.67065 1.78085 1.91703 2.0003 2.09936 2.22292 2.39012 2.66028
61 0.25445 0.52715 0.84755 1.04532 1.29558 1.67022 1.78034 1.91642 1.99962 2.0986 2.22204 2.38905 2.65886
62 0.25444 0.52711 0.84746 1.04518 1.29536 1.6698 1.77986 1.91584 1.99897 2.09786 2.22118 2.38801 2.65748
63 0.25442 0.52706 0.84736 1.04504 1.29513 1.6694 1.77939 1.91527 1.99834 2.09715 2.22035 2.38701 2.65615
64 0.2544 0.52702 0.84727 1.0449 1.29492 1.66901 1.77893 1.91472 1.99773 2.09645 2.21955 2.38604 2.65485
65 0.25439 0.52698 0.84719 1.04477 1.29471 1.66864 1.77849 1.91419 1.99714 2.09578 2.21877 2.3851 2.65360
66 0.25437 0.52694 0.8471 1.04464 1.29451 1.66827 1.77806 1.91368 1.99656 2.09514 2.21802 2.38419 2.65239
67 0.25436 0.5269 0.84702 1.04452 1.29432 1.66792 1.77765 1.91318 1.99601 2.09451 2.21729 2.3833 2.65122
68 0.25434 0.52687 0.84694 1.0444 1.29413 1.66757 1.77724 1.91269 1.99547 2.0939 2.21658 2.38245 2.65008
69 0.25433 0.52683 0.84686 1.04428 1.29394 1.66724 1.77685 1.91222 1.99495 2.0933 2.21589 2.38161 2.64898
70 0.25431 0.5268 0.84679 1.04417 1.29376 1.66691 1.77647 1.91177 1.99444 2.09273 2.21523 2.38081 2.64790
75 0.25425 0.52664 0.84644 1.04365 1.29294 1.66543 1.77473 1.90967 1.9921 2.09008 2.21216 2.3771 2.64298
80 0.25419 0.5265 0.84614 1.0432 1.29222 1.66412 1.77321 1.90784 1.99006 2.08778 2.20949 2.37387 2.63869
85 0.25414 0.52637 0.84587 1.0428 1.29159 1.66298 1.77187 1.90623 1.98827 2.08574 2.20713 2.37102 2.63491
90 0.2541 0.52626 0.84563 1.04244 1.29103 1.66196 1.77068 1.9048 1.98667 2.08394 2.20504 2.3685 2.63157
95 0.25406 0.52616 0.84542 1.04212 1.29053 1.66105 1.76961 1.90352 1.98525 2.08233 2.20317 2.36624 2.62858
100 0.25402 0.52608 0.84523 1.04184 1.29007 1.66023 1.76866 1.90237 1.98397 2.08088 2.2015 2.36422 2.62589
105 0.25399 0.526 0.84506 1.04158 1.28967 1.6595 1.76779 1.90133 1.98282 2.07958 2.19998 2.36239 2.62347
110 0.25396 0.52592 0.8449 1.04134 1.2893 1.65882 1.76701 1.90039 1.98177 2.07839 2.19861 2.36073 2.62126
120 0.25391 0.5258 0.84463 1.04093 1.28865 1.65765 1.76564 1.89874 1.97993 2.07631 2.1962 2.35782 2.61742
0.25335 0.5244 0.84162 1.03643 1.28156 1.64484 1.75069 1.88079 1.95997 2.05375 2.17009 2.32635 2.57583


Tabla N4.1
TABLA DE LA DISTRIBUCIN JI-CUADRADO

reas bajo la curva: P( 2 c)

v
0.995 0.990 0.980 0.975 0.960 0.950 0.900 0.800 0.700 0.600 0.500
1 0.000 0.000 0.001 0.001 0.003 0.004 0.016 0.064 0.148 0.275 0.455
2 0.010 0.020 0.040 0.051 0.082 0.103 0.211 0.446 0.713 1.022 1.386
3 0.072 0.115 0.185 0.216 0.300 0.352 0.584 1.005 1.424 1.869 2.366
4 0.207 0.297 0.429 0.484 0.627 0.711 1.064 1.649 2.195 2.753 3.357
5 0.412 0.554 0.752 0.831 1.031 1.145 1.610 2.343 3.000 3.656 4.351
6 0.676 0.872 1.134 1.237 1.492 1.635 2.204 3.070 3.828 4.570 5.348
7 0.989 1.239 1.564 1.690 1.997 2.167 2.833 3.822 4.671 5.493 6.346
8 1.344 1.647 2.032 2.180 2.537 2.733 3.490 4.594 5.527 6.423 7.344
9 1.735 2.088 2.532 2.700 3.105 3.325 4.168 5.380 6.393 7.357 8.343
10 2.156 2.558 3.059 3.247 3.697 3.940 4.865 6.179 7.267 8.295 9.342
11 2.603 3.053 3.609 3.816 4.309 4.575 5.578 6.989 8.148 9.237 10.341
12 3.074 3.571 4.178 4.404 4.939 5.226 6.304 7.807 9.034 10.182 11.340
13 3.565 4.107 4.765 5.009 5.584 5.892 7.041 8.634 9.926 11.129 12.340
14 4.075 4.660 5.368 5.629 6.243 6.571 7.790 9.467 10.821 12.078 13.339
15 4.601 5.229 5.985 6.262 6.914 7.261 8.547 10.307 11.721 13.030 14.339
16 5.142 5.812 6.614 6.908 7.596 7.962 9.312 11.152 12.624 13.983 15.338
17 5.697 6.408 7.255 7.564 8.288 8.672 10.085 12.002 13.531 14.937 16.338
18 6.265 7.015 7.906 8.231 8.989 9.390 10.865 12.857 14.440 15.893 17.338
19 6.844 7.633 8.567 8.907 9.698 10.117 11.651 13.716 15.352 16.850 18.338
20 7.434 8.260 9.237 9.591 10.415 10.851 12.443 14.578 16.266 17.809 19.337
21 8.034 8.897 9.915 10.283 11.140 11.591 13.240 15.445 17.182 18.768 20.337
22 8.643 9.542 10.600 10.982 11.870 12.338 14.041 16.314 18.101 19.729 21.337
23 9.260 10.196 11.293 11.689 12.607 13.091 14.848 17.187 19.021 20.690 22.337
24 9.886 10.856 11.992 12.401 13.350 13.848 15.659 18.062 19.943 21.652 23.337
25 10.520 11.524 12.697 13.120 14.098 14.611 16.473 18.940 20.867 22.616 24.337
26 11.160 12.198 13.409 13.844 14.851 15.379 17.292 19.820 21.792 23.579 25.336
27 11.808 12.878 14.125 14.573 15.609 16.151 18.114 20.703 22.719 24.544 26.336
28 12.461 13.565 14.847 15.308 16.371 16.928 18.939 21.588 23.647 25.509 27.336
29 13.121 14.256 15.574 16.047 17.138 17.708 19.768 22.475 24.577 26.475 28.336
30 13.787 14.953 16.306 16.791 17.908 18.493 20.599 23.364 25.508 27.442 29.336
31 14.458 15.655 17.042 17.539 18.683 19.281 21.434 24.255 26.440 28.409 30.336
60 35.534 37.485 39.699 40.482 42.266 43.188 46.459 50.641 53.809 56.620 59.335
70 43.275 45.442 47.893 48.758 50.724 51.739 55.329 59.898 63.346 66.396 69.334
120 83.852 86.923 90.367 91.573 94.303 95.705 100.624 106.806 111.419 115.465 119.334

Tabla N4.2
TABLA DE LA DISTRIBUCIN JI-CUADRADO

reas bajo la curva: P( 2 c)

v
0.250 0.200 0.150 0.125 0.100 0.050 0.025 0.020 0.010 0.005
1 1.323 1.642 2.072 2.354 2.706 3.841 5.024 5.412 6.635 7.879
2 2.773 3.219 3.794 4.159 4.605 5.991 7.378 7.824 9.210 10.597
3 4.108 4.642 5.317 5.739 6.251 7.815 9.348 9.837 11.345 12.838
4 5.385 5.989 6.745 7.214 7.779 9.488 11.143 11.668 13.277 14.860
5 6.626 7.289 8.115 8.625 9.236 11.070 12.832 13.388 15.086 16.750
6 7.841 8.558 9.446 9.992 10.645 12.592 14.449 15.033 16.812 18.548
7 9.037 9.803 10.748 11.326 12.017 14.067 16.013 16.622 18.475 20.278
8 10.219 11.030 12.027 12.636 13.362 15.507 17.535 18.168 20.090 21.955
9 11.389 12.242 13.288 13.926 14.684 16.919 19.023 19.679 21.666 23.589
10 12.549 13.442 14.534 15.198 15.987 18.307 20.483 21.161 23.209 25.188
11 13.701 14.631 15.767 16.457 17.275 19.675 21.920 22.618 24.725 26.757
12 14.845 15.812 16.989 17.703 18.549 21.026 23.337 24.054 26.217 28.300
13 15.984 16.985 18.202 18.939 19.812 22.362 24.736 25.471 27.688 29.819
14 17.117 18.151 19.406 20.166 21.064 23.685 26.119 26.873 29.141 31.319
15 18.245 19.311 20.603 21.384 22.307 24.996 27.488 28.259 30.578 32.801
16 19.369 20.465 21.793 22.595 23.542 26.296 28.845 29.633 32.000 34.267
17 20.489 21.615 22.977 23.799 24.769 27.587 30.191 30.995 33.409 35.718
18 21.605 22.760 24.155 24.997 25.989 28.869 31.526 32.346 34.805 37.156
19 22.718 23.900 25.329 26.189 27.204 30.144 32.852 33.687 36.191 38.582
20 23.828 25.038 26.498 27.376 28.412 31.410 34.170 35.020 37.566 39.997
21 24.935 26.171 27.662 28.559 29.615 32.671 35.479 36.343 38.932 41.401
22 26.039 27.301 28.822 29.737 30.813 33.924 36.781 37.659 40.289 42.796
23 27.141 28.429 29.979 30.911 32.007 35.172 38.076 38.968 41.638 44.181
24 28.241 29.553 31.132 32.081 33.196 36.415 39.364 40.270 42.980 45.558
25 29.339 30.675 32.282 33.247 34.382 37.652 40.646 41.566 44.314 46.928
26 30.435 31.795 33.429 34.410 35.563 38.885 41.923 42.856 45.642 48.290
27 31.528 32.912 34.574 35.570 36.741 40.113 43.195 44.140 46.963 49.645
28 32.620 34.027 35.715 36.727 37.916 41.337 44.461 45.419 48.278 50.994
29 33.711 35.139 36.854 37.881 39.087 42.557 45.722 46.693 49.588 52.335
30 34.800 36.250 37.990 39.033 40.256 43.773 46.979 47.962 50.892 53.672
31 35.887 37.359 39.124 40.181 41.422 44.985 48.232 49.226 52.191 55.002
60 66.981 68.972 71.341 72.751 74.397 79.082 83.298 84.580 88.379 91.952
70 77.577 79.715 82.255 83.765 85.527 90.531 95.023 96.387 100.425 104.215
120 130.055 132.806 136.062 137.990 140.233 146.567 152.211 153.918 158.950 163.648

Tabla N5.1
TABLA DE LA DISTRIBUCIN F
reas bajo la curva: P(F c)

v1

v2 1 2 3 4 5 6 7 8 9 10
0.050 1 161.45 199.50 215.71 224.58 230.16 233.99 236.77 238.88 240.54 241.88
0.025 647.79 799.48 864.15 899.60 921.83 937.11 948.20 956.64 963.28 968.63
0.010 4052.18 4999.34 5403.53 5624.26 5763.96 5858.95 5928.33 5980.95 6022.40 6055.93
0.005 16212.46 19997.36 21614.13 22500.75 23055.82 23439.53 23715.20 23923.81 24091.45 24221.84
0.050 2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40
0.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39 39.40
0.010 98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39 99.40
0.005 198.50 199.01 199.16 199.24 199.30 199.33 199.36 199.38 199.39 199.39
0.050 3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79
0.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47 14.42
0.010 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23
0.005 55.55 49.80 47.47 46.20 45.39 44.84 44.43 44.13 43.88 43.68
0.050 4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96
0.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84
0.010 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55
0.005 31.33 26.28 24.26 23.15 22.46 21.98 21.62 21.35 21.14 20.97
0.050 5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74
0.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62
0.010 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05
0.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77 13.62
0.050 6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
0.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46
0.010 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87
0.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39 10.25
0.050 7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64
0.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76
0.010 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62
0.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51 8.38
0.050 8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35
0.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30
0.010 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81
0.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34 7.21
0.050 9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
0.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96
0.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26
0.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54 6.42
0.050 10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98
0.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72
0.010 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85
0.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97 5.85
0.050 11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85
0.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53
0.010 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54
0.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54 5.42
0.050 12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
0.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44 3.37
0.010 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30
0.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20 5.09

Tabla N5.2

v1
v2 12 15 20 24 30 40 50 60 70 120
0.050 1 243.90 245.95 248.02 249.05 250.10 251.14 251.77 252.20 252.50 253.25
0.025 976.72 984.87 993.08 997.27 1001.40 1005.60 1008.10 1009.79 1011.01 1014.04
0.010 6106.68 6156.97 6208.66 6234.27 6260.35 6286.43 6302.26 6312.97 6320.89 6339.51
0.005 24426.73 24631.62 24836.51 24937.09 25041.40 25145.71 25212.76 25253.74 25283.55 25358.05
0.050 2 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.48 19.48 19.49
0.025 39.41 39.43 39.45 39.46 39.46 39.47 39.48 39.48 39.48 39.49
0.010 99.42 99.43 99.45 99.46 99.47 99.48 99.48 99.48 99.48 99.49
0.005 199.42 199.43 199.45 199.45 199.48 199.48 199.48 199.48 199.48 199.49
0.050 3 8.74 8.70 8.66 8.64 8.62 8.59 8.58 8.57 8.57 8.55
0.025 14.34 14.25 14.17 14.12 14.08 14.04 14.01 13.99 13.98 13.95
0.010 27.05 26.87 26.69 26.60 26.50 26.41 26.35 26.32 26.29 26.22
0.005 43.39 43.08 42.78 42.62 42.47 42.31 42.21 42.15 42.10 41.99
0.050 4 5.91 5.86 5.80 5.77 5.75 5.72 5.70 5.69 5.68 5.66
0.025 8.75 8.66 8.56 8.51 8.46 8.41 8.38 8.36 8.35 8.31
0.010 14.37 14.20 14.02 13.93 13.84 13.75 13.69 13.65 13.63 13.56
0.005 20.70 20.44 20.17 20.03 19.89 19.75 19.67 19.61 19.57 19.47
0.050 5 4.68 4.62 4.56 4.53 4.50 4.46 4.44 4.43 4.42 4.40
0.025 6.52 6.43 6.33 6.28 6.23 6.18 6.14 6.12 6.11 6.07
0.010 9.89 9.72 9.55 9.47 9.38 9.29 9.24 9.20 9.18 9.11
0.005 13.38 13.15 12.90 12.78 12.66 12.53 12.45 12.40 12.37 12.27
0.050 6 4.00 3.94 3.87 3.84 3.81 3.77 3.75 3.74 3.73 3.70
0.025 5.37 5.27 5.17 5.12 5.07 5.01 4.98 4.96 4.94 4.90
0.010 7.72 7.56 7.40 7.31 7.23 7.14 7.09 7.06 7.03 6.97
0.005 10.03 9.81 9.59 9.47 9.36 9.24 9.17 9.12 9.09 9.00
0.050 7 3.57 3.51 3.44 3.41 3.38 3.34 3.32 3.30 3.29 3.27
0.025 4.67 4.57 4.47 4.41 4.36 4.31 4.28 4.25 4.24 4.20
0.010 6.47 6.31 6.16 6.07 5.99 5.91 5.86 5.82 5.80 5.74
0.005 8.18 7.97 7.75 7.64 7.53 7.42 7.35 7.31 7.28 7.19
0.050 8 3.28 3.22 3.15 3.12 3.08 3.04 3.02 3.01 2.99 2.97
0.025 4.20 4.10 4.00 3.95 3.89 3.84 3.81 3.78 3.77 3.73
0.010 5.67 5.52 5.36 5.28 5.20 5.12 5.07 5.03 5.01 4.95
0.005 7.01 6.81 6.61 6.50 6.40 6.29 6.22 6.18 6.15 6.06
0.050 9 3.07 3.01 2.94 2.90 2.86 2.83 2.80 2.79 2.78 2.75
0.025 3.87 3.77 3.67 3.61 3.56 3.51 3.47 3.45 3.43 3.39
0.010 5.11 4.96 4.81 4.73 4.65 4.57 4.52 4.48 4.46 4.40
0.005 6.23 6.03 5.83 5.73 5.62 5.52 5.45 5.41 5.38 5.30
0.050 10 2.91 2.85 2.77 2.74 2.70 2.66 2.64 2.62 2.61 2.58
0.025 3.62 3.52 3.42 3.37 3.31 3.26 3.22 3.20 3.18 3.14
0.010 4.71 4.56 4.41 4.33 4.25 4.17 4.12 4.08 4.06 4.00
0.005 5.66 5.47 5.27 5.17 5.07 4.97 4.90 4.86 4.83 4.75
0.050 11 2.79 2.72 2.65 2.61 2.57 2.53 2.51 2.49 2.48 2.45
0.025 3.43 3.33 3.23 3.17 3.12 3.06 3.03 3.00 2.99 2.94
0.010 4.40 4.25 4.10 4.02 3.94 3.86 3.81 3.78 3.75 3.69
0.005 5.24 5.05 4.86 4.76 4.65 4.55 4.49 4.45 4.41 4.34
0.050 12 2.69 2.62 2.54 2.51 2.47 2.43 2.40 2.38 2.37 2.34
0.025 3.28 3.18 3.07 3.02 2.96 2.91 2.87 2.85 2.83 2.79
0.010 4.16 4.01 3.86 3.78 3.70 3.62 3.57 3.54 3.51 3.45
0.005 4.91 4.72 4.53 4.43 4.33 4.23 4.17 4.12 4.09 4.01

Tabla N5.3

v1
v2 1 2 3 4 5 6 7 8 9 10
0.050 13 4.7 3.8 3.4 3.2 3.0 2.9 2.8 2.8 2.7 2.7
0.025 6.4 5.0 4.3 4.0 3.8 3.6 3.5 3.4 3.3 3.2
0.010 9.1 6.7 5.7 5.2 4.9 4.6 4.4 4.3 4.2 4.1
0.005 11.4 8.2 6.9 6.2 5.8 5.5 5.3 5.1 4.9 4.8
0.050 14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60
0.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15
0.010 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94
0.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72 4.60
0.050 15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
0.025 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06
0.010 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80
0.005 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54 4.42
0.050 20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35
0.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77
0.010 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37
0.005 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96 3.85
0.050 24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
0.025 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64
0.010 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17
0.005 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69 3.59
0.050 30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16
0.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51
0.010 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98
0.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45 3.34
0.050 40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08
0.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45 2.39
0.010 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80
0.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22 3.12
0.050 45 4.06 3.20 2.81 2.58 2.42 2.31 2.22 2.15 2.10 2.05
0.025 5.38 4.01 3.42 3.09 2.86 2.70 2.58 2.49 2.41 2.35
0.010 7.23 5.11 4.25 3.77 3.45 3.23 3.07 2.94 2.83 2.74
0.005 8.71 5.97 4.89 4.29 3.91 3.64 3.43 3.28 3.15 3.04
0.050 50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03
0.025 5.34 3.97 3.39 3.05 2.83 2.67 2.55 2.46 2.38 2.32
0.010 7.17 5.06 4.20 3.72 3.41 3.19 3.02 2.89 2.78 2.70
0.005 8.63 5.90 4.83 4.23 3.85 3.58 3.38 3.22 3.09 2.99
0.050 60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99
0.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33 2.27
0.010 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63
0.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01 2.90
0.050 70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.97
0.025 5.25 3.89 3.31 2.97 2.75 2.59 2.47 2.38 2.30 2.24
0.010 7.01 4.92 4.07 3.60 3.29 3.07 2.91 2.78 2.67 2.59
0.005 8.40 5.72 4.66 4.08 3.70 3.43 3.23 3.08 2.95 2.85
0.050 120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91
0.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22 2.16
0.010 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47
0.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81 2.71

Tabla N5.4

v1
v2 12 15 20 24 30 40 50 60 70 120
0.050 13 2.6 2.5 2.5 2.4 2.4 2.3 2.3 2.3 2.3 2.3
0.025 3.2 3.1 2.9 2.9 2.8 2.8 2.7 2.7 2.7 2.7
0.010 4.0 3.8 3.7 3.6 3.5 3.4 3.4 3.3 3.3 3.3
0.005 4.6 4.5 4.3 4.2 4.1 4.0 3.9 3.9 3.8 3.8
0.050 14 2.53 2.46 2.39 2.35 2.31 2.27 2.24 2.22 2.21 2.18
0.025 3.05 2.95 2.84 2.79 2.73 2.67 2.64 2.61 2.60 2.55
0.010 3.80 3.66 3.51 3.43 3.35 3.27 3.22 3.18 3.16 3.09
0.005 4.43 4.25 4.06 3.96 3.86 3.76 3.70 3.66 3.62 3.55
0.050 15 2.48 2.40 2.33 2.29 2.25 2.20 2.18 2.16 2.15 2.11
0.025 2.96 2.86 2.76 2.70 2.64 2.59 2.55 2.52 2.51 2.46
0.010 3.67 3.52 3.37 3.29 3.21 3.13 3.08 3.05 3.02 2.96
0.005 4.25 4.07 3.88 3.79 3.69 3.59 3.52 3.48 3.45 3.37
0.050 20 2.28 2.20 2.12 2.08 2.04 1.99 1.97 1.95 1.93 1.90
0.025 2.68 2.57 2.46 2.41 2.35 2.29 2.25 2.22 2.20 2.16
0.010 3.23 3.09 2.94 2.86 2.78 2.69 2.64 2.61 2.58 2.52
0.005 3.68 3.50 3.32 3.22 3.12 3.02 2.96 2.92 2.88 2.81
0.050 24 2.18 2.11 2.03 1.98 1.94 1.89 1.86 1.84 1.83 1.79
0.025 2.54 2.44 2.33 2.27 2.21 2.15 2.11 2.08 2.06 2.01
0.010 3.03 2.89 2.74 2.66 2.58 2.49 2.44 2.40 2.38 2.31
0.005 3.42 3.25 3.06 2.97 2.87 2.77 2.70 2.66 2.63 2.55
0.050 30 2.09 2.01 1.93 1.89 1.84 1.79 1.76 1.74 1.72 1.68
0.025 2.41 2.31 2.20 2.14 2.07 2.01 1.97 1.94 1.92 1.87
0.010 2.84 2.70 2.55 2.47 2.39 2.30 2.25 2.21 2.18 2.11
0.005 3.18 3.01 2.82 2.73 2.63 2.52 2.46 2.42 2.38 2.30
0.050 40 2.00 1.92 1.84 1.79 1.74 1.69 1.66 1.64 1.62 1.58
0.025 2.29 2.18 2.07 2.01 1.94 1.88 1.83 1.80 1.78 1.72
0.010 2.66 2.52 2.37 2.29 2.20 2.11 2.06 2.02 1.99 1.92
0.005 2.95 2.78 2.60 2.50 2.40 2.30 2.23 2.18 2.15 2.06
0.050 45 1.97 1.89 1.81 1.76 1.71 1.66 1.63 1.60 1.59 1.54
0.025 2.25 2.14 2.03 1.96 1.90 1.83 1.79 1.76 1.74 1.68
0.010 2.61 2.46 2.31 2.23 2.14 2.05 2.00 1.96 1.93 1.85
0.005 2.88 2.71 2.53 2.43 2.33 2.22 2.16 2.11 2.08 1.99
0.050 50 1.95 1.87 1.78 1.74 1.69 1.63 1.60 1.58 1.56 1.51
0.025 2.22 2.11 1.99 1.93 1.87 1.80 1.75 1.72 1.70 1.64
0.010 2.56 2.42 2.27 2.18 2.10 2.01 1.95 1.91 1.88 1.80
0.005 2.82 2.65 2.47 2.37 2.27 2.16 2.10 2.05 2.02 1.93
0.050 60 1.92 1.84 1.75 1.70 1.65 1.59 1.56 1.53 1.52 1.47
0.025 2.17 2.06 1.94 1.88 1.82 1.74 1.70 1.67 1.64 1.58
0.010 2.50 2.35 2.20 2.12 2.03 1.94 1.88 1.84 1.81 1.73
0.005 2.74 2.57 2.39 2.29 2.19 2.08 2.01 1.96 1.93 1.83
0.050 70 1.89 1.81 1.72 1.67 1.62 1.57 1.53 1.50 1.49 1.44
0.025 2.14 2.03 1.91 1.85 1.78 1.71 1.66 1.63 1.60 1.54
0.010 2.45 2.31 2.15 2.07 1.98 1.89 1.83 1.78 1.75 1.67
0.005 2.68 2.51 2.33 2.23 2.13 2.02 1.95 1.90 1.86 1.77
0.050 120 1.83 1.75 1.66 1.61 1.55 1.50 1.46 1.43 1.41 1.35
0.025 2.05 1.94 1.82 1.76 1.69 1.61 1.56 1.53 1.50 1.43
0.010 2.34 2.19 2.03 1.95 1.86 1.76 1.70 1.66 1.62 1.53
0.005 2.54 2.37 2.19 2.09 1.98 1.87 1.80 1.75 1.71 1.61

Cuaderno de Trabajo 201701

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

Cuaderno de Trabajo 201701

Enviado por

Direitos autorais:

Formatos disponíveis

PRE GRADO

PROFESORES : LINEA DE ESTADSTICA

TTULO : CUADERNO DE TRABAJO

FECHA : Marzo de 2017

Unidad 1. Organizacin de datos

Elemento o unidad elemental

2. Material de construccin de la vivienda:

3. Nmero de habitaciones: ____________

4. rea de terreno: __________ m2

5. La vivienda se encuentra en:

Complete la siguiente Ficha tcnica:

Fecha: Del 02 al 15 de marzo del 2015

Unidad elemental: ______________________________________________________________________________

Con 95% de confianza y 3% de margen de error.

1.3 Tipos de datos

4.- Nmero de protuberancias:________________

Escamas Marcas mecnicas Corrosin

a. Cul es la poblacin en estudio?

Escalas de medicin de las variables

Variable Tipo de variable Escala de medicin

1. El gobierno est preocupado por la ocurrencia de un sismo de alta intensidad en el departamento

a. De acuerdo al enunciado anterior identifique la poblacin y la muestra.

Identifique el tipo y escala de medicin de las variables consideradas en dicho estudio.

Variable Tipo de variable Escala de medicin

Lenguajes de programacin (Cobol, Java, etc)

Cantidad de servidores por empresa

Costo de las licencias de software (en dlares)

Ao de instalacin del software

3. La empresa de investigacin de mercados AlphaDatum S.A. realiz un estudio para evaluar el

a. De acuerdo al enunciado anterior identifique la poblacin y la muestra.

4. Indique el tipo y la escala de medicin de las caractersticas observadas en una muestra de

Variable Tipo de variable Escala de medicin

Dimetro de la tubera (pulgadas)

Ubicacin (subterrnea, area)

Longitud de la tubera (pies)

Estabilidad del suelo circundante (inestable,

Corrosividad del suelo circundante (corrosivo o

1.5 Organizacin de datos cualitativos

Frecuencia relativa (hi) de la categora

Frecuencia relativa acumulada (Hi) de una categora

Distribucin de viviendas segn material de construccin

com.pe 285 0.570 57.0

org.pe 106 0.212 21.2

edu.pe 64 0.128 12.8

gob.pe 26 0.052 5.2

net.pe 3 0.006 0.6

Otros 16 0.032 3.2

Grfico de barras y sector circular

Distribucin de viviendas segn material de construccin

El grfico circular se presenta a continuacin:

Elabore el grfico de barras para el ejercicio anterior.

Distribucin de empleados segn tipo de programa de Microsoft que usan

Complete los siguientes grficos:

i) Conocer cul es el factor o factores ms importantes en un problema.

Pasos para realizar el grfico de Pareto:

i) Recolectar datos y clasificarlos por categoras.

Distribucin de puentes vecinales segn defectos observados

Diagrama de Pareto de Defectos

Distribucin de .. segn principales causas que afectan la produccin

Fuente: Departamento de produccin

C onteo 191 122 56 35 11 35

1.6 Tabulaciones cruzadas

Distribucin de las obras de construccin segn tipo de terreno y riesgo ms importante

Complete los espacios en blanco.