SOL Elementos de Electromagnetismo - 3ra Edición - Matthew Sadiku

www.elsolucionario.
net
.
.
. http://ebookgratisenpdf.blogspot.com.ar/
? 4 CENGAGE
* + Leaming*
www.elsolucionario.net
E s t a d ís t ic a
E L E M E N T A L
1 1 A . E D IC IÓ N
Johnson • Kuby
Page 1 of 418
Page 2 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/
E L E M E N T A L
Page 3 of 418
.
.
.
Page 4 of 418
.
.
.
E L E M E N T A L
Robert Johnson
M on roe Com m uniy C ollege
Patricia Kuby
M on roe Com m uniy C ollege
Traducción
Víctor Campos O lguín
Traductor profesional
Revisión Técnica
Dra. A na Elizabeth G arcía Hernández
Universidad La Salle, Morelia
CEN G AG E
Learning-
Australia • Brasil • Corea • España • Estados U nidos «Japón « M é x ic o ♦ Reino U n ido • Singapur
Page 5 of 418
.
.
.
/ V CEN G AG E
Learning4 www.elsolucionario.net
E s t a d í s t i c a e l e m e n t a l , n a . e d ic ió n © D .R . z o l 2 p o r C e n g a g e L e a r n in g E d i t o r e s , S .A . d e C .V .,
R o b e rt Jo h n s o n y P atricia K ub y Una C o m p a ñ ía d e C e n g a g e L e a rn in g , Inc.
C o rp o ra tiv o S a n ta Fe
Presidente de Cengage Learning A v. S a n ta F e n ú m . 5 0 5 , p is o 12
Latinoam érica: C o l. C ru z M a n c a , S a n ta F e
F e rn a n d o V a le n z u e la M lg o y a C.P. 0 5 3 4 9 , M é x ic o , D.F.
C e n g a g e L e a r n in g ® e s un a m a rc a r e g is tra d a
D irecto r E ditorial, de Producción U sada b a jo p e r m iso .
y de Plataform as D igitales para
Latinoam érica:
R ica rd o H . R o d ríg u e z D E R E C H O S R E S E R V A D O S . N in g u n a p a r te d e
e s te tr a b a jo a m p a ra d o p o r la L e y F e d e ra l del
G eren te de Procesos para D e re c h o d e A u to r , p o d rá s e r r e p ro d u c id a ,
Latinoam érica: tra n s m itid a , a lm a c e n a d a o u tiliz a d a en
C lau d ia Isla s L lcona c u a lq u ie r fo rm a o p o r c u a lq u ie r m e d io , y a se a
g rá fic o , e le c tr ó n ic o o m e c á n ic o , In c lu y e n d o ,
G eren te de M anufactura para p e ro sin lim ita rse a lo s ig u ie n te : fo to c o p la d o ,
Latinoam érica: re p r o d u c c ió n , e s c a n e o , d lg lta llz a c ló n ,
Raúl D .Z e n d e ja s E sp e je l g ra b a c ió n en a u d lo , d istrib u c ió n en In te rn e t,
d istrib u c ió n en r e d e s d e In fo rm a c ió n o
G eren te Editorial de Contenidos a lm a c e n a m ie n to y re c o p ila c ió n e n s is te m a s
en Español: d e In fo rm a c ió n a e x c e p c ió n d e lo p e rm itid o
P ilar H e rn á n d e z S a n ta m a rln a en el C a p ítu lo III, A r tíc u lo 27 d e la L ey F e d e ra l
del D e re c h o d e A u to r, sin el c o n s e n tim ie n to
C oordinador de M anufactura: p o r e s c rito d e la E d ito ria l.
R a fa e l P é re z G o n z á le z
T rad u cid o del lib ro E le m e n t a r y S fa f/st/c s, l i e .
Editores:
S e rg io R. C e r v a n te s G o n z á le z
A b ril V e g a O ro z co
R o b e rt Jo h n s o n and P atricia Kuby.
P u b lica d o en In g lé s p o r B r o o k s & C o lé , Una co m p a ñ ía
d e C e n g a g e L e a rn in g © 2 0 1 2
IS B N : 9 7 8 -0 -5 3 8 -7 3 3 5 0 -2
Diseño de portada:
S tu d lo 2 .0 D a to s p a ra c a ta lo g a c ió n b ib lio g rá fic a :
J o h n s o n , R o b e rt y P a tricia K uby.
Im agen de portada: E s ta d ís tic a e le m e n ta l, l i a . ed ició n .
S h u tte r s to c k IS B N : 9 7 8 - 6 0 7 - 4 8 1- 8 5 5 - 0
C o m p o s ic ió n tip o g r á fic a : V i s i t e n u e s t r o s it io e n :
P atricia D e lg a d o Trujlllo h ttp :/ / la tln o a m e r lc a .c e n g a g e .c o m
H u m b e rto N ú ñ e z R a m o s
Im preso en M éxico
1 2 3 4 5 6 7 15 14 13 12
Page 6 of 418
.
.
.
Contenido breve
Capítulo 1 Estadística 1
Capítulo 2 A nálisis descriptivo y presentación

de datos de una va ria b le 32
Capítulo 3 A nálisis descriptivo y presentación

de datos biva riado s 120
Capítulo 4 P robabilidad 172
Capítulo 5 Distribuciones de p ro b a b ilid a d (variables discretas) 230
Capítulo ó www.elsolucionario.net
Distribuciones de p ro b a b ilid a d normal 268
Capítulo 7 V a ria b ilid a d muestral 312
Capítulo 8 Introducción a la inferencia estadística 340
Capítulo 9 Inferencias que involucran una po blació n 412
Capítulo 10 Inferencias que involucran dos poblaciones 478
Capítulo 11 A plicacion es de ¡i cuadrada 544
Capítulo 12 A nálisis de varia n za 578
Capítulo 13 A nálisis de correlación y de regresión lineales 612
Capítulo 14 Elementos de estadística no param étrica 662
Page 7 of 418
.
.
.
Page 8 of 418
.
.
.
Contenido detallado
PARTE 1 Estadística descriptiva

Capítulo 1 Estadística xx
1.1 ¿ Q u é es e sta d ística ? xx
1.2 M e n s u r a b ilid a d y v a r ia b ilid a d 14
1.3 R e co le cció n d e d a to s 15
1 .4 E stad ística y te c n o lo g ía 24
Capítulo 2 Análisis descriptivo y presentación de datos de una variable 32

2.1 G rá fic a s , d ia g ra m a s d e P a reto y d ia g ra m a s d e ta llo y h o ja s 32
2 .2 D is trib u c io n e s d e fre c u e n c ia e h is to g ra m a s 47
2 .3 M e d id a s d e te n d e n c ia c e n tra l 63
2 .4 M e d id a s d e d is p e rs ió n 74
2 .5 M e d id a s d e p o s ic ió n 82
2 .ó In te rp re ta c ió n y c o m p re n s ió n d e la d e s v ia c ió n e s tá n d a r 95
2 .7
El a rte del e n g a ñ o e s ta d ís tic o 102
Capítulo 3 Análisis descriptivo y presentación de datos bivariados 120

3.1 D a to s b iv a ria d o s 120
3 .2 C o rre la c ió n lin e a l 136
3 .3 R egresión lin e a l 146
PARTE 2 Probabilidad
Capítulo 4 Probabilidad 172
4.1 P ro b a b ilid a d d e e ven tos 172
4 .2 P ro b a b ilid a d c o n d ic io n a l d e e ven tos 190
4 .3 R eglas d e p r o b a b ilid a d 195
4 .4 Eventos m u tu a m e n te e x c lu y e n te s 202
4 .5 Eventos in d e p e n d ie n te s 208
4 .6 M u tu a m e n te e xclu y e n te s e in d e p e n d ie n te s , ¿están re la c io n a d o s ? 214
Capítulo 5 Distribuciones de probabilidad (variables discretas) 230

5.1 V a ria b le s a le a to ria s 230
5 .2 D is trib u c io n e s d e p r o b a b ilid a d d e u n a v a ria b le a le a to ria d is c re ta 233
5 .3 D is trib u c ió n d e p r o b a b ilid a d b in o m ia l 243
Capítulo 6 Distribuciones de probabilidad norm al 268

6.1 D is trib u c ió n d e p r o b a b ilid a d n o rm a l 268
6 .2 La d is trib u c ió n n o rm a l e s tá n d a r 271
6 .3 A p lic a c io n e s d e las d is trib u c io n e s n o rm a le s 279
6 .4 N o ta c ió n 292
6 .5 A p ro x im a c ió n n o rm a l d e la b in o m ia l 299
Page 9 of 418
.
.
.
v iii Contenido d e tallado
Capítulo 7 V ariabilidad muestral 312
7.1 D is trib u c io n e s m ué stra le s 312
7 .2 La d is trib u c ió n m ue stral d e m e d ia s m ué strales 319
7 .3 A p lic a c ió n de la d is trib u c ió n m ue stra l d e
m e d ia s m uéstrales 327
Parte 3 Inferencia estadística

Capítulo 8 Introducción a la inferencia estadística 340
8.1 La n a tu ra le z a d e la e s tim a c ió n 340
8 .2 E stim a c ió n d e m e d ia /jl [cr c o n o c id a ) 347
8 .3 La n a tu ra le z a d e la p ru e b a d e h ip ó te s is 361
8 .4 P ru e b a d e h ip ó te sis d e m e d ia /jl [cr c o n o c id a ):
U n m é to d o de v a lo r d e p r o b a b ilid a d 370
8 .5 P ru e b a d e h ip ó te sis d e m e d ia /jl [cr c o n o c id a ):
U n m é to d o c lá s ic o (o p c io n a l) 387
Capítulo 9 Inferencias que involucran una población 412

9.1 In fe re n c ia s en to rn o a la m e d i a ( c r d e s c o n o c id a ) 412
9 .2 In fe re n c ia s en to rn o a la p r o b a b ilid a d b in o m ia l d e é x ito 434
9 .3 In fe re n c ia s en to rn o a la v a ria n z a y la d e s v ia c ió n e s tá n d a r 453
Capítulo 10
10.1
Inferencias que involucran dos poblaciones
M u e s tra s d e p e n d ie n te s e in d e p e n d ie n te s
478
478
1 0 .2 In fe re n c ia s c o n c e rn ie n te s a la d ife re n c ia d e m e d ia s
u s a n d o d o s m uestras d e p e n d ie n te s 482
1 0 .3 In fe re n c ia s c o n c e rn ie n te s a la d ife re n c ia entre m e d ia s
u s a n d o dos m uestras in d e p e n d ie n te s 495
1 0 .4 In fe re n c ia s c o n c e rn ie n te s a la d ife re n c ia e ntre p ro p o rc io n e s
u s a n d o dos m uestras in d e p e n d ie n te s 51 1
1 0 .5 In fe re n c ia s c o n c e rn ie n te s a la ra z ó n d e v a ria n z a s
u s a n d o d o s m uestras in d e p e n d ie n te s 521
PARTE 4 Más inferencia estadística

Capítulo 11 Aplicaciones de ¡i cuadrada 544
11. 1 El e sta d ístico ¡i c u a d ra d a 544
1 1 .2 In fe re n c ia s c o n c e rn ie n te s a e x p e rim e n to s m u ltin o m ia le s 547
1 1 .3 In fe re n c ia s c o n c e rn ie n te s a ta b la s d e c o n tin g e n c ia 558
Capítulo 12 Análisis de v arian za 578

12.1 In tro d u c c ió n a la té c n ic a d e a n á lis is d e v a ria n z a 578
1 2 .2 La ló g ic a d e trá s d e A N O V A 586
1 2 .3 A p lic a c io n e s d e la A N O V A d e un so lo fa c to r 590
Capítulo 13 Análisis de correlación y de regresión lineales 612

13. 1 A n á lis is d e c o rre la c ió n lin e a l 612
13.2 In fe re n c ia s en to rn o a l c o e fic ie n te d e c o rre la c ió n lin e a l 619
13.3 A n á lis is d e re g re s ió n lin e a l 627
13.4 In fe re n c ia s c o n c e rn ie n te s a la p e n d ie n te
d e la re c ta de re g re s ió n 634
Page 10 of 418
.
.
.
Contenido d e tallado ix
13.5 In te rv a lo s d e c o n fia n z a p a ra re g re s ió n 643
13.6 C o m p re n d e r la re la c ió n entre
c o rre la c ió n y re g re s ió n 653
Capítulo 14 Elementos de estadística noparam étrica 662

14. 1 E stad ística n o p a ra m é tric a 662
14.2 La p ru e b a del s ig n o 664
14.3 La p ru e b a U d e M a n n - W h itn e y 676
14.4 La p ru e b a d e ra c h a s 686
1 4 .5 C o rre la c ió n p o r ra n g o s 694
Apéndice A: C o n c e p to s in tro d u c to rio s y re v is ió n d e le c c io n e s 71 O

Apéndice B: T ab las 71 1
R espuestas a e je rc ic io s s e le c c io n a d o s 735
R espuestas a e x á m e n e s de p rá c tic a d e los c a p ítu lo s 779
In d ic e a n a lític o 787
In d ic e de a p lic a c io n e s 797
Tablas 805
In d ic e d e in stru ccio n e s p a ra c o m p u ta d o ra y c a lc u la d o ra
T a rje ta d e fó rm u la s
805
806
V a lo re s c rític o s d e la d is trib u c ió n t d e S tu d e n t 808
A re a s a c u m u la d a s d e la d is trib u c ió n n o rm a l e s tá n d a r 809
Page 11 of 418
.
.
.
Page 12 of 418
.
.
.
Prefacio
A través de los años, desde que se publicó por vez prim era. Estadística elem ental se convirtió en un libro introductorio excep
cionalm ente legible y confiable que prom ueve el aprendizaje, la com prensión y la m otivación al presentar la estadística en un
contexto de m undo real sin sacrificar el rigor m atem ático. A lo largo del cam ino, disciplina tras disciplina evoluciona para reco
nocer que la estadística es una herram ienta enorm em ente valiosa para ellos y que la estadística llega a m últiples áreas de la vida
diaria, lo que resulta en que al menos un curso de estadística se recom iende a los estudiantes en la m ayoría de las escuelas. Como
lo han sido desde el com ienzo, pero ahora m ás que nunca para apoyar los planes de estudio actuales, las aplicaciones, ejem plos y
ejercicios en este texto contienen datos apropiados de gran variedad de áreas de interés, incluidas la física y las ciencias sociales,
la opinión pública y la ciencia política, los negocios, la econom ía y la m edicina. En Estadística elem ental, undécim a edición,
seguim os luchando por una m ayor legibilidad y un tono de sentido com ún que atraiga a los estudiantes que están cada vez más
interesados en las aplicaciones que en la teoría.
Panoram a de lo que es nuevo en y para esta edición

Los profesores fam iliarizados con el texto notarán los siguientes cam bios en esta edición.
Nuevas viñetas de apertura de capítulo
M ás de 50% de las viñetas de apertura de capítulo del libro, cada una de las cuales se enfoca en un aspecto cotidiano de la vida,
son nuevas. Ilustrado con inform ación estadística, cada apertura de capítulo proporciona un contexto relevante y fam iliar para el
paso inicial de los estudiantes hacia los conceptos cubiertos en el capítulo.
Nuevos ejemplos aplicados

Casi 20% de los ejem plos aplicados del texto son nuevos o están actualizados para ayudar a involucrar el interés del estudiante.
Los conceptos estadísticos clave se presentan con soluciones paso a paso m ejoradas.
M ás de 20% de ejercicios nuevos y actualizados

M uchos de los ejercicios son nuevos o actualizados para reflejar los eventos actuales y otros tem as oportunos. M ás de 1 700
ejercicios del texto proporcionan un cúm ulo de problem as prácticos, y cada conjunto de ejercicios incluye un rango de tipos
de ejercicio que avanzan desde el recuerdo básico hasta pasos m últiples, hasta ítem s que requieren pensam iento crítico. Como
siem pre, la m ayoría de los ejercicios pueden calcularse a m ano o con el uso de tecnología.
Cobertura de distribución de probabilidad normal completamente rescrita

El capítulo 6, “ D istribuciones de probabilidad norm al”, se rescribió por com pleto para presentar la distribución norm al estándar
usando el m étodo acum ulativo, que incorpora una idea m ás intuitiva respecto al área total bajo una curva y sigue m ás de cerca el
form ato utilizado en las calculadoras graficadoras y softw are estadístico. Para apoyar este cam bio, entre las tablas en los forros
del texto se incluye una correspondiente nueva tabla 3 a dos páginas, “A reas acum uladas de la distribución norm al estándar” .
Page 13 of 418
.
.
.
xü Prefacio
Nuevos visuales en todo el texto
A dem ás de las nuevas fotografías y gráficas a la apertura de los capítulos, a lo largo de los ejem plos, ejem plos aplicados y ejer
cicios aparece arte nuevo y rediseñado.
Nuevos recursos dinámicos en línea de enseñanza y aprendizaje

V ea las páginas xvii-xviii para detalles acerca de los com plem entos para el profesor y el estudiante de la undécim a edición.
Recorrido por la undécima edición

Las características que continúan, así com o las nuevas y actualizadas, incluyen lo siguiente:
Énfasis en la interpretación de la información estadística y aplicaciones reales

Inm ediatam ente en el capítulo 1, cuando los estudiantes aprenden los térm inos y procedim ientos clave fundam entales; en el ca
pítulo 4, “P robabilidad”, donde se destaca el análisis en lugar de la fórm ula; y después a lo largo del texto, los autores enfatizan
el papel de la interpretación en el análisis estadístico. Los ejem plos y los ejercicios presentan aplicaciones reales de la estadísti
ca, y la viñetas de apertura de capítulo aum entan la relevancia del m aterial para los estudiantes. E jercicios de pensam iento crítico
a lo largo de los capítulos apoyan aún más el enfoque práctico probado del libro.
Abridores de capítulo
NUEVOS Y ACTUALIZADOS
E sbozos del capítulo con una breve des
cripción de lo que se cubre en cada sec
ción principal ahora aparecen en la pri 1.1 ¿Qué cv estadística?
l a •fta rtiih ea %n u.vt ¡xrra ririrribw tarín
m era página de cada capítulo para ayudar aspecto d e la v ü a diaria.
1 .2 M e u v u r e b ili tlu d y v w iu b ilid a ij
a orientar a los estudiantes y prepararlos l a u to d C iú m itt tai iM u rtio d i la m iU b U U iJ
1.3 Recolección ck fistos
m ejor para la educación que viene. Ex S if m lM ir iJ U w m o i i rrp n e tn ta d -fa re n
e l m éto d o aleatorio
tensos ejem plos atractivos nuevam ente 1.4 Estadística y tecnología
H ila d o d e l e r u wn La a c tu a lid a d .
abren cada capítulo para ilustrar una situa
ción fam iliar que usa la estadística en una
form a relevante y abordable por el estu
diante. Los nuevos abridores de capítulo
se enfocan en el gasto de tiem po diario
prom edio de los estudiantes (capítulo 2), 11.1 ¿Q ué es e s ta d ís tic a ?
núm ero de autom óviles p or hogar en EUA Estadounidenses: Aquí los observan
Considera la grtáca ■‘Preocupación por loa mensajes" Si te p
(capítulo 5) y la relación entre la longitud 41BI3 de qOBlo ijgc&u “ansioso* p u ic v iu i d c u ib o c k c .ó u c o . h » a
y el peso de un pez (capítulo 3). “ De piso a

puerta” del capítulo 9, “ Batalla de los sexos: T iem po de traslado del capítulo 10 y “ El ajetreo m atutino” del capítulo 12 tam bién
están entre los que tienen abridores actualizados.
Ejemplos NUEVOS Y ACTUALIZADOS

A lo largo del texto, ejem plos que presentan el proceso de solución paso a paso para conceptos y m étodos estadísticos clave se
actualizaron o sustituyeron para garantizar la precisión y la relevancia. Ejem plos nuevos y actualizados se enfocan en factores
estadísticos que pertenecen a tem as com o encontrar el área bajo la curva norm al usando la distribución norm al acum ulada (ca
pítulo 6) y aplicar dicha técnica en los capítulos 7 y 8. En el capítulo 4 se presenta un experim ento de probabilidad básico que
involucra bolas de golf.
Page 14 of 418
.
.
.
Prefacio x iii
Ejemplos aplicados NUEVOS Y ACTUALIZADOS EJEMPLO APLICADO 1. 6
Q GRAN CHEQUE
E jem plos aplicados relevantes incorporan los conceptos estadísticos Lo» atleta» mejor pagoda» del mundo
para dem ostrar cóm o funciona la estadística en el m undo real. Datos

nuevos y actualizados, relevantes para áreas com o los deportes (capítulo ¿É
1), gráficas de crecim iento (capítulo 2), SUV (capítulo 3), baldosas ce
rám icas (capítulo 9) y m icrochips (capítulo 10) capturarán la atención .1
l a U a 4 . fu b d . b . etWk» rw f» pagcvl» « U n . k » u onoroo.
i U k u u pa« fcjlcDu». L i x . , pc.iTKj., pukuun b i y .iuvnuu» ju»M
<J# 2'XQ 1 2009 y rv> » (M tcv n J » .•p a .U j. .ilv tw a ij* -J*
del estudiante.
Hi ayji a I m c i r o m i o h»
Cbilfcacttn AMl Gcnonücs Id oiin l

_ ( .. .
Í lí¿ l . l o » .
2 Kfib. Bry»t fc!»c>j»tcl U ‘
2 Mkteal Icdcr toouwfccl J íJ raUora»
2 Kml FtA .o.-. AmCtpov.I v». J a i » ;io .«
S D lM M h » ÍMtetr Ja 2
— i-r- *wW**
Enitétalo lanoyerto d a la , g n i u M f a c m l n t H n h g n m v k d j
■u vida. S cJgrOT l« r» vn mnfl*> IxTOira codo » w ( U * b t 21 añ o . c .
♦ d a d »e«io t>2 y geno ru le n ai o*>, •*> tmton * i r.11»»* eM*v§
¿SABIAS QUE..? o d a te w do. La f u y a r t* d . I s i p v t f r e i ni ilq u a r s p uedan otm go» an u i
ca l . i o . J d » <«f«apn». F io b o b m a li ym i Mi '|C » * áii wi « y » . i"
alUta i i y w « i d i ¡ '
Obiaiya ctw c pood». vptev» la nvtryo iyrwnc^agl» el *0rx» «bvque* *4-
Yellowstone contiene m *'» ,la y r U « n l . y « w o l . . r i u M i .» a * U io lU la . p reíw ieM lw V i . «u»,
la i^crmóción «n la fc»Ua oMario. daaw«i»a r a o » Apo» oa «M «U n. 0 no»»
aproxim adam ente la b » im arLfci f m lo ganan* no m «m ld aio cano ira «a.lablr, ttio m a n
p ic y if iilo i d iU m I I k x U ii . Im c h o i » « f p * t J a l n A r r a ó d r u t o l a b l .
mitad de las particu I . O a iA c a o » * . n c u s a c n o y ux> njrw b lv a rdiñal, p u w la w rp a n» il
c o o c a p la d a |>a**p<n
«dañado
laridades hidrotérmi-
cas del mundo. En el
parque existen más
de 10 0 0 0 particula
ridades hidrotórm icas,
incluidos más de 3 0 0
¿Sabías que...? y ladillos PTI ACTUALIZADOS
geiseres. Los ¿S abías...? estratégicam ente colocados presentan breves historias y hechos divertidos
para ofrecer un vistazo inform ativo y entretenido de los conceptos o m étodos relacionados
que se presentarán en la sección correspondiente de un capítulo dado. De igual m odo, los
segm entos PTI ofrecen útiles sugerencias y perspectivas acerca de puntos clave en cada
capítulo.
P II Toda ojiva comien 3 .8 4 C onform e el verano se calienta, los estadounidenses v ol

za a la izquierda, con tean al helado com o una form a d e enfriarse. U na d e las pro
una frecuencia relativa «untar» que r»e planteó com o parte de u n a Encuesta Ilarrís a :
de cero en el límite de julio de 2009 fue: ¿cuál e s tu form a favorita de com er h elado'
cióse inferior de la Hl estudio incluyó a 2 177 adultos estadounidenses.
primera clase y termina

a la derecha con una
frecuencia relativa FORMA FAVORITA DE COMER HELADO
acumulada de 1.00
(o 100%), en el límite Bo3o:¡Tcdos 'oí atfcllQ>.quoeo^Bn bolado
de clase superior de la
Forma favorita Hombre, % Mujer, %
última clase. Copo » .
R ( 1 41
Cof KJ M
Sunduti 17 W W 18
Sand»v>ch 2
Ejercicios NUEVOS Y ACTUALIZADOS Otro
' -2 - -
8 5
C on casi 25% de ejercicios nuevos y actualizados, la undécim a edición de Total 101 100
O M U ra lO rn a n H u r l a 0r j o llo v i d o á n
E stadística elem ental ofrece a los instructores conjuntos de tareas en casa 5 X »
actualizados y relevantes relacionados con los intereses de los estudiantes.
A dicionalm ente, están disponibles en línea m ás de 300 ejercicios clásicos, L a gráfica "Form a favorita d e com er helado’’ m enciona, en
porcentajes, la distribución de las form as en que am bos gene
así com o las soluciones a ejercicios con núm ero impar. C on m ás de 2 000
ros prefieren com er su helado.
ejercicios en total, los instructores tienen m ayores opciones cuando crean
a. Identifica 1« población, las variables y el tipo d e variable*
tareas, y los estudiantes tienen muchas oportunidades para practicar.
b. C onstruye una gráfica de barras que m uestre las dos d is
tribuciones lado a lado.
c. ¿L as distribuciones parecen ser diferentes para los gáne

ros? Lxplica.
Page 15 of 418
.
.
.
x iv Prefacio
Visuales NUEVOS 3 .5 L a gráfica “L a edad perfecta" m uestra los resultados de
Elaborados en un estilo actualizado, arte nuevo y rediseñado una tabla de contingencia 9 x 2 para una variable cualitativa
aparece a través de ejem plos, ejem plos aplicados y ejercicios. y una cuantitativa.
Los dos ejem plos siguientes m uestran el nuevo estilo del arte. "La edad perfecta'
Edad que los adultos estadounidenses dicsn que les
gustaría conservar por el resto de sus vidas si pudieran
Hombres Mujeres
2 .1 6 4 Esta oferta estadística es una gráfica más bien ingeniosa
que usa licencia artística con billetes como las barras de una
gráfica de barras. U n “ 10 por el esfuerzo’*, com o habrás escu
chado antes, pero los aspectos de la escala de la gráfica fueron
com prom etidos.
¿En qué piensas gastar tu devolución

ae impuestos?
Nota: Se permiten respuestas múltiples
Gostos 27%
diarios a O OH Fuente: Datos de G n d y Hall y Genevieve Lynn, USA TODAY; IRC Research
p a r a W a llt Disney. © 1998 USA TODAY, fe impreso con permiso
Compras Q F | )1%
mayores LSd
www.elsolucionario.net a. Identifica la población y m enciona las variables cualitati
va y cuantitativa.
b. C onstruye una gráfica de barras que m uestre las dos dis

c. ¿Parece existir una gran diferencia entre los géneros de
Fuente: National Retail Federotion 2009 ; encuesta de devoluciones de

impuestos e intenciones y acciones del consumidor de 8 4 2 6 consumidores.
Margan do error: ±1 punto porcentual
1
4 .3 0 Ejercicio Applet
Skillbuílder Demues
Numerosos ejercicios applet on
tra la ley de grandes
para desarrollo de destrezas números y también te •%
permite ver si tienes po 024
D entro de los ejercicios de sección y de capítulo, los ejercicios
deres psíquicos. Repite 40 60
applet para desarrollo de destrezas ayudan a los estudiantes a vorouetses
las simulaciones al me
“ ver” los conceptos estadísticos y perm itir la exploración m a nos 50 veces y adivina
nual de los conceptos y cálculos estadísticos. L os ejercicios entre elegir una carta
applet para desarrollo de destrezas son fáciles de detectar en roja o una carta negra
el libro y dirigen a los estudiantes para el acceso de los applets de un mazo de cartas.
en línea. a. ¿Qué proporción del tiempo adivinas correctamente?
Repasos de capítulo estilizados

R e p a so d e l capítulo Los repasos de capítulo para cada capítulo inclu
yen los siguientes elem entos pedagógicam ente
En retrospectiva
Abam fetxuttnn w kfci ( c m il de k) qac . w U a u d f i A la lago del n p M o vttfc eurancmi j n t a S » ¡ja im portantes:
bu, m m m y. u a a i y ( « U a i u i í w . U ih a • MjM > n m i ^ n k n * U c M l á l u L a « i b u i u
havfe (V n a r ¡ d i X ib n b «jw im n t m n tia y o m pn b h i r n p r n o n o u n m U I 6 t m U n u n b i a -n r a f e ti
U x u S . y L d i « u f e co»e u l M n . (j*h>ju*i) y fue• le d c a o t o i > a w M h t d t y u lico * < |x c « a d d m a d o . • E n re tro sp e c tiv a , un resum en de los
n u n o a o i (« m V tK u ) T m fc a í. dtbctlac < n a i y teoei Kj ¿fcededa l_ u a u d f e a c u u i u o jw O eo 1*1 a m n a d u
T O n TTt» n u V i f ^ r t j ] V m i . impnm m r» n » t u r a r í a n l m i ] m j i m i n « i w i m i « n ( J fe n Y iih f e n W n ijr m -
conceptos cubiertos que puntualizan
■ iafe cu a ca n M ta O c * . a x á tm ó if u u n cira iy k o de L n t a la t * - . c u 1* 'mi* <k«w
<r<xn**3 h u y a n . I 71 y I TS.p «D
las relaciones entre cada uno.
Page 16 of 418
.
.
.
Prefacio xv
• L ista s d e v o ca b u la rio y co n c ep to s clave,
V o c o b u la r io y c o n c e p t o s c la v o
que m uestran a los estudiantes de un vistazo
c e .sc ( f It) «meara (p. 5) f«44aciún inioita (p. S)
lo que se cubrió y proporciona una página de ditos (p. 2) nuestra alcmoria eslrattlicada (p. 22) rocnicccida cfc dafanO» 16)
dnMto asietfral (p 19) ■«■Mm aSntona «atiple |p 20) «PprMna»t»s-o(p 19)
referencia, de m odo que pueden com probar su cus real» (p. 18) muestra de Cvuclctaiiasks (y. 22) váorskdatoafp. 5)
«rartUtca (p. 1) muetera de c o n v e s n c u <p 17) «nnitatutad (p. 15)
com prensión. osUxfaiCee (p. 6) muestra dirigida (pi 19) vuial4e(p. 5)
evudfttxa d ocnpüra (p 1) muestra oliatifcada pti.pT. aaiil »aiill4.-atiit»iti>(p 6)
• R e su lta d o s del a p re n d iz a je , con la intención ealadbtea mtercscial (p. 1) (P-22) vanaHe categóoca (p. 6)
cura» (p. 22} auestra prduUKuica Cp 19) vaiiaUe ccodiuia fp. 8)
de com plem entar las listas de vocabulario y «tufaoc*a«v»eiM ul (p. 18)
asperénntata. S)
muestra luhmtittet (p .21)
muestra voluntan» (¡i 17)
« an iH ; oufataava (p 6)
' anallc «un44aáva <j) 6)
!ortturo(p 20)
conceptos clave, dichos resúm enes destacan uuaUisMcakal (p. 18)
r a e e r e o aleaxro raulrgile ( p 22)
amcaíjcu X » x i3 j(p 19)
sam U * <X («puesta (p. 5)
v «nal-le díamete (p. 8)
furarseina <p 5) s if iiH ’ rrrrnal (p. 7)
los conceptos clave presentados en el capítulo m « v t j de Muestre»' (p. 16)
de nectareo . o ««gado (p 16) poblaaóa (p 4) vanaU e sucsSrac.» <ja- 6)
tiaftstade tsucslm i scsguib (|i 16) tsAlaciún f r iu <p 4 ) tariaUeunline1(|i 7)
y proporcionan referencias hacia páginas rele
vantes y correspondientes ejercicios de repaso
para ayudar a garantizar que los estudiantes Resultados del aprendizaje
com prenden el material del capítulo. • r u q « n « l o y descrite la dátcm cia rene evlaiVuiea deuripuva c infan cia! p l.Q .1 .7 .1 4 .1 5 7
• Coaeeeoder. K>eutib<arc trJ«preisir lasreuaoaes «a»e muestra.pobiacvOe.«sladaíiooy-vartarasao. pp 4 6,E»A. 15
* C atocei. áfantí^-ji y dcatiilüt lo» difcm iiss Lpu» de vaiablts pp 6 l . E j . U 3 . 134
• ftvrprwvWerrtrno la» muestras de e o o em en cu y b< voluatanM iwultan ««i siuncrat «aKgadat pp 16 17. Ey 1.45
• C ja4ia»Ji3 U) JikrcM ua cU ie idaSifcui c |« a iie « u a . cvOclii» sibaciv««a.iuaXs pp. 18-19
y muestras .le ij i t»;
• C oa presada» y ¿asentarlo» sMtodo» de i r u s a i» sencillos de "nrautn nleaton» sim fb" pp. 19 21
y Ynuatre» »ht*ir»ilKi»“
• Coofenidcr y deacntr lo» m c to b i de ir u m n » múltiple, de “mucsaco «trabfacado'' pp. 22 23
y "miicsUco por conekmcrados’'.
• CoRfevnderque la sanaMiifarl m n h n s S M todo y e s el proemo de tnu**r>o. pp 14-15, E l-1-38
Ejercicio» del capítulo

1.6 5 Se desea describa! *1 llamado cumian tac típico ct ai es- c . ^T cafanu n ticcd c i l u u l i U o ccu b i x c e lo i icmiIu -
i.
b
D a to td M rtU O »
Datos nraiaenros
cocía Desenlie « a i varaaMc que tréda alguna la ra txrisk a tic
na cvaxtuiuc y r evise ce
de> tklacutucsCe''
1 6 7 Un iavtvngadni ijo* coatí.» loe Mbiiavs de compra de los
consumidora, p reguta a cala vigésima pavana que encía al
Pablia SupcnnaiLci «ululas vaxc» puc sanana va de caninas
• E je rc icio s d el c a p ítu lo ofrecen práctica acer
ca de todos los conceptos que se encuentran en
el capítulo, al m ism o tiem po que vinculan el
a cae lácralo. EuIoek» irisaba U m p u o is tom o T
1.6 6 Un candadalo p a n na pacato palmeo i b c u que ti gasa
a. ¿ f e 3 e»u n ejemplo de I) ta u c n e ssa . 2) ama variable.
m aterial com prensivo aprendido en capítulos
rt la eloccidca. Se lleva a cabo uro « n t t u y 3> ilc ISOvotau
tes indicia qoe votarla per «1 candidato, ICO secante» tufaran
3) un rviadéeko. 4 ) mi jatrdnxtio o 5 ) un valer de «Usn? anteriores. Al final del libro se proporcionan
H»» vetaran por «a oponente y I» vetante» u o ea ru ikoduto» Supon qsse la iravesrigaik» pregunta a 42" compradores du
rarte l l (KMSU.
respuestas a ejercicios seleccionados.
a. ,C u Ü e» ct parámetro pobUooual de iuterts?
b. >*ropc*ciooJ nu ejetiylo de vrs» p o y a iía ya- pueda rw
6 ¿Cutilc» t i veto» del caudtali«o de n u e stra q n ep u sk
posdate» con lis hemmteotas de la ettaütnca ¿ascnpttra
asalte par» «Sanar el poracaerro pobUdoaaT
(rornti to t>p ifni ?l)
Examen de práctica del capítulo

P A R T T , I: C o n o c e r la s d e fin ic io n e s y 18 c sln v x iu u en juegos escolares durante sus «fies de
bachillerato Este « nn ejem plo d e d a to s m nnírieov.
Responde "Verrtariero" «i e l ean n eu d o siem pre e t verdadero
S í el tfirtnct ado no siempre e t verdadero, cuvin iye lia palabras 1 .7 El numero d e m iaran »! podridas por caja embarcada"
importas en negrillas c o a las palabra» que bagan al a m a n a d o e t un ejem plo de una variable cualitativa.
siempre verdadero 1.8 El 'Broto: do tana feo;.» de m e ta l ' n u d a en un procero de
• E x am en d e p rá c tic a del c a p ítu lo , que 1.1 l a K tndfstira inferent-isil e t e l estadio y descripción de fabncacaíc e s un ejem plo d e enrubie tu a n tiU tir a .
ofrece una autoevaluación form al del d o l(H daros que retulnn d# nn « p r em íen lo 1 .9 Una muestra representativa e s la que se obtiene de tal
1 .2 La estad istim descriptiva e* el « t e d io d e ana am e tira (enría que lodos Ico «dividíaos Ucucu igual opratuuidad
m inio del estudiante del m aterial antes d e ser (d e c e n ta d o »
que x permite hacer proyección»} o estim aciones acerca
de ponerse a prueba en clase. Al final del tic la poblaci& i tfc la q ac s e extrajo la misestro. 1.10 Lo» objetivo» bitk-ov d e l» tM adivtim ton obtener m u
muestra, ntpecctorurla y (V spisS te alizar mterencias
libro se proporcionan as respuestas a las 1 .3 L'na poblución mualnaeutc e s una colección tuuy grande
acerca de las c arad c u tacas desconocidas de la pobta
d e mdñidlKK n objeto» acerca d e lo» cuales s e detea in
preguntas del exam en. form ación ción d e donde se a t u j o h muestra.
1 .4 L'n estadístico « b asedada c a k iia d a de alguna caracte P A R T E 11; Aplicación de conceptas

r ü tx a d e n a l peblneáón L os propicíenos de “La Tiéndala d e In E v f o n i" c s tin |iroocu-
1 .5 l'a pnríenctro c t la m edida de cierta característica d e una p x k s por la calidad del servicio que reciben sus cliente» Con
m uestra. la finalidad de e;tratar el (« v ic to , recolectaron muestra; piro
cada m u d« vana* varttble*.
1 .6 C om o m u lta d o de CBCoestar a 50 estudiantes de primer
ano, s e encom io que 16 participan» en depeetet taxrcs- 1 .1 1 G asifica c a d tu n a d e Uv siguiente» sanable» c o m o n o
colaret, 23 trabajaron com o o ti c a ir e de clara» y rtubet minal. otdnuvl. discreta o continua
Page 17 of 418
.
.
.
xvi Prefacio
I N G T R U C C I O N E 6 DE T E C N O L O G Í A :
TABLAS CRUZADAS
C x rjabnobaaH iim aclibniebliddlinC I ybiafnomcMriu idomcM»

tflik M óm v w o lX X t J w . n C I. ¿ « t i* w t f r ú j « n
C ÍR í S tat > T k U e . > O ró n r . W a b M i t n d CH¡ -SqiMr*

CítOb» VuuMMeM4gMt£u:FftmhU«'ClPme9<«innKC3
S*Uoei«n*- C*«nto
b v fm «•
C oK irrn I n w a t l
T k t^ Prrrrrrt* O*
tm « .M i u U w U i u h m « f r a U n |MM 'IJupU,* . ■ . . . u n . • '
■ l y » i« ««t o y . Ii .M i m t n i . M«* <uXe «mi i w * i X Imt t> ■ m w h I w
In stru c c io n e s d e tecn o lo g ía a c tu a liz a d a s p a r a M IN IT A B . . X U . U . ~ •-
Excel y TI-83/84 aparecen a través de cada capítulo y ahora

Eli fio ln M R >Trebief o F te x T k & .p 'iU d O M i > K * e « a w t
tienen código de colores para fácil referencia. O frecidos ju n S c W fio ii i r u labi < o n r g o
Ew rrtbt: R in g rc o M to o c to r. c«M m )
to con los correspondientes m ateriales, dichas instrucciones *fc>Vn i i m
lU c itt»
Hoj* 1 » irtV ajo o» h f« n i.
( - 1 o se le c d c c * c r id a t) > CK
ArTMtr» E n c a b r z .d c * £1* o n í x i v u ( ir p tn i* de U p r f t m c i i ) ta «I
perm iten a los instructores elegir con facilidad cuál tecnolo wtin d«grábehaamia
Un n a a U x w lo h a cia <1 á r e M Jalao*
■ U m i m l u X u l i n . n o i . a m * i. U . i v a w u .
gía estadística, si alguna, quieren incorporaren sus cursos. Elige R e fu ta r y tr . Conloo
Mzntznr vnlorrw com e; % do El» o % do colum na o % do tetai > OK
W f . it Xbaa im X m v o io In doto» sabfil ftfa,, n o 1.9, 5.......... lo, dlnr

H l f fr’fWl l X H , Y I . 5. J. . p o , W, d io fi f A X i X o lo ff» I u ó * Wa VOO H
•m X k c . do varaba M o o ill , X g n o t w d o o » «oiem n n ó c n do wriobb «Jomo
an U X t v a i cent«uo «re
talar rcavi»tx te » cxoostab *

Eocíibo R 0W 3:11 r INTES
COCS. L2 > EWTIH
.o.» lo. baiaanlai •• X a i.ü m a naalr [AJ, lo lobo trenoX ovo

la M» arfa a* la iooM, |«f. U. pvnO v . 1 X m a « > . . ¡( I
l o f d groa w l o» lo racMt ¡O] "tón tai « t c i ia m o ii , icOím i
Qifi= MATOX-r ÑAMES

Eociia- ! ¡W o i » o 3 i W » 4 | B | > » m B
•c. p a g u a » * O O S S V r o, «o. X onEco t u g o M i o - artta d
C o n ju n to s d e d a to s N U E V O S Y A C T U A L IZ A D O S , que totalizan m ás de 400 y se clasifican de pequeño a grande, brindan
a los estudiantes grandes oportunidades para practicar usando su calculador de estadísticas o com putadora.
Los m a n u a le s d e tecnología ofrecen instrucción adicional acerca de dichas varias tecnologías estadísticas. Los siguientes m a
nuales están disponibles en línea:
• M anual M IN ITA B de D iane L. Benner y Linda M. M yers, H arrisburg A rea Com m unity College
• M anual Excel de D iane L. B enner y Linda M. M yers, H arrisburg A rea C om m unity College
• M anual T I-83/84 de K evin Fox, Shasta College
N o ta : D ichos m anuales están disponibles en im preso así com o en línea. Instructores: contacten a su representante de ventas
Cengage Learning o al grupo de servicios al cliente para aprender acerca de cóm o dichos m anuales pueden personalizarse para
su curso.
Valiosos activos, cambios y mejoras adicionales de esta edición incluyen

• A m pliación de la cobertura ce
ojivas y discusión para mejorar
Datos cuantitativos
la utilidad global y la com pren
sión del estudiante (capítulo 2) U na d e las p rincipales razones para c o n stru ir una gráfica de d a to s c u a n tita tiv o s es m ostrar
• Introducción tem prana y cober su distribución.
tura de datos bivariados para

asegurar una progresión lógica Distribución Patrón de variabilidad que muestran los datos de una variable.
de los tem as (capítulo 3) La distribución muestra la frecuencia do cada valor do la variable.
• A um ento en el foco en tom o al

análisis y la com prensión, en U n a de las gráficas m ás sim ples usadas para m o strar una distribución e s la gráfica de
puntos.
oposición a un enfoque m otiva
do por fórm ulas hacia la proba
bilidad (capítulo 4)
• A sociación oportuna entre el censo estadounidense de 2010 y las distribuciones m uéstrales (capítulo 7)
• Flexibilidad pedagógica con enfoques de valor p y clásico lado a lado a las pruebas de hipótesis (capítulos 9-14)
• R eorganización de secciones seleccionadas en el capítulo para aum entar la claridad respecto a la conexión de tem as
(capítulo 5)
• Form as relevantes de térm inos/fórm ulas estadísticas agregadas para com plem entar varios capítulos
• Las definiciones que se presentan en el capítulo ahora son incluso m ás fáciles de destacar
Page 18 of 418
.
.
.
Prefacio xvii
Recursos de enseñanza y aprendizaje relacionados

M a n u a l de soluciones d el estudiante A C TU A LIZ A D O . E scrito p o r Patricia K uby, este recurso contiene soluciones com pleta
m ente resueltas para todos los ejercicios de núm ero im par, lo que brinda a los estudiantes una form a de verificar sus respuestas y
asegurar que siguen los pasos correctos para llegar a una respuesta. T am bién proporciona sugerencias, consejos e interpretación
adicional para ejercicios específicos.
Edición comentada del instructor, Estadística elemental, 1 la . edición

Esta versión del texto para el instructor presenta respuestas com entadas a los ejercicios en páginas con conjuntos de ejercicios,
incluidos ejercicios para los cuales no se proporcionan soluciones en la clave de respuestas al final del libro.
PowerLecture™ para Estadística elemental, 1 la . edición

Este disco proporciona al instructor herram ientas de m edios dinám icas para la enseñanza,
incluidas diapositivas para conferencias Microsoft® PowerPoint® y figuras del libro. Cree,
entregue y personalice exám enes (tanto im presos com o en línea) en m inutos con Exam
View * C om puterized T esting, que presenta ecuaciones algorítm icas. T am bién encontrará
una liga al m anual de soluciones en línea Solution Builder, lo que le perm itirá construir
fácilm ente conjuntos de soluciones para tareas en casa o exám enes.
... Suite de evaluaciones Exam View para Estadística

E x a m v iew s
A sse ssm e n t S u ite m
elemental, l i a . edición
'
D isponible en el disco PowerLecture™ y con la característica de calificación autom ática,
el softw are de exám enes Exam V iew * perm ite a los instructores crear, entregar y pesonali-
zar rápidam ente exám enes para clase en form atos im preso y en línea. El program a incluye
un banco de exám enes con cientos de preguntas adaptadas directam ente del texto, y todas
las preguntas tam bién se ofrecen en form atos PD F y M icrosoft* W ord para los instructores
que opten por no usar el com ponente de softw are.
NUEVO Solution Builder para Estadística elemental,

1 la . edición
Esta base de datos en línea para el instructor ofrece soluciones com pletam ente trabajadas
para todos los ejercicios en el texto, lo que le perm ite crear im presos de soluciones seguras
y personalizadas (en form ato PDF) que coinciden exactam ente con los problem as que
asignó en clase, w w w .cengage.com /solutionbuilder
m% NUEVO Statistics CourseMate

0CourseMate El sitio S tatistic s C o u rs e M a te para este libro lleva a la vida los tem as del capítulo, con
herram ientas interactivas de aprendizaje, estudio y preparación de exám enes, incluidas pre
guntas rápidas y tarjetas de estudio para el vocabulario y los conceptos clave que aparecen
a continuación. El sitio tam bién ofrece una versión eB ook del texto, con capacidades de
subrayado y tom a de notas. A lo largo de los capítulos, el icono C ourseM ate señala los
conceptos y ejem plos que tienen sus correspondientes recursos interactivos com o video y
tu to ria le s a n im a d o s que dem uestran, paso a paso, cóm o resolver problem as; conjuntos de
datos para ejercicios y ejem plos; A p p lets S k illb u ild e r para ayudarte a com prender mejor
los conceptos; m a n u a le s d e tecn o lo g ía y softw are para descargar que incluye D ata A naly-
sis P lu s (una suite de m acros estadísticos para Excel) y program as T I-83/84 P lus; regístrate
en w w w .cen g ag eb rain .co m . Para los instructores, el CourseM ate de este texto tam bién in
cluye Engagem ent Tracker, una herram ienta prim era en su tipo que m onitoriza el involucra-
miento del estudiante en el curso. V aya a login.cengage.com para acceder a estos recursos.
Page 19 of 418
.
.
.
x v iii Prefacio
Sitio web del libro ACTUALIZADO Y MEJORADO
Este recurso ofrece recursos específicos del libro y del curso, com o conjuntos de datos para
ejercicios y autoevaluaciones. Los estudiantes acceden a los recursos de este sitio a través
de cengagebrain.com . Los instructores acceden a recursos protegidos con contraseña al
inscribir sus cuentas a través de login.cegange.com .
NUEVO Aplia TM
0 Aplia™ para E stadística elem ental, undécim a edición, es una solución de aprendizaje in
teractivo en línea que m ejora la com prensión y los resultados al aum entar el esfuerzo y el
aplia involucram iento del estudiante. Fundada por un profesor para m ejorar sus propios cursos,
Aplia ofrece tareas con calificación autom ática que tienen explicaciones inm ediatas y d e
talladas acerca de cada pregunta, e innovadores m ateriales de enseñanza. Este sistem a fácil
de usar lo utilizan m ás de 1 0 0 0 0 0 0 de estudiantes en m ás de 1 800 instituciones.
NUEVO Enhanced WebAssign

WebAssign Exclusivo de C engage Learning, E nhanced W ebA ssign11 ofrece un extenso program a en
línea para estadística, para alentar la práctica que es tan crucial para el dom inio de con
ceptos. La pedagogía y los ejercicios m eticulosam ente elaborados en este texto acreditado
se vuelven todavía m ás efectivos en E nhanced W ebA ssign, com plem entado por apoyo
m ultim edia y realim entación inm ediata conform e los estudiantes com pletan sus tareas.
Puede asignar hasta 1 000 problem as de tarea que coinciden con los ejercicios de sección
de este texto. Los estudiantes se benefician de un eB ook interactivo con características de
búsqueda y subrayado, una característica de “ practica otra versión” (activada a discreción
del profesor) y vínculos hacia videos de solución, tutoriales interactivos e incluso ayuda en
línea en vivo. Para los estudiantes está disponible una G uía de Inicio R ápido para E nhan
ced W ebA ssign* (vea a continuación).
NUEVA Guía de Inicio Rápido para Enhanced WebAssign®

para los estudiantes
La G uía de Inicio R ápido para Enhanced W ebA ssign* ayuda a los estudiantes a levantarse
y correr rápidam ente con E nhanced W ebA ssign de m odo que puedan estudiar con más
inteligencia y puedan m ejorar su rendim iento en clase.
Nota: Los estudiantes acceden a todos los recursos de estudio y tareas en línea, com ple
m entarios y prem ium , a través de cengagebrain.com . Están disponibles varias opciones de
paquete. Consulte la inform ación adicional que se ofrece en el forro o contacte a su repre
sentante de ventas o al grupo de servicios al cliente de C engage Learning.
Reconocimientos
Es un placer agradecer la ayuda y el aliento que recibim os de estudiantes y colegas en
el M onroe Com m unity C ollege a lo largo del desarrollo de este texto. Del m ism o m odo,
estam os agradecidos con los revisores y quienes respondieron las encuestas, quienes o fre
cieron invaluable guía conform e planificábam os esta nueva edición:
R oger A bernathy, Orange C oast C ollege M aureen Petkew ich, U niversity o f South C arolina
Lisa W. Kay, E astem K entucky U niversity M ehdi Safaee, S outhw estem C ollege and G rossm ont
Francis N acozy, M iracosta C om m unity College College
and Palom ar C om m unity College H eyday Z ahedani, C alifornia State U niversity at
Phillip N issen, G eorgia State U niversity San M arcos
Page 20 of 418
.
.
.
Prefacio xix
Finalm ente, de nuevo nos gustaría agradecer a los revisores que leyeron y ofrecieron sugerencias para ediciones anteriores:
N ancy A dcox, Mt. San A ntonio College Larry Lesser, U niversity o f N orthern Colorado
Paul A lper, C ollege o /S t. Tilomas N atalie L ochner, Rollins College
W illiam D. Bandes, San D iego M esa College R obert O. M aier, E l C am ino College
M atrese B enkofske, M issouri Western State C ollege Linda M cC arley, B evill State C om m unity College
Tim B iehler, Fingerlakes Com m unity C ollege M ark A nthony M cC om b, M ississippi College
B arbara Jean Blass, O akland Com m unity College C arolyn M eitler, C oncordia U niversity W isconsin
A ustin B onis, R ochester Instilute o f Technology John M eyer, M uhlenberg College
N ancy C. Bow ers, Pennsylvania C ollege o f Technology Jeffrey M ock, D iablo Valley College
Shane B rew er, C ollege o /E a ste rn U tah, San David N accarato, U niversity o fN e w H aven
Juan C am pus H arold N em er, R iverside C om m unity College
Robert Buck, Slippery R ock University John N oonan, M o u n t Vernon N azarene U niversity
L ouis F. Bush, San D iego C ity College D ennis O 'B rien , University o f W isconsin, LaCrosse
Ronnie C atipon, Franklin University C handler Pike, U niversity o f G eorgia
Rodney E. Chase, O akland C om m unity C ollege D aniel Pow ers, U niversity o f Texas,Austin
Pinyuen Chen, Syracuse University Janet M. Rich, M iam i-D ade Júnior C ollege
W ayne Clark, P arkland College Larry J. Ringer, Texas A & M U niversity
D avid M. C rystal, R ochester Im titu te o f Technology John T. R itschdorff, M arist College
Joyce Curry and Frank C. Denny, C habot C ollege John Rogers, California P olytechnic Institute at San
Larry D orn, Fresno Com m unity C ollege Luis O bispo
Shirley Dowdy,lW .?/ Virginia University Neil R ogness, G rand Valley State U niversity
T hom as English, P ennsylvania State University, Erie Thom as Rotolo, U niversity o f A tizo n a
K enneth Fairbanks, M urray State U niversity Barbara F. Ryan and T hom as A. Ryan, Pennsylvania
D r.W illiam P. Fox, F rancis M arión U niversity State U niversity
Joan G arfield, U niversity o f M innesota G eneral College
M onica G eist, F ront R ange C om m unity College
D avid G um ey, Southeastern Lcuisiana U niversity
Robert J. Salhany, R hode Island College
M elody Sm ith, D yersburg State C om m unity College
Dr. Sherm an Sow by, California State University, F resno
Edw in H acklem an R oger Spalding, M onroe C ounty C om m unity College
C arol H all, N ew M éxico State University T im othy Stebbins, Kalam azoo Valley
Silas H alperin, Syracuse University C om m unity C ollege
Noal H arbertson, C alifornia State U niversity, Fresno H ow ard Stratton, State U niversity o fN e w York
Hank H arm eling, N orth Shore Com m unity College a t A lbany
Bryan A. H aw orth, California State C ollege at Larry Stephens, U niversity o f N ebraska-O m aha
B aker sfie Id Paul Stephenson, G rand Valley State U niversity
H arold H ayford, Pennsylvania State U niversity, A ltoona Richard Stockbridge, U niversity o f W isconsin,
Jim Helms,lV¿iycross C ollege M ilw aukee
M arty H odges, Colorado Technical U niversity Thom as Sturm , C ollege o fS t. Thom as
John C. H olahan, X erox Corporation Edw ard A. Sylvestre, Eastm an Kodak Co.
Jam es E. H olstein, U niversity o f M issouri G wen Terw illiger
Soon B. Hong, G rand Valley State U niversity W illiam K .T om have, C oncordia College,
Robert Hoyt, Southw estern M ontana U niversity M oorhead, M N
P eter Intarapanach, Southern C onnecticut Bruce T rum bo, California State U niversity, H ayw ard
State U niversity Richard U schold, Canisius College
T. Henry Jablonski, Jr., E ast Tennessee State U niversity John C .V an D ruff, F ort Steilacoom C om m unity College
Brian Jean, B akersfield University Philip A .V an V eidhuizen, U niversity o f Alaska
Jann-H uei Jinn, G rand Valley State U niversity John V incenzi, Saddleback College
Sherry Johnson K enneth D .W antling, M ontgom ery College
M eyer M. K aplan, The W illiam Patterson C ollege o f Joan W eiss, Fairfield U niversity
N ew Jersey M ary W heeler, M onroe C om m unity College
M ichael K arelius, A m erican R h e r College Barbara W hitney, Big B end C om m unity College
A nand S. K atiyar, M cN eese State U niversity Sharon W hitton, H ofstra U niversity
Jane K eller, M etropolitan Com m unity College Don W illiam s, Austin College
G ayle S. K ent, F lorida Southern College Rebecca Wong,WV.?/ Valley College
A ndrew K \m ,W estfield State College Pablo Z afra, K ean U niversity
A m y K im chuk, U niversity o fth e Sciences Yvonne Z ubovic, Indiana U niversity P urdue University,
in P hiladelphia F ort W ayne
R aym ond K nodel, B em idji State U niversity
R obert Johnson
Patricia Kuhy
Page 21 of 418
.
.
.
Estadísticawww.elsolucionario.net
1.1 ¿Qué es estadística?

La estadística se usa p a ra describir todo
a specto d e la vida diaria.
1.2 M ensurabilidad y variabilidad
La estadística es un estudio de la variabilidad.
1.3 Recolección de datos
S eleccionar una muestra representativa con
el método aleatorio.
1.4 Estadística y tecnología
E stado d el arte en la actualidad.
O 2010 Erik bakson/Jupiterimages Corporation O 2010 Ryan McVtoy/Jupiterimages Corporation
11.1 ¿Q ué es estadística?
Estadounidenses: Aquí los observan
Considera la gráfica “ Preocupación por los mensajes” . Si te preguntas: ¿cuánto tiem po pasa
antes de que te pongas “ansioso” por revisar el correo electrónico, los m ensajes instantáneos y los sitios de
redes sociales?, ¿cóm o responderías?, ¿crees que el diagram a m uestra con precisión tu respuesta? Ahora,
¿no te preguntas cóm o y de dónde se obtuvo esta inform ación?
¿C on cuánta frecuencia haces tu cam a? Encuentra tu respuesta en la gráfica “ H acer la cam a”. ¿L a
frecuencia de hacer la cam a que se m uestra en la gráfica parece sugerir lo que realm ente crees que sucede
con todas las cam as?
E stas delicadezas “estadísticas” provienen de varias fuentes y sólo presentan una pequeña m uestra de
lo que se puede aprender acerca de los estadounidenses.
Preocupación por los mensajes Hacer la cama

¿Te preocupas por los mensajes?
Cómo respondieron los usuarios de Wi-Fi cuando se ¿Con qué frecuencia
les preguntó cuarto tiempo transcurre antes de ponerse haces tu cama?
"ansiosos" por revsar el correo electrónico, la mensajería Cuatro por ciento de las
instantánea y los sitios de redes sociales mujeres dice que nunca
y dos por ciento dice que
sólo cuando tienen visitas
Otras respuestas:
Un día
Una hora 46 %
o menos
47 %
Una semana
7% Diario o cea ma» (ivcvM cia
A Cotia 7-6 «*o» | )0 %
S»mt>idm»nU ^ j| 5 %
.SlMoaqu» t«m cndm inU jj 2%
mmr-
F u e n t e : lmpube Research para la encuesta en línea de Q w est F u e n t e : Encuesta del Centro d e Investigación I lacional para
Communications d e 1 QÓ3 adultos usuarios d e W rF i en abril d e 2 0 0 9 . Reportes del Consumidor d e 1 0 0 8 mujeres. M argen d e error
± 3.2 puntos porcentuales.
Page 22 of 418
.
.
.
Sección 1.1 ¿Q ué es estadística? 1
C onform e estudies estadística, aprenderás cóm o leer y analizar m uchos de los tipos de
PTI Una gra n fuente de
in fo rm ació n acerca m edidas estadísticas, de m odo que después puedas llegar a conclusiones adecuadas.
de los estadounidenses A sí que, conform e te em barcas en este viaje hacia el estudio de esta m ateria, debes
es el S tatistical A bstra ct com enzar con la definición de estadística y extenderte en los detalles involucrados.
o f the U nited States La estadística se ha convertido en el lenguaje universal de las ciencias. C om o potencial
(Resumen estadístico usuario de ella, necesitas dom inar tanto la “ciencia” com o el “arte” de usar correctam ente
de Estados U nidos) que la m etodología estadística. El uso cuidadoso de los m étodos estadísticos te perm itirá obte
pu blica anualm ente la ner inform ación precisa a partir de los datos. D ichos m étodos incluyen: 1) definir cuidado
O ficin a de Censos de sam ente la situación, 2) recolectar datos, 3) resum ir con precisión los datos y 4) d erivar y
Estados Unidos ( h t t p : //
com unicar conclusiones significativas.
w w w .c e n s u s .g o v /).
La estadística involucra inform ación, núm eros y gráficos visuales para resum ir esta
En el lib ro de más de
inform ación y su interpretación. La palabra estadística tiene diferentes significados para
1 0 0 0 p á g in a s o en el
sitio w e b , puedes en personas de varios antecedentes e intereses. Para algunas personas es un cam po de “trucos
con tra r una percepción m ágicos” donde una persona trata de abrum ar a otros con inform ación y conclusiones
estadística de muchas incorrectas. Para otros es una form a de recolectar y m ostrar inform ación. Y para otros más
de las facetas más es una m anera de “tom ar decisiones ante la incertidum bre”. En la perspectiva apropiada,
oscuras e inusuales de cada uno de dichos puntos de vista es correcto.
sus vidas. C onsidera: El cam po de la estadística puede subdividirse burdam ente en dos áreas: estadística des
¿Cuántas horas tra b a criptiva y estadística inferencial. La e sta d ístic a d e s c rip tiv a es en lo que piensa la mayoría
jan y juegan los esta de las personas cuando escuchan la palabra estadística. En ella se incluye la recolección,
dounidenses?, ¿cuánto
presentación y descripción de datos m uéstrales. El térm ino e s ta d ístic a in fe re n c ia l se re
gastan en bocadillos?,
fiere a la técnica de interpretar los valores que resultan a partir de las técnicas descriptivas,
¿cuál fuente es una de
tom ar decisiones y extraer conclusiones acerca de la población.
las más grandes con
sum idoras de energía
renovable? Las pregun
tas, datos y estadísti
La estadística es m ás que sólo núm eros; son datos, lo que se le hace a los datos, lo que
se aprende de los datos y las conclusiones resultantes. Se usará la siguiente definición:
cas, ¡se extienden por

Estadística C iencia de recolectar, describir e interpretar datos.
todas partesl
A ntes de com enzar con su estudio detallado, observa algunas ilustraciones acerca de
cóm o y cuándo puede aplicarse la estadística.
E J E M P L O A P L I C A D O 1. 1
EDAD DEL PEZ

¿Q U E E D A D TIENE M I PEZ?
8
Edad prom edio por longitud de lob ina negra
Ü
en el estado de N ueva York.
5 Longitud, pulg 8 9 10 11 12 13 14
% Edad, años 2 3 3 4 4 5 5
F u e n te : IIY S DEC Fi&shwal&r Fishing G u id e

-2 $
-a =
-3 “
Xo
O lvídate de las edades de mi padre y mi abuelo, sólo quiero saber ¿qué edad
tiene mi pez? ¿Cómo puedo saberlo? ¡E s ta d ís tic a l En el capítulo 2 apren
derás acerca de los "p rom ed ios". Esta inform ación tam bién parece im plicar
que, si se m ide la longitud del pez, entonces se conoce la edad del pez. Pue
den usarse técnicas estadísticas adicionales para describir la relación entre la
edad del pez con base en su longitud y como resultado estimar su edad. En el
capítulo 3 aprenderás acerca del m étodo estadístico para datos como éstos.
Page 23 of 418
.
.
.
2 Capítulo 1 Estadística
E J E M P L O A P L I C A D O 1.2
OH, LA CONVENIENCIA DE LA TECNOLOGÍA

¿Tienes teléfono celular? ¿Hablas o envías mensajes de texto cuando no de
bes hacerlo? Considera a los conductores adolescentes y jóvenes a quienes
se encuesto a continuación. ¿Se enfocan de manera adecuada mientras están
en clase o conducen? ¿Te ves personalm ente en alguna de estas situaciones?
Muchos
adolescentes
usan celulares Ocupado detrás del volante
en clase La m ayoría de los conductores de 16 a 2 0 años de ed ad admiten
tener hábitos de conducción arriesgados.
84% de los
Jóvenes de 16
adolescentes tienen
a 20 años que
teléfono celular
dicen haber
conducido y
16% de los
hecho esto:
adolescentes no lo
tienen
Un promedio de
440 mensajes
de texto se envían
por semana,
I 10 de ellos
durante clases. Se
concluye que son
tres mensajes de
texto por periodo
de clase.
F u e n t e : C om n on Sense
Medie
M edia, encuesta d e 1 01 3 Fuente: I Ia liona I O ig a n iza tion lor Youth Saíet/, Albtate Foundation; encuesta
ado lt:
adolescentes m ayo^jnio de en |ÍIMK1 o 0 5 conductores de 10 a 20 a r o s de ed ad 11Ó /Ó / 0 0 |
2000
En estas gráficas se p ro po rcio na mucha inform ación acerca de conducto

res adolescentes y jóvenes. Una gran m ayoría de adolescentes tiene teléfonos
celulares y los usan todo el tiem po, incluso cuando no deben hacerlo; en el
selón de clase y en la carretera. Considera qué inform ación se recolectó
para form ular dichas gráficas: prim ero y más im portante, estatus de teléfono
celular; número de mensajes de texto por semana; número de mensajes de
texto durante clase por semana, y tipos de actividades mientras conducen.
¿Cómo usarían las organ izacion e s responsables de las encuestas dicha infor
mación recolectada para obtener 8 4 y 83% que se muestra en las gráficas
anteriores?
Siempre toma nota de la fuente de las estadísticas p ublicadas (y de cual
quier otro detalle p ublicado); ello te d irá mucho acerca de la inform ación que
se presentó. En estos casos, am bas son o rganizaciones nacionales. Allstate
es un socio fundador de la N a tio n a l Youth Health and Safety C oalition y
Common Sense M e d ia es un respetado líder acerca de temas infantiles y de
medios de com unicación. Estos detalles de "fuentes" pueden darte una pis
ta acerca de la ca lid a d de la inform ación. N ota tam bién el tipo de encuesta
u tliz a d a , si se p ro po rcio na , pues ello puede ofrecer inform ación adicional
acerca de la ca lid a d . ¿Qué es una encuesta en línea? ¿Cómo funciona? ¿Los
resultados son confiables?
Los m edios im presos publican gráficas y cuadros que te dicen cóm o varias organiza
ciones o personas piensan com o un todo. ¿A lguna vez te has preguntado cuánto de lo que
piensas está directam ente influenciado por la inform ación que lees en dichos artículos?
¿A lguna vez te has cuestionado si esta inform ación está sesgada?
Page 24 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 1.1 ¿Q ué es estadística? 3
*
Los empleadores buscan actitud positiva ¿QUE BUSCAN LOS EMPLEADORES?

Esta gráfica a la iz qu ierda reporta que 39% de los
¿Qué buscan los em plead ores en un
em p le a d o eventual? em pleadores considera una actitud positiva y el entu
siasmo como las mejores cualidades para un em pleado
Actitud positiva Habilidad para trabajar
y entusiasmo el horario requerido:
eventual. ¿De dónde provino esta inform ación? ¿Es ver
\ / dadera? N o ta la fuente: SnagAJob.com . N o ta que la
o rg an ización realizó una encuesta de 1 0 4 3 gerentes
Y im ii f «lux
im .« |4 u M lM i HI«J
cuy. mue m il
de contrataciones. ¿Cómo se recolectó esta inform a
ción? ¿Cómo la inform ación recolectada se convirtió
en la inform ación reportada? También se reportó un
margen de error de ± 3 puntos porcentuales. Con base
en este detalle a d icio n a l, 39% de la gráfica se convier
000011122
te "entre 3 6 y 4 2 % de los em pleadores buscan una
Compromiso por toda Experiencia
la temporada: previa:
actitud positiva y entusiasmo en sus em pleados even
tuales".
En el capítulo 8 aprenderás acerca del margen de
Fuente: S n a g A jo b .c o m , e ncu e sta d e 1 0 4 3 g e re n te s d e c o n tra ta c io n e s . error.
M a r g e n d e e rro r: ± 3 p un tos p o rc e n tu a le s
E J E M P L O
www.elsolucionario.net A P L I C A D O 1.4
ATAQUE DE TIBURONES
C onsidera el In t e r n a tio n a l S h a r k A tta c k File (ISAF: A rchivo Internacional
de Ataques de Tiburones), que es una com pilación de todos los ataques que se
conocen de tiburones que adm inistra la Am erican Elasmobranch Society y el Flo
rida Museum of N atural H istory y se muestran en la gráfica y cuadro siguientes.
HAWAI
BERMUDA
Pacífico/
Fuente: h ttp ://w w w .flm n h .u fl.e d u /fis h /sharks/stabcs/G A ttack/W orld.htm
A ta q u e s A ta q u e s Ultima A ta q u e s A ta q u e s Ultim a
Territorio totales m ortales m uerte Territorio totales m ortale s m uerte
EUA (sin H aw ai) 881 38 2005 0 Antillas y Bahamas 65 19 1972

0 Australia 345 135 2006 0 Centroam érica 61 31 1997
0 Á frica 276 70 2004 0 N ueva Zelanda 47 9 1968
0 Asia 117 55 2000 0 Europa 39 19 1984
0 Islas d e l P acífico / 0 Bermudas 4 0
O ce a n ía (sin H aw ai) 131 50 2007 N o especificado 20 6 1965
0 H aw a i 113 15 2004 M U N D IA L 2 199 470 2007
0 Sudamérica 100 23 2006
Page 25 of 418
.
.
.
http://ebookqratisenpdf.blogspot.com.ar/
¿Sentido común? Al usar el sentido común mientras se revisa la gráfica,

uno ciertamente se a lejaría de Estados Unidos si suele disfrutar el océano.
¡Estados U nidos tiene dos quintos de los ataques m undiales de tiburones! ¡Las
aguas estadounidenses deben estar llenas de tiburones y los tiburones deben
estar enojados!
Sentido común, ¿recuerdas?, ¿qué ocurre con esta g ráfica?, ¿es un poco
confusa?, ¿qué más podría influir en las estadísticas que se muestran aquí? Pri
mero, uno debe tom ar en consideración cuánta costa de un país o continente
tiene contacto con un océano.
En segundo lugar, ¿quién sigue la pista de estos ataques? N ota la fuente del
mapa y el cuadro, el Florida Museum of N atural History, un museo en Estados
Unidos. Aparentemente, Estados Unidos trata de seguir la pista de los ataques
no provocados de tiburones. ¿Qué más es diferente de Estados Unidos en com
paración con las otras áreas? ¿El océano es un área recreativa en los otros
lugares? ¿Cuál es la economía de esas otras áreas y / o quién sigue la pista de
sus ataques de tiburones?
R ecuerda considerar la fuente cuando leas un reporte estadístico. A segúrate de que

PTI L a e s t a d ís t ic a e s observas el cuadro com pleto.
u n a s u n t o t r u c u le n Los usos de la estadística son ilim itados. Es m ucho m ás difícil m encionar un cam po
to "U na onza de técni donde no se use la estadística que m encionar uno en el que la estadística tenga una parte
ca estadística requiere integral. Los siguientes son algunos ejem plos de cóm o y dónde se usa la estadística:
una lib ra de sentido
común para su a p lic a
ción a d e c u a d a ."
■ En educación, frecuentem ente se usa la estadística descriptiva para presentar resul
tados de exám enes.
■ En ciencias, deben recolectarse y analizarse los datos resultantes de los experimentos.
■ En el gobierno, todo el tiem po se recolectan m uchos tipos de datos estadísticos. De
hecho, probablem ente el gobierno estadounidense sea el m ayor recolector de datos
estadísticos en el mundo.
Una parte muy im portante del proceso estadístico es el estudio de los resultados estadís
ticos y la form ulación de conclusiones adecuadas. D ichas conclusiones después deben
com unicarse de m anera precisa: no se gana nada de la investigación a m enos que los
hallazgos se com partan con otros. Las estadísticas se reportan en todas partes: periódicos,
revistas, radio y televisión. Tú lees y escuchas acerca de todo tipo de nuevos resultados de
investigación, especialm ente en los cam pos relacionados con la salud.
Para continuar con el estudio de la estadística, necesitas “hablar la je rg a’*. La estadís
tica tiene su propia jerg a, térm inos más allá de la estadística descriptiva y la estadística
inferencia!, que es necesario definir e ilustrar. En estadística, el concepto de población es
la idea m ás fundam ental.
Población Colección o conjunto de individuos, objetos o eventos cuyas p ro

piedades se analizarán.
La población es la colección más com pleta de individuos u objetos que son de interés
para el recolector de la m uestra. La población a estudiar debe definirse cuidadosam ente
y se considera com pletam ente definida sólo cuando se especifica su lista de elem entos
miem bros. El conjunto de “todos los estudiantes que alguna vez asistieron a una universi
dad estadounidense” es un ejem plo de una población bien definida.
U sualm ente, se piensa en una población com o en una colección de personas. Sin em
bargo, en estadística, la población podría ser una colección de anim ales, objetos fabrica
dos, cualquier cosa. P or ejem plo, el conjunto de todas las secuoyas en C alifornia podría
ser una población.
Existen dos tipos de poblaciones: finita e infinita. Cuando la m em bresía de una pobla
ción puede (o pudiera) mencionarse físicamente, se dice que la población es finita. Cuando
Page 26 of 418
.
.
.
la membresía es ilimitada, la población es infinita. Los libros en la biblioteca de tu escuela
¿SABÍAS Q U E ...?
forman una población finita; el O PA C (Online Public Access Catalog = Catálogo en linea de
Sólo un m om entito acceso público, el catálogo com putarizado de tarjetas) m enciona la m em bresía exacta. To
Un momentito [jiffy) es dos los votantes registrados en Estados U nidos forman una población finita muy grande; si
una unidad de tiem po es necesario, podría com pilarse una com binación de todos los votantes m encionados en to
real que se usa en inge das las secciones electorales a lo largo de Estados Unidos. Por otra parte, la población de todas
niería de cóm puto. Si vas las personas que podrían consum ir aspirina y la población de todas las bombillas de 40 watts
a comer tu desayuno en que producirá General Electric son infinitas. Las poblaciones grandes son difíciles de estudiar;
un m omentito, jtendrás por tanto, se acostum bra seleccionar una muestra y estudiar los datos en dicha muestra.
que hacerlo en 10 milise-
gundos (0.01 segundo)! Muestra Un subconjunto en una población.
Una m uestra consiste en los individuos, objetos o m ediciones seleccionados de la po

blación por el recolector de la m uestra.
Variable (o variable de respuesta) Una característica de interés acerca de

cada elemento individual de una población o muestra.
La edad de un estudiante al ingresar a la universidad, el color de su cabello, su estatura

y su peso son cuatro variables.
Valor de datos El valor de la va ria b le asociado con un elemento de una po
blación o muestra. Este valor puede ser un número, una p alab ra o un símbolo.
Por ejem plo, Bill Jones entró a la universidad a la edad “23”, su cabello es “café”, mide
“71 pulgadas” de alto y pesa “ 183 libras”. Estos cuatro valores de datos son los valores
para las cuatro variables aplicadas a Bill Jones.
Datos El conjunto d© valores recolectados de la va riab le para cada uno de los

elementos que pertenecen a la muestra. Una vez recolectados todos los datos,
es práctica común referirse al conjunto de datos como la muestra.
El grupo de 25 estaturas recolectadas de 25 estudiantes es un ejem plo de un conjunto

de datos.
Experimento A ctivid ad planifica da cuyos resultados producen un conjunto de

datos.
Un experim ento incluye las actividades tanto para seleccionar los elem entos como
para obtener los valores de datos.
Parám etro Valor numérico que resume todos los datos de una población en
tera.
La edad “prom edio” al m om ento de la adm isión para todos los estudiantes que alguna
vez asistieron a tu universidad y la “proporción” de estudiantes que eran m ayores a 21 años
de edad cuando ingresaron a la universidad son ejem plos de dos parám etros poblacionales.
Un parám etro es un valor que describe a la población entera. Con frecuencia se usa una
letra griega para sim bolizar el nom bre de un parám etro. D ichos sím bolos se asignarán
conform e se estudien parám etros específicos.
Page 27 of 418
.
.
.
Para cada parám etro existe un estadístico m aestral correspondiente. El estadístico des
PTI Los parám etros
describen la p o b la ció n ; cribe la m uestra de la m ism a form a que el parám etro describe a la población.
nota que am bas p a la
bras com ienzan con la
Estadístico Valor numérico que resume los datos muéstrales.
letra p Un estadístico
describe la muestra;
nota que am bas p a la La estatura “prom edio” , que se encuentra al usar el conjunto de 25 estaturas, es un
bras tienen la co m b in a ejem plo de un estadístico m uestral. Un estadístico es un valor que describe una m uestra.
ció n es La m ayoría de los estadísticos m uéstrales se encuentran con la ayuda de fórm ulas y usual
mente se les asignan nom bres sim bólicos que son letras del alfabeto (por ejem plo, .v, s y r).
E J E M P L O 1 . 5
APLICACIÓN DE TÉRMINOS BÁSICOS

Un estudiante de estadística está interesado en descubrir a lg o acerca del valor
prom edio en dólares de los autom óviles p ro p ie d a d de los m iem bros del perso
nal docente de su universidad. En esta situación pueden identificarse cada uno
de los ocho términos recién descritos.
1. La p o b la ció n es la colección de todos los automóviles p ro p ie d a d de
todos los m iem bros del personal docente de la universidad.
2. Una muestra es cualquier subconjunto de dicha p oblación. Por ejem plo,
los automóviles p ro p ie d a d de los m iem bros del departam ento de mate
m áticas es una muestra.
3. La va riab le es el "v a lo r en d ólare s" de cada autom óvil individual.
4. Un va lo r de datos es el valor en dólares de un autom óvil particular. El
autom óvil del Sr. Jones, por ejem plo, está valuado en $ 9 4 0 0 .
5. Los datos son el conjunto de valores que corresponden a la muestra
obtenida (9 4 0 0 ; 8 7 0 0 ; 15 9 5 0 ...).
6. El experim ento consiste en los métodos usados para seleccionar los
autom óviles que form an la muestra y para determ inar el valor de ca
da automóvil en la muestra. Podría llevarse a cabo al preguntar a cada
miem bro del departam ento de matem áticas o de otras formas.
7. El parám etro acerca del cual se busca inform ación es el va lo r "prom e
d io " de todos los autom óviles en la población.
8. El estadístico que se encontrará es el valor "p ro m e d io " de los autom óvi
les en la muestra.
Nota: Si se tom ara una segunda m uestra, resultaría en un conjunto diferente de personas
PTI Los parám etros
tienen v a lo r fijo , m ien a seleccionar (por decir, el departam ento de inglés) y por tanto se anticiparía un diferente
tras que los estadísticos valor para el estadístico “ valor prom edio”. Sin em bargo, no cam biaría el valor prom edio
tienen v a lo r va ria b le para “todos los autom óviles propiedad del personal d ocente”.
Básicam ente, existen dos tipos de variables: 1) variables que resultan en inform ación
cualitativa y 2) variables que resultan en inform ación cuantitativa.
Variable cualitativa, categórica o a trib uto Variable que describe o jerarquiza

un elemento de una población.
Variable cuantitativa o numérica Variable que cuantifica un elemento de una

población.
T utorial en video d ispo nible; in g resa y aprende m ás e n een gagcbrain.com

O Page 28 of 418
.
.
.
U na m uestra de cuatro clientes de un salón de belleza se encuesta por su “color de
cabello”, “ciudad de origen” y “nivel de satisfacción” con los resultados de su tratam ien
to en el salón. Las tres variables son ejem plos de variables (atributo) cualitativo porque
describen alguna característica de la persona, y todas las personas con el m ism o atributo
pertenecen a la m ism a categoría. Los datos recolectados fueron {rubio, café, negro, café},
{Brighton, C olum bus, A lbany, Jacksonville} y {muy satisfecho, satisfecho, un poco satis
fecho, no satisfecho}.
El “costo total” de los libros de texto com prados por cada estudiante para las clases de
este sem estre es un ejem plo de una variable cuantitativa (num érica). U na m uestra resultó en
los siguientes datos: $238.87, $94.57, $139.24. (Para encontrar el “costo prom edio” , sim
plem ente sum a los tres núm eros y divide entre 3: (238.87 + 94.57 + 139.24)/3 = $157.56 ]
N ota: Las operaciones aritm éticas, com o la sum a y el prom edio, son significativas para
datos que resultan de una variable cuantitativa.
C ada uno de estos tipos de variables (cualitativa y cuantitativa) pueden subdividirse

aún más com o se ilustra en el siguiente diagram a.
Las variables cualitativas pueden caracterizarse com o nom inales u ordinales.
Variable nom inal Variable cualitativa que caracteriza (describe o nombra)

un elemento de una población. N o sólo las operaciones aritm éticas no son
significativas para los datos que resultan de una va ria b le nom inal, tam poco
puede asignarse un orden a las categorías.
En la encuesta de cuatro clientes del salón de belleza, dos de las variables, “color de
cabello” y “ciudad de origen”, son ejem plos de variables nom inales porque am bas m en
cionan alguna característica de la persona y no serían significativas para encontrar el pro
m edio m uestral al sum ar y dividir entre 4. P or ejem plo (rubio + café + negro + café)/4 es
indefinido. Más aún, el color de cabello y la ciudad de origen no tienen un orden en sus
categorías.
Variable o rd in a l Variable cualitativa que incorpora una posición ordenada o

clasificación.
En la encuesta de cuatro clientes del salón de belleza, la variable “nivel de satisfac

ción” es un ejem plo de una variable ordinal porque sí incorpora una clasificación ordena
da: “ m uy satisfecho” se clasifica adelante de “satisfecho”, que clasifica adelante de “ un
poco satisfecho”. O tra ilustración de una variable ordinal es la clasificación de cinco imá
genes de paisajes de acuerdo con la preferencia de alguien: Prim era elección, segunda
elección, etcétera.
Las variables cuantitativas o num éricas tam bién se pueden su b d iv id iren dos clasifica
ciones: variables discretas y variables continuas.
Page 29 of 418
.
.
.
V a ria b le d is c re ta V a r ia b le c u a n tita tiv a q u e p u e d e a s u m ir un n ú m e ro c o n ta b le

de valores. Intuitivamente, la va riab le discreta puede asumir cualquier valor
correspondiente a puntos aislados a lo largo de un intervalo lineal. Esto es:
entre dos valores cualesquiera existe un intervalo.
V ariable continua V a ria b le cuantitativa que puede asum ir un número inco n

ta ble de valores. Intuitivam ente, la v a ria b le continua puede asumir cual
quier va lo r a lo la rg o de un intervalo lin e a l, inclu id o todo p osible valor
entre dos valores cualesquiera.
En m uchos casos, los dos tipos de variables pueden distinguirse al d ecidir si las va
riables se relacionan con una cuenta o una m edición. La variable “ núm ero de cursos en
los que estás actualm ente inscrito” es un ejem plo de una variable discreta; los valores de
la variable pueden encontrarse al contar los cursos. (C uando cuentas, no pueden ocurrir
valores fraccionarios; por ende, pueden ocurrir intervalos entre los valores.) La variable
“peso de libros y sum inistros que llevas a clase el día de hoy” es un ejem plo de una va
riable aleatoria continua; los valores de la variable pueden encontrarse al m edir el peso.
(Cuando m ides, puede ocurrir cualquier valor fraccionario; por ende, es posible todo valor
a lo largo de la línea num érica.)
C uando tratas de determ inar si una variable es discreta o continua, recuerda observar la
variable y piensa en los valores que pueden ocurrir. N o observes sólo los valores del dato
que se hayan registrado; pueden ser m uy engañosos.
C onsidera la variable “calificación del ju e z ” en una com petencia de patinaje de figura.
Si observas algunas calificaciones que ocurrieron previam ente, 9.9, 9.5, 8.8, 10.0 y ves la
presencia de decim ales, puedes pensar que son posibles todas las fracciones y concluyes
que la variable es continua. Sin em bargo, esto no es cierto. Es im posible una calificación
de 9.134; por tanto, existen intervalos entre los posibles valores y la variable es discreta.
Nota: N o perm itas que la apariencia de los datos te engañe en cuanto a su tipo. Las varia
bles cualitativas no siem pre son fáciles de reconocer; en ocasiones aparecen com o núm e
ros. La m uestra de colores de cabello podría codificarse: 1 = negro; 2 = rubio; 3 = café. Los
datos m uéstrales aparecerían entonces com o {2, 3, 1 ,3 ), pero aún así son datos nom inales.
Calcular el “color de cabello prom edio” [(2 + 3 + 1 + 3)/4] = 9/4 = 2.25) todavía no tiene
significado. Las ciudades de origen podrían identificarse usando códigos postales. El pro
medio de los códigos postales tam poco tendría sentido; por tanto, los núm eros de código
postal tam bién son nom inales.
O bserva otro ejem plo. Supon que, después de encuestar un estacionam iento, resum es
los datos de la m uestra al reportar 5 autom óviles rojos, 8 azules, 6 verdes y 2 am arillos. D e
bes observar cada fuente individual para determ inar el tipo de inform ación a recolectar. Un
autom óvil específico era rojo; “rojo” es el valor de dato de ese autom óvil y rojo es un atri
buto. P or ende, esta colección (5 rojos, 8 azules, etc.) es un resum en de datos nom inales.
O tro ejem plo de inform ación que es engañosa es un núm ero de identificación. V uelo
249 y H abitación 168 parecen ser am bos datos num éricos. Sin em bargo, el num eral 249
no describe alguna propiedad del vuelo: dem orado o a tiem po, calidad de los bocadillos
servidos, núm ero de pasajeros o algo más acerca del vuelo. El núm ero de vuelo sólo iden
tifica un vuelo específico. Los núm eros de licencia de conductor, núm eros de seguro social
y núm eros de cuenta bancaria son todos núm eros de identificación usados en el sentido
nom inal, no en el sentido cuantitativo.
R ecuerda exam inar la variable individual y un valo r de datos individual y tendrás po
ces problem as al distinguir entre los diferentes tipos de variables.
Page 30 of 418
.
.
.
*
EL GRAN CHEQUE
Los atletas mejor pagados del mundo
'iáÉI
La lista de Forbes de los atletas m ejor pag ad os observa las ganancias

derivadas por salarios, bonos, premios, patrocinios y licencias entre junio
de 2 0 0 8 y junio de 2 0 0 9 y no se deducen de impuestos u honorarios de
agentes.
He aquí a los cinco más altos:
Clasificación Atleta Deporte Ganancias (dólares)

1 Tiger W oods G o lf $ 1 10 millones
2 Kobe Bryant Básquetbol $ 4 5 millones
www.elsolucionario.net 2
2
M ich ae l Jordán
Kimi Raikkonen
Básquetbol
Autom ovilism o
$ 4 5 millones
$ 4 5 millones
5 D avid Beckham Soccer $ 4 2 millones
Fue n te : http:,/ / w w w . g e t lis t y . c o in / p re v ie v . / highesf p a id -a thletes/
Iz q u ie rd a : Im a g e n c o p y r ig h t c b k i , 2 0 1 2 . U s a d a b a jo lic e n c ia d e S hu tte rsto ck.co m

Iz q u ie rd a c e n tro : Im a g e n c o p y r ig h t C h a r le n e B a y e rle . 2 0 1 2 . U s a d a b a jo lic e n c ia d e S huH erstock.com
D e re c h a c e n tro : Im a g e n c o p y r ig h t R ala liu s k i, 2 0 1 2 . U s a d a b a jo lic e n c ia d e S h u tte isto ck.co m
D e re c h a : Im a g e n c o p y r ig h t h a n z l. 2 0 1 2 . U s a d a b a jo lic e n c ia d e S hu tte rsto ck.co m
Enfréntalo: la m ayoría de las personas sueñan con tener estos ingresos en toda
su vida . Si alguien tiene un empleo lucrativo cada año desde los 21 años de
edad hasta los 62 y gana un m illón al año, eso serían 4 2 m illones durante
toda la vida. La m ayoría de las personas ni siquiera pueden a b rig a r en sus
cabezas dicho concepto. Probablem ente pienses: "¡C ontrátenm e para ser un
atleta superestrella!".
O bserva cómo puedes a plicar la nueva term inología al "G ra n cheque". Pri
m ero, la p ob la ción general de interés serían los atletas profesionales. M ás aún,
la inform ación en la ta bla anterior demuestra varios tipos de variables. El nom
bre del atleta por lo general no se considera como una va riab le; sólo es con
propósitos de identificación. Los otros tres tipos de inform ación son variables:
1. C lasificación, es cualitativa y una va ria b le o rd in a l, pues inco rp o ra el

concepto de posición ordenada.
2. Deporte, es cualitativa y una va ria b le nom inal, pues describe el deporte
del atleta.
3. G anancias, es cuantitativa y una va ria b le continua, pues m ide el ingre
so del atleta. Por lo general, las cantidades de dinero se consideran con
tinuas, pues son posibles partes fraccio na ria s de dólares, aun cuando la
cantidad generalm ente se redondea al d ólar o centavo más cercano.
Page 31 of 418
.
.
.
E J E R C I C I O S S E C C I Ó N 1. 1
1.1 Postyour.info es un servicio mundial donde los usuarios c. ¿L a inform ación en este cuadro hace parecer atractiva una
de internet de todo el m undo pueden tom ar parte en cuestio carrera com o profesional Java?
narios. [http://postyour.info/] A continuación se presenta una
1 .3 a. C ada una de las gráficas estadísticas que se pre
gráfica que m uestra el resum en com binado de cóm o los usua
sentan en la prim era página de este capítulo parece
rios respondieron a una de las preguntas planteadas. Los resul
sugerir que la inform ación es, ¿acerca de cuál pobla
tados se proporcionan en porcentaje (cuenta).
ción?, ¿éste es el caso? Justifica tu respuesta.
¿Con cuánta frecuencia comes fruta?
b. D escribe la inform ación que se recolectó y úsala
(sin importar las razones)
para determ inar el estadístico reportado en “¿Te
C a s i n u n c a J 1 .5 9 % (1 ) preocupas por los m ensajes?”.
M u c h a s v e ce s a l a ñ o J 1 .5 9 % (1)
c. “47% , U na hora o m enos” fue un estadístico espe
M e n o s d e u n a v e z a l mes J 1 .5 9 % (1)
cífico reportado en “¿T e preocupas por los m ensa
A p r o x im a d a m e n te u n a v e z a l mes 4 . 7 6 % (3)
je s? ” . D escribe qué te dice dicho estadístico.
V a ria s v e ce s a l mes 1 7 . 4 6 % (1 1)
1 .4 a. C onsidera la gráfica “¿C on cuánta frecuencia haces
A p r o x im a d a m e n te u n a v e z a la se m a n a 1 4 .2 9 % |9 |
tu cam a?”. Si te preguntaran, ¿cóm o responderías?,
V a ria s v e ce s a la se m a n a 2 5 . 4 % (1 6 )
¿qué significa el porcentaje asociado con tu respues
C a s i to d o s lo s d ía s 2 2 . 2 2 % (1 4 )
ta? Explica.
To do s lo s d ía s (no m e n os d e 9 d e c a d a 1 0 d ía s ) 7 . 9 4 % (5)
b. ¿C óm o interpretas el “5% , Sem analm ente” reporta
Es d if íc il d e c ir ^ 3 .1 7 % (2)
do en “¿C on cuánta frecuencia haces tu cam a?”?
Fuente: htfp:// posfyoutinfo/
a.
¿Q ué pregunta se planteó y respondió para recolectar la
1 .5 a. Escribe un párrafo de 50 palabras que describa lo que
significa para ti la palabra “estadística” ju sto ahora.
inform ación que se presenta en esta gráfica? b. Escribe un párrafo de 50 palabras que describa lo que
significa para ti la palabra “aleatorio” justo ahora.
b. ¿A quién se planteó la pregunta?
c. Escribe un párrafo de 50 palabras que describa lo que
c. ¿C uántas personas respondieron la pregunta?
significa para ti la palabra “m uestra” justo ahora.
d. V erifica los porcentajes 1.59%, 17.46% y 25.4% .
1 .6 Estadística se define en la página 1 com o “ la ciencia de
e. ¿L os porcentajes reportados en esta gráfica es probable recolectar, describir e interpretar datos**. Usa tus palabras y es
que sean representativos de todas las personas? Explica cribe una oración que describa cada una de las tres actividades
p o r qué sí o por qué no. estadísticas. C onserva tu trabajo para el E jercicio 1.79.
1 .2 ¿T rabajas duro por tu dinero? Los profesionales Java 1 .7 D eterm ina cuál de los siguientes enunciados es descripti
creen que sí y reportan largas horas de trabajo en sus em pleos. vo en naturaleza y cuál es inferencial. C onsulta el “¿Q ué edad
Se encuesto a desarrolla dores Java alrededor del m undo acerca tiene mi pez?” del E jem plo aplicado 1.1 (p. 1).
del núm ero de horas que trabajan sem analm ente. A continua
a. T odas las lobinas de 9 pulgadas en el estado de N ueva
ción se presenta el núm ero de horas prom edio laboradas sem a
York tienen un prom edio de tres años de edad.
nalm ente en varias regiones de E stados U nidos y el mundo.
b. De las lobinas usadas en la m uestra para elaborar la N Y S
Región Horas laboradas Región Horas laboradas
D E C F reshw ater F ishing G uide, la edad prom edio de las
EUA 48 California 50 lobinas de 9 pulgadas era de tres años.
Noreste 47 Pacífico N W 47
Atlántico medio 49 Canadá 43 1 .8 D eterm ina cuál de los siguientes enunciados es descrip
Sur 47 Europa 48 tivo en naturaleza y cuál es inferencial. C onsulta el “ M uchos
M ed io Oeste 47 Asia 47
adolescentes usan celulares en clase” del E jem plo aplicado 1.2
M ontaña central 51 Sudamérica 49
y Africa (p. 2).
Fuente: Jupil& (m e d ia C o ip o ia t io n
a. De los adolescentes encuestados en m ayo y ju n io de
2009, 84% tienen teléfonos celulares.
b. En m ayo/junio de 2009, 16% de todos los adolescentes

a. ¿C uántas horas trabajas por sem ana (o anticipas trabajar
no tenían teléfono celular.
después de graduarte)?
1 .9 C onsulta la gráfica “Fijar una fecha para una cita noc
b. ¿Q ué le ocurrió a la sem ana laboral de 40 horas? ¿Parece
turna” .
que existe para los profesionales Java?
Page 32 of 418
.
.
.
Fijar una fecha para una cita nocturna 1.11 O pinión Research C orporation realizó la encuesta 2009
Lem elson-M IT Inventíon Index de 501 adolescentes, con
edades de 12-17 años. A los adolescentes se les preguntó qué
La primera dama Michelle Obama y el presidente Obama recien
temente gozaron de una noche privada. ¿Con cuánta frecuencia invento cotidiano consideraban que sería obsoleto en cinco
otras madres dicen que años. C onsulta la gráfica “ De m oda un día, pasado de moda
tienen una cita nocturna na vez a
con sus esposos?: la semana al siguiente”.
o más frecuen
Una vez cada 7 temente
eses o 4% De moda un día, pasado de moda
al siguiente
Cuáles inventos cotidianos dicen
vez al
o más los adolescentes que serán
frecuentemente '■Automóviles obsoletos en cinco años
impulsados Teléfonos
por gasolina alámbricos
37% 32%
Ratón de
computadora
21 %
Fuente: F rig id a ire M .o fh & rlo a d In d e x ; encu esta d e 1 1 7 0 m u je re s c a s a d a s ,

e d a d e s 2 5 - 5 0 a r o s , q u e tie n e n d o s o más h ijo s.
a. ¿A qué grupo de personas se encuesto?
b. ¿A cuántas personas se encuesto?
c.
¿Q ué inform ación se obtuvo de cada persona?
d. Explica el significado de “ 18% dicen que una vez cada Fuente: 2 0 0 0 L e m e b o itM ÍT In v e n tio n Ind e x; e n cu e sta d e 5 0 1 a d o le s c e n te s
4-6 m eses” . e d a d e s 1 2 -1 7 a r o s , p o r p a rle d e O p in ió n R esea rch C o r p . M a r g e n d e e rro r
± 4 . 3 p un tos p o rc e n ta a le s .
e. ¿C uántas personas respondieron “U na vez cada 4-6 m e

a. ¿C uál es la población?
ses”?
b. ¿A cuántas personas se encuestó?
1 .1 0 International Com m unications Research (ICR) realizó la
E ncuesta de Lim pieza G eneral 2008 para la Soap and Deter- c. ¿Q ué inform ación se obtuvo de cada persona?
gent A ssociation. ICR entrevistó a 777 adultos estadouniden
d. E stim a el núm ero de adolescentes encuestados que con
ses que hacen lim pieza general acerca de para cuál labor de
sideraron que el ratón de com putadora sería obsoleto en
lim pieza les gustaría contratar a alguien para que la realice por
cinco años.
ellos. Los resultados de “labor" fueron: 47% lavar ventanas,
23% lavar el baño, 12% lim piar la cocina, 8% quitar el polvo, e. ¿Q ué crees que significa el “m argen de error” de ± 4 .3
7% trapear, 3% otra. La encuesta tiene un m argen de error de puntos porcentuales?
m ás o m enos 3.52% .
f. ¿C óm o usarías el “m argen de error” para estim ar el por
a. ¿C uál es la población ? centaje de todos los adolescentes que creen que el ratón
de com putadora será obsoleto en cinco años ?
b. ¿A cuántas personas se entrevistó?
1 .1 2 C onsulta la gráfica de la siguiente página “¿En qué pien
c. ¿Q ué inform ación se obtuvo de cada persona?
sas g astar tu devolución de im puestos?” (p. 12).
d. Con la inform ación dada, estim a el núm ero de adultos
a. D escribe la población de interés.
encuestados que gustosam ente contratarían a alguien para
lavar las ventanas, si pudieran. b. D escribe la m uestra m ás probablem ente usada para este
reporte.
e. ¿Q ué crees que significa “margen de error de m ás o m e
nos 3.52% ”? c. Identifica las variables usadas para recolectar esta infor
m ación.
f. ¿C óm o usarías el “ m argen de error” para estim ar el por
centaje de todos los adultos a quienes les gustaría contra d. ¿Q ué hará la m ayoría de la gente con su devolución de
tar a alguien para la labor de lim pieza general de “ lim piar im puestos? ¿C óm o se m uestra esta m ayoría en la gráfica?
la cocina”?
Page 33 of 418
.
.
.
12 Copítulo 1 Estadística
¿En qué piensas gastar tu devolución e. Identifica el parám etro y proporciona su valor.
ae impuestos? 1 .1 6 Encuentra un artículo periodístico reciente que ilustre un
I Jola: Se permiten respuestas múltiples tipo de reporte “ las m anzanas son m alas”.
1 .1 7 C on tus palabras, explica por qué el parám etro es fijo y

el estadístico varía.
90 r o U 48% 1 .1 8 ¿El núm ero en una cam iseta de fútbol es una variable
deudas ■
cuantitativa o categórica? A poya tu respuesta con una expli
A h o rra r q H | §39% cación detallada.
1 27% 1 .1 9 a . M enciona dos variables de atributo relacionadas con

co tid ia n o s
clientes que una tienda de departam entos reciente
Compras 11a' m ente abierta encuentre inform ativo estudiar.
mayores
Vacaciones 11% b. M enciona dos variables num éricas relacionadas con

m ente abierta encuentre inform ativo estudiar.
1.20 a. M enciona dos variables nom inales relacionadas con

están disponibles Applets Skillbuilder en líne
b. M enciona dos variables ordinales relacionadas con

Fuente: I la tio n a l R e tail F e de ra tio n 2 0 0 P Tax Returns C o n s u m e ! Inte ntio n s a n d
A c tio n s ; e n c u e s ta d e 8 4 2 0 c o n s u m id o re s . M a r g e n d e e rro r ±1 p un tos p o rc e n tu a le s .
1 .1 3 D urante una transm isión de radio hace algunos años, D a
vid Essel reportó los siguientes tres estadísticos: 1) la tasa de
1.21 E je rc icio A p p let S k illb u ild e r Sim ula tom ar una mues-
tra de tam año 10 de una pobla
divorcios en E stados U nidos es 55% y cuando se preguntó a i* *ÍX*XXX X “w ción de 100 estudiantes universi-
*** ***** * « la
los adultos casados si volverían a casarse con sus cónyuges, 2) **xxx **x* * “ «* " tarios. T om a una m uestra y anota
* *
75% de las m ujeres dijo que sí y 3) 65% de los hom bres dijo ********* * «B el resultado.
X* * * * * * * X «»*•
que sí. * * * * * * * * * *
***** **** * “ •" a. M enciona la variable atributo
XXKXXXXAXX X « U>
a. ¿C uál es la tasa de “perm anecer casado”? * * * * * * * * * * * *•» involucrada en este experi
f-OPlilATOM M ata M » «v»«« M vM M vrM i
mento. ¿E s nom inal u ordinal?
En cengagebrain.com
.M n
b. Parece existir contradicción en esta inform ación. ¿C óm o
es posible que estas tres declaraciones estén correctas? b. M enciona la variable num érica involucrada en este expe
Explique. rim ento. ¿E s discreta o continua?
1 .1 4 El conocim iento del trabajo de las estadísticas es muy 1 .2 2 a E xplica por qué la variable “m arcador” para el eq u i
útil cuando se requiere entender las estadísticas divulgadas en po de casa en un ju eg o de basquetbol es discreta.
los m edios de com unicación. Las agencias de noticias y nues
b. E xplica por qué la variable “núm ero de minutos para
©
tro gobierno hacen a m enudo alguna declaración por ejem plo:

trasladarse al trabajo” es continua.
“El índice de crim inalidad aum entó 50% en la ciudad”.
1 .2 3 La severidad de los efectos colaterales experim entados
a. ¿U n aum ento en la tasa a partir de 4 a 6 representa un
por los pacientes tratados con un m edicam ento particular está
aum ento de 50% ? Explique.
bajo estudio. La severidad se m ide en una escala de ninguna,
b. ¿P or qué alguien reportaría un aum ento de 4 a 6 com o un leve, m oderada, severa, m uy severa.
“ salto de 50% en la tasa”?
a. M enciona la variable de interés.
1 .1 5 De la población estadounidense adulta, 36% tiene una
b. Identifica el tipo de variable.
alergia. U na m uestra de 1 200 adultos seleccionados al azar
resultó en que 33.2% tenía una alergia. 1 .2 4 H arris Poli realizó, durante m ayo de 2009, una encuesta
nacional acerca del uso del teléfono celular y la conducción de
a. D escribe la población.
vehículos en adultos. Sus respuestas a “¿Q ué tan peligroso es
b. ¿C uál es la m uestra? que un conductor use un teléfono celular m ientras conduce?” ,
se jerarquizaron com o “m uy peligroso”, “peligroso” , “ un poco
c. D escribe la variable.
peligroso”, “ ligeram ente peligroso” o “ nada peligroso” .
d. Identifica el estadístico y proporciona su valor.
Page 34 of 418
.
.
.
a. M enciona la variable de interés. a. ¿C uál es la población?
b. Identifica el tipo de variable. b. ¿L a población es finita o infinita?
1 .2 5 Se encuesto a estudiantes acerca del peso de los libros y c. ¿C uál es la m uestra?

sum inistros que llevan cuando asisten a clase.
d. C lasifica las tres variables com o atributo o num érica.
a. Identifica la variable de interés.
1 .2 9 Selecciona 10 estudiantes actualm ente inscritos en tu es
b. Identifica el tipo de variable. cuela y recolecta datos para las siguientes tres variables:
c. M enciona algunos valores que pueden ocurrir en una X : núm ero de cursos inscritos
muestra. Y : costo total de libros de texto y sum inistros para los cursos
Z: m étodo de pago usado para libros de texto y sum inistros
1 .2 6 Un fabricante de m edicam entos está interesado en la
proporción de personas con hipertensión (presión sanguínea a. ¿C uál es la población?
elevada) cuya condición puede controlarse con un nuevo m e
b. ¿L a población es finita o infinita?
dicam ento que desarrolló la com pañía. Se lleva a cabo un
estudio que involucra a 5 000 individuos con hipertensión y c. ¿C uál es la m uestra?
se descubre que 80% de los individuos pueden controlar su
d. C lasifica las tres variables com o nom inal, ordinal, discre
hipertensión con el m edicam ento. Si supones que los 5 000 in
ta o continua.
dividuos son representativos del grupo que tiene hipertensión,
responde las siguientes preguntas: 1 .3 0 A ventis Pharm aceuticals Inc. realizó un estudio para
m edir los efectos colaterales adversos de Allegra™ , un m edi
cam ento usado para el tratam iento de alergias estacionales. A
b. ¿C uál es la m uestra? una m uestra de 679 personas que padecen alergia en Estados
c.
d.
Identifica el parám etro de interés.
Identifica el estadístico y proporciona su valor.

U nidos se le dio 60 m g del m edicam ento dos veces al día. Los
pacientes reportaron si experim entaron o no alivio de sus aler
gias, así com o algún efecto colateral adverso (infección viral,
náusea, som nolencia, etcétera).
e. ¿C onoces el valor del parám etro?
Fuente: G ood Housf-h-^ping fe b re ro d e 2005
1 .2 7 La oficina de ingresos quiere estim ar el costo de los li
bros de texto para los estudiantes en tu colegio. Sea la variable a. ¿C uál fue la población bajo estudio?
.v el costo total de todos los libros de texto com prados p o r un
b. ¿C uál fue la m uestra?
estudiante este sem estre. El plan es identificar aleatoriam ente
100 estudiantes y obtener sus costos totales en libros de texto. c. ¿C uáles fueron las características de interés acerca de
El costo prom edio para los 100 estudiantes se usará para esti cada elem ento en la población?
m ar el costo prom edio para todos los estudiantes.
d. ¿Los datos recolectados fueron cualitativos o cuantita
a. D escribe el parám etro que quiere estim ar la oficina de tivos?
ingresos.
1 .3 1 En la siguiente página hay una pequeña m uestra de las
b. D escribe la población. 165 cam ionetas pick up 2009 m encionadas en M PGoM atic.
com y disponibles para el público consum idor. C onsulta la ta
c. D escribe la variable involucrada.
bla para este ejercicio (1.31) en la página 14.
d. D escribe la m uestra.
a. ¿C uál fue la población de donde se tom ó la m uestra?
e. D escribe el estadístico y cóm o usarías los datos recolecta
b. ¿C uántos individuos había en la población? ¿En la m ues
dos para calcular el estadístico.
tra?
1 .2 8 Un técnico de control de calidad selecciona partes en
c. ¿C uántas variables?
sam bladas de una línea de producción y registra la siguiente
inform ación concerniente a cada parte: d. M enciona las variables cualitativas/categóricas.
X: defectuosa o no defectuosa e. ¿C uáles de las variables cualitativas son nom inales?

Y: núm ero de em pleado del individuo que ensam bló la parte
f. M enciona las variables cuantitativas.
Z: peso de la parte
g. ¿C uáles de las variables cuantitativas son discretas?
¿C ontinuas?
Page 35 of 418
.
.
.
Tabla para el ejercicio 1.31
Tamaño motor Tamaño motor,

Fabricante Modelo Tracción (núm. cilindros) desplazamiento (litros) Transmisión MPG ciudad MPG carretera
CHEVROLET COLORADO 2W D 4 2 .9 M anual 18 24
GMC CANYON 2W D 5 3.7 Auto 17 23
HUMMER H3T 4W D 8 5.3 Auto 13 16
MITSUBISHI RAIDER 4W D 8 4.7 Auto 9 12
SUZUKI EQUATOR 2W D 4 2.5 Auto 17 22
TOYOTA TACO M A 4W D 6 4 .0 M anual 14 19
F u e n t e : h t lp / / w w w . m pgomci lie .com / 2 0 0 0 /
1 .3 2 E je rc icio A pple! S k illb u ild e r Simula tom ar una m ues 1 .3 4 Identifica cada uno de los siguientes com o ejem plo de
tra de tam año 10 de una población de 100 estudiantes univer variables 1) nom inal, 2) ordinal, 3) discreta o 4) continua:
sitarios. T om a una m uestra de 10.
a. U na encuesta de votantes registrados acerca de a cuál
a. ¿C uál es la población? candidato apoyan.
íí f tS' Xf t XXX
* * * * * * * * b. ¿L a población es finita b. El tiem po que tarda en sanar una herida cuando se usa un
***** *X** o infinita? nuevo m edicam ento.
******** *
*********
£* ******
*£* ****8? c. M enciona dos parám etros c. El núm ero de televisiones dentro de una casa.
***** ****
********** y proporciona sus valores.
********** d. La distancia a la que pueden patear un balón las m ujeres
POmATONIMMiiMtrmtt Ü I H f M r iiM W M I
r«t.nr,nu*.<4<nt d. ¿C uál es la m uestra? universitarias de prim er año.
e.
ciona sus valores.
M enciona los dos estadísticos correspondientes y propor e. El núm ero de páginas por tarea provenientes de una im
presora de com putadora.
f. T om a otra m uestra de tam año 10. ¿Cuál de los ítem s an f. El tipo de árbol usado com o árbol de N avidad.
teriores perm anece fijo y cuál cam bia?
1 .3 5 Supon que un niño de 12 años te pide que le expliques la
1 .3 3 Identifica cada uno de los siguientes com o ejem plos de: diferencia entre una m uestra y una población.
1) variables atributo (cualitativa) o 2) num érica (cuantitativa):
a. ¿Q ué inform ación debe incluir tu respuesta?
a. La resistencia a la rotura de un tipo dado de cuerda.
b. ¿Q ué razones le darías de por qué tom arías una m uestra
b. El color de cabello de los niños que audicionan para el en lugar de encuestar a todos los m iem bros de una pobla
m usical Annie. ción?
c. El núm ero de señales de alto en ciudades con m enos de 1 .3 6 Supon que un niño de 12 años te pide que le expliques la
500 personas. diferencia entre un estadístico y un parám etro.
d. Si un grifo está o no defectuoso. a. ¿Q ué inform ación debe incluir tu respuesta?
e. El núm ero de preguntas respondidas correctam ente en b. ¿Q ué razones le darías de por qué reportarías el valor de
una prueba estandarizada. un estadístico en lugar del valor de un parám etro?
f. El tiem po requerido para responder una llam ada telefóni

ca en cierta oficina de bienes raíces.
11.2 M ensurabilidad y v a riab ilid a d

Dentro de un conjunto de datos m edidos, siem pre se espera variación. Si se encuentra poca
o ninguna variación, se supondría que el dispositivo de m edición no está calibrado con una
unidad suficientem ente pequeña. Por ejem plo, tom a una caja de barras de tu dulce favorito
y pesa cada barra individualm ente. O bserva que cada una de las 24 barras de dulce pesan
j de onza, al | de onza m ás cercano. ¿E sto significa que las barras son todas idénticas
en peso? ¡En realidad, no! Supon que los pesas en una báscula analítica que pesa hasta la
Page 36 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 1.3 Recolección de datos 15
diezm ilésim a de onza m ás cercana. A hora, con m ás probabilidad, los 24 pesos mostrarán
variabilidad.
N o im porta cuál sea la variable de respuesta; muy probablem ente habrá variabilidad en
los datos si la herram ienta de m edición es suficientem ente precisa. U no de los principales
objetivos del análisis estadístico es m edir la variabilidad. Por ejem plo, en el estudio del
control de calidad, la m edición de la variabilidad es absolutam ente esencial. Al controlar
(o reducir) la variabilidad en un proceso de fabricación es un cam po por derecho propio: a
saber, el control estadístico de procesos.
© E J E R C I C I O S S E C C I Ó N 1.2
1 .3 7 Supon que m ides los pesos (en libras) de los individuos o casionalm ente entrega sólo lo suficiente para apenas llenar la
en cada uno de los siguientes grupos. m itad de la copa (es decir, 4 oz)? Explica.
G rupo 1: porristas de los equipos de la N ational Football 1.41 Los profesores usan los exám enes para m edir el conocí- ©
m iento de los estudiantes acerca de una m ateria. E xplica cómo
En cengugebrain.com
League.
G rupo 2: jugadores de los equipos de la N ational Football “ la falta de variabilidad en las calificaciones de los estudiantes
League. puede indicar que el exam en no fue un dispositivo de medición
m uy efectivo” .
¿Para cada grupo esperarías que tendrían m ás variabilidad los
datos? E xplica por qué. 1 .4 2 E je rc icio A p p let S k illb u ild e r Sim ula el m uestreo de
una población de estudiantes universitarios.
1 .3 8 Supon que tratas de decidir cuál de dos m áquinas co m
están disponibles Applets Skillbuilder en línea.

prar. M ás aún, supon que es im portante la longitud a la que Sampli» S iie <I‘ n = 4 C n = 10 a. T om a 10 m ues
las m áquinas cortan una parte de un producto particular. Si 4, sigue la pista de los pro
am bas m áquinas producen partes que tienen la m ism a lon m edios m uéstrales de horas
k avcrag e is | hour*
gitud en prom edio, ¿qué otra consideración en cuanto a las por sem ana que estudian los
longitudes sería im portante? ¿Por qué? estudiantes. Encuentra el rango de dichos prom edios al
restar el prom edio m ás bajo del prom edio más alto.
1 .3 9 G rupos de consum idores activistas durante años han
alentado a los m inoristas a usar fijación unitaria de precios en b. T om a 10 m uestras de tam año 10, sigue la pista de los
los productos. A rgum entan que los precios de los alim entos, prom edios m uéstrales de horas por sem ana que estudian
por ejem plo, siem pre deberían etiquetarse en $/onza, S/libra, los alum nos. E ncuentra el rango de dichos prom edios al
$/gram o, $/litro, etc., adem ás de $/paquete, $/lata, $/caja, restar el prom edio m ás bajo del m ás alto.
$/botella, etc. E xplica por qué.
c. ¿C uál tam año m uestral m uestra más variabilidad?
1 .4 0 U na m áquina expendedora de café operada por m onedas
d. Si el prom edio poblacional es de aproxim adam ente 15
entrega, en prom edio, 6 oz de café por taza. ¿Este enuncia
horas por sem ana, ¿cuál tam año m uestral m uestra esto
do puede ser verdadero para una m áquina expendedora que
con m ás precisión? ¿P o r qué?
11.5 R e co le cc ió n d e d atos
Puesto que, por lo general, es im posible estudiar toda una población (todos los individuos
en un país, todos los estudiantes universitarios, todos los pacientes m édicos, etc.), los in
vestigadores usualm ente se apoyan en el m uestreo para adquirir la inform ación o datos,
necesarios. Es im portante obtener “buenos datos” porque las inferencias hechas a final de
cuentas se basarán en los estadísticos obtenidos de dichos datos. D ichas inferencias sólo
son tan buenas com o los datos.
A unque es relativam ente sencillo definir “buenos datos” com o aquellos datos que re
presentan con precisión la población de la que se tom aron, no es fácil garantizar que un
m étodo de m uestreo particular producirá “ buenos d ato s”. Es necesario usar m étodos de
Page 37 of 418
.
.
.
m uestreo (recolecció n d e d a to s) que producirán datos que sean representativos de la po
blación y no sesgados.
M étodo de muestreo Proceso de selección de ítems o eventos que se conver

tirán en la muestra.
M étodo de muestreo sesgado M étodo de muestreo que produce datos que

sistemáticamente difieren de la población modelo. El muestreo repetido no
corregirá el sesgo.
M étodo de muestreo no sesgado M étodo de muestreo que no está sesgado y

produce datos que son representativos de la p oblación original.
EJE 1 P L O A P L I C A D O 1.7
UNA MODERNA MUESTRA DE VOLUNTARIOS

DE ALTA TECNOLOGÍA
Encuesta pública: ( S o r p r e n d a m o s a la N B C l
En diciem bre de 2 0 0 8 , la N BC publicó la siguiente pregunta en su sitio w eb
para encuestar al público.
www.elsolucionario.net T I I I M . M T K l) S T lT K S « F A M K K I f A
con
q u it a r s e
histórico
Al mismo tiem po, el siguiente correo electrónico circuló para ayudar a "p ro
ducir el voto".
He aquí su oportunidad para que los m edios conozcan dónde están las perso
nas en su fe en D ios, com o nación. La N BC lleva a cabo una encuesta acerca
de “In G od W e T ru st” para que perm anezca en la m oneda estadounidense.
Envíe este correo a todo cristiano que conozca para que pueda votar en este
im portante tema. P or favor, hágalo de inm ediato, antes de que la NBC la
quite de su página web.
Esto no se envía para discusión; si está de acuerdo, reenvíelo; si no lo está,

bórrelo. Al yo reenviarlo, usted sabe lo que siento. A puesto que esto fue una
sorpresa para la NBC.
A p artir de esta encuesta no se pueden extraer conclusiones estadísticas sig

nificativas. El proceso de muestreo está severamente sesgado y es muy p ro b a
ble que los resultados hayan sido enormemente sesgados y no sean represen
tativos de la p oblación estadounidense. ¿Puedes p ro p o rcio n a r al menos dos
razones por las que los resultados de esta encuesta no representan buenas
prácticas estadísticas? O bserva el ejercicio 1.46.
Page 38 of 418
.
.
.
Sección 1.3 Recolección de datos 17
D os m étodos de m uestreo utilizados com únm ente, que con frecuencia resultan en
m uestras sesgadas, son las m uestras de conveniencia y las voluntarias.
U na m uestra d e con ven iencia, en ocasiones llam ada m uestra p u n tu a l, ocurre cuan
do los ítem s se eligen arbitrariam ente y en una form a no estructurada de una población,
m ientras que una m uestra voluntaria consiste en resultados recolectados de aquellos
elem entos de la población que se eligen para aportar la inform ación necesaria para su
propia iniciativa.
¿A lguna vez com praste una canasta de fruta en el m ercado con base en la “ buena apa
riencia” de la fruta en la parte superior, sólo para m ás tarde descubrir que el resto de la fruta
no era tan fresca? Era m uy inconveniente inspeccionar la fruta del fondo, así que confiaste
en una m uestra de conveniencia. ¿Tu profesor ha usado tu clase com o una m uestra de la
cual recopilar datos? C om o grupo, la clase es muy conveniente, ¿pero realm ente es repre
sentativa de la población de la escuela? (C onsidera las diferencias entre los estudiantes de
la m añana, la tarde y/o el fin de sem ana; tipo de curso; etcétera.)
¿A lguna vez enviaste tus respuestas a la encuesta de una revista? ¿B ajo qué condicio
nes tom arías el tiem po para com pletar tal cuestionario? La actitud inm ediata de la mayoría
de las personas es ignorar la encuesta. Q uienes tengan fuertes sentim ientos harán un es
fuerzo para responder; por tanto, no deberían esperarse m uestras representativas cuando
se recolecten m uestras voluntarias.
El proceso de recolección de datos
R ecolectar datos para análisis estadístico es un proceso involucrado e incluye los siguien
tes pasos:
1. D efinir los objetivos de la encuesta o estudio.

Ejem plos: com parar la efectividad de un nuevo m edicam ento con la efectividad del
m edicam ento estándar; estim ar el ingreso dom éstico prom edio en E stados Unidos.
2. D efinir la variable y la población de interés.
Ejem plos: duración del tiem po de recuperación para los pacientes que sufren de una
enferm edad particular; ingreso total de los hogares en E stados Unidos.
3. D efinir cóm o recolectar los datos y los esquem as de m edición de datos.
Esto incluye el m arco del m uestreo, los procedim ientos de m uestreo, el tamaño
m uestral y el dispositivo de m edición de datos (cuestionario, teléfono, etcétera).
4. R ecolección de la m uestra, seleccionar los sujetos a m uestrear y recolectar datos.
5. Revisar el proceso de m uestreo al com pletar la recolección.
Con frecuencia, un analista se aferra a los datos ya recolectados, posiblem ente incluso
datos recolectados con otros propósitos, lo que hace im posible determ inar si los datos son
“buenos”. U sar las técnicas aprobadas para recolectar tus propios datos es más preferible.
A unque este texto se preocupa principalm ente por varias técnicas de análisis de datos,
debes estar al tanto de las preocupaciones de la recolección de datos.
El siguiente ejem plo describe la población y la variable de interés para una investigación
específica:
POBLACIÓN Y VARIABLE DE INTERÉS

El director de adm isiones de tu escuela quiere estimar el costo ''p ro m e d io " ac
tual de los libros de texto por semestre, por estudiante. La p oblación de interés
es "el cuerpo estudiantil inscrito actualm ente" y la va ria b le es "la cantidad total
gastada p ara libros de texto" por cada estudiante este semestre.
Page 39 of 418
.
.
.
D os m étodos com únm ente usados para la recolección de datos son experim entos y es
tudios observacionales. En un experim ento, el investigador controla o m odifica el entorno
y observa el efecto sobre la variable bajo estudio. C on frecuencia lees acerca de los resul
tados de laboratorio obtenidos al usar ratas blancas para poner a prueba diferentes dosis de
un nuevo m edicam ento y su efecto sobre la presión arterial. Los tratam ientos experim en
tales se diseñaron específicam ente para obtener los datos necesarios para estudiar el efecto
sobre la variable. En un estudio observacional. el investigador no m odifica el entorno y
no controla el proceso a observar. Los datos se obtienen al m uestrear parte de la población
de interés. Las en cu estas son estudios observacionales de personas.
¿EXPERIMENTO O ESTUDIO OBSERVACIONAL?
I N F E C C I O N Q U I R U R G I C A ES C U E S T IO N D E T I E M P O
M uchos pacientes quirúrgicos no com plican por una infección local,
obtienen oportunam ente las dosis dice el reporte. El estudio de 34 000
de los m edicam entos correctos, lo pacientes quirúrgicos en casi 3 000
que eleva el riesgo de infección, hospitales en 2001 descubrió que
reportan investigadores en los A r sólo 56% reciben m edicam entos
chives o f Surgery. De 30 m illones profilácticos durante el tiem po de
de operaciones realizadas cada año
en EU A , aproxim adam ente 2% se
la cirugía, cuando pueden ser efec
tivos.
Fuente: USA Today. 2 2 d e fe b re ro d e 2 0 0 o
Esta investigación es un ejem plo de un estudio observacional. Los investiga

dores no m odificaron o trataron de controlar el entorno. O bservaron lo que
ocurrió y escribieron sus hallazgos.
Si todo elem ento en la población puede m encionarse o enum erarse y observarse, en

tonces se com pila un censo. Sin em bargo, los censos se usan rara vez porque con frecuen
cia son difíciles de com pilar y consum en m ucho tiem po y por tanto son muy costosos.
Imagina la tarea de com pilar un censo de cada persona que es un cliente potencial de una
em presa de corretaje. En situaciones sim ilares a ésta, por lo general se realiza una encuesta
piloto.
C uando se selecciona una m uestra para una encuesta, es necesario construir un m arco
muestra!.
M arco muestral Lista o conjunto de los elementos que pertenecen a la p o b la

ción de la cual se extraerá la muestra.
De m anera ideal, el encuadre m uestral debe ser idéntico a la población, con cada ele
mento de la población incluido una y sólo una vez. En este caso, un censo se convertiría en
el m arco m uestral. En otras situaciones, un censo puede no ser tan fácil de obtener porque
no está disponible una lista com pleta. En ocasiones las listas de votantes registrados o el
directorio telefónico se usan com o m arcos m uéstrales del público en general. De acuerdo
con la naturaleza de la inform ación a recabar, la lista de votantes registrados o el directorio
telefónico pueden o no servir com o un m arco m uestral no sesgado. Puesto que sólo los
Page 40 of 418
.
.
.
elem entos en el m arco tienen oportunidad de ser seleccionados com o parte de la muestra,
¿SABÍAS Q U E ...?
es im portante que el m arco m uestral sea representativo de la población.
M ejor la parte U na vez establecido el m arco m uestral representativo, se procede con la selección de
que el todo los elem entos m uéstrales del m arco m uestral. Este proceso de selección se llam a diseño
En 1930, Prasanta Chan m uestral. Existen m uchos tipos diferentes de diseños m uéstrales; sin em bargo, todos ellos
dra M ahalanobis tuvo encajan en dos categorías: m uestras dirigidas y m uestras probabilísticas.
alta prioridad para produ
cir una muestra represen
tativa adecuada. Quería
determinar las caracterís
ticas de las poblaciones
grandes cuando casi era C uando se recolecta una m uestra dirigida, la persona que selecciona la m uestra elige
imposible obtener todas los ítem s que considera que son representativos de la población. La validez de los resul
las mediciones de una tados de una m uestra dirigida reflejan la firm eza del ju icio del recolector. Éste no es un
población estadística. procedim iento estadístico aceptable.
Las muestras dirigidas
parecían ser una buena M uestras probabilísticas Muestras en las que los elementos a seleccionar se
opción, pero tenían gra extraen sobre la base de la p ro b a b ilid a d . C ada elemento en una población
ves defectos: si se sabía tiene cierta p osibilida d de ser seleccionado como parte de la muestra.
lo suficiente acerca de
la población para reco
lectar una buena muestra Las inferencias que se estudiarán en este libro m ás adelante se basan sobre la suposi
d irigid a, probablemente ción de que los datos m uéstrales se obtienen usando una m uestra probabilística. Existen
no habría necesidad de
una muestra; si la muestra
era incorrecta, no habría
m uchas form as de diseñar estas m uestras. Estudiarás dos de ellas, los m étodos de un solo
factor y los m étodos de m últiples factores; aprenderás acerca de algunos de los muchos
diseños específicos que son posibles.
forma de saber cuán in
correcta es. La respuesta
a esta cuestión fue una
muestra aleatoria.
Métodos sencillos
M uestreo sencillo Diseño muestral en el que los elementos del marco muestral
se tratan igual y no hay subdivisión o partición del marco.
U no de los m étodos de m uestreo probabilístico sencillo más com ún, usado para reco
lectar datos, es la m uestra aleatoria sim ple.
Page 41 of 418
.
.
.
M u e s tra a le a to ria sim ple Muestra seleccionada de tal form a que todo ele
mento en la población o m arco muestral tiene la misma p ro b a b ilid a d de ser
elegido. De manera equivalente, todas las muestras de tam año n tienen una
igual oportunidad de ser seleccionadas.
Nota: Las m uestras aleatorias se obtienen al m uestrear con reem plazo de una población
finita o al m uestrear sin reem plazo de una población infínita.
Inherente en el concepto de aleatoriedad está la idea de que el siguiente resultado (u

ocurrencia) no es predecible. C uando se extrae una m uestra aleatoria, debe hacerse todo
el esfuerzo para garantizar que cada elem ento tiene una igual probabilidad de ser selec
cionado y que el siguiente resultado no se vuelve predecible. El procedim iento adecuado
para seleccionar una m uestra aleatoria sim ple requiere el uso de núm eros aleatorios. Por
lo general se com eten errores porque el térm ino aleatorio (igual oportunidad) se confunde
con fortuito (sin patrón).
Para seleccionar una m uestra aleatoria sim ple, prim ero asignas un núm ero de iden
tificación a cada elem ento en el m arco m uestral. Por lo general esto se hace al usar se-
cuencialm ente el m ism o núm ero de dígitos para cada elem ento. E ntonces, con núm eros
aleatorios que tienen el m ism o núm ero de dígitos, se seleccionan tantos núm eros com o se
necesiten para el tam año de m uestra deseado. C ada elem ento num erado en el m arco m ues
tral que corresponda a un núm ero aleatorio seleccionado se elige para la m uestra.
USO DE NÚMEROS ALEATORIOS
Le o ficina de adm isiones de tu escuela quiere estimar el costo "p ro m e d io " ac
tual de los libros de texto por semestre, por estudiante. La p oblación de interés
es "el cuerpo estudiantil actualmente inscrito" y la va ria b le es "la cantidad
total gastada en libros de texto" por cada estudiante este semestre. Puesto que
se desea una muestra aleatoria, el Sr. Ciar, quien tra b a ja en la oficina de ad
misiones, obtuvo una lista p or com putadora de la matrícula de tiem po com ple
to de este semestre. En la lista había 4 2 6 5 nombres de estudiantes. N um eró
a los estudiantes 0 0 0 1 , 0 0 0 2 , 0 0 0 3 , etc., hasta 4 2 6 5 ; después, con núme
ros aleatorios de cuatro dígitos, identificó una muestra: fueron seleccionados
1 2 8 8 , 2 177, 1 9 5 2 , 2 4 6 3 , 1 6 4 4 , 1 0 0 4 , etc. (Consulta el M a n u a l de so
luciones del estudiante para una discusión del uso de los números aleatorios.)
U na m uestra aleatoria sim ple es el prim er paso hacia una m uestra sin sesgo. Las m ues
tras aleatorias se requieren para la m ayoría de los procedim ientos estadísticos que se pre
sentan en este libro. Sin un diseño aleatorio, las conclusiones que extraigas de los procedi
m ientos estadísticos pueden no ser confiables.
E J E M P L O A P L I C A D O 1. 11
PROCESO PARA RECOLECTAR DATOS
Considera la gráfica "Los em pleadores buscan actitud p ositiva" en la página
3 y los cinco pasos del proceso de recolección de datos.
Page 42 of 418
.
.
.
1. Define los objetivos de lo encuesta o experim ento. Determina la opinión

de los em pleadores en cuanto a cuáles cualidades buscan cuando con
tratan em pleados eventuales.
2. Define la va riab le y la p o b la c ió n de interés. La va ria b le es la opinión o
respuesta a una pregunta en cuanto a las cualidades o características.
La p ob la ción de interés es todos los gerentes de vacantes estadouni
denses.
3. Define los esquemas de recolección y de m edición de datos. Con base
en la misma g rá fica, puedes ver que la fuente para los porcentajes pre
sentados fue SnagAJob.com . A l investigar más, IPSOS Public A ffairs,
una empresa de investigación externa, realizó la encuesta en represen
tación del "sitio w eb de empleos por h o ra " SangAJob.com entre el 2 0 y
el 2 5 de febrero de 2 0 0 9 . Se trató de una encuesta en línea de 1 0 4 3
gerentes de vacantes con responsabilidad para contratar em pleados
de verano y eventuales por hora.
4. Recolecta la muestra. La inform ación recolectada de cada gerente de
contrataciones fue su c u a lid a d /ca ra cte rística ind ivid ua l "m ás" esencial
que debe poseer un em pleado eventual.
5. Revisa el proceso de muestreo a l com pletar la recolección. D ado que
el proceso de muestreo fue una encuesta en línea, ¿sólo los gerentes de
contrataciones que d irigía n sus empresas en línea estuvieron al tanto de
esta encuesta? ¿Estuvieron representadas varias áreas del país y tipos
de empresas? Acaso tú puedes pensar en preocupaciones adicionales.
En concepto, la m uestra aleatoria sim ple es la m ás sencilla de las técnicas de m uestreo

probabilístico, pero rara vez se usa en la práctica porque con frecuencia es una técnica
ineficiente. U no de los m étodos más fáciles de usar para aproxim ar una m uestra aleatoria
sim ple es el m étodo de m uestreo sistem ático.
Muestra sistemática Muestra en la que se selecciona cada /c-ésimo térm ino del
marco muestral, a partir de un primer elemento, que se selecciona aleatoria
mente de los prim eros k elementos.
Para seleccionar una m uestra sistem ática porcentual (%) .v, necesitarás seleccionar
aleatoriam ente un elem ento de cada elem entos. D espués de localizar aleatoriam ente al
prim er elem ento dentro de los prim eros 159 elem entos, procedes a seleccionar cada 199 ele
m ento de ahí en adelante hasta que tienes el núm ero deseado de valores de datos para tu
m uestra.
Por ejem plo, si deseas una m uestra sistem ática de 3% , localizarías el prim er ítem al
seleccionar aleatoriam ente un entero entre 1 y 33 (M = J99 = 33.33, que cuando se redondea
se convierte en 33). Supon que el 23 se seleccionó aleatoriam ente. Esto significa que tu
prim er valor de datos se obtiene desde el sujeto en la posición 23 en el m arco m uestral. El
segundo valor de datos provendrá del sujeto en la posición 56 (23 + 33 = 56); el tercero, de
la 89 (56 + 33); etc., hasta que la m uestra esté com pleta.
La técnica sistem ática es fácil de describir y ejecutar; sin em bargo, tiene ciertos peli
gros inherentes cuando el m arco m uestral es repetitivo o cíclico en naturaleza. Por ejem
plo, una m uestra sistem ática de cada ¿-ésim a casa a lo largo de una calle larga puede
resultar en una m uestra desproporciona! en cuanto a las casas que se encuentran en las
esquinas. La inform ación resultante probablem ente estaría sesgada si el propósito del
m uestreo es aprender acerca del apoyo para un im puesto de banqueta propuesto. En di
chas situaciones, los resultados pueden no aproxim arse a una m uestra aleatoria sim ple.
Page 43 of 418
.
.
.
Métodos múltiples
Cuando se m uestrean poblaciones m uy grandes, en ocasiones es necesario usar un diseño
de m uestreo m últiple para aproxim ar el m uestreo aleatorio.
Muestreo aleatorio m últiple Diseño muestral en el que los elementos del mar
co muestral se subdividen y la muestra se elige en más de una etapa.
Los diseños de m uestreo m últiples con frecuencia com ienzan al dividir una población
muy grande en subpoblaciones sobre la base de cierta característica. D ichas subpoblacio-
nes se llam an estratos. Estos estratos más pequeños, m ás fáciles de trabajar, pueden mues-
trearse entonces por separado. Uno de tales diseños m uéstrales es el m étodo de m uestreo
aleatorio estratificado.
M uestra ale atoria estratificada Muestra que se obtiene al estratificar la pob la

ción o marco muestral y entonces se selecciona un número de ítems de cada
uno de los estratos mediante una técnica de muestreo aleatorio simple.
U na m uestra aleatoria estratificada resulta cuando la población o m arco m uestral se

subdivide en varios estratos, p o r lo general en algunas subdivisiones naturales que ya ocu
rren y entonces se extrae una subm uestra de cada uno de dichos estratos. D ichas subm ues-
tras pueden extraerse de los diferentes estratos usando m étodos aleatorios o sistem áticos.
Las subm uestras se resum en prim ero por separado y después se com binan para extraer
conclusiones acerca de toda la población.
C uando se m uestrea una población con m uchos estratos, con frecuencia se requiere
que el núm ero de ítem s recolectados de cada estrato sea proporcional al tam año de los
estratos; este m étodo se llam a m uestreo estratificado proporcional.
M uestra estratificada proporcional Muestra que se obtiene al estratificar la

p oblación o m arco muestral y después seleccionar un número de ítems pro
porcional al tam año de los estratos de cada estrato m ediante una técnica de
muestreo aleatorio simple.
U na form a conveniente de expresar la idea de m uestreo proporcional es establecer

una cuota. Por ejem plo, la cuota “ 1 por cada 150” te pide seleccionar un valor de datos
por cada 150 elem entos en cada estrato. De esa forma, el tam año de los estratos determ ina
el tam año de la subm uestra de dicho estrato. Las subm uestras se resum en por separado y
luego se com binan para extraer conclusiones acerca de toda la población.
O tro m étodo de m uestreo que com ienza por estratificar la población o m arco m uestral,
es una m uestra de conglom erados.
M uestra de conglom erados Muestra que se obtiene al estratificar la población

o m arco muestral y después seleccionar algunos o todos los ítems de algunos
estratos, mas no de todos.
El m uestreo de conglom erados es un diseño m últiple. U sa m étodos aleatorios o sistem á

ticos para seleccionar los estratos (conglom erados) a m uestrear (prim era etapa) y después
utiliza m étodos aleatorios o sistem áticos para seleccionar elem entos de cada conglom erado
identificado (segunda etapa). El m étodo de m uestreo de conglom erados tam bién perm ite la
posibilidad de seleccionar todos los elem entos de cada conglom erado identificado. De cual
quier forma, las subm uestras se resum en por separado y luego se com bina la inform ación.
Para ilustrar un posible proceso de m uestreo aleatorio m últiple, considera que nece
sitas una m uestra de un gran país. En la prim era etapa, el país se divide en regiones más
Page 44 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 1.3 Recolección de datos 23
pequeñas, com o los estados y se selecciona una m uestra aleatoria de dichos estados. En la
segunda etapa, se elige una m uestra aleatoria de áreas m ás pequeñas dentro de los estados
seleccionados (condados). En la tercera etapa, dentro de cada condado, se tom a una mues
tra aleatoria de áreas todavía más pequeñas (ciudades). Finalm ente, en la cuarta etapa, si
dichas ciudades son suficientem ente pequeñas para los propósitos del estudio, el investi
gador puede seguir recolectando m uestras aleatorias sim ples de cada una de las ciudades
identificadas. Esto significaría que toda la m uestra estuvo constituida de varias submues-
tras “ locales” identificadas com o resultado de las diferentes etapas.
El diseño m uestral no es asunto sim ple; m uchas universidades y escuelas ofrecen cur
sos separados en encuestas piloto y diseño experim ental. El tem a de las encuestas piloto es
un libro de texto com pleto en sí m ism o. P or tanto, la inform ación anterior tiene la inten
ción de ofrecerte un panoram a del m uestreo y poner su papel en perspectiva.
E J E R C I C I O S S E C C I Ó N 1 . 3
1 .4 3 USA T oday regularm ente pregunta a sus lectores: ‘‘¿T ie 1 .4 8 A un distribuidor de alim entos m inorista en una gran área
ne alguna queja acerca del equipaje aéreo, devoluciones, pu m etropolitana le gustaría poner a prueba la dem anda para un
blicidad, servicio al cliente? Escriba:...” . nuevo producto alim enticio. Él distribuye alim entos a través
de cinco grandes cadenas de superm ercados. El distribuidor de
a. ¿Q ué tipo de m étodo de m uestreo es éste?
alim entos selecciona una m uestra de tiendas ubicadas en áreas
b. ¿E s probable que los resultados sean sesgados? Explica.
1 .4 4 USA Today realizó una encuesta en la que preguntó a sus

donde considera que los com pradores son receptivos a probar
los nuevos productos. ¿Q ué tipo de m uestreo representa esto?
lectores: ¿C uál es la cosa más hilarante que le ha sucedido en 1 .4 9 C onsidera una población sim ple que consiste solamente
ruta o durante un viaje de negocios?”. de los núm eros 1, 2 y 3 (un núm ero ilim itado de cada uno).
E xisten nueve diferentes m uestras de tam año 2 que podrían
a. ¿Q ué tipo de m étodo de m uestreo es éste?
extraerse de esta población; (1, 1), (1, 2), (1, 3), (2, 1), (2, 2),
b. ¿E s probable que los resultados sean sesgados? Explica. (2, 3), ( 3 ,1 ) , (3 ,2 ), (3, 3).
1 .4 5 En una encuesta acerca de las fam ilias, A nn Landers, una a. Si la población consiste de los núm eros 1, 2, 3 y 4, m en
bien conocida colum nista de consejos, preguntó a padres si ciona todas las m uestras de tam año 2 que posiblem ente
tendrían hijos nuevam ente; 70% respondió “no” . U na encuesta podrían seleccionarse.
aleatoria independiente que planteó la m ism a pregunta produ
b. Si la población consiste de los núm eros 1, 2 y 3, m en
jo una respuesta de 90% “sí”. Prooprciona al m enos una ex
ciona todas las m uestras de tam año 3 que posiblem ente
plicación de por qué el porcentaje resultante de la encuesta de
podrían seleccionarse.
Landers es tan diferente del porcentaje de la m uestra aleatoria.
1 .5 0 a. ¿Q ué es un m arco m uestral?
1 . 4 6 D escribe d os raz o n es por las que los re su ltad o s d e la
en c u esta “ In G od W e T ru s t” del ejem p lo ap lica d o 1.7 de b. ¿Q ué usa el Sr. C iar para un m arco m uestral en el
la p ág in a 16 no deb en esp erarse que sean rep rese n tativ o s ejem plo 1.10, página 20?
de la p o b lació n .
c. ¿D e dónde provino el núm ero 1 288 y cóm o se usó?
1 .4 7 Todo m undo sabe que el ejercicio es bueno para la salud.
1 .5 1 U n artículo titulado “Surface Sam pling in Gravel
¿Pero el ejercicio puede evitar o dem orar los síntom as de la
Stream s” (M uestreo de superficie en corrientes de grava, Jour
enferm edad de Parkinson? U n estudio reciente de la Harvard
n a l o f H ydraulic E ngineering, abril de 1993) discute el mues
School o f Public H ealth estudió 48 000 hom bres y 77 000
treo por retículas y el m uestreo arial. El m uestreo por retículas
m ujeres que eran relativam ente sanos y de edad m edia o más.
involucra la rem oción a m ano de piedras que se encuentran
D urante el curso del estudio, 387 personas desarrollaron la
en puntos específicos. D ichos puntos se establecen sobre la
enferm edad. El estudio descubrió que los hom bres que par
superficie de grava m ediante el uso de una rejilla de alam bre o
ticiparon en alguna actividad vigorosa al m enos dos veces a
con el uso de distancias predeterm inadas en una cinta de me
la sem ana en el bachillerato, la universidad y hasta la edad de
dición. El m aterial recolectado en el m uestreo por rejillas por
40 tenían 60% de riesgo reducido de contraer Parkinson. El
lo general se analiza com o una distribución de frecuencia. Una
estudio no descubrió tal reducción en las m ujeres. ¿Q ué tipo
m uestra arial se recolecta al rem over todas las partículas que
de m uestreo representa esto?
se encuentran en una área predeterm inada de un lecho fluvial.
Fuente: E xe icise « a y p re v e n t P eírkinson's', U S A Today, 2 2 d e fe b re ro d e 2 0 0 5
(continúa en la página 24)
Page 45 of 418
.
.
.
El material recuperado se analiza más usualm ente com o una 1 .6 0 La lista de votantes registrados del consejo electoral no
distribución de frecuencia por peso. ¿Tu jerarquizarías dichos es un censo de la población adulta. E xplica por qué.
diseños de m uestra com o m uestras dirigidas o probabilísticas?
1.6 1 Sustituye las lám paras incandescentes con lám paras
1 .5 2 Una m uestra aleatoria podría ser muy difícil de obtener. fluorescentes com pactas que usan hasta 75% m enos energía y
¿P or qué? duran hasta 10 veces más. T om ado de “ Sim ple W ays to Save
E nergy” , N Y SE G E nergy L in es, febrero de 2009.
1 .5 3 ¿P or qué la m uestra aleatoria es tan im portante en esta
dística?
1 .5 4 Sheila Jones trabaja para una com pañía de investigación

de m ercados establecida en C incinnati, Ohio. Su supervisor
le acaba de entregar una lista de 500 núm eros aleatorios de 3
. =
cuatro dígitos extraídos de una tabla estadística de dígitos alea 2! 8

torios. Le pidió a Sheila realizar una encuesta al llam ar por
£
teléfono a 500 residentes de C incinnati, siem pre que los últi
m os cuatro dígitos del núm ero telefónico coincidan con uno de
los núm eros en la lista. Si Sheila sigue las indicaciones de su
ÓÜ
supervisor, ¿está él seguro de obtener una m uestra aleatoria de
encuestados? Explica.
1 .5 5 D escribe con detalle cóm o seleccionarías una m uestra

sistem ática de 4% de los adultos en ur.a gran ciudad cercana a. ¿C uáles son las dos afirm aciones que hace en la d e
con la finalidad de com pletar una encuesta acerca de un tem a claración anterior la New Y ork State Electric and G as
político. C om pany? E nuncíalas en térm inos de un parám etro esta
1 .5 6 a. ¿Q ué cuerpo del gobierno federal ilustra un m uestreo
estratificado del pueblo? (N o se usa un proceso de
dístico.
b. ¿C rees que los dos enunciados de la N Y SEG son razona

selección aleatorio.) bles y probablem ente sean verdaderos? Explica.
b. ¿Q ué cuerpo del gobierno federal ilustra un m ues c. Si crees que una afirm ación es razonable y probablem ente
treo proporcional del pueblo? (No se usa un proceso verdadera, ¿te sentirías m otivado a encontrar evidencia
de selección aleatorio.) para verificar su veracidad? Explica.
1 .5 7 Supon que un grupo de estaciones de radio deportivas te d. Si crees que una afirm ación no es razonable y probable
c o n t r a t a p a r a d e t e r m i n a r la d i s t r i b u c i ó n d e e d a d e s d e s u s e s m ente no sea verdadera, ¿te sentirías m otivado a encon
cuchas. D escribe con detalle cóm o seleccionarías una m uestra trar evidencia para verificar que es incorrecta? Explica.
aleatoria de 2 500 de las 35 áreas de escuchas involucrados.
e. ¿C uál situación investigarías con más probabilidad: la c
1 .5 8 Explica por qué las encuestas que se citan tan frecuen o la d? Explica.
tem ente durante las prim eras transm isiones televisivas en la
f. ¿C óm o procederías a tratar de verificar “hasta 75% m enos
cobertura del día de las elecciones son un ejem plo de m uestreo
energía”?
p o r conglom erados.
g. ¿C óm o procederías a tratar de verificar “dura hasta 10
1 .5 9 El directorio telefónico puede no ser un m arco muestral
veces m ás”?
representativo. Explica por qué.
|l.4 Estadística y te c n o lo g ía
En años recientes, la tecnología electrónica tuvo un im pacto trem endo sobre casi todo as
pecto de la vida. El cam po de la estadística no es la excepción. C om o se observa, el cam po
de la estadística usa m uchas técnicas que son repetitivas por naturaleza: cálculos de esta
dísticos num éricos, procedim ientos para construir gráficos de datos y procedim ientos que
se siguen para form ular inferencias estadísticas. Las com putadoras y las calculadoras son
muy buenas para realizar esas en ocasiones largas y tediosas operaciones. Si tu com puta
dora tiene uno de los paquetes estadísticos estándar o si tienes una calculadora estadística,
entonces realizarás el análisis m ás fácil.
Page 46 of 418
.
.
.
Sección 1.4 Estadística y tecnología 25
A lo largo de este texto, conform e estudies los procedim ientos estadísticos, encontrarás
la inform ación necesaria para hacer que una com putadora com plete los m ism os procedi
m ientos usando el softw are de M IN ITA B y Excel. Tam bién se m ostrarán los procedim ien
tos de cálculo para la calculadora TI-83/84.
A continuación se presenta una explicación de las convenciones tipográficas m ás co
m unes que se usarán en este libro. Las explicaciones o selecciones adicionales se propor
cionarán según se requieran.
I N S T R U C C I O N E S DE T E C N O L O G Í A :
C O N V E N C I O N E S B Á S I C A S
Elige: te p id e h a c e r u n a s e le c c ió n d e m e n ú c o n u n a e n t r a d a de r a t ó n
MINITAB “a p u n t a y h a z clic”.
Por e je m p lo : Elige: S t a t > Q u a líty Tools > P a re to C h a r t te p id e , e n
PTI Para inform ación s e c u e n c i a , “a p u n t a r y h a c e r c lic” e n S t a t e n la b a r r a d e m e n ú , “s e
acerca de cóm o o b g u id o por" Q u a lí ty Tools e n el m e n ú d e s p le g a b le y luego “se g u id c
tener M IN ITAB, visita p o r ” P a re to C h a r t e n el s e g u n d o m e n ú d e s p le g a b le .
la p á g in a en internet S ele cc io n a: in d ic a q u e d e b e s h a c e r clic e n el p e q u e ñ o r e c u a d r o o círculo a la
h ttp ://w w w .m in ita b . i z q u i e r d a d e l í t e m e s p e c ific a d o .
com.
In g re sa : te p id e e s c r ib ir o s e l e c c i o n a r la i n f o r m a c i ó n n e c e s a r i a p a r a u n
ít e m específico.
Excel
Elige. te p id e h a c e r u n a s e le c c ió n de m e n ú o d e p e s t a ñ a c o n u n a e n t r a
d a de r a t ó n “a p u n t a y h a z clic”.
Por e je m p lo : Elige: I n s e r t > S c a t te r > l s t g r a p h p í c t u r e te pid e , en

PTI Excel es pa rte de s e c u e n c i a , “a p u n t a r y h a c e r c lic” e n la p e s t a ñ a I n s e r t, s e g u id o p o r
M icro so ft O ffic e y S c a t te r b a jo la s e c c ió n “C h a r t s ”, s e g u id o p o r l s t g r a p h p í c t u r e e n
puede encontrarse en el s u b t i p o Chart.
muchas com putadoras S ele cc io n a: in d ic a q u e d e b e s h a c e r clic e n el p e q u e ñ o r e c u a d r o o círculo a la
personales. i z q u i e r d a d e l í t e m e s p e c ific a d o . C on f r e c u e n c ia es s e g u id o p o r u n
“a p u n t a y h a z clic s o b r e ” N e x t (sig u ie n te), C ióse (cerrar) o F ín ísh
( te r m in a r ) e n la v e n t a n a d e diálogo.
In g re sa : te p id e e s c r ib ir o s e l e c c i o n a r la i n f o r m a c i ó n n e c e s a r i a p a r a u n
ít e m específico.
T I-8 3 /8 4 Plus Elige: te d ic e c u á le s te c la s o p r i m i r o s e le c c io n e s de m e n ú hac er.

Por e je m p lo : Elige: Z o o m > 9 :Z o o m S ta t > T ra ce » > te in d ic a o p r i
m i r la te c la Z o o m , se g u id o p o r la s e le c c ió n d e 9 :Z o o m S ta t d el
PTI Para inform ación m e n ú , s e g u id o p o r la te c la Trace; >>> in d i c a q u e d e b e s p r e s i o n a r
acerca de cóm o obte la s te c la s d e f le c h a s r e p e t i d a m e n t e p a r a m o v e r t e a lo largo d e ur.a
ner T I-8 3 /8 4 Plus, visita gráfica p a r a o b t e n e r p u n t o s i m p o r t a n t e s .
la p á g in a en internet In g re sa: te p id e e s c r ib ir o s e l e c c i o n a r la i n f o r m a c i ó n n e c e s a r i a p a r a u n
h ttp ://w w w .ti.c o m / ít e m específico.
cale.
C aptura te p r o p o r c i o n a i m á g e n e s d e c ó m o d e b e r ía v e r s e la p a n t a l l a de tu
d e p a n t a ll a : c a l c u l a d o r a y d e s t a c a la s e s p e c if i c a c io n e s elegida s.
D etalles adicionales acerca del uso de M IN ITA B y Excel están disponibles en el siste
m a de ayuda de los softw ares M IN ITA B y Excel. D etalles adicionales para la TI-83/84 se
encuentran en la correspondiente guía de la T I-83/84 P lus G raphing C alculator. Detalles
específicos acerca del uso de com putadoras y calculadoras los puedes obtener de tu profe
sor o del personal del laboratorio de cóm puto local.
Page 47 of 418
.
.
.
26 Copítulo 1 Estadística
Tu centro de cóm puto local puede ofrecerte una lista de qué tiene disponible para
ti. A lgunos de los paquetes de program as m ás fácilm ente disp o n ib les son M IN IT A B ,
JM P-IN y SPSS (P aquete E stadístico para C iencias S ociales, p o r sus siglas en inglés).
N ota: Siem pre es utui gran tentación usar la com putadora o calculadora p a ra analizar
cualquiera de todos los conjuntos de datos y después tratar los resultados com o si los
estadísticos fu e se n correctos. R ecuerda el refrán: “¡E ntra basura, sale basura!**. E l uso
responsable de la m etodología estadística es m uy im portante. La carga está en e l usuario
para asegurarse de que los m étodos apropiados están aplicados correctam ente y de que
las conclusiones exactas son extraídas y com unicadas a otras.
E J E R C I C I O S S E C C I Ó N 1.4
1 .6 2 ¿C óm o aum entaron las com putadoras la utilidad de la por qué la calculadora puede o no dar la respuesta
estadística para profesionales, com o investigadores, trabajado correcta.
res del gobierno que analizan datos, consultores estadísticos y
b. ¿Q ué se entiende por “ ¡Entra basura, sale basura!” y
otros?
cóm o las com putadoras aum entaron la probabilidad
1 .6 3 ¿C óm o pueden ayudarte las com putadoras en la estadís de que los estudios puedan sacrificarse debido al
tica? refrán?
1 .6 4 a. ¿A lguna vez escuchaste a alguien decir?, “debe ser

correcto, es lo que m e dijo mi calculadora’*. Explica
R ep aso d e l capítulo
En retrospectiva
A hora debes tener una idea general de lo que trata la estadís A lo largo del capítulo viste num erosos artículos que
tica, una im agen que crecerá y cam biará conform e trabajes a representan varios aspectos de la estadística. Las gráficas es
través de este libro. Sabes lo que son una m uestra y una po tadísticas presentan una variedad de inform ación acerca de ti,
blación y la distinción entre variables cualitativas (atributos) y pues te describen personalm ente y otros aspectos del m undo a
cuantitativas (num éricas). T am bién deberías apreciar y tener tu alrededor. Las estadísticas incluso pueden ser entretenidas.
una com prensión parcial de cuán im portantes son las m uestras Los ejem plos son interm inables. O bserva a tu alrededor y en
aleatorias en estadística. contrarás algunos ejem plos de la estadística en tu vida diaria
(consulta los ejercicios 1.77 y 1.78, p. 30).
C O IirS ü A flS tC £| s¡{j0 sta tis tic s C o u rse M a te y ejem plos que tienen sus correspondientes recursos interacti
para este libro lleva a la vida los temas del capítulo, con h e vos com o video y tutoriales anim ados que dem uestran, paso
rram ientas interactivas de aprendizaje, estudio y preparación a paso, cóm o resolver problem as; conjuntos de datos para
de exám enes, incluidas preguntas rápidas y tarjetas de estudio ejercicios y ejem plos; A pplets Skillbuilder para ayudarte a
para el vocabulario y los conceptos clave que aparecen a con com prender m ejor los conceptos; m anuales de tecnología y
tinuación. El sitio tam bién ofrece una versión eB ook del texto, softw are para descargar que incluye D ata A nalysis Plus (una
con capacidades de subrayado y tom a de notas. A lo largo de suite de m acros estadísticos para Excel) y program as T I-83/84
los capítulos, el icono C ourseM ate señala los conceptos Plus; regístrate en w w w .cengagebrain.com
Page 48 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Ejercicios del cap ítu lo 27
Vocabulario y conceptos clave
censo (p. 18) m uestra (p. 5) población infinita (p. 5)
datos (p. 5) m uestra aleatoria estratificada (p. 22) recolección de datos (p. 16)
diseño m uestral (p. 19) m uestra aleatoria sim ple (p. 20) representativo (p. 19)
encuesta (p. 18) m uestra de conglom erados (p. 22) valor de datos (p. 5)
estadística (p. 1) m uestra de conveniencia (p. 17) variabilidad (p. 15)
estadístico (p. 6) m uestra dirigida (p. 19) variable (p. 5)
estadística descriptiva (p. 1) m uestra estratificada proporcional variable atributo (p. 6)
estadística inferencial (p. 1) (P- 22) variable categórica (p. 6)
estrato (p. 22) m uestra probabilística (p. 19) variable continua (p. 8)
estudio observacional (p. 18) m uestra sistem ática (p. 21) variable cualitativa (p. 6)
experim ento (p. 5) m uestra voluntaria (p. 17) variable cuantitativa (p. 6)
fortuito (p. 20) m uestreo aleatorio m últiple (p. 22) variable de respuesta (p. 5)
m arco m uestral (p. 18) m uestreo sencillo (p. 19) variable discreta (p. 8)
m étodo de m uestreo (p. 16) parám etro (p. 5) variable nom inal (p. 7)
m étodo de m uestreo no sesgado (p. 16) población (p. 4) variable num érica (p. 6)
m étodo de m uestreo sesgado (p. 16) población finita (p. 4) variable ordinal (p. 7)
Resultados del aprendizaje
C om prender y describir la diferencia entre estadística descriptiva e inferencial.
C om prender, identificar e interpretar las relaciones entre m uestra, población, estadístico y parám etro,
p. 11, Ej. 1.7, 1.8, 1.67
pp. 4-6, EJ. 1.5
C onocer, identificar y describir los diferentes tipos de variables. pp. 6-8, Ej. 1.33, 1.34
C om prender cóm o las m uestras de conveniencia y las voluntarias resultan en m uestras sesgadas. pp. 16-17, Ej. 1.45
C om prender las diferencias entre identificar experim entos, estudios observacionales pp. 18-19
y m uestras dirigidas
C om prender y describir los m étodos de m uestreo sencillos de “m uestra aleatoria simple*’ pp. 19-21
y “m uestreo sistem ático”.
C om prender y describir los m étodos de m uestreo m últiples de “m uestreo estratificado’* pp. 22-23
y “m uestreo por conglom erados” .
C om prender que la variabilidad es inherente en todo y en el proceso de m uestreo. pp. 14-15, Ej. 1.38
Ejercicios del capítulo
1 .6 5 Se desea describir al llamado estudiante típico en tu es c. ¿T enderías a creerle al candidato con base en los resulta
cuela. Describe una variable que m ida alguna característica de dos de la encuesta?
un estudiante y resulte en
1.6 7 Un investigador que estudia los hábitos de com pra de los
a. D atos de atributos. consum idores pregunta a cada vigésim a persona que entra al
Publix Superm arket cuántas veces por sem ana va de com pras
b. D atos num éricos.
a esa tienda. E ntonces registra la respuesta com o T.
1 .6 6 Un candidato para un puesto político afirm a que él gana
a. ¿7* = 3 es un ejem plo de 1) una m uestra, 2) una variable,
rá la elección. Se lleva a cabo una encuesta y 35 de 150 votan
3) un estadístico, 4) un parám etro o 5) un valor de datos?
tes indican que votarán por el candidato, 100 votantes indican
que votarán por su oponente y 15 votantes no están decididos. Supon que la investigadora pregunta a 427 com pradores du
rante la encuesta.
a. ¿C uál es el parám etro poblacional de interés?
b. Proporciona un ejem plo de una pregunta que pueda res
b. ¿C uál es el valor del estadístico de m uestra que puede
ponderse con las herram ientas de la estadística descriptiva.
usarse para estim ar el parám etro poblacional?
Page 49 of 418
.
.
.
http://ebookaratisenpdf.blogspot.com.ar/
c. Proporciona un ejem plo de una pregunta que pueda res
ponderse con las herram ientas de la estadística inferencial. Tarjeta de biblioteca
É stos son algunos de los resultados de una encuesta^
1 .6 8 Un investigador que estudia las actitudes de los padres
de H arris Interactive de 2 710 adultos estadounidenses
de niños de preescolar entrevista una m uestra aleatoria de 50 realizada en línea entre el 11 y el 17 de agosto de 2008.
m adres, cada una con un hijo en preescolar. Pregunta a cada
madre: ¿C uántas veces halagó a su hijo ayer? Él registra la A ctualm ente 68% de los estadounidenses poseen una
tarjeta de biblioteca.
respuesta com o C. Ciertos grupos tienen más probabilidad de tener una
tarjeta de biblioteca que otros: Echo B oom ers (los de
a. ¿C = 4 es un ejem plo de 1) un valor de datos, 2) un esta
18-31) tienen más probabilidad de tener una sobre otras
dístico, 3) un parám etro, 4) una variable o 5) una m uestra? categorías de edad (70% frente a 68-65% ); las m uje
res sobre los hom bres (73% frente a 62% ); los hispanos
b. Proporciona un ejem plo de una pregunta que pueda res
sobre los afroam ericanos y blancos (72% frente a 67
ponderse con las herram ientas de la estadística descriptiva. y 60% ); los del medio oeste (72% ) sobre los del este
(65% ) y los del sur (63%).
c. Proporciona un ejem plo de una pregunta que pueda res Políticam ente tam bién existe una diferencia, pues los
ponderse con las herram ientas de la estadística inferen- dem ócratas tienen más probabilidad de tener una tar
cial. je ta de biblioteca sobre los republicanos y los indepen-
dientes (71% frente a 67 y 61% ).
1 .6 9 C onsidera el artículo del USA Today del 8 de junio de M ás de un tercio (35% ) de las personas con una tarjeta
2009 titulado “A um enta delincuencia con tarjeta de crédito” . de biblioteca usaron la biblioteca de 1 a 5 veces el año
pasado y 15% la usaron m ás de 25 veces el año pasado.
Fuente: h t t p : / / w w w lK jr iis in t ia c liv e . c o m / h a r r is _ p o ll/
Aumenta delincuencia con tarjeta
de crédito www.elsolucionario.net
La tasa de delincuencia para tarjetas de crédito em iti
das por bancos aum entó 11% en los prim eros tres m eses b. M enciona al m enos tres variables que se hayan usado.
del año, de acuerdo con la agencia de reporte de crédi
to T ransU nion. La tasa de delincuencia saltó a 1.32% c. C lasifica todas las variables del estudio o com o atributo
este año, de 1.19% en los prim eros tres m eses de 2008, o com o num érica.
dijo T ransU nion. La estadística mide el porcentaje de
poseedores de tarjeta que tienen tres meses o m ás de d e 1.71
m ora en sus pagos para las tarjetas M asterC ard, Visa,
¿Apoyas el uso de cámaras p ara identificar
A m erican E xpress y D iscover. La deuda total prom edio
en tarjetas bancarias tam bién aum entó y saltó a $5 776 a quienes se pasan la luz roja?
de S5 548 el año pasado. Los balances usualm ente se
em iten en el prim er trim estre, cuando los gastos de las
fiestas vencen, dijo Ezra Becker, director de consulto-
ría y estrategia en el grupo de servicios financieros de
T ransU nion. Pero los resultados de las ventas m inoristas
m ostraron que los gastos de las fiestas cayeron un poco.
Eso probablem ente significa que los balances m ás altos
reflejan a los consum idores que usan tarjetas de crédito
para pagar sus artículos de prim era necesidad, dijo.
Fuente: C r e d it C a re l D e lin q u e n c ie s Rise U S A Today, 8 d e ju n io d e
2 0 0 9 . C o p y r ig h t © 2 0 0 9 , U S A Today. R e im p re so c o n p e rm is o .
a. ¿C uál es la población ?
b. M enciona al m enos tres variables que se hayan usado.
c. C lasifica todas la variables del estudio o com o atributo

o com o num érica.
Fuente: P ub lic O p in ió n S tra le g ie s ; e n cu e sta d e 8 0 0 p ro b a b le s v o ta n te s , a b r il d e
2000
1 .7 0 H arris Interactive realizó una encuesta en línea de adul
tos estadounidenses durante agosto de 2008 en anticipación de
La gráfica anterior m uestra cóm o 800 probables votantes en
septiem bre com o el m es de inscripción a la biblioteca.
abril de 2009 se sentían acerca de usar cám aras para identificar
Page 50 of 418
.
.
.
a quienes se pasan la luz roja. ¿Clasificarías los datos recolec 1 .7 3 “ D esplegar las som bras”, un artículo en la revista Good
tados y los usarías para determ inar dichos porcentajes com o H ousekeeping del m es de ju lio de 2009, presentó los resulta
cualitativos (nom inales u ordinales) o cuantitativos (discreto o dos de un estudio de 5 000 personas en H aw ai realizado por
continuo)? ¿P or qué? la U niversidad de H aw ai en M anoa. L os datos recolectados en
playas, parques y albercas en la soleada H onolulú revelaron
1 .7 2 C onsidera el artículo del USA Today del 12 de m ayo de
que sólo 4 de 10 adultos usaban lentes para el sol para proteger
2009 titulado “A cupuntura sim ulada alivia el dolor”.
sus ojos.
A c u p u n tu ra sim ulada JJ a. ¿E ste estudio fue un experim ento o un estudio observa-

alivia el dolor X cional?
Un estudio descubrió que la acupuntura brindó más alivio I
b. Identifica el parám etro de interés.
a la gente con dolor de espalda que los tratam ientos están- \
dar ya sea que se realice con un palillo o con una aguja real, '
c. Identifica el estadístico y proporciona su valor.
pero cóm o funciona la acupuntura sigue siendo poco claro, j
En el estudio, 638 adultos con dolor de espalda baja cróni- \ 1. 7 4 El Club 700: Barry Bonds ju g ó para los G igantes de San
co se dividieron en cuatro grupos y recibieron tratam iento
Francisco y casi al final de su carrera estaba en ruta para con
de acupuntura estandarizado; tratam iento con acupuntu
ra prescrita individualm ente; tratamiento con acupuntura i vertirse en el rey de los c u a d ra n g la re s en el béisbol. Se unió
sim ulada usando un palillo en un tubo guía de aguja que * a H ank A aron y Babe Ruth com o los únicos jugadores de las
no perforaba la piel com o hace la acupuntura regular, sino Ligas M ayores en batear m ás de 700 c u a d ra n g la re s en sus
que se dirigía a los puntos de acupuntura correctos o tra- #
carreras. La siguiente gráfica es un vistazo a cóm o acum ularon
tamiento m édico estándar (m edicam entos y terapia física). 1
Después de ocho sem anas, 60% de quienes tuvieron al sus totales.
gún tipo de acupuntura reportaron m ejoría significativa en
com paración con quienes tuvieron sólo tratam iento están-
dar, dice el estudio en el Archives o f Infernal M edicine de
^
I
a. D escribe y com para la apariencia global de las tres grá
ficas. Incluye pensam ientos acerca de cosas, com o d u ra
esta semana. I ción de la carrera, cuándo batearon más cuadrangulares
F u e n t e : I la n c i H e llm ic li S im u la fe d A c u p u n c lu re E ases P ain , USA Today 1 2 I
d e « a y o d e 1 0 9 9 . C o p y r ig h t © 1 9 0 0 , US A Today. R e im p re so c o n p e rm is o . ff por año y su relación con el proceso de envejecim iento y
cualquier otra cosa en la que pienses.
a. ¿C uál es la población ?
b. ¿Parece que uno de ellos era m ás consistente con la pro
b. ¿C uál es la m uestra?
ducción anual de cuadrangulares?
c. ¿Ésta es una m uestra dirigida o una m uestra probabilística?
c. A partir de la evidencia que se presenta aquí, ¿quién con
d. Si este estudio es una m uestra probabilística, ¿qué tipo de sideras que debe llam arse “Rey de los cuadrangulares”?
m étodo de m uestreo crees que se utilizó? (continúa en la página 30)
Gráfica y datos para el ejercicio 1.74

THnpOfMCÉtÉ; 22 Ju*0O»;2SU Ttm|MfMKÉ; 23 JutgO*:12M Barry Bonds* TmporÉ**™ Jmt*a*;í7i«
O trao M t t y J U n n , ■ • v y i n k
M i pni rt f|
■ afla p a A M ^ É t a c a t wtm u i
U H k M A lB lB p W L m 'i i K . , JT J y — Im I i w I
; « tM Í iirfariÉ A p u k
O n f l l i inalBMimmin, i* ' bi W I p w l n to » h U rw w i a iK L
■ D H d H M a iI l M ~ tu p n n A o lu io n io td d n k
H e w e i* . E i WHi, ■ hw4l a to M ía n
B1 m Mil
•éaú, M A m TI I paca
n f r l rita n ! daIMtft. — 11
F u e n te : The W ashington Posl
Page 51 of 418
.
.
.
d. ¿Los 73 c u a d ra n g la re s de Barry Bonds en una tem pora b. Identifica y describe la variable relacionada con el esta
da fueron chiripa? dístico del inciso a.
e. Si fueses el dueño de un equipo y te interesara la produc c. Identifica y describe la m uestra relacionada con el esta
ción de cuadrangulares durante los siguientes años, te dístico del inciso a.
gustaría contratar a un ju g ad o r para tu equipo que dupli
d. Identifica y describe la población de donde se tom ó la
cara, ¿a cuál de los jugadores? Supon que lo contratas a
m uestra del inciso c.
los 21 años de edad. A los 35 años de edad.
1.7 8 a. Encuentra un artículo en una revista que ejem plifi
1 .7 5 D escribe con tus palabras y ofrece un ejem plo de cada
que el uso de la estadística en una form a que pueda
uno de los siguientes térm inos. Tus ejem plos no deben ser los
considerarse “entretenida” o “recreativa” . D escribe
proporcionados en clase o en el libro de texto.
por qué crees que este artículo encaja con una de
a. variable b. datos c. m uestra dichas categorías.
d. población e. estadístico f. parám etro b. E ncuentra un artículo en un periódico o revista que

ejem plifique el uso de la estadística y presente un
1 .7 6 D escribe con tus palabras y ofrece un ejem plo de los
hallazgo inusual com o resultado de un estudio. D es
siguientes térm inos. Tus ejem plos no deben ser los proporcio
cribe por qué dichos resultados son (o no son) “de
nados en clase o en el libro de texto.
interés periodístico”.
a. m uestra aleatoria b. m uestra probabilística
1.7 9 En el ejercicio 1.6 se te pidió escribir un enunciado para
c. m uestra dirigida cada una de las tres actividades estadísticas dadas en la defini
1 .7 7 Encuentra un artículo o un anuncio publicitario en un
periódico o revista que ejem plifique el uso de la estadística.
ción de estadística. A hora que com pletaste el capítulo, revisa
tu trabajo. N uevam ente, con tus palabras, cam bia y/o m ejora tu
investigación para com pletar un párrafo acerca de la definición
a. Identifica y describe un estadístico reportado en el artículo.
de estadística.

PARTE I: Conocer las definiciones y 18 estuvieron en ju eg o s escolares durante sus años de
bachillerato. Éste es un ejem plo de d a to s n um érico s.
R esponde “V erdadero” si el enunciado siem pre es verdadero.
Si el enunciado no siem pre es verdadero, sustituye las palabras 1 .7 El “ núm ero de m anzanas podridas por caja em barcada”
im presas en negrillas con las palabras que hagan al enunciado es un ejem plo de una variable cualitativa.
siem pre verdadero. 1.8 El “grosor de una hoja de m etal” usada en un proceso de
1.1 La estadística inferencial es el estudio y descripción de fabricación es un ejem plo de variable cuantitativa.
los datos que resultan de un experim ento. 1 .9 U na m uestra representativa es la que se obtiene de tal
1.2 La estadística descriptiva es el estudio de una m uestra form a que todos los individuos tienen igual oportunidad
que te perm ite hacer proyecciones o estim aciones acerca de ser seleccionados.
de la población de la que se extrajo la m uestra. 1 . 1 0 Los objetivos básicos de la estadística son obtener una
1.3 U na población usualm ente es una colección m uy grande m uestra, inspeccionarla y después realizar inferencias
de individuos u objetos acerca de los cuales se desea in acerca de las características desconocidas de la pobla
form ación. ción de donde se extrajo la m uestra.
1 .4 Un estadístico es la m edida calculada de alguna caracte PARTE II: Aplicación de conceptos

rística de una población. Los propietarios de “ La T iendita de la E squina” están preocu
1.5 Un parám etro es la m edida de cierta característica de una pados por la calidad del servicio que reciben sus clientes. Con
m uestra. la finalidad de estudiar el servicio, recolectaron m uestras para

cada una de varias variables.
1 .6 C om o resultado de encuestar a 50 estudiantes de prim er
año, se encontró que 16 participaron en deportes interes 1.11 Clasifica cada una de las siguientes variables com o no
colares, 23 trabajaron com o oficiales de clases y clubes m inal, ordinal, discreta o continua:
Page 52 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Examen de p rá ctica d e íc a p ítu lo 31
a. M étodo de pago para com pras (efectivo, tarjeta de PARTE III: Com prender los conceptos
crédito, cheque).
E scribe un breve párrafo en respuesta a cada pregunta.
b. Satisfacción del cliente (muy satisfecho, satisfecho,
1 .1 3 La población y la m uestra son conjuntos de obje
no satisfecho).
tos. D escribe la relación entre ellos y proporciona un
c. Cantidad de im puestos m ercantiles por com pra. ejem plo.
d. N úm ero de artículos com prados. 1 . 14 La variable y los datos para una situación específica es
e. N úm ero de licencia de conducir del cliente. tán estrecham ente relacionados. E xplica esta relación y
proporciona un ejem plo.
1 .1 2 El tiem po de salida medio para todos los clientes de “La
T iendita de la E squina” se estim ará usando el tiem po 1 .1 5 Los datos, el estadístico y el parám etro son valores que
de salida m edio para 75 clientes seleccionados al azar. se usan para describir una situación estadística. ¿Cómo
R elaciona los ítem s de la colum na 2 con los térm inos distingues entre estos tres térm inos? P roporciona un
estadísticos de la colum na 1. ejem plo.
1 2 1 .1 6 ¿Q ué condiciones se requieren para que una m uestra sea

valor de dalos a) los 75 clientes una m uestra aleatoria? E xplica e incluye un ejem plo de
___datos b) el tiempo medio para todos una m uestra que sea aleatoria y una que no sea aleatoria.
los clientes
___experimento c) des minutos, tiempo de salida
de un cliente
___parámetro d el tiempo medio para
los 75 clientes
___población
___muestra
e) todos los clientes en "La Tiendita
de la Esquina"
f> el tiempo de salida para un cliente
___estadístico gl los 75 tiempos
variable h) el proceso usado para seleccionar
75 clientes y medir sus tiempos
Page 53 of 418
.
.
.
Análisis descriptivo y presentación
de datos de una variable
PRESENTACIÓN G RÁFICA DE DATOS
2.1 Gráficas, diagram as de Pareto y diagramas
de tallo y hojas
Una imagen vale m ás que m il palabras.
2.2 Distribuciones de frecuencia e histogram as
M étodos gráficos p a ra conjuntos de d a to s m ás grandes.
ESTADÍSTICA DESCRIPTIVA NUM ÉRICA

2.3 M edidas de tendencia central
M edia, m ediana, m oda y m edio rango son valores promedio.
2.4 M edidas de dispersión
Cóm o m ed ir la cantidad de dispersión en un conjunto
d e datos.
2.5 M edidas de posición
Cóm o comparar un valor d e d a to s con e l conjunto de datos.
€ > 2 0 1 0 A ly s T o tilin s o n /J u p ife rin c ig e s ^>2010 Chiis Whifehead/jupilerinages 2.6 Interpretación y com prensión de la desviación
www.elsolucionario.net estándar
La lo n gitud de una vara de m edir estandarizada.
2.7 El arte del engaño estadístico
Gráficas “truculentas” e inform ación insuficiente confunden.
2.1 G ráficas, d ia g ra m a s d e P are to

y d iag ram a s d e tallo y hojas
Estudiantes: Aquí los observan
Considera toda la inform ación en la gráfica, específicam ente llamada gráfica de pastel
O gráfica de círculo. ¿Tú día se divide en las categorías que se m uestran en la siguiente página? ¿O
tienes una o dos categorías adicionales? ¿Tal vez m enos categorías? A hora considera el tiem po otorgado
Uso de tiempo en un día prom edio para estudiantes universitarios de tiem po completo
O cio y deportes (3.9 horas) Trabajo y actividades relacionadas (3.0 horas)
Actividades educativas (3.2 horas)
Comer y beber (1.0 horas)
Aseo (0.8 horas)
Viajar (1.5 horas)

Otros (2.3 horas)
Total = 24.0 horas
N O TA : Los datos incluyen individuos, con edades de 15 a 4 9 años, inscritos de tiempo completo en una
universidad. Los datos incluyen fines de semana no festivos y son promedios para 2003-2007
F u e n t e : B ur& auof la b o r Slalishcs
Page 54 of 418
.
.
.
Sección 2.1 G ráficas, d ia g ra m a s de Pareto y d ia g ra m a s de ta llo y hojas 33
para cada actividad, en prom edio, ¿cóm o se com para la cantidad de tiem po que tú em
pleas? Q uizá tú tienes categorías com pletam ente diferentes. ¿D eseas tener las 8.3 horas
de sueño, en prom edio? ¡Los autores sí!
¿P uedes im aginar toda esta inform ación escrita en oraciones? Las presentaciones
gráficas verdaderam ente pueden valer mil palabras. Esta gráfica de pastel resum e la
PTI ATUS es un sondeo inform ación “U so del tiem po” de la E ncuesta de Uso de T iem po Estadounidense 2003-
continuo de la adminis 2007 (A T U S, por sus siglas en inglés) de m ás de 50 000 estadounidenses. D ado que
tración federal acerca se trata de un sondeo transversal, fíjate que esta gráfica só lo incluye a los estudiantes
del uso del tiempo en universitarios de tiem po com pleto que participaron.
Estados Unidos, patro A hora que conoces la fuente y ves el tam año global de la m uestra, puedes sentir que
cinado por la Bureau dichos datos representan una im agen relativam ente precisa de un día de un estudiante
of Labor Statistics y universitario. Tal vez quieras observar más de cerca alguna de las categorías. ¿Tienes
realizada por la U.S. preguntas acerca del prom edio de 0.8 horas por día en aseo? ¿C rees que pueda haber
Census Bureau
una diferencia de género? T e hace pensar, ¿no es así?
Com o se dem uestra con la gráfica de la página 32, una de las form as m ás útiles para
PTI N o ha y una res
puesta correcta exclu fam iliarizarse con la inform ación es usar una técnica de análisis inicial para explorar los
siva cua nd o construyes datos que resultarán en una representación pictórica de los m ism os. La presentación reve
una presentación g rá fi lará visualm ente patrones de com portam iento de la variable a estudiar. Existen varias for
ca. El ju icio del analista m as gráficas (visuales) para describir la inform ación. El tipo de datos y la idea a presentar
y las circunstancias que determ inan cuál m étodo usar.
rodean el problem a
tienen im portantes p a
peles en el desarrollo
de la g rá fica . Datos cualitativos
Gráficas de pastel (gráficas circulares) y gráficas de barras G ráficas que se

usan para resumir d a to s c u a lita tiv o s , atributos o categóricos. Las gráficas
de pastel (gráficas circulares) muestran la cantidad de datos que pertenecen
a cada categoría como una parte proporcional de un círculo. Las gráficas de
barras muestran la cantidad de datos que pertenecen a cada categoría como
un área rectangular de tam año proporcional.
E J E M P L O 2.1
GRAFICACIÓN DE DATOS CUALITATIVOS
La ta bla 2.1 presenta el número de casos de cada tip o de operación re a liza da
en el H ospital G eneral el último año.
TABLA 2.1 O peraciones realizadas en el Hospital G eneral el último año [TA02-01]
Tipo de operación Número de casos [

Torácica 20
Huesos y articulaciones 45
O jo, oído, nariz y garganta 58
General 98
Abdominal 1 15
Urológica 74
Procto lógica 65
Neuroe i rugía 23
Total 49 8
Page 55 of 418
.
.
.
34 Capítulo 2 A nálisis descriptivo y presentación de datos de una v a ria b le
Los datos en la tabla 2.1 se muestran en una gráfica de pastel en la figura

2 .1 , donde cada tipo de operación se representa m ediante una proporción
relativa de un círculo, que se encuentra al d iv id ir el número de casos por el
tamaño muestral total, a saber, 4 9 8 . Las proporciones se reportan entonces
como porcentajes (por ejem plo, 25% es 1 /4 del círculo). La figura 2 .2 muestra
los mismos datos de "tip o de o p e ra ció n ", pero en form a de una gráfica de
barras. Las gráficas de barras de datos de atributo deben dibujarse con un
espacio entre barras de igual ancho.
FIGURA 2.1 FIGURA 2.2

G ráfica de pastel G rá fica de barras
Operaciones re a lza d a s en el Operaciones realizadas en el Hospital

Hospital G eneral el último año G eneral el último año
120
100
0 80
s
V
■0 60
P
PTI Todas las repre O1 40
z
sentaciones grá ficas
necesitan explicarse
com pletam ente a sí
mismas. Esto incluye
www.elsolucionario.net Neurocirugía
‘ Torácica
20
0
0 >\2 "ñ “ñ o o o
una d e scrip ción , título ■n « S0 í= .0ü ! S .1 í 1 5
Ojo, oído, nariz Huesos y E
d 'u 9 E? <u O
sig nifica tivo e id e n tifi y garganta articulaciones =0 O ~o
_a
ca ció n a d ecu ad a de 3 -g <
las can tida de s y v a ria 1 '5
o
bles involucradas. O
Tipo de operación
N S T R U C C I O N E S DE T E C N O L O G Í A
G R Á F I C A DE P A S T E L
Escribe las categorías en C1 y las frecuencias correspondientes en C2; después continúa con:
MINITAB
Elige: G ra p h > Pie C h a r t . . .
S ele cc io n a C h a r t V a lú e s fro m a ta b le
Escribe: V ariab le ca te g ó ric a : C1 V aria bles r e s u m e n : C2
S elecciona: L abels > T itle /F o o tn o te s Escribe: T ítulo: tu títu lo
S elecciona: E ti q u e t a s d e s e a d a s > S e le c t d e s i r e d la b e ls > O K > OK
Escribe las categorías en la columna A y las frecuencias correspondientes en la columna B; activa

Excel a n ba s columnas de datos al resaltar y seleccionar los nombres de columna y las celdas de datos,
después continúa con:
Elige: Inserí > Pie > l s t p ícture (usualm ente)

Elige: C hart Layouts—Layout 1
Es cribe: C hart title : Th título
Page 56 of 418
.
.
.
Para editar la gráfica de pastel:
Haz clic en: Cualquier p arte para lim piar la gráfica (usa las m a n ija s para el tam año)
Cualquier celda e n la categoría o co lu m n a d e frecuencia y escribe dife
ren te s n o m b r e s o c antidades > ENTER
Escribe las frecuencias para las diversas categorías en L1; después continúa con:
T I-8 3 /8 4 Plus
Elige: PRGM > EXEC > CIRCLE’
Escribe: LIST: L1 > ENTER
DATA DISPLAYED?: 1:PERCENTAGES
OR
2: DATA
* El programa "C IRCLE" de la TI-83/84 Plus y otros programas están disponibles para descarga a través de
O cengagebrain.com. Los programas de la TI-83/84 Plus y los archivos de datos pueden estar en formato zip o
comprimido. Si es así, guarda los archivos y descomprímelos usando una utilidad zip Descarga los progra
mas a tu calculadora usando el software Tl-Graph Link.
Cuando la gráfica de barras se presenta en la form a de un diagram a de P areto, presenta

inform ación adicional y muy útil.
D iagram a de Pareto G ráfica de barra con las barras ordenadas de la cate
goría más numerosa a la categoría menos numerosa. Incluye una gráfica de
línea que muestra los porcentajes acum ulados y conteos de las barras.
El diagram a de Pareto es popular en aplicaciones de control de calidad. Un diagram a

de Pareto de tipos de defecto m ostrará aquellos que tengan el m ayor efecto sobre la tasa de
defectos en orden de efecto. E ntonces es fácil ver cuáles defectos deben observarse para
reducir de m anera más efectiva la tasa de defectos.
E J E M P L O 2 .2
© DIAGRAMA DE PARETO DE CRÍMENES DE ODIO

El FBI reportó el número de crímenes de odio por categoría para 2 0 0 3
(h ttp ://w w w .fb i.g o v /). El diagram a de Pareto de la figura 2.3 muestra los 8 715
crímenes de odio por categoría, sus porcentajes y porcentajes acumulados.
D iagram a de Pareto de crimen

FIGURA 2.3
D iagram a de Pareto
C r im e n R a z a O r ie n ta c ió n R e li- E tn ic id a d O tro
sexual g ió n
C o n te o 4 574 1 430 1 426 1 236 49
P o r c e n ta je 5 2 .5 164 16 4 14 2 0.6
% acum . 5 2 .5 689 85 3 99 4 100.0
© Page 57 of 418
T uiorial en video d isponible; in g resa y ap rende m ás e n ecn gagcbrain.com
.
.
.
I N S T R U C C I O N E S DE T E C N O L O G I A :
D I A G R A M A DE P A R E T O
Escribe las categorías en C1 y las frecuencias correspondientes en C2; después continúa con:
MINITAB
Elige: S t a r t C h a r t > Q u a lí ty Tools > P areto
S elecciona: C h a r t d e f e c ts ta b le
Escribe: D a to s d e d e f e c to s o a t r i b u t o en: C1
F r e c u e n c ia s en: C2
S elecciona: O p tío n s
Escribe: Title: tu títu lo > OK > OK
Escribe las categorías en la columna A y las frecuencias correspondientes en la columna B (los

Excel encabezados de columna son opcionales); después continúa con:
Primero ordena la tabla:
Activa ambas columnas de la distribución

Elige: D a ta > AZ / ZA S h o r t
S elecciona: S to r y b y : f r e c u e n c y c o l u m n
Order: L a r g e s t to S a m l l e s t > OK
Elige: In se rt > C olu m n > l s t p lc u tre (u sualm en te)
Elige: C h a r t L a y o u ts— L a y o u t 9
Escribe: T ítu lo gráfica: tu títu lo
T ítu lo eje c a te g o r ía (x): títu lo p a r a eje x
T ítu lo eje v a l o r (y): títu lo p a r a eje y
Pora editar el diagram a de Pareto:
Haz clic en: C ualquier p a rte para lim piar la gráfica (usa las m a n ija s p ara el tam añ o)
C ualquier n o m b r e d e título para cambiarlo
C ualquier celda e n la c o lu m n a d e categoría y escribe u n n o m b re > Enter
Excel no incluye la gráfica de línea.
Escribe las categorías numeradas en L1 y las frecuencias correspondientes en L2; después con
T I-8 3 /8 4 Plus tinúa con:
Elige: PRGM > EXEC > PARETO*

Escribe: LIST: L2 > ENTER
Y m ax: al m e n o s la s u m a de la s f r e c u e n c i a s > ENTER
Yscl: I n c r e m e n t o p a r a e je y > ENTER
*B programa "PARETO" es uno de muchos programas que están disponibles para descargar Véase la pági
® na 35 para instrucciones específicas.
Datos cuantitativos
Una de las principales razones para construir una gráfica de d a to s c u a n tita tiv o s es m ostrar
su distribución.
Distribución Patrón de v a ria b ilid a d que muestran los datos de una variable.
La distribución muestra la frecuencia de cada valor de la variable.
U na de las gráficas m ás sim ples usadas para m ostrar una distribución es la gráfica de
puntos.
Page 58 of 418
.
.
.
G ráfica de puntos Describe los datos de una muestra al representar cada

valor de datos con un punto colocado a lo largo de una escala. Esta escala
puede ser horizontal o vertical. La frecuencia de los valores se representa a
lo largo de la otra escala.
EJ EMP LO 2.3
GRAFICA DE PUNTOS DE CALIFICACIONES DE EXAMEN
La tabla 2 .2 pro po rcio na una muestra de 19 calificaciones de examen selec
cionadas al a z a r de una clase grande.
TABLA 2.2
M u e s tra d e 1 9 c a lific a c io n e s d e e x a m e n [TA02-02]
76 74 82 96 óó 76 78 72 52 68
86 84 62 76 78 92 82 74 88
La figura 2 .4 es una gráfica de puntos de las 19 calificaciones de examen.
19 caEficaciones de examen
FIGURA 2.4
G ráfica de puntos
3
2 • » » «
VA-h -h -h -h
50 60 70 80 90 100
Calificación
N o ta cómo los datos de la figura 2 .4 están "a p iñ a d o s " cerca del centro y
más "dispersos" cerca de los extremos.
La gráfica de puntos es una técnica conveniente que se usa cuando uno com ienza a
analizar los datos. R esulta en una im agen de los datos que los ordena num éricam ente.
{O rdenar los datos es hacer una lista de los m ism os en una clasificación organizada de
acuerdo con el valor num érico.)
I N S T R U C C I O N E S DE T E C N O L O G Í A
G R Á F I C A DE P U N T O S
Escribe los datos en C1 ; después continúa con:

MINITAB
Elige: G ra p h > D o t p l o t . . . > O n e Y, S im p le > OK
Escribe: G r a p h Variables: C1 > OK
La gráfica de puntos no está disponible, pero puedes hacer el paso inicial de clasificar los datos.
Excel Escribe los datos en la columna A y activa la columna de datos; después continúa con:
Elige: D a ta > AZ J /( S o r t)
Use los datos ordenados para terminar de construir la gráfica de puntos.
Page 59 of 418
.
.
.
Escribe los datos en L1; después continúa con:

T I-8 3 /8 4 Plus
Elige: PR G M > EXEC > D O T P L O T *
Escribe: L IS T : L1 > E N T E R
X m in: c u a n d o m u c h o el v a lo r x m á s b a jo
X m ax: a l m e n o s el v a lo r x m á s alto
Xscl: O o increm ento
Y m ax: a l m e n o s la f re c u e n c ia m á s alta
*0 programa "DOTPLOT" es uno de muchos programas que están disponibles para descargar. Véase la
O página 35 para instrucciones específicas.
En años recientes se ha vuelto popular una técnica conocida com o presentación d e ta

llo y hojas para resum ir datos num éricos. Es una com binación de una técnica gráfica y una
técnica de ordenación. D ichas presentaciones son sim ples de crear y usar y son bastante
adecuadas para aplicaciones de cóm puto.
Presentación de tallo y hojas Presenta los datos de una muestra con los dígitos
reales que constituyen los valores de datos. C ada valor numérico se d ivid e en
dos partes: el (los) dígito(s) inicial(es) es (son) el tallo y los dígitos posteriores
son las hojas. Los tallos se ubican a lo largo del eje princip al y para cada
valor de datos se ubica una hoja de m odo que muestre la distribución de los
datos.
E J E M P L O 2.4 I
CONSTRUCCION DE UNA PRESENTACION DE TALLO Y HOJAS
FIGURA 2 .5A Ahora construye una presentación de tallo y hojas para las 19 calificaciones
Presentación sin term inar de examen que se pro po rcio na n en la tabla 2 .2 de la p ágina 3 7.
de tallo y hojas En un vistazo rá p id o podrás ver que hay calificaciones en los 5 0 , 6 0 , 7 0,
80 y 9 0. Usa el primer dígito de cada calificación como el tallo y el segundo
19 calificaciones de examen
dígito como la hoja. Por lo general, la presentación se construye verticalmente.
5 2 Traza una línea vertical y coloca los tallos, en orden, a la izquierda de la línea.
6 6 8 2
7 6 4 6 8 2 6 8 4
8 2 6 4 2 8
9 6 2
FIGURA 2 .5B
A continuación coloca cada hoja sobre su tallo. Esto se hace al colocar el
Presentación final de tallo
dígito posterior a la derecha de la línea vertical opuesta a su correspondiente
y hojas
dígito in icia l. El prim er valor de datos es 7 6 ; 7 es el tallo y 6 es la hoja. Por
19 calificaciones de examen tanto, coloca un 6 opuesto al tallo 7:
7 I 6
El siguiente va lo r de datos es 7 4 , de m odo que una hoja 4 se coloca en

el tallo 7 ¡unto al 6.
7 164
Page 60 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/Sección 2.1 G ráficas, d ia g ra m a s de Pareto y d ia g ra m a s de ta llo y hojas 39
FIGURA 2 .6 El siguiente valor de datos es 8 2 , de m odo que una hoja 2 se coloca en el

Presentación de tallo y tallo 8.
hojas 7 164
19 edificaciones de examen 8 |2
(50-54) 5 2 C ontinúa hasta que cada una de las otras 16 hojas se coloque en la pre
(55-59) 5 sentación. La figura 2 .5 A muestra la presentación resultante en tallo y hojas;
(60-64) 6 2 la figura 2.5B muestra la presentación completa de tallo y hojas después de
(65-69) 6 6 8 ordenar las hojas.
(70-74) 7 2 4 4 A p artir de la figura 2 .5B , puedes ver que las calificaciones se centran a l
(75-79) 7 6 6 6 8 8 rededor de los 7 0 . En este caso todas las calificaciones con los mismos dígitos
(80-84) 8 2 2 4 de decenas se colocaron sobre la misma ram a, pero esto puede no ser siempre
(85-89) 8 6 8 deseable. Supon que reconstruyes la presentación; esta vez, en lugar de agru
(90-94) 9 2 par 10 posibles valores en cada ta llo , agrupas los valores de m odo que sólo
(95-99) 9 6 5 posibles valores puedan caer en cada tallo, como se muestra en la figura
2 .6 . ¿Observas alguna diferencia en la a pa rie ncia de la figura 2 .6? , la forma
general es aproxim adam ente simétrica en torno al alto de los 7 0 . La inform a
ción está un poco más refinada, pero básicam ente se ve la misma distribución.
P R E S E N T A C I O N E S DE T A L L O Y H O J A S
Escribe los datos en C 1 ; después continúa con:
Elige: G ra p h > S t e m - a n d - L e a f ...

Escribe: G ra p h v a r la lb e s : C1
I n c r e m e n t : a n c h o d e tallo (opcional) > OK
Escribe los datos en la columna A; después continúa con:

Excel
Elige: A d d - I n s > D a ta A n a ly s ís Plus* > S te m a n d L ea f D ís p la y > OK
o
Escribe: I n p u t Range: (A2:A6 o s e le c c io n a celdas)
In crem e n t: S tem In c re m e n t
*Data Analysis Plus es una colección de macros estadísticos para Excel y uno de bs muchos programas
disponibles para descargar a través de cengagebrain.com.
Escribe los datos en L1; después continúa con

J / 8 4 Plj j j j
Elige: STAT > EDIT > 2:SortA(
Escribe: L1
Usa los datos ordenados para terminar de construir a mano el diagram a de tallo y hojas.
Es bastante usual que m uchas variables presenten una distribución que esté concen
trada (ajustada) en torno a un valor central y después en alguna form a dispersa en una o
am bas direcciones. C on frecuencia, una presentación gráfica revela algo que el analista
puede o no haber anticipado. El ejem plo 2.5 dem uestra lo que en general ocurre cuando
dos poblaciones se m uestrean juntas.
Page 61 of 418
.
.
.
EJ EM P L O 2 . 5
*
DISTRIBUCIONES TRASLAPADAS
O Se selecciona una muestra aleatoria de 5 0 estudiantes universitarios. Sus pesos se
obtienen a partir de sus registros médicos. Los datos resultantes se muestran en la
tabla 2 .3.
O bserva que los pesos varían de 9 8 a 2 15 libras. A g ru p a los pesos en tallos
de 10 unidades, usando los dígitos de centenas y decenas como tallos y los dí
gitos de unidades como la hoja (véase la figura 2 .7 ). Las hojas se ordenaron
numéricamente.
Una inspección cercana de la figura 2 .7 sugiere que pueden estar involucra
das dos distribuciones traslapadas. Esto es exactamente lo que se tiene: una dis
tribución de pesos de mujeres y una distribución de pesos de hombres. La figura
2.8 muestra una presentación de tallo y hojas "espalda con espalda" de este con
junto de datos y hace obvio que están involucradas dos distribuciones distintas.
TABLA 2.3
Pesos de 5 0 estudiantes universitarios [TA02-03]
Estudiante 1 2 3 4 5 ó 7 8 9 10
H o m b re /M u je r M H M H H M M H H M
Peso 98 150 108 158 162 1 12 1 18 167 17 0 120
Estudiante 11 12 13 14 15 16 17 18 19 20
H o m b re /M u je r
Peso
H
17 7
H
186
H
191
M
128
M
135
H
195
M
137
H
205
H
19 0
M
120
Estudiante 21 22 23 24 25 26 27 28 29 30
H o m b re /M u je r H H M H M M H H H H
Peso 188 176 118 168 1 15 1 15 162 157 154 148
Estudiante 31 32 33 34 35 36 37 38 39 40
H o m b re /M u je r M H H M H M H M H H
Peso 101 143 145 108 155 1 10 154 1 16 161 165
Estudiante 41 42 43 44 45 46 47 48 49 50
H o m b re /M u je r M H M H H M M H H H
Peso 142 184 120 17 0 195 13 2 129 215 17 6 183
FIGURA 2 .7 FIGURA 2.8

Presentación de tallo y hojas Presentaciones de tallos y hojas
"espalda con e spa ld a"
Pesos de 5 0 estudiantes Pesos de 5 0 estudiantes
universitarios (Ib) universitarios (Ib)
N = 50 Unidad hoja = 1 0 Mujeres Hombres
9 8 8 09
10 1 8 8 1 8 8 10
11 0 2 5 5 6 8 8 0 2 5 5 6 8 8 11
12 0 0 0 8 9 0 0 0 8 9 12
13 2 5 7 2 5 7 13
14 2 3 5 8 2 14 3 5 8
15 0 4 4 5 7 8 15 0 4 4 5 7 8
16 1 2 2 5 7 8 16 1 2 2 5 7 8
17 0 0 6 6 7 17 0 0 6 6 7
18 3 4 6 8 18 3 4 6 8
19 0 1 5 5 19 0 1 5 5
20 5 20 5
21 5 21 5
© Page 62 of 418
Tu to n a l en video d ispo nible; in g resa y aprende m ás e n een gagcbrain.com
.
.
.
Sección 2.1 G rá fica s, d ia g ra m a s de Pareto y d ia g ra m a s de ta llo y hojas 41
La figura 2 .9 , una gráfica de puntos "la d o a la d o " (misma escala) de los mis
mos 5 0 datos de peso, muestra la misma distinción entre los dos subconjuntos.
Con base en la inform ación que se muestra en las figuras 2 .8 , 2 .9 y en lo
que se sabe acerca del peso de las personas, parece razo na ble concluir que
las estudiantes universitarias pesan menos que los estudiantes universitarios.
En el capítulo 3 se estudian las situaciones que involucran más de un conjunto
de datos.
FIGURA 2.9
G ráficas de puntos con escala común
Pesos de 50 estudiantes universitarios
• •
• •••
•• »««»«» «*«*• •
Mujer — |------------------ 1------------------- 1------------------ 1-------------------1------------------ 1— Pesos
• 9 9
99 9999 9 9 9
Hombre — I------------------ 1------------------ 1-------------------1------------------ 1------------------ 1— Pesos
100 125 150 175 200 225
G R Á F I C A DE P U N T O S M Ú L T I P L E S
Escribe los datos en C1 y las correspondientes categorías numéricas en C2; después continúa
MINITAB con:
Elige: G ra p h > D o tp lo t . . .
S e le c c io n a O n e Y, W í th G r o u p s > OK
Escribe: G ra fica r v aria b les : C1
V aria bles c a te g ó r ic a s p a r a a g r u p a m i e n t o : C2 > OK
Si las diversas categorías están en columnas separadas, selecciona M últiple Y's Simple e ingresa
todas las columnas ba jo G raficar variables.
N o están disponibles gráficas de puntos múltiples, pero puedes hacer el paso inicial de clasificar
Excel los datos. Usa los comandos com o se muestran con la gráfica de puntos de la página 37 ; des
pués termina la construcción de la gráfica de puntos a mano.
Escribe los datos para la primera gráfica de puntos en L1 y los datos para la segunda gráfica de
T I-8 3 /8 4 puntos en L3; después continúa con:

Escribe: L1 > ENTER
En L2, e s c r ib e n ú m e r o s de c o n t e o p a r a c a d a c a te g o ría
Ej. L1 L2
15 1
16 1
16 2
17 1
Page 63 of 418
.
.
.
42 Copítulo 2 A nálisis descriptivo y presentación de datos de una v a ria b le
E lig e : S T A R ^ E D IT > 2 :S o rtA (

a ra n F ie tí P1ot3
Escribe: L3 > ENTER
En L4, e s c r ib e n ú m e r o s de c o n t e o
3? O f f
T y p e : BH Jlh,
( u n c o n j u n to " s u p e rio r ) p a r a c a d a KH iQJ-i \ S -
c a te g o ría ; " p o r e je m p lo : u s a 10, X Iis t:L i
1 0 ,1 1 ,1 0 , 1 0 ,1 1 , 1 2 , . . . (recorre
V Ii s t : L 2
la s d o s g r á f ic a s d e p u n to s )
Elige: 2 n d > FORMAT > A x e sO ff
M a rk s □ ♦ ■
(O pcional: d e b e r e g r e s a r a
[EX00-0001 identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cengagebrain.com
A x esO n)
Elige: 2 n d > STAT PLOT > 1:PL0T1
Elige: 2 n d > STAT PLOT > 2:PLOT2
P lo ti
Elige: W índow
Escribe: c u a n d o m u c h o el v a l o r m á s b a jo
p a r a a m b o s , al m e n o s el v a l o r
Í¡ ypes
Off
KH - H3H
Jh b
m á s alto p a r a a m b o s , 0 o i n c r e X lis t:l_ 3

m e n t o , - 2 , al m e n o s n ú m e r o de
V l i s t : L h
c o n t e o m á s alto, 1, 1
Ma r k : ° * D
Elige: G ra p h > T ra c e > > > >
( p r o p o r c io n a v a l o r e s d e d a to s)
2.1
©www.elsolucionario.net
E J E R C I C I O S
a. ¿U sualm ente cuánto tiem po em pleas en tu aseo por c.

S E C C I Ó N 2.1
“En términos generales, la gráfica de barras es una mejor op

día? ción para usar que la gráfica circular.” Justifica esta afirmación.
b. ¿C óm o crees que te com paras con los 50 000 estu 2 .4 Los resultados de una encuesta Self.com acerca de “¿C uál
diantes universitarios en “ Estudiantes, aquí los o b es tu principal preocupación de belleza en clim a frío?” , se
servan” de la página 32? reportaron en el núm ero de diciem bre de 2008 de la revista
Self. piel seca: 57% ; labios agrietados: 25% ; cabello sin brillo:
c. ¿C óm o crees que te com paras con todos los estu
10%; pies ásperos: 8%.
diantes universitarios? ¿C uáles son las sim ilitudes?
¿ C u á le s so n la s d if e r e n c ia s ? a. C o n s t r u y e u n a g r á f i c a d e p a s t e l q u e m u e s t r e la s p r i n c i p a
les preocupaciones de belleza de clim a frío.
2 .2 [EX02-002] A estudiantes en un curso de estadística en
línea se les preguntó en cuántas diferentes actividades en in b. C onstruye una gráfica de barras que m uestre las principa
ternet se involucran durante una sem ana típica. Los siguientes les preocupaciones de belleza de clim a frío.
datos m uestran el núm ero de actividades:
c. En tu opinión, ¿la gráfica de pastel del inciso a o la gráfi
6 7 3 6 9 10 8 9 9 6 4 9 4 9 ca de barras del inciso b resulta una m ejor representación
4 2 3 5 13 12 4 6 4 9 5 6 9 de la inform ación ? Explica.
11 5 6 5 3 7 9 6 5 12 2 6 9
2 .5 La A m erican Payroll A ssociation obtuvo una gran res
a. Si se te pide presentar dichos datos, ¿cóm o los organiza
puesta a esta pregunta acerca del código de vestido de la com
rías y los resum irías?
pañía: “ El actual código de vestido en mi com pañía es...” .
3
^■^b. ¿En cuántas diferentes actividades en internet te involu

Resultados finales: a. D em asiado relajado: 27%
craste la sem ana pasada?
b. D em asiado form al: 15%
c. ¿C óm o crees que te com paras con los 40 usuarios de in c. A decuado: 58%
ternet en la m uestra anterior? La m ayoría de las personas m encionó la im portancia de la “co
m odidad” en sus explicaciones. La gran m ayoría de los reque
2 .3 C om o gráfica estadística, la gráfica circular tiene lim ita
ridos estuvo muy feliz con el código o política de vestido de
ciones. E xam ina la gráfica circular de la figura 2.1 y la gráfica
su com pañía.
de barras en la figura 2.2.
a. C onstruye una gráfica circular que m uestre esta inform a
a. ¿Q ué inform ación m uestran am bas?
ción. Etiquétala por com pleto.
b. ¿Q ué inform ación se m uestra en la gráfica circular que no
b. C onstruye una gráfica de barras que m uestre esta m ism a
se puede m ostrar en la gráfica de barras ?
inform ación. Etiquétala por com pleto.
Page 64 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2.1 G ráficas, d ia g ra m a s de Pareto y d ia g ra m a s de ta llo y hojas 43
c. C om para las dos gráficas anteriores y describe lo que ves a. C onstruye una gráfica de pastel de este desglose.
en cada uno ahora que las gráficas están com pletam ente
b. C onstruye una gráfica de barras de este desglose.
dibujadas y etiquetadas. ¿O btienes la m ism a im presión
acerca de los sentim ientos ce estas personas a partir de c. C om para las dos gráficas que construiste en los incisos a
am bas gráficas? ¿A lguna enfatiza algo que la otra no? y b; ¿cuál parece ser la más inform ativa? Explica p o r qué.
2 .6 En la instantánea del USA Today del 5 de febrero de 2009, 2.9 L im piar detrás de los m uebles y lavar las ventanas enca
se reportó cuánto m ás los jóvenes estadounidenses, entre 17 y bezan la lista de labores dom ésticas de lim pieza general, de
28 años de edad, quieren pagar por un vehículo am igable con acuerdo con la últim a E ncuesta N acional de L im pieza General
el am biente: m ucho m ás, 11%; un poco más, 36% ; ligeram en de la Soap and D etergent A ssociation (SD A ). La International
te m ás, 33% ; no pagarían m ás, 20%. C om m unications Research (IC R ) com pletó el estudio inde
pendiente de investigación del consum idor en enero/febrero
a. M enciona la variable de interés.
de 2008. La pregunta inicial de la encuesta se planteó a 1 013
b. Identifica el tipo de variable. adultos estadounidenses (507 hom bres y 506 m ujeres).
c. C onstruye una gráfica de pastel que m uestre cóm o se L a pregunta decía: ¿R egularm ente se involucra en limpieza
sienten los jóvenes estadounidenses acerca de pagar por general?
un vehículo am igable con el am biente.
R esultados: Sí, 77%
d. C onstruye una gráfica de barras que m uestre cóm o se No, 23%
sienten los jóvenes estadounidenses acerca de pagar por
M ás m ujeres (86% ) que hom bres (68% ) hacen lim pieza
un vehículo am igable con el am biente.
general.
e. En tu opinión, ¿cuál gráfica es la m ejor representación de
a. C onstruye y etiqueta com pletam ente una gráfica de barras
la inform ación? ¿P or qué? Explica.
que m uestre los resultados de todos los adultos encuesta-
2 .7 A continuación se m uestra el núm ero de puntos anotados
por los equipos ganadores el 28 de octubre de 2008, la noche
dos.
b. C onstruye y etiqueta com pletam ente una gráfica de barras

de apertura de la tem porada 2008-2009 de la NBA:
que m uestre los resultados com parativos de m ujeres y
Equipo Boston Chicago LA Lakers hom bres p o r separado.
Puntos anotados 90 108 96
c. D iscute las gráficas de los incisos a y b y asegúrate de co
F u e n t e : h ttp ://w w w .n b a.co m /
m entar acerca de con cuánta precisión, o no, las gráficas
a. D ibuja una gráfica de barras de estas puntuaciones con m uestran la inform ación.
una escala vertical que varíe de 80 a 110
F u e n te : h tt p : // w w w . c le a n in g l0 1 c o m /
b. D ibuja una gráfica de barras de las puntuaciones con una
escala vertical que varíe de 50 a 110.
2.10 [EX02-01 0] En o casio n es, las co m p añ ías de tarjetas
de créd ito brindan a sus co n su m id o res un resum en al final
c. ¿En cuál gráfica de barras parece que las puntuaciones de del año. El resum en o frece un rep o rte accesib le y fácil de
la NBA varían m ás? ¿P or qué? leer que resum e las tran saccio n es en varias categ o rías. Usa
la tabla que aparece en la parte su p e rio r de la página 44:
d. ¿C óm o podrías crear una representación precisa del tam a
ño relativo y la variación entre dichas puntuaciones? a. E xplica el significado de las entradas de tabla de S64.02 y
2 .8 [E X 02-008] La A m erican C om m unity Survey recopila 5(100.55).
datos de estim aciones de población, dem ografía y unidades b. E xplica el significado de los totales $ 1 159.19 y $298.42.
de alojam iento. D espués la Oficina de C ensos usa los datos
para producir y disem inar estim aciones oficiales de unidades c. U sa una gráfica de pastel para m ostrar los totales de ca
de alojam iento por estados y condados. A continuación se pre tegoría a fin de año usando tanto cantidades en dólares
sentan las estim aciones de unidades de alojam iento 2005-2007 com o porcentajes. A segúrate de etiquetar por com pleto.
para la ciudad de W ebster en el estado de N ueva York. d. Usa una gráfica de barras para m ostrar los totales m en
suales. A segúrate de etiquetar por com pleto.
Unidades de alojamiento Webster, NY
Unidades de alojamiento ocupadas por el propietario 12Ó 27 2.11 Un inspector de cam isetas en una fábrica de ropa clasi
Unidades de alojamiento ocupadas por arrendatario 3 803 fica los últim os 500 defectos com o: 67, falta botón; 153, mala
Unidades de alojamiento vacantes 539
costura; 258, tam año inadecuado; 22, fallo de tela. Construye
lo tal 16 9 6 9 un diagram a de Pareto para esta inform ación.
F u e n t e : U .S . C e n s u s B u re a u
Page 65 of 418
.
.
.
Mes Viaje Restaurante Mercancía Auto Servicios Utilitarios Totales
Enero $ — $ — $ 8 7 .3 8 $ — $ 13 .80 $ — $ 1 0 1.18
Febrero $ — $ 3 9 .8 6 $ 9 .9 9 $ 1 7 6 .9 0 $ (100.55) $ — $ 126 20
M arzo $ — $ 2 4 45 $ — $ — $ 6 0 51 $ — $ 8496
Abril $ 25 0 0 $ 135-78 $ — $ — $ 260 00 $ — $ 4 2 0 78
M ayo $ — $ — $ — $ — $ 1 7 5 .2 7 $ — $ 1 7 5 .2 7
Junio $ 25 0 0 $ 19.12 $ 2 5 4 .3 0 $ — $ — $ — $ 2 9 8 .4 2
Julio $ 25 0 0 $ 4 6 .9 4 $ 28 1 12 *> 6 4 0 2 $ 30 00 $ — $ 44 7 08
Agosto $ 25 0 0 $ — $ 4 5 .5 4 $ — $ 21-48 $ 3 5 .4 0 $ 1 2 7 .4 2
Septiembre $ — $ 22 .18 $ — $ — $ 5 5 85 $ — $ 78 0 3
Octubre $ 25 0 0 $ 38.01 $ — $ — $ 6 1 .5 5 $ — $ 124 5 6
Noviembre $ — $ — $ 86.51 $ — $ 15 0 0 $ — $ 101.51
Diciembre $ — $ — $ 3 9 4 .3 5 $ — $ 2 2 .5 5 $ — $ 41690
Totales $ 125 0 0 $ 3 2 6 .3 4 $ 1 1 5 9 .1 9 $ 2 4 0 .9 2 $ 6 1 5 .4 6 $ 3 5 .4 0 $ 2 5 0 2 .3 1
2 .12 [EX02-01 2] Las definiciones de correo electrónico b. D ebido al tam año de la categoría “otros”, el diagram a de
spam , o correo electrónico basura, por lo general incluyen la Pareto puede no ser la m ejor gráfica a usar. E xplica por
idea de que el correo electrónico no es solicitado y se envía en qué y describe qué inform ación adicional se necesita para
m asa. A principio de los años 1990, la cantidad de correo elec hacer al diagram a de Pareto m ás apropiado.
trónico spam creció de m anera constante hasta la actualidad,
2 .14 ¡Qué NO dar el D ía de san V alentín!
con un volum en total de m ás de 100 000 m illones de correos
electrónicos diarios en abril de 2008. La cantidad recibida co Presentes no deseados
m enzó a dism inuir debido al uso de mejor softw are de filtrado. Cuando se trata de regalos del Día de san
P or increíble que parezca, m enos de 200 spam m ers enviaron Valentín, los adultos estadounidenses dicen que
alrededor de 80% de todo el spam.
El siguiente cuadro m enciona los porcentajes de correo
prefieren NO recibir osos de peluche.
electrónico spam retransm itidos por cada país en 2007.

País Porcentaje
Brasil 4.1
China 8 .4
UE 17.9
Francia 3.3
Alemania 4 .2
India 2.5
Italia 2.8
Polonia 4.8
Rusia 3.1
Corea del Sur 6 .5
Turquía 2 .9
Reino Unido 2.8
EUA 19.6 Fuente: D a to s lo m a d o s d e A n n e R. C a r e y y Juan T h o m a ssie , U SA Today
Fuente: h ttp ://e n .w ik ip e d ia .o ig /
a. C onstruye una gráfica de barras de esta inform ación con a. D ibuja una gráfica de barras que m uestre los porcentajes
los porcentajes en orden decreciente. de “Presentes no deseados”.
b. Explica por qué no se puede construir un diagram a de b. D ibuja un diagram a de Pareto que m uestre los “ Presentes
Pareto de esta inform ación. no deseados”.
2 .13 Un estudio com pletado por la International C om m unica c. Si quieres estar 80% seguro de no dar a tu ser am ado algo
tions Research para la Soap and Detergent A ssociation (SDA) que no quiere, ¿qué evitarías com prar? ¿C óm o m uestra
m enciona el artículo que los estadounidenses dicen estarían esto el diagram a de Pareto ?
m ás deseosos de ceder con la finalidad de poder contratar a
d. Si se encuesta a 300 adultos, ¿qué frecuencias esperarías
alguien para hacer su lim pieza general. La respuesta más po
que ocurran para cada artículo no deseado m encionado en
pular fue $100 (29% ), seguido por cenar fuera durante un mes
(26% ), boletos para conciertos (19% ), un viaje de fin de sem a la gráfica?
na (9% ) y otros (17%). 2.15 El reporte de defectos de la inspección final para la línea
Fuente: h t t p :/ / w w w .c l6 a n i n g l0 1.c o m / de ensam blado A 12 se reporta en un diagram a de Pareto.
a. C onstruye un diagram a de Pareto que m uestre esta infor a. ¿C uál es el conteo de defecto total en el reporte ?
m ación.
Page 66 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2.1 G rá fica s, d ia g ra m a s de Pareto y d ia g ra m a s de ta llo y hojas 45
b. Verifica el 30.0% m encionado para “Raspadura"'. Categoría Horas
Dormir 8.3
Defectos de producto O cio y deportes 3 .9
15CH Actividades educativas 3 .2
Trabajo y actividades relacionadas 3 .0
Comer y beber 1.0
100- Viajar 1.5
Aseo 0 .8
o Otro 2.3
o
50- Total 2 4 .0
a. C onstruye un diagram a de Pareto que m uestre el uso de

Defecto M a nch a d o Raspa- A stilla d o Do ¿lado A b olla do O íros tiem po prom edio para estudiantes universitarios de tiem
dura
Conteo 56 45 23 12 8 6 po com pleto.
Porcentaje 37.3 30.0 15.3 80 5.3 4.0
% acum. 37.3 67.3 82.7 90.7 96.0 100.0 b. ¿Q ué actividades parecen constituir 75% del d ía de un
estudiante universitario?
c. Explica cóm o se obtuvo y qué significa el valor de 90.7% 2.18 [EX02-01 8] La Office o f A viation E nforcem ent and
de “% acum ulado para doblado” . Proceedings, U.S. D epartm ent o f T ransportation, publicó esta
tabla que m enciona el núm ero de quejas del consum idor con
d. La adm inistración dio a la linea de producción la m eta de
tra las principales aerolíneas estadounidenses por categoría de
reducir sus defectos en 50%. ¿A cuáles dos defectos suge
queja.
rirías dar atención especial para trabajar hacia esta m eta?
Categoría de queja Número Categoría de queja Número
Explica.
Publicidad 68 Problemas d e vuelo 2 031
2 .1 6 A lgunas labores de lim pieza son más detestadas que
otras. De acuerdo con la instantánea del USA T oday del 17 de
Equipaje
Servicio al cliente
Discapacidad
1 421
1 715
477
Sobrevenía
Devoluciones
Reservaciones/
454
1 106
1 159
julio de 2009 acerca de una encuesta de m ujeres del C onsum er
boletaje/ abordaje
R eports N ational Research Center, las labores de lim pieza que
Tarifas 523 Otro 322
desagradan m ás a las m ujeres se presentan en el siguiente d ia
Fuente: O f fic e o f A v ia tio n E n fo rc e m e n t a n d P ro c e e d in g s , U.S.
gram a de Pareto. D e p a ria m e n t o f T ra n s p o rta tio n . A ir T ro ve l C o n s u m e r Report,
h t t p : / / s v w w .in fo p le a s e .c o m /
Labores de Empieza que detestan más las mujeres

a. C onstruye un diagram a de Pareto que m uestre esta infor
m ación.
§■ b. ¿En cuáles quejas recom endarías a las aerolíneas poner

m ás atención para corregirlas si quieren tener el m ejor
efecto sobre el núm ero global de quejas? Explica cóm o el
diagram a de Pareto del inciso a dem uestra la validez de tu
respuesta.
Labores Limpiar Limpiar Limpiar Q u ita r O tras
d u c h a /tin a retrete refrigerador polvo 2.19 E X 02-019] El núm ero de puntos anotados durante cada
Conteo 262 252 15 1 14 1 111 91 ju eg o p o r un equipo de baloncesto de bachillerato la última
Porcentaje 2 6 .0 2 5 .0 1 5 .0 14 .0 1 1.0 9 .0 tem porada fueron los siguientes: 56, 54, 61, 7 1 ,4 6 , 61, 55, 68,
% acum . 2 6 .0 5 1 .0 66.0 80 0 9 1.0 1 0 0 .0
60, 66, 54, 61, 52, 36, 64, 5 1. Construye una gráfica de puntos
de dichos datos.
a. ¿A cuántas m ujeres en total se encuesto?
2 .2 0 [EX02-020] En un artículo del USA Today del 8 de julio
b. Verifica el 15% m encionado para “L im piar refrigerador” .
de 2009, titulado “ Parejas que dicen ‘no* a bodas costosas” ,
c. Explica cóm o se obtuvo y qué significa el valor de 80% los recortes pueden no extenderse al núm ero de asistentes. En
para “% acum ulado para quitar polvo” . una encuesta de bodas recientes, el núm ero de m adrinas fue el
siguiente:
d. ¿C uáles tres labores harían felices a no m ás de 75% de las
m ujeres encuestadas, si dichas labores se elim inaran? 7 6 5 2 3 7 6 13 6 3 2 7 8 9
2.1 7 [E X02-01 7] La A m erican T im e U se Survey que se p re a. C onstruye un diagram a de puntos de dichos datos.
sentó al com ienzo del capítulo destacó el uso del tiem po de un
b. ¿C uáles son los núm eros más com unes de m adrinas ?
día de la sem ana prom edio para estudiantes de universidad de
¿C óm o m uestra esto el diagram a de puntos?
tiem po com pleto.
Page 67 of 418
.
.
.
2.21 [EX02-02 1] A continuación se muestran las alturas (en d. ¿Q ué valor ocurrió m ás núm ero de veces? ¿C uántas veces
pulgadas) de los jugadores de baloncesto que fueron las pri ocurrió?
m eras selecciones de los equipos profesionales de la National
2.25 [EX02-025] Construye una gráfica de tallo y hojas del
Basketball A ssociation en 2009.
núm ero de puntos anotados durante cada ju eg o de baloncesto
82 86 76 77 75 72 75 81 78 74 la últim a tem porada:
77 77 81 81 82 80 76 72 74 74
56 54 61 71 46 61 55 68
73 82 80 84 74 81 80 77 74 78
60 66 54 61 52 36 64 51
Fuente: h t l p : / / w w w .m y n b c id ia f t . c o m /
2 .2 6 [EX02-026] En la tabla que se m uestra a continuación

a. C onstruye una gráfica de puntos de las alturas de dichos
se presentan las tem peraturas m áxim a y m ínim a para cada
jugadores.
una de 15 ciudades de M éxico, de un día de octubre de 2011,
b. U sa la gráfica de puntos para descubrir a los jugadores
m ás bajo y más alto. Temperatura) Temperatura
Ciudad mínima (°C) máxima (°C)
c. ¿C uál es la altura más com ún y cuántos jugadores com Acapulco 25 28
parten dicha altura? Aguascalientes 11 21
Campeche 23 28
d. ¿Q ué característica de la gráfica de puntos ilustra la altura Cd. de M éxico 11 19
m ás com ún? Cd. Juárez 13 30
Cd. Madero 24 31
2.22 [EX02-022] La tabla m enciona la m ediana de los pre Chihuahua 11 29
cios de venta de casas para los 20 suburbios de R ochester, Guada la ¡ara 12 24
N ueva Y ork, según cita el D em ocrat & C hronicle del 18 de Hermosilb 18 30
Ixtapa 23 29
ju lio de 2009. Monterrey 18 38
Mediana de precios de casas en miles de dólares
160 125 122 89 100
NO 94 125 108 235
Puebla
Querétaro
Ti juana
9
10
14
21
20
29
133 121 190 175 21 8 130 180 113 156 114 Zacatecas 8 21
Fuente: G ifccilfcr Rochfcstfcr A s s o c ia tio n o f Re-altors
a C onstruye el diagram a de tallos y hojas para la tem pera

a. C onstruye una gráfica de puntos de dichos datos.
tura m áxim a y para la tem peratura m ínim a.
b. D escribe la distribución que m uestra la gráfica de puntos
b C on base en los diagram as anteriores describe la distri
encontrada en el inciso a.
bución de tem peraturas m áxim as y de tem peraturas
2 .23 [EX02-023] D elco Products, una división de G eneral m ínim as.
M otors, produce conm utadores diseñados para tener una lon
2 .2 7 [EX02-027] L as cantidades que se m uestran a continua
gitud total de 18.810 mm. (Un conm utador es un dispositivo
ción son las tarifas que cobra Quik D elivery para los 40 paque
que se usa en el sistem a eléctrico de un autom óvil.) La siguien
tes pequeños que entregó el pasado jueves en la tarde:
te m uestra de 35 longitudes de conm utador se tom ó mientras
se m onitoreaba el proceso de fabricación: 4 .0 3 3 .5 6 3 .1 0 6 04 5 .6 2 3 .1 6 2 .9 3 3 .8 2 4 .3 0 3 .8 6
4 .5 7 3 .5 9 4 .5 7 6 16 2 .8 8 5 .0 3 5 .4 6 3 .8 7 6.81 4.91
1 8 .8 0 2 18 .8 1 0 18 .7 8 0 1 8 .7 5 7 18 .824 1 8 .8 2 7 18.825 3 .6 2 3 .6 2 3 .8 0 3 .7 0 4 .1 5 2 .0 7 3 .7 7 5 .7 7 7 .8 6 4 63
1 8 .8 0 9 1 8 .7 9 4 1 8 .7 8 7 1 8 .8 4 4 18 .824 18 .8 2 9 18 8 1 7 4.81 2 .8 6 5 .0 2 5 .2 4 4 .0 2 5 .4 4 4 .6 5 3 .8 9 4 .0 0 2 .9 9
18.785 1 8 .7 4 7 18 8 0 2 18 .8 2 6 18.810 18 .8 0 2 18 .7 8 0
1 8 .8 3 0 1 8 .8 7 4 18 .8 3 6 18.758 18.813 18 .8 4 4 18.861
a. C onstruye un diagram a de tallo y hojas.
1 8 .8 2 4 18.835 1 8 .7 9 4 18.853 18 823 18.863 18.808 b. C on base en el diagram a de tallo y hojas, describe la d is
Fuente: C o n p e rm is o d e D e lc o P ro du cís D iv is ió n , G M C
tribución de los datos.
U sa una com putadora para construir una gráfica de puntos de 2.28 [EX02-028] U na de las m uchas cosas que reportó al pú
estos valores de datos. blico la U.S. C ensus Bureau es el aum ento en población para
2 .24 Para construir la siguiente gráfica de puntos se usó una varias áreas geográficas dentro del país. En la siguiente tabla
com putadora. se presenta el porcentaje de increm ento en población para los
• • 24 condados de m ás rápido crecim iento en E stados U nidos,
•N • •• • • •• • • del 1 de ju lio de 2006 al 1 de ju lio de 2007.
—I------------ 1------------ 1------------ 1------------1------------ 1--- x
11.0 12.0 13.0 14.0 15.0 16.0 Condado Estado Porcentaje
a. ¿C uántos valores de datos se m uestran? St. Bernard Parish Luisiana 4 2 .9
Orleans Parish Luisiana 13.8
b. M enciona los valores de los cinco datos más pequeños. * * ‘ Rara el resto de bs dalos, ingresa en cengagebrain.com
c. ¿C uál es el valor del objeto de datos m ás grande? Fuente: h tt p : // w w w . c fc n s u 5 . g o v /
Page 68 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2.2 D istribuciones de frecuencia e n isto g ra m a s 47
a. C onstruye un diagram a de tallo y hojas. se relaciona con la diferencia entre una tem peratura interior de
65 °F y la tem peratura exterior prom edio de un día dado. Una
b. Con base en el diagram a de tallo y hojas, describe la d is
tem peratura exterior prom edio de 5 °F ofrece 60 grados día de
tribución de los datos.
calefacción. En el siguiente diagram a de tallo y hojas construi
2 .2 9 Dado el siguiente diagram a de tallo y hojas: do usando M IN IT A B , se m uestran los días-grado de calefac
ción anuales norm ales para varias ubicaciones de Nebraska.
S te a m - a n d - L e a f o f C1 N = 16
L e a fU n it = 0.010 S te a m - a n d - L e a f o f C1 N = 25
1 59 7 L e a fU n it = 10
4 60 148 2 60 78
(5) 61 02669 7 61 03699
7 62 0247 9 62 69
3 63 58 11 63 26
1 64 3 (3) 64 233
11 65 48
a. ¿C uál es el significado de “L eaf Unit (U nidad de hoja) = 9 66 8
8 67 249
0 .010 ” ? 5 68 18
b. ¿C uántos datos se m uestran en este diagram a de tallo y 3 69 145
hojas?
a. ¿C uál es el significado de “L eaf Unit = 10”?
c. M enciona los prim eros cuatro valores de datos.
b. M enciona los prim eros cuatro valores de datos.
d. ¿Qué es la colum na de números a la izquierda de la figura?
c. M enciona todos los valores de datos que ocurrieron más
2 .3 0 Un térm ino que se usa con frecuencia en investigación de una vez.
en energía solar es grados día de calefacción. Este concepto
2.2 Distribuciones d e frecu encia
e histogramas
L as listas de grandes conjuntos de datos no presentan una gran im agen. En ocasiones se
quiere condensar los datos en una form a m ás m anejable. Esto puede lograrse con la ayuda
de una distribución de frecuencias.
Distribución de frecuencias Listado, con frecuencia expresado en form a de

ta bla , que relaciona los valores de una variab le con su frecuencia.
TABLA 2.4 D istribución de Para dem ostrar el concepto de una distribución de frecuencia, utilicem os este conjunto
frecuencia no agrupada de datos:
f 3 2 2 3 2 4 4 1 2 2
0 1 4 3 2 0 2 2 1 3 3 1
1 3
2 8 Si x representa la variable, entonces puedes usar una distribución de frecuencias para
3 5 representar este conjunto de datos al hacer una lista de los valores x con sus frecuencias. Por
4 3 ejem plo, el valor 1 ocurre en la m uestra tres veces; por tanto, la fre cu e n cia p a ra * = 1 es 3.
En la tabla 2.4 se m uestra el conjunto de datos com pleto en la distribución de frecuencias.
L a frecu en cia,/, es el núm ero de veces que el v a lo r* ocurre en la m uestra. La tabla 2.4
es una d istrib u c ió n d e fre c u e n c ia s no a g ru p a d a s , “no agrupadas" porque cada valor de
* en la distribución es independiente. C uando un conjunto grande de datos tiene muchos
valores * diferentes en lugar de algunos valores repetidos, com o en el ejem plo anterior,
puedes agrupar los valores en un conjunto de clases y construir una d istrib u c ió n d e fre
cu en cias a g ru p a d a s . El diagram a de tallo y hojas de la figura 2.5B (p. 38) m uestra, en
form a de im agen, una distribución de frecuencias agrupada. C ada tallo representa una
clase. El núm ero de hojas en cada tallo es el m ism o que la frecuencia para dicha misma
clase (en ocasiones llam ada caja). Los datos que se presentan en la figura 2.5B se m encio
nan com o una distribución de frecuencias agrupadas en la tabla 2.5.
Page 69 of 418
.
.
.
TABLA 2.5 Distribución de frecuencias agrupadas
Frecuencia
5 0 o más a menos de ÓO 50 < x < 60
6 0 o más a menos d e 7 0 6 0 < x < 70
7 0 o más a menos de 8 0 7 0 <, x < 80
8 0 o más a menos d e 9 0 80 < x < 90 5
9 0 o más a menos de 100 9 0 S x < 100 2
19
Puedes usar el proceso de tallo y hojas para construir una distribución de Frecuencias;
sin em bargo, la representación en tallos no es com patible con todos los an c h o s d e clase.
Por ejem plo, los anchos de clase de 3 ,4 y 7 son difíciles de usar. Por tanto, en ocasiones es
ventajoso tener un procedim iento separado para construir una distribución de frecuencias
agrupadas.
\
E J E M P L O 2 .6
© AGRUPAMIENTO DE DATOS PARA FORMAR

UNA DISTRIBUCION DE FRECUENCIAS
Para ilustrar este procedim iento de a go lp am ien to (o clasificación), usa una
muestra de 5 0 calificaciones del examen final de la clase de estadística ele
mental del semestre pasado. La tabla 2 .6 presenta las 5 0 calificaciones.
Procedimiento para construir una distribución de frecuencias agrupadas
1. Identifica la ca lifica ció n alta (H = 98) y la calificación b a ja (¿ = 39) y

encuentra el rango:
rango = H - [ = 98 - 3 9 = 5 9
2. Selecciona un número de clase [m = 7) y un ancho de clase (c = 10)
de m odo que el producto (me = 70) sea un poco m ayor que el rango
(rango = 59).
TABLA 2 .6
Calificaciones de examen de estadística [TA02-06]
60 47 82 95 88 72 67 66 68 98 90 77 86
58 64 95 74 72 88 74 77 39 90 63 68 97
70 64 70 70 58 78 89 44 55 85 82 83
72 77 72 86 50 94 92 80 91 75 76 78
3. Elige un punto de p artida. Este punto de p artida debe ser un poco menor
que la calificación más b aja, L. Supon que comienzas en 3 5; al contar
desde las decenas (el ancho de clase), obtienes 3 5 , 4 5 , 5 5 , 6 5 , . . ., 9 5,
105. A ellos se les llama lím ite s d e clase. Las clases para los datos en
la tabla 2 .6 son:
35 o más a menos de 45 35 <. X < 45
4 5 o más a menos de 5 5 4 5 <. X < 55
5 5 o más a menos de 6 5 5 5 <, X < 65
6 5 o más a menos de 7 5 6 5 £ x < 75
75 x < 85
85 < X < 95
9 5 o más a e incluido 105 9 5 <. x S I 05
Notas:
1. De un vistazo puedes verificar el patrón de número para determinar si la

aritmética usada para form ar las clases fue correcta (35, 4 5 , 5 5 , . . ., 105.)
O Page
Tuton al en video disponible; 70 yofaprende
ingresa 418 más en eengagcbrain.com
.
.
.
Sección 2.2 D istribuciones de frecuencia e n isto g ra m a s 49
2. Pura el intervalo 3 .5 s x < 4 5 , 3 5 es el límite de d ase inferior y 4 5 es el

límite de d ase superior. Las observaciones que caen en el límite de clase
inferior perm anecen en dicho intervalo; las observaciones que caen en
el límite de clase superior pasan al siguiente intervalo superior, excepto
por la última clase.
3. El ancho de clase es la diferencia entre los límites de clase superior e
inferior.
4. C uando se clasifican datos, son posibles muchas com binaciones de
anchos de clase, números de clases y puntos de p artida . N o hay una
opción mejor. Intenta algunas com binaciones diferentes y usa el buen
juicio para d e c id ir la que usarás.
En consecuencia, se usan los siguientes lin c am ien to s b ásico s para construir una dis
tribución de frecuencia agrupada:
1. C ada clase debe ser del m ism o ancho.

2. Las clases (en ocasiones llam adas cajas) deben establecerse de m odo que no se
traslapen y de m odo que cada valor de dato pertenezca exactam ente a una clase.
3. P ara los ejercicio s o frecid o s en este texto, de 5 a 12 clases es lo m ás deseable,
porque todas las m uestras co n tien en m enos de 125 valo res de d atos. (L a raíz
cu ad rad a de n es un lincam iento razo n ab le p ara el n úm ero de clases con m uestras
con m enos de 125 valores de datos.)
4. U sa un sistem a que saque ventaja de algún patrón para garantizar precisión.
5. C uando sea conveniente, con frecuencia es ventajoso un ancho de clase par.
Una vez establecidas las clases, es necesario o rd en ar los datos en dichas clases. El
m étodo utilizado para o rd en ar dependerá del form ato actual de los datos: si los datos
están clasificados, las frecuencias pueden contarse; si los datos no están clasificados,
c u e n ta los datos para en co n trar los núm eros de frecuencia. C uando clasifiques datos, es
útil usar un cuadro estándar (véase la tabla 2.7).
TABLA 2 .7
C uadro estándar para distribución de frecuencias
Número de clase Cuentas de clase Límites Frecuencia
1 II 35 <. x < 45 2
2 II 45 <. x < 55 2
3 mu ii 55 < x < 65 7
4 mu mu ni 6 5 <, x < 75 13
5 mu mu i 75 < x < 85 11
ó mu mu i 85 < x < 95 11
7 mi 9 5 ^ x 5 105 4
50
Notas:
1. Si los datos están clasificados (en form a de lista, gráfica de puntos o tallo y hojas),
ya no es necesario clasificar; sólo cuenta los datos que pertenecen a cada clase.
2. Si los datos no están clasificados, ten cuidado con tu clasificación y conteo.
3. La fre cu e n cia ,/, para cada clase es el núm ero de piezas de datos que pertenecen a
dicha clase.
4. La sum a de las frecuencias debe ser igual al núm ero de piezas de datos, n (n = Xf).
Esta sum a sirve com o una buena com probación.
Page 71 of 418
.
.
.
Nota: C onsulta el M anual de soluciones d el estudiante para inform ación acerca de la
notación 2 (léase “ notación de sum atoria” ).
TABLA 2 .8
D is trib u c ió n d e fre c u e n c ia s c o n p u n to s m e d io s d e c la s e
1 Número de clase Límites de clase Frecuencia f Puntos medios de clase, x 1

1 35 < . x < 45 2 40
2 45 < , x < 55 2 50
3 5 5 ^ x < 65 7 60
4 6 5 < x < 75 13 70
5 75 < x < 85 11 80
ó 85 < x < 95 11 90
7 9 5 < x <105 4 100
50
Nota: A hora puedes ver p o r qué es útil ten er un ancho de clase par. Un ancho de clase
im par resultaría en un punto m edio de clase con un dígito adicional. (P o r ejem p lo , la
clase 4 5-54 tiene ancho 9 y el punto m edio de clase es 49.5.)
E J E M P L O A P L I C A D O 2 .7
LIMPIAR LA CASA
La gráfica de "H oras htoras « m a n d e * dedicadas a limpiar la a u a
semanales dedicadas a
lin p ia r la casa" presen Los estadounidenses emplean un promedio de 3.4 horas
cada semana en la limpieza de la casa. ¿Cuánto tiempo
ta una versión de g ráfi emplea en limpiar semanalmente?
ca circular de una d is
tribución de frecuencias
relativa. C ada sector
del círculo representa la
cantidad de tiempo que
emplea cada persona
en lim piar semanalmen
te y el "tam año relativo"
del sector representa el
porcentaje o frecuencia M e n o s d e 1 h o ra , 5%
relativa. N o sa b e , 3%
A h o ra , con term i
nología estadística,
puedes d ecir que la
va ria b le "tie m po em
p leado en lim p ia r" se
representa en la g rá fi
ca m ediante sectores Fuente: D alo s lo m ad o s d e C in d y Hall y Sam W a id , U S A T O D A Y ;
Yankelovich Patinéis p a ta G C I / Z E P C h e m ica ls.
del círculo. La frecuen
cia relativa se repre
senta m ediante el tam año del á ngulo que form a el sector. Para fo rm a r esta
limites de dase Frecuencia relativa inform ación en una distribu ción de frecuencias "re la tiv a s " a gru p a d a s, cada
Os x < 1 0 05 intervalo de la v a ria b le se expresará en la form a a < x < b. Por ejem plo, la
Os x< 2 0 .2 0 categoría 2 a 4 horas se expresaría como 2 <, x < 4 . (De esta fo rm a , el límite
0 S X <4 0 .3 3 inferio r es parte del intervalo , pero el límite superior es parte del siguiente
O - s X 0 .3 9
intervalo más g rande.) La ta b la de d istribución p a ra esta g rá fic a circu lar a p a
N o sabe 0 .0 3
recería entonces com o en la ta bla que se muestra a la izq u ie rd a .
Page 72 of 418
.
.
.
Sección 2.2 D istribuciones de frecuencia e histogram as 51
C ada clase necesita un solo valor num érico para representar todos los valores de dato
que caen en dicha clase. El p u n to m ed io d e clase (en ocasiones llam ado m arca de clase)
es el valor num érico que está exactam ente en m edio de cada clase. Se encuentra al sum ar
los lim ites de clase y dividir entre 2. La tabla 2.8 m uestra una colum na adicional para el
punto m edio de clase, .v. C om o com probación de tu aritm ética, los puntos m edios de clase
sucesivos deben estar separados un ancho de clase, que en esta ilustración es 10 (40, 50,
6 0 ,. . . , 100 es un patrón reconocible).
Cuando los datos se clasifican en clases se pierde algo de inform ación. Sólo cuando se
tienen todos los datos brutos se conocen los valores exactos que realm ente se observaron
para cada clase. Por ejem plo, se coloca un 47 y un 50 en la clase 2, con lím ites de clase 45
y 55. Una vez que se colocan en la clase, sus valores se pierden y se usa el punto m edio de
clase, 50, com o su valor representativo.
Histogram a G ráfica de barras que representa una distribución de frecuencias

de una va riab le cuantitativa. Un histogram a se constituye con los com ponen
tes siguientes:
1. Un título, que identifica la población o muestra de interés.

2. Una escala vertical, que identifica las frecuencias en las diversas clases.
3. Una escala horizontal, que identifica a la variab le x. Los valores para los
límites de clase o puntos medios de clase pueden etiquetarse a lo largo del
eje x. Usa cualquier m étodo de etiquetado de ejes que represente mejor
la variable.
La distribución de frecuencias de la tabla 2.8 aparece en form a de histogram a en la
figura 2.10.
FIGURA 2 .1 0 F IG U R A 2 .il
H istogram a de frecuencias Histogram a de frecuencias
relativas
50 calificaciones del examen final 50 calificaciones del examen final
en estadística elemental en estadística elemental
15 30-
PTI Observa que el
histograma de frecuen
olO- « 20 -
cias y el histograma de •jr
frecuencias relativas c
8
tienen la misma forma
£ 5 <2 io-
(si supones que se usan
las mismas clases para
ambos); sólo cambia la
O iy /
etiqueta del eje vertical.
40 50 60 70 80 90 100 35 45 55 65 75 85 95 105
CaEficación CaEficación
PTI Asegúrate de identi En ocasiones es im portante la fre c u e n c ia re la tiv a de un valor. La frecuencia relativa
ficar ambas escalas de es una m edida proporcional de la frecuencia para una ocurrencia. Se encuentra al dividir
modo que el histograma la frecuencia de clase entre el núm ero total de observaciones. La frecuencia relativa puede
cuente la historia expresarse com o una fracción com ún, en form a decim al o com o porcentaje. Por ejem plo,
completa.
en el ejem plo 2.6 la frecuencia asociada con la tercera clase (55-65) es 7. La frecuencia
relativa para la tercera clase es o 0.14, o 14%. U sualm ente, las frecuencias relativas
son útiles en una presentación porque la m ayoría de las personas com prenden las partes
fracciónales cuando se expresan com o porcentajes. L as frecuencias relativas son particu
larm ente útiles cuando se com paran las distribuciones de frecuencia de dos conjuntos de
datos de tam año diferente. La figura 2 .1 1 es un h is to g ra m a d e fre c u e n c ia re la tiv a de la
m uestra de las 50 calificaciones del exam en final de la tabla 2.8.
Un diagram a de tallo y hojas contiene toda la inform ación necesaria para crear un his
togram a. La figura 2.5B (p. 38) m uestra el diagram a de tallo y hojas que se construyó en
Page 73 of 418
.
.
.
el ejem plo 2.4. En la figura 2 .12A, el diagram a de tallo y hojas se giró 90° y se agregaron
etiquetas para m ostrar su relación con un histogram a. La figura 2 .I2 B m uestra el m ism o
conjunto de datos com o un histogram a com pleto.
FIGURA 2 .12A FIGURA 2 .12B

D iagram a de tallo y hojas m odificado Histogram a
19 calificaciones de examen 19 calificaciones de examen
CO
CO
O o
•O
e
O CO
* ^
•O O 3 4'
£
CO • '3
O • '3 CM 'O
CM CM CM CM CM
—ti— VA
5 0 -5 9 6 0 -6 9 7 0 -7 9 8 0 -8 9 9 0 -9 9 50 60 70 80 90 100 x
Calificación Calificación
H I S T O G R A M A
MINITAB
Elige: G ra p h > H ls t o g r a m > S im p le > OK
Escribe: V aria b les gráficas: C1
Elige: L ab e ls > T ltle s / F o o tn o te
Escribe: Tu títu lo y /o n o ta al p ie > OK
Elige: Scle > Y-Scale TVpe
S elecciona: T ipo e s c a la Y: F r e q u e n c y o r P e r c e n t o r D e n s l ty > OK > OK
Para ajustar el histograma: haz doble clic en cualquier parte sobre las barras del histograma.
S elecciona: B innlng
S elecciona: T ipo in t e r v a l o M t d p o l n t o C u t p o ln t
I n te r v a l D e finitions:
A u t h o m a t l c o, N u m b e r o f I n te rv a ls; E nter: N o M l d p t / c u t p t p o s l-
tío n s ; Enter: A:B/C > OK
Notas:
1. Los puntos medios son los puntos medios de clase y los puntos de corte son los límites de
clase.
2. El porcentaje es frecuencia relativa.
3. Automático significa que MINITAB hará todas las elecciones; N = número de intervalos, esto
es, el número de clases que quieres usar.
4. A = punto medio o límite de clase más pequeño, B = punto medio o límite de clase más
grande, C = ancho de clase que quieres especificar.
Los siguientes comandos dibujarán el histograma de una distribución de frecuencias. Las

clases finales pueden tener ancho completo al sumar una clase adicional con frecuencia cero a
cada extremo de la distribución de frecuencias. Ingresa los puntos medios de clase en C1 y las
frecuencias correspondientes en C2.
Elige: G ra p h > S c a t te r p lo t > W l th C o n n e c t Llne > OK

Escribe: Y v a ria b le s : C2 X v a ria lb e s : C1
S elecciona: D e ta V ie w : D a ta D isplay: S y m b o ls C o n n e c t > 0 K > OK
H az d o b le clic s o b r e u n a lín e a d e c o n e x ió n .
S elecciona: O p tlo n s
C o n n e c t i o n F u n c tio n : S te p > OK
Page 74 of 418
.
.
.
Escribe los datos en la columna A y los límites de clase superior* en la columna B (opcional) y
Excel (encabezados de columna son opcionales), después continúa con:
Elige: D a ta > D a ta A n a l y s í s T > H ís to g r a m >OK

Escribe: I n p u t R ange: D a ta (A1:A6 o s e le c c io n a c e ld a s)
Bin Range: u p p e r c l a s s lím lts (B1:B6 o s e le c c io n a c e ld a s)
[deja e n b l a n c o si Excel d e t e r m i n a los in te r v a lo s ]
S ele cc io n a: L ab e ls (si se u s a n e n c a b e z a d o s d e c o l u m n a )
O u tp u t Range
Escribe: a r e a for freq. d lstr. & g r a p h (C1 o s e le c c io n a celdas)
S ele cc cio n a : C h a r t O u t p u t > OK
Para quitar las separaciones entre barras:
H a z clic sobre: C u a l q u i e r b a r r a s o b r e la gráfica

H a z clic sobre: Botón d e r e c h o d e l r a tó n
Elige: F o r m a t D a ta S erles
Escribe: Gap W idth: O % > Cióse
Para editar el histograma:
H a z clic sobre: C u a lq u ie r lu g a r p a ra lim p ia r el gráfico— u s a m a n ija s p ara el ta m a ñ o

C u a l q u i e r títu lo o n o m b r e de eje p a r a c a m b i a r
C u a lq u ie r lím ite de cla se su p e rio r5 o f re c u e n c ia e n la d istrib u c ió n
d e f r e c u e n c ia s p a r a c a m b i a r el v a lo r > E nter
R e c u a d ro D ele te “F r e q u e n c y ” a la d e r e c h a
* S i tíai¡le- = 5 0 , e n to n c e s lím ite = 4 0 O (d e p e n d e d e l n ú m e ro d e b g a t e s d e c im a le s e n lo s d a to s ].
•S i D a ta A n a fy'sts n o a p a r e c e e n e l m e n ú D a ta .
www.elsolucionario.netElige:
S e le c c io n a :
O ffice B u tto n > E xcel O p tio n s (b o tto m ) > A d d -In s (al fo n d o )
A n a ly s is T oolP ak
A n a ly s is ToolPak-V B A
* O b s e r v a q u e lo s lim ite s d e c la s e s u p e rio r a p a ie c e n e n e l c e n tro d e b s b a rra s . S ustituye c o n p u n to s m e d io s d e c b s e . la
c e ld a ' M o r e ' e n b d is trib u c ió n d e fre c u e n c ia s ta m b ié n p u e d e b o rra rs e .
Para datos tabulados, escribe las clases en la columna A (e¡., 30-40) y las frecuencias en la
columna B; activa ambas columnas; después continúa con:
Elige: I n s e r t > C o l u m n > l s t p l c t u r e (p o r lo gen e ral)

Elige: C h a r t L a y o u ts > L a y o u ts 8
Escribe: T ítu lo d e gráfica: tu título
Eje c a te g o ría (x): títu lo p a r a eje x
Eje v a l o r (y): títu lo p a r a eje y
H az como se describió para quitar separaciones y ajustar.
Ingresa los datos en L1; después continúa con:

TI-83/84 Plus
Elige: 2 n d > STAT PLOT > l : P l o t l "O ff
ype: Li. I'lí*
La calculadora selecciona las clases: >0<" ¡OH l.^~
X l i s t s L i "
Elige: Z o o m > 9 :Z o o m S ta t >
T ra ce > > >
F re-=i: 1
La persona selecciona clases:
Elige: W lndow
Escribe: c u a n d o m u c h o el v a l o r m á s b a j o , al m e n o s el v a l o r m á s alto,
a n c h o d e c l a s e , - 1 , al m e n o s f r e c u e n c ia m á s a lta , 1 ( d e p e n d e ce
n ú m e r o s d e fre c u e n c ia ), 1
Elige: G ra p h > T ra c e (usa v a l o r e s p a r a c o n s t r u i r d i s t r ib u c ió n
d e f re c u e n c ia s )
Page 75 of 418
.
.
.
Puiu dalos lubuludos, escribe los punios medios de clase en L1 y las frecuencias en L2, después
(TI-83/84 Plus continúa con:
continuación) T H J1 F lo te P ióte
Elige: 2 n d > STAT PILOT > l:P lotl
S I O ff
Elige: W lndow
Type: \¿ ± «lü!
Escribe: límite de clase Inferior m á s p e q u e HH- ¡OH | /
ño, límite de clase superior m á s
grande, ancho de c lase ,-y m á x /4 , X l i s Ü L i
frecuencia m á s alta, O (para quitar F r e ^ i : l_ 2
marcas), 1
Elige: Graph > Trace > > >
Pora obtener un histograma de frecuencias relativas de datos tabulados:

Elige: STAT> EDIT> 1:ED IT...
Destaca: L3 F lo te
Escribe: L3 = L2 SUM(L2) (SUM - 2ND LIST B t O ff
> MATH > 5:sum) T yP e: \¿ ± !l¡3
Elige: 2 n d > STAT PLOT > l:P lotl KJ<- ■OH
Elige: W lndow X lis t s L i
Escribe: límite de clase Inferior m á s p e q u e F r e - = i: L s
ño, límite de clase superior m á s
grande, ancho de clase ,-y m á x /4 ,
frecuencia relativa m á s alta, O
(para quitar marcas), 1
Elige: Graph > Trace > > >
Los histogram as son herram ientas valiosas. Por ejem plo, el histogram a de una m uestra
debe tener una form a de distribución muy sim ilar a la de la población de la que se extrajo
la m uestra. Si el lector de un histogram a está totalm ente fam iliarizado con la variable
involucrada, por lo general podrá interpretar varios hechos im portantes. La figura 2.13 p re
senta histogram as con form as específicas que sugieren etiquetas descriptivas. Las posibles
etiquetas descriptivas se m encionan bajo cada histogram a.
FIGURA 2.13
Formas de histogramas
Simétrico, normal o triangular Simétrico, uniforme o rectangular Sesgada a la derecha
Sesgada a la izquierda Forma de J Bimodal
Page 76 of 418
.
.
.
En resum en, los térm inos usados para describir histogram as son los siguientes:
Simétrico Am bos lados de esta distribución son idénticos (las m itades son
imágenes especulares).
N orm al Una distribución simétrica que se am ontona en torno a la media y se

dispersa en los extremos. (Propiedades adicionales se discuten más adelante.)
Uniform e (rectangular) C ada valor aparece con igual frecuencia.
Sesgado Una cola se prolonga más que la otra. La dirección de asimetría está
en el lado de la cola más larga.
Forma de J N o hay cola al lado de la clase con la frecuencia más alta.
Bim odal Las dos clases más p ob la da s están separadas por una o más clases.
Con frecuencia, esta situación im plica que se muestrearon dos poblaciones.
(Observa la figura 2 .7 , p. 4 0.)
Notas:
1. La m o d a es el valor de los datos que ocurre con m ayor frecuencia. (La m oda se
discutirá en la sección 2.3, p. 66.)
2. La clase m o d a l es la clase con la frecuencia m ás alta.
3. U na d istrib u c ió n b im o d a l tiene dos clases de frecuencia alta, separadas por clases
con frecuencias m enores. N o es necesario que las dos frecuencias altas sean iguales.
O tra form a de expresar una distribución de frecuencias es usar una distribución de

frecu en cia s acum uladas.
Distribución de frecuencias acum uladas Distribución de frecuencias que rela

ciona frecuencias acum uladas con valores de la variable.
La fre c u e n c ia a c u m u la d a para una clase dada es la sum a de la frecuencia para dicha

clase y las frecuencias de todas las clases de valores m enores. La tabla 2.9 m uestra la dis
tribución de frecuencias acum uladas de la tabla 2.8 (p. 50).
TABLA 2.9
Uso de distribución de frecuencias para form ar una distribución
de frecuencias acum uladas
Número de clase Límites de clase Frecuencia f Frecuencia acumulada

1 35 <. x < 45 2 2 (2)
2 45 < x < 55 2 4 (2 + 2)
3 55 < x < 65 7 11 (7 + 4)
4 6 5 <, x < 75 13 24 (1 3 + 1 1 )
5 75 <, /■ < 85 11 35 ( 1 1 + 24)
ó 85 x < 95 11 4 ó (1 1 + 35)
7 95 < x < 1 0 5 4 5 0 (4 + 4Ó)
50
La m ism a inform ación se puede presentar usando una distribución de fre cu e n cia s re
lativas acum uladas (véase la tabla 2.10). Ésta com bina las ideas de frecuencia acum ulada
y frecuencia relativa.
Page 77 of 418
.
.
.
TABLA 2 .1 0
Distribución de frecuencias relativas acum uladas
Número Límites Frecuencia Las frecuencias acumuladas son para el intervalo
de clase de clase relativa acumulada de 35 hasta el límite superior de dicha clase
1 35 5 x < 45 2 / 5 0 o 0 .0 4 <■-----------desefe 35 hasla menos de 45
2 45 < x < 55 4 / 5 0 o 0 .0 8 é -----------desde 35 hasla menos de 5 5
3 5 5 <, x < 65 1 1 / 5 0 o 0 .2 2 4r -----------desde 35 hasla menos de 0 5
4 65 < x < 75 2 4 / 5 0 o 0 .4 8
5 75 £ x < 85 3 5 / 5 0 o 0 .7 0 :
ó 8 5 Í x < 95 4 0 / 5 0 o 0 .9 2
7 95 £ x < 1 0 5 5 0 / 5 0 o 1.00 -----------desde 35 hasla e incluido / 0 5
Las distribuciones acum uladas pueden m ostrarse gráficam ente.
O jiva G ráfica de línea de una frecuencia acum ulada o distribución de fre

cuencias relativas acumuladas. Una ojiva tiene los siguientes componentes:
1. Un título, que identifica la población o muestra.
2. Una escala vertical que identifica las frecuencias acum uladas o las fre
cuencias relativas acum uladas. (La figura 2 .1 4 muestra una ojiva con
frecuencias relativas acumuladas.)
3. Una escala horizontal, que identifica los límites de clase superiores. (Hasta
alca nza r el límite superior de una clase, no puedes estar seguro de haber
acum ulado todos los datos en dicha clase. Por tanto, la escala horizontal
de una ojiva siempre se basa en los límites de clase superiores.)
FIGURA 2.14
O jiva
5 0 calificaciones del exam en final de estadística elemental
PTI Toda ojiva comien

za a la izquierda, con
una frecuencia relativa
de cero en el límite de
clase inferior de la
Calificación
primera clase y termina
a la derecha con una
frecuencia relativa La ojiva puede usarse para hacer enunciados porcentuales acerca de datos num éricos,
acumulada de 1.00 en gran m edida com o hace un diagram a de Pareto para datos atributo. Por ejem plo, supon
(o 100%), en el límite que quieres saber qué porcentaje de las calificaciones del exam en final fue no aprobatorio,
de clase superior de la
si se consideran aprobatorias las calificaciones de 65 o más. Al seguir verticalm ente desde
última clase.
65 sobre la escala horizontal, hasta la línea de la ojiva y leer en la escala vertical, podrías
decir que aproxim adam ente 22% de las calificaciones del exam en final fueron calificacio
nes no aprobatorias.
Page 78 of 418
.
.
.
O J I VA
Ingresa los límites de clase en C1 y los porcentajes acumulados en C2 (escribe O [cero] para el
MINITAB porcentaje relacionado con el límite inferior de la primera clase y para cada porcentaje acumu
lado con el límite de clase superior). Usa porcentajes; esto es: usa 25% en lugar de 0.25.
Elige: G ra p h > S c a t te r p lo t > W l t h C o n n e c t Llne > OK

Escribe: Y v a ria b le s : C2 X v a ria b le s : C1
S ele cc io n a: D a ta V ie w : D a ta D isplay: S y m b o ls C o n n e c t > OK
S ele cc io n a: L ab e ls > T ítl e s /F o o tn o te s
Escribe: tu títu lo o n o t a s al p íe > OK > OK
Ingresa los datos en la columna A y los límites* de clase superior en la columna B (incluye una
Excel clase adicional al principio).
Elige: D a ta > D a ta Analysls** > H ls to g r a m > OK

Escribe: I n p u t R ange: d a t a (A1:A6 o s e le c c io n a celdas)
Bin Range: u p p e r c l a s s llm lts (B1:B6 o s e le c c io n a celdas)
S ele cc io n a: L ab e ls (si se u s a n e n c a b e z a d o s d e c o l u m n a )
O u tp u t Range
E nter. a r e a for freq. distr. & g ra p h : (C1 o s e le c c io n a celd as)
C u m u l a t t v e P e r c e n ta g e
C h a r t O u t p u t > OK
Para cerrar separaciones y editar, consulta los comandos de histograma de la página 53.
Para datos tabulados, escribe los límites de clase superior en la columna A y las frecuencias
relativas acumuladas en la columna B (incluye un límite de clase adicional al comienzo con una
frecuencia relativa acumulada igual a O [cero]); activa la columna B; después continúa con:
Elige: I n s e r t > Llne > l s t p í c t u r e (por lo g e n e ra l)

Da clic d e r e c h o s o b r e el á r e a de la g ráfica
Elige: S ele ctD a ta>
H o r iz o n t a l (C a te g o ría ) A x i s L a b e ls E d lt
Escribe: (A2:A8 o s e le c c io n a c e ld a s) > OK > OK
Elige: C h a r t T ools > L a y o u t > L abels
Escribe: T ítu lo gráfica: tu título
T ítu l o s ejes: títu lo p a r a e je x; títu lo p a r a eje y
Para editar, consulta los comandos del histograma en la página 53.
* S i e l lím ite = 5 0 , e n to n c e s e l lím ite = 4 0 . 9 (d e p e n d e d e l n ú m e ro d e b g a ie s d e c im a l& s e n b s d a to s).
* * S i D a ta A n a K s is n o a p a r e c e e n e l m e n ú D a ta , co n s u lta b p á g in a 5 3 .
Ingresa los límites de clase en L1 y las frecuencias en L2 (incluye un límite de clase adicional al
TI-83/84 Plus comienzo con una frecuencia de cero); después continúa con:
Elige: STAT > EDIT > 1:ED IT . . .

D estac a:
Escribe:
L3
L3 = 2 n d > LIST > OPS >
aran Notz
6 :c u m s u m (L2)
¡Sroff
D estac a: L4 Type: L 4 usa ríhvi
Escribe: L4 = L3 / 2 n d > LIST > M a th >
H3H
5 : s u m (L2) XIist:Li
Elige: 2 n d > STAT PLOT > l : P lo t VIist:Lh
Elige: Zoom > 9 :Z o o m S ta t>
T ra ce > > >
Mark: D + •
Ajusta la ventana si es necesario para mejor legibilidad.
Page 79 of 418
.
.
.
© E J E R C I C I O S S E C C I Ó N 2 . 2
2.31 a. Form a una distribución de frecuencias no agrupadas 2.35 [EX02-035] El equipo estadounidense fem enil olím pico
de los siguientes datos: de soccer tuvo un gran año en 2008. Una form a de describir a
las jugadoras en dicho equipo es m ediante sus estaturas indi
1 . 2, O, 4, 2, 1. O, 1, 2. viduales.
Con referencia a la distribución anterior: Estatura (pulgadas)
Oú
70 68 65 64 68 66 66 67 68
b. E xplica qué representa/ = 5.
68 67 65 65 66 64 69 66 65
•O Fuente* w w w .usasoccer com
'<3 c. ¿C uál es la sum a de la colum na frecuencia?
d. ¿Q ué representa esta sum a? a. C onstruye una distribución de frecuencias no agrupadas

para las estaturas.
ü3 2.32 G ráficas de barras e histogram as no son la m ism a cosa.
e b. C onstruye un histogram a de frecuencias de esta distribu
L Explica sus sim ilitudes y diferencias.
■y.
‘•5 ción.
2.33 [EX02-033] Las jugadoras en la N ational S o cce rT e am
de m ujeres anotaron 84 puntos durante la tem porada 2008. El c. Prepara una distribución de frecuencias relativas para
núm ero de goles de las jugadoras que anotaron fueron: estos m ism os datos.
Jugadora 1 2 3 4 5 6 7 8 9 10 1 1 12 13 14 15 d. ¿Q ué porcentaje del equipo tiene una estatura de al m enos

G. 5 pies 6 pulgadas?
C- Goles 1 2 2 1 2 8 15 9 1 10 1 6 12 13 1
< Fuente: U .S . S o c c e r 2 .3 6 [EX02-036] La U.S. C ensus Bureau publicó el siguiente
Reporte 2006 acerca de las Fam ilias y G rupos C o-residentes
I a- Si quieres m ostrar el núm ero de goles anotados por cada
■o
4)
•O
Ú
jugadora, ¿sería m ás adecuado m ostrar esta inform ación
en una gráfica de barras o en un histogram a?
www.elsolucionario.net en E stados U nidos para todas las razas.
Núm. en vivienda Porcentaje
S
JO 1 27%
•- b. C onstruye la gráfica adecuada para el inciso a.
2 33%
c. Si quieres m ostrar (enfatizar) la distribución de la anota 3 17%
4 14%
ción por el equipo, ¿sería más adecuado m ostrar esta
5 6%
información en una gráfica de barras o en un histograma? ó 2%
Explica. 7+ 1%
d. C onstruye la gráfica adecuada para el inciso c. Fuente: http://infc>please.com/
a. D ibuja un histogram a de frecuencias relativas para el

§ 2 .3 4 [EX02-034] El D epartam ento de E ducación de Califor-
núm ero de personas por vivienda.
Z nia entrega un reporte anual acerca de los resultados del exa-
S> men de C olocación A vanzada (A P) para cada año. En el año b. ¿Q ué form a de distribución sugiere el histogram a?
escolar 2007-2008, H ughson U nified en el condado Stanislaus
c. C on base en la gráfica, ¿qué sabes acerca de las viviendas
§ tuvo estudiantes con las siguientes calificaciones:
o en E stados U nidos?
•o
> Calificaciones AP 2 .3 7 [EX02-037] El universo de la A m erican Com m unity
tí 3 4 1 4 1 2 4 5 1 3 4 3 2 3 1 3 4 1 1 2 5 Survey 2006 está lim itado a población dom éstica y excluye
Z 2 5 3 2 1 2 4 2 3 3 3 3 2 1 3 3 3 1 2 2 2
la población que vive en instituciones, dorm itorios universita
F u e n t e : litlp:// daki 1 .c d e .c a .g o v /
rios y otros sitios de alojam iento colectivo. La siguiente tabla
E
a. C onstruye una distribución de frecuencias no agrupadas m enciona el núm ero de habitaciones en cada una de las 48 522
para las calificaciones del exam en. unidades dom ésticas en Ellis C ounty, Texas.
Habitaciones Unidades domésticas
b. C onstruye un histogram a de frecuencias de esta distribu
ción. 1 habitación 403
o 2 habitaciones 485
o c. Prepara una distribución de frecuencias relativas para 3 habitaciones 2 171
Q 4 habitaciones 8 108
o estos m ism os datos.
o
£ Si las calificaciones A P de al menos 3 se requieren fre
5 habitaciones
Ó habitaciones
12 177
1 1 251
0 cuentem ente para la transferibilidad universitaria, ¿qué 7 habitaciones
8 habitaciones
6 250
4320
porcentaje de las calificaciones A P de H ughson recibirá
9 + habitaciones 3 357
crédito universitario?
Fuente: U .S . C e n s u s B ure a u . A m e ric a n C o m m u n ity S u rvey
O H ic e
Page 80 of 418
.
.
.
a. D ibuja un histogram a de frecuencia relativa para el núm e
R ayos
ro de habitaciones por vivienda.
b. ¿Q ué form a de distribución sugiere el histogram a?
c. Con base en la gráfica, ¿qué sabes acerca del núm ero de

habitaciones por vivienda en Ellis C ounty, T exas?
2 .3 8 [EX02-038] A continuación se presentan las edades de

50 bailarines que respondieron a una solicitud de audición
para una com edia m usical: - - u
21 19 22 19 18 20 23 19 19 20 3 am 6 9 12 6 pm
19 20 21 22 21 20 22 20 21 20 Hora del día
21 19 21 21 19 19 20 19 19 19
20 20 19 21 21 22 19 19 21 19
c. ¿Q ué conclusión puedes extraer acerca de “cuándo” caerá
18 21 19 18 22 21 24 20 24 17
un rayo en esta pequeña área de C olorado?
a. Prepara una distribución de frecuencias no agrupadas de d. ¿C uáles características de la gráfica apoyan la conclusión?
dichas edades.
2.4 1 [EX02-041] Una encuesta a 100 adm inistradores de
b. Prepara una distribución de frecuencias relativas no agru centros vacacionales acerca de sus salarios anuales resultó en
padas de los m ism os datos. la siguiente distribución de frecuencias:
c. Prepara un histogram a de frecuencias relativas de dichos Salario anual (miles de dólares)!5-25 25-35 35-45 45-55 55-65
datos. Núm. de administradores 12 37 26 19 6
d. Prepara una distribución de frecuencias relativas acum u a. El valor de datos “ 35” pertenece ¿a cuál clase?
ladas de los m ism os datos.
b. E xplica el significado de “ 35-45” .
e. Prepara una ojiva de dichos datos.
c. E xplica cuál es el “ancho de clase”, proporciona su valor
2 .3 9 [EX02-039] Las tarjetas de la ronda de apertura del tor y describe tres form as en que se puede determ inar.
neo de la PGA de m ujeres en Locust Hill Country Club se
d. D ibuja un histogram a de frecuencias de los salarios anua
publicaron de la m anera siguiente:
les para los adm inistradores de centros vacacionales. Eti
69 73 72 74 77 80 75 74 72 83 68 73 75 78 queta los lím ites de clase.
76 74 73 68 71 72 75 79 74 75 7 4 7 4 68 79
75 76 75 77 74 74 75 75 72 73 73 7 2 72 71 (C onserva estas soluciones para usarlas en el ejercicio 2.53 de
71 70 82 77 76 73 72 72 72 75 75 7 4 74 74 la p. 61.)
76 76 74 73 74 73 72 72 74 71 72 73 72 72
74 74 67 69 71 70 72 74 76 75 75 7 4 73 74 2 .4 2 E je rc icio A p p let S k ill
74 78 77 81 73 73 74 68 71 74 78 7 0 68 71 b u ild e r D em uestra el proce
72
77
73
72
78
72
75
68
71
74
72
68
76
73
70
77
78
71
74
77
78
74
79
78
73
79
76
73 70 68
7 7 75 75
74 75 7 2
69
74
72
71
73
72
dim iento de transform ar un
diagram a de tallo y hojas en 23 43 CO 00
i
75 74 76 77 78 78 un histogram a. E scribe las
hojas para el núm ero de historietas en el diagram a de tallo
a. Form a una distribución de frecuencias no agrupadas de y hojas. H az clic en OK para ver el histogram a correspondien
dichas tarjetas. te. C om enta acerca de las sim ilitudes y las diferencias.
b. D ibuja un histogram a de las tarjetas de g o lf de la prim era 2 .4 3 [EX02-043] 50 estudiantes aplicaron para el examen
ronda. Usa la distribución de frecuencias del inciso a. KSW de aptitud en ciencias de la com putación. A partir de sus
calificaciones se obtuvo la siguiente distribución de frecuencias:
2 .4 0 A divinar dónde caerá un rayo es una tarea casi im posi
ble. Sin em bargo, cuándo ocurrirá se ha vuelto m ás predecible Calificación examen KSW 0-4 4-8 8-12 12-1616-20 20-24 24-2 8
con base en investigación. Para una pequeña área de C olora Frecuencia 4 8 8 20 ó 3 1
do, se recolectaron datos y los resultados se m uestran en el a. ¿C uáles son los lím ites de clase para la clase con la fre
siguiente histogram a. cuencia más alta?
C on base en el histogram a: b. P roporciona todos los puntos m edios de clase asociados
a. ¿P ara cuál variable se recolectaron datos? con esta distribución de frecuencias.
b. ¿Q ué representa cada barra (intervalo) ? c. ¿C uál es el ancho de clase?
Page 81 of 418
.
.
.
d. Proporciona las frecuencias relativas para las clases. 6 .5 5 .0 5 .6 7 .6 48 8 .0 7.5 7 .9 8 .0 9 .2
6 .4 6 .0 5 .6 6 .0 5 ./ 9 .2 8 1 8 .0 6 .5 6 .6
e. D ibuja un histogram a de frecuencias relativas de las cali 5 .0 8 .0 6 .5 6.1 6 .4 6 .6 7 .2 5 .9 4 .0 5 .7
ficaciones de exam en. 7 .9 6 .0 5 .6 6 .0 6 .2 7 .7 6 .7 7 .7 8 .2 9 .0
2 . 4 4 [EX02-044] D urante el semestre prim avera 2009, 200 a. Clasifica estos valores A,l c en una distribución de frecuen-
estudiantes aplicaron un exam en de estadística de un instructor cias agrupadas con las clases 3.7-4.7,4.7-5.7, etcétera.
particular. En la siguiente tabla se proporcionan las calificacio
nes resultantes. b. ¿C uáles son los puntos m edios de clase para dichas clases?
Calificaciones examen Número c. C onstruye un histogram a de frecuencias de dichos datos.

5 0 -6 0 13 2 .4 7 [EX02-047] A todos los estudiantes del tercer grado en Roth
6 0 -7 0 44 Elementary School se les aplicó una prueba de fuerza en acondi
7 0 -8 0 74
cionamiento físico. Los siguientes son los datos resultantes:
8 0 -9 0 59
9 0 -1 0 0 9 12 22 ó 9 2 9 5 9 3 5 16 1 22
1 0 0 -1 1 0 1 18 6 12 21 23 9 10 24 21 17 11 18 19
Total 2 0 0 17 5 14 16 19 19 18 3 4 21 16 20 15
1- 17 4 5 22 12 15 18 20 8 10 13 20
a. ¿C uál es el ancho de clase? 6 9 2 17 15 9 4 15 14 19 3 24
b. D ibuja y etiqueta com pletam ente un histogram a de fre a. C onstruye un diagram a de puntos.
cuencias de las calificaciones del exam en de estadística.
b. Prepara una distribución de frecuencias agrupadas con
c. D ibuja y etiqueta com pletam ente un histogram a de fre las clases 1-4, 4-7, etc., dibuja un histogram a de la d istri
cuencias relativas de las calificaciones del exam en de bución. (C onserva la solución y úsala para responder el
estadística. ejercicio 2.83, p. 71.)
d. www.elsolucionario.net
Exam ina cuidadosam ente los dos histogram as de los inci
sos b y c y explica por qué uno de ellos puede ser más útil
c. P repara una distribución de frecuencias agrupadas con las
clases 0-3, 3-6, 6-9, etc., dibuja un histogram a de la distri
para un estudiante y para el instructor. bución.
PTI Usa los comandos de computadora o calculadora de las d. P repara una distribución de frecuencias agrupadas con los
páginas 5 2-54 para construir un histograma de una distribu lím ites de clase -2 .5 , 2.5, 7.5, 12.5, etc., dibuja un histo
ción de frecuencias. gram a de la distribución.
2 .4 5 [EX02-045] En una calle de la ciudad, un dispositivo de e. Prepara una distribución de frecuencias agrupadas con las
radai m idió las velocidades de 55 autom óviles: clases de tu elección y dibuja un histogram a de la distri
27 23 22 38 43 24 35 26 28 18 20 bución.
25 23 22 52 31 30 41 45 29 27 43
29 28 27 25 29 28 24 37 28 29 18 f. D escribe la form a de los histogram as que encontraste en
26 33 25 27 25 34 32 36 22 32 33 los incisos b-e por separado. R elaciona la distribución que
21 23 24 18 48 23 16 38 26 21 23 ves en el histogram a con la distribución que observaste en
el diagram a de puntos.
a. C lasifica dichos datos en una distribución de frecuencias
agrupadas usando los lím ites de clase 12-18, 18-24, g. D iscute cóm o el núm ero de clases usado y la elección de
48-54. los lím ites de clase afectan la apariencia del histogram a
b. Encuentra el ancho de clase. resultante.
2 .4 8 [EX02-048] Las personas se han m aravillado durante

c. Para la clase 24-30, encuentra el punto m edio de la clase,
años por las continuas erupciones del géiser “V iejo F i e r en
el lím ite de clase inferior y el lím ite de clase superior.
el Parque N acional Y ellow stone. A continuación se citan los
d. C onstruye un histogram a de frecuencias de dichos datos. tiem pos de duración, en m inutos, para una m uestra de 50 erup
PTI Usa los comandos de computadora o calculadora de las ciones del “V iejo Fiel”.
páginas 52-54 para construir un histograma para un conjunto 4 .0 0 3.75 2.2 5 1.6 7 4 25 3 .9 2
de datos dado. 4 .5 3 1.85 4.6 3 200 1 80 4 .0 0
4 .3 3 3 .7 7 3 .6 7 3 68 1 88 1.9 7
2 . 4 6 IEX02-046] La prueba de hem oglobina A (c, una prueba 4 .0 0 4 .5 0 4 .4 3 3 .8 7 3 43 4.1 3
de sangre que se practica en pacientes diabéticos durante sus 4 .1 3 2.33 4.0 8 4 35 2.0 3 4 .5 7
4 .6 2 4.2 5 1.82 4 .6 5 4 .5 0 4 .1 0
chequeos periódicos, indica el nivel de control del azúcar en
4 .2 8 4.2 5 1.68 3 43 4 63 2 .5 0
la sangre durante los últim os 2 o 3 meses. Para 40 diferentes 4 .5 8 4 .0 0 4 .6 0 4.0 5 4 .7 0 3 .2 0
pacientes diabéticos en una clínica univsrsitaria, se obtuvieron 4 .6 0 4.7 3
los siguientes valores de datos: F u e n te : h H p ://w v /w .s ta f.s c .e d u /
Page 82 of 418
.
.
.
a. D ibuja un diagram a de puntos que m uestre los datos de producir las siguientes form as diferentes? (C onsulta la figura
duración de la erupción. 2.13 de la página 54 si es necesario.)
b. D ibuja un histogram a de los datos de duración de la eru p a. Una form a sim étrica o normal.
ción con los lím ites de clase 1 .6-2.0-2.4-.. . -4.8.
b. U na form a uniform e.
c. D ibuja otro histogram a de los datos con diferentes lím ites
c. Una form a sesgada a la derecha.
y anchos de clase.
d. U na form a sesgada a la izquierda.
d. Repite el inciso c.
e. Una form a bim odal.
e. Repite los incisos a y b con el conjunto m ás grande de
107 erupciones disponibles en [EX02-048]. 2 .5 2 E je rc icio A p p let S k illb u ild e r D em uestra el efecto que
tiene sobre la form a de un histogram a el núm ero de clases o
f. ¿C uál gráfica, en tu opinión, tiene m ejor desem peño para
CajaS. riKii.iia.
m ostrar la distribución? ¿Por qué?
a. ¿Q ué form a de distri
g. Escribe un breve párrafo que describa la distribución.
bución se obtiene al
2 .4 9 [EX02-049] L a oficina de C arbón, N uclear, E léctrica y usar una clase o caja?
C om bustibles A lternativos reportó los siguientes datos com o
b. ¿Q ué form a de d is
los costos (en centavos) del ingreso prom edio por kilow att-
tribución se obtiene
hora por sectores en A rkansas:
al usar dos clases o
6 .6 1 7.61 6 99 7 48 5 10 7 .5 6 6 .6 5 5 .9 3 7 .9 2 cajas?
5 .5 2 7 .4 7 6 .7 9 8 .2 7 750 7 .4 4 6 .3 6 5 .2 0 5 .4 8
7 .6 9 8 .7 4 5 .7 5 6 94 770 6 67 4 .5 9 5 96 7 .2 6 c. ¿Qué forma de distribución se obtiene al usar 10 o 20 cajas?
5 38 8 88 749 6 89 725 6 89 6.41 5 86 8 04
a. www.elsolucionario.net
Prepara una distribución de frecuencias agrupadas para
el ingreso prom edio por kilow att-hora con los lím ites de
2 .5 3 [EX02-041] U na encuesta de 100 adm inistradores de
centros vacacionales acerca de sus salarios anuales resultó en
la siguiente distribución de frecuencias.
clase 4, 5, 6, 7, 8, 9.
Salario anual (miles de dólares) 15-25 25-35 35-45 45-55 55-65
b. E ncuentra el ancho de clase. Núm. de administradores_______ 12 37 26 19 6
c. M enciona los puntos medios de clase. a. Prepara una distribución de frecuencias acum uladas para
d. C onstruye un histogram a de frecuencias relativas de di los salarios anuales.
chos datos b. Prepara una distribución de frecuencias relativas acumu
ladas para los salarios anuales.
2 .5 0 [EX02-050] Desde hace m ucho se ha considerado que
la educación es el boleto para la m ovilidad ascendente en E s c. C onstruye una ojiva para la distribución de frecuencia
tados U nidos. En la era de la inform ación actual, una educa relativa acum ulada que encontraste anteriorm ente.
ción universitaria se ha convertido en el m ínim o nivel de logro
d. ¿Q ué valor acota la frecuencia relativa acum ulada de 0.75?
educativo necesario para entrar en un m ercado laboral cada
vez más com petitivo, con salarios m ás que de subsistencia. Un e. Están por abajo 75% de los salarios anuales, ¿de qué va
reporte basado en inform ación de la A m erican Fact Finder y la lor? E xplica la relación entre los incisos d y e.
A m erican Com m unity Survey de 2007 produjo los siguientes
2 .5 4 [EX02-034] a. Prepara una distribución de frecuencias
porcentajes de población que ha logrado un grado de bachille
relativas acum uladas para la variable ‘‘calificación A P" en el
rato o superior por estado.
ejercicio 2.34.
21~4 2ó~0 25~3 Í9 l 29 .5 ...
* * *Para el resto de bs datos, ingresa en cengagebrain.com b. C onstruye una ojiva de la distribución.
a. Prepara una distribución de frecuencias agrupadas para el c. Con la ojiva, encuentra la frecuencia relativa acum ulada
porcentaje de población por estado que logró un grado de para la calificación de 2. D escribe su significado.
bachillerato o superior con puntos m edios de clase 15, 20,
d. Con la respuesta al inciso c, ¿aproxim adam ente qué por
2 5 , . . . , 50.
centaje de las calificaciones A P recibirá crédito univer
b. M enciona los lím ites de cla»e. sitario si se requiere una calificación de al m enos 3 para
transferibilidad universitaria? D escribe la relación entre
c. C onstruye un histogram a de frecuencias relativas de di
las respuestas c y d.
chos datos.
e. C om para tu respuesta con la respuesta que encontraste en
2 .5 1 ¿Puedes pensar en variables cuya distribución pueda
2.34d.
Page 83 of 418
.
.
.
2 .55 [EX02-043] a.Prepara una distribución de frecuencias 31.5 31.1 30.1 29.8 28.2 ...
relativas acum uladas para la variable “calificación exam en ***P a ra el resto de los datos, ingresa en cengagebrain.com
K SW ” del ejercicio 2.43. Fuente: C e n s u s Bureciu; 2 0 0 7 A m e ric a n C o m m u n ity S u rvey
b. C onstruye una ojiva de la distribución.

a. Prepara una distribución de frecuencias agrupadas de los
c. C on la ojiva, ¿aproxim adam ente qué porcentaje de los datos de tiem po de traslado prom edio con los puntos m e
estudiantes obtuvo no m ás de 16 en el exam en KSW de dios de clase 16, 18, 2 0 , . . . , 32.
aptitud para ciencias de la com putación?
b. Prepara una distribución de frecuencias relativas
2 .5 6 [EX02-056] Los estudiantes universitarios que usan agrupadas de dichos datos.
préstam os para pagar la universidad prom edian 16 500 dólares
c. D ibuja un histogram a de frecuencias relativas de dichos
en deuda. La distribución de frecuencias relativas de su deuda
datos.
m ensual después de graduarse es:
3 0 0“ d. Prepara una distribución de frecuencias relativas
Deuda Menos o acum uladas de los m ism os datos.
mensual, $ que 100 100-149 150-199 200-249 250-2 99 más
e. D ibuja una ojiva de dichos datos.
Porcentaje 0 .1 7 0 .1 7 0 .1 7 0 .1 9 0 .1 0 0 .2 0
Fuente: USA Today S n a p sh o t. 2 3 d e d ic ie m b ie d e 2 0 0 4 f. C on la ojiva, encuentra el valor que supera 70% de los
datos. Describe la relación entre la respuesta, 70%,
a. Prepara una distribución de frecuencias relativas acum u los datos y la idea de la distribución de frecuencias
ladas para la deuda m ensual. relativas acumuladas.
b. C onstruye una ojiva para la distribución de frecuencias 2.58 Los niveles de varios com puestos resultaron en las grá
relativas acum uladas que encontraste en el inciso a. ficas de distribución que se presentan a continuación. Todas
c.
C on base en la ojiva, 60% de las deudas m ensuales des
pués de la graduación están por abajo, ¿de qué cantidad
aproxim ada?
parecen ser bastante sim étricas en to m o a sus centros, pero
difieren en sus dispersiones.
a. ¿Para cuál histogram a, A, B, C o D, anticiparías que la

2 .5 7 [EX02-057] Los adultos estadounidenses pasan gran m edida num érica de dispersión sería m ayor? ¿M enor?
parte de los días de la sem ana en el trabajo. Los tiem pos de b. ¿C uáles d o s de los cuatro histogram as anticiparías que
traslado pueden contribuir para un día adicionalm ente largo. tienen aproxim adam ente la m ism a diferencia entre sus
El tam año y ubicación de la ciudad, junto con el m étodo de valores m ás pequeño y sus valores más grandes?
transporte, pueden hacer una diferencia en un tiem po de tras
lado. L a A m erican C om m unity Survey de 2007 reportó los
siguientes tiem pos de traslado prom edio para cada estado.
Histogram as para el ejercicio 2.58 Histogram a A Histograma B
10-
8-
'2 6-
V
3
U
fi 4-
IL
2-
0-
4 6 4 6 10
Histogram a C Histogram a D
Page 84 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2.3 M e d id a s de tendencia c e n tra r 63
|2 .5 H e d id a s d e te n d e n c ia cen tral
L as m e d id a s d e te n d e n c ia c e n tra l son valores num éricos que ubican, en cierto sentido, el
centro de un conjunto de datos. C on frecuencia, el térm ino prom edio se asocia con todas
las m edidas de tendencia central.
M edia (media aritm ética) Promedio con el que probablem ente ya estés más fa
m ilia riza d o . La media muestral se representa con x (léase " x b a rra " o "m edia
muestral"). La m edia se encuentra al sumar todos los valores de la va riab le x
(esta suma de los valores x se sim boliza 2x) y d iv id ir la suma entre el número
de dichos valores, n (el "tam año muestral"). Esto se expresa en form a de
PTI La m edia p o blacio - fórm ula como
nal, /x (letra minúscula sum a de todas las x
mu del a lfa be to g rie M e d ia muestral: x b a rra =
número de x
go ], es la m edia de
>x
todos los valores x para X = —
( 2 . 1)
tod a la població n.
N ota: C onsulta el M anual de soluciones d el estudiante para inform ación acerca de la no
tación X (“notación sum atoria”).
E J E M P L O 2 . 8
C O M O EN CO N TRA R LA MEDIA
o Un conjunto de datos consiste en los cinco valores 6, 3 , 8, 6 y 4. Encuentra la
m edia.
Solución
Con la fórm ula (2.1), se encuentra
—_ S x _ ó + 3 + 8 + 6 + 4 _ 2 Z _ ^ ^
5 5
Por tanto, la media de esta muestra es 5 .4 .
U na representación física de la m edia puede construirse al pensar en una línea num é

rica equilibrada en un fulcro. En el núm ero correspondiente a cada valor de datos en la
m uestra del ejem plo 2.8, se coloca un peso sobre la línea num érica. En la figura 2.15 hay
un peso sobre 3, 8 y 4 y dos pesos sobre el 6, pues en la m uestra hay dos 6. La m edia es el
valor que equilibra los pesos sobre la recta num érica, en este caso: 5.4.
FIGURA 2 .1 5
Representación física de la
m edia
PTI La m edia es el pun

to m edio por peso. x = 5 .4 (el centro de g rave d a d o punto de equ ilib rio)
0 T u to rial an im ad o disponible; ingresa y ap ren d e m ás en ccn gagebrain.com

Page 85 of 418
.
.
.
M E D I A
Escribe los datos en C1; después continúa con:
MINITAB
Elige: Cale > C o l u m n Statícs
S elecciona M ean
Escribe: I n p u t variable: C1 > OK
Escribe los datos en la columna A y activa una celda para la respuesta; después continúa con:
Excel
Elige: I n s e r t F u n ctío n , fx > S tattsttcal > AVERAGE > OK
Escribe: N u m b e r 1: (A2:A6 o selec cio n a las celdas) > OK
[C o m ie n za e n A l si n o u s a s te fila de e n c a b e z a d o (título de colum na)]
Escribe los datos en L1 ; después continúa con:

T I-8 3 /8 4 Plus
Elige: 2 n d > LIST > M a th > 3 :m e a n (
Escribe: L1
¿SABÍAS QUE...?
Las aportaciones de
sir Francis G alton a la
estadística son casi in
M ediana Valor de los datos que ocupan la posición m edia cuando los datos
contables. En 1875, se clasifican en orden de acuerdo con su tamaño. La m ediana muestral se
experim entó con semi representa x (léase "x tild e " o "m ediana muestral").
llas de guisantes; con
100 semillas de cada
uno de siete diferentes
diám etros construyó un Procedimiento para encontrar la m ediana
esquema de dos entra
Paso 1: C lasifica los datos.
das que relacio na ba las
semillas con las semillas Paso 2: D e te rm in a la p r o fu n d id a d d e la m e d ia n a . La p r o fu n d id a d o posición (nú
en la descendencia. m ero de posiciones desde cualquier extrem o), de la m ediana se determ ina con la
O bservó que el diá m e fórm ula
tro m ediano de la des
cendencia de la m ayor
profundidad de m ediana: profundidad de la mediana = t(ima,u> wnt.vf/fl/ +
era menor que el de sus
padres, mientras que el
diám etro m ediano de la d (X )= J L + 1
(2 .2 )
descendencia del me
nor era m ayor que el de
sus padres. Denominó
regresión a la m edia a La profundidad (o posición) de la m ediana se encuentra al sum ar los núm eros de
este fenóm eno de resul posición de los datos m ás pequeños (1) y los datos m ás grandes (n) y dividir la
tados que caían hacia sum a por 2 (n es el núm ero de piezas de datos).
el centro de una distribu
Paso 3: D e te rm in a el v alo r d e la m e d ia n a . C uenta los datos clasificados, ubica los d a
ción estadística.
tos en la r/(.v)-ésima posición. La m ediana será la m ism a sin im portar desde cuál
extrem o de los datos clasificados (alto o bajo) contaste. De hecho, co n tar desde
am bos extrem os servirá com o una excelente com probación.
Los siguientes dos ejem plos dem uestran este procedim iento conform e se aplican a
conjuntos tanto con núm ero im par de datos com o con núm ero par de datos.
Page 86 of 418
.
.
.
E J E M P L O 2 .9
MEDIANA PARA n IMPAR

O Encuentra la m ediana p ara el conjunto de datos {6, 3 , 8, 5 , 3}.
PTI El va lo r de d(x) es Solución

la profundidad de la pa s o i [os datos, clasificados en orden de tam año, son 3, 3, 5 , 6 y 8.
d ^ ^ m e d la n a e ~V<^ ° r Paso 2 Profundidad de la m ediana: c/(x) = ü ± - L = l± I= 3 (la "3 a" posición).
--------------------------------- Paso 3 La m ediana es el tercer número desde cualquier extremo en los datos
clasificados o x = 5.
O bserva que la m ediana en esencia separa el conjunto de datos clasificados en dos

subeonjuntos de igual tam año (véase la figura 2.16).
F IG U R A 2 .1 6
M e d ia n a de {3, 3, 5 , 6 , 8)
www.elsolucionario.net 3
3 5 6 8
X = 5 (el v a lo r medio, 2 valores de datos son m ás p equeros, 2 son más grandes)
Com o en el ejem plo 2.9, cuando n es im par, la profundidad de la m ediana, r/(x), siem
pre será un entero. Sin em bargo, cuando n es par, la profundidad de la m ediana, d(.x),
siem pre será un m edio núm ero, com o se m uestra en el ejem plo 2.10.
A .
E J E M P L O 2.10
Q MEDIANA PARA n PAR

Encuentra la m ediana de la muestra 9 , 6, 7, 9 , 10, 8.
Solución
Paso 1 Los datos, clasificados en orden de tam año, son 6, 7, 8, 9, 9 y 10.
Paso 2 Profundidad de la m ediana: d[x) =ií-^-L = ^ - l = 3 .5 (la "3.5-ésim a"
PTI La m ediana es posición).
el punto m edio por
Paso 3 La m ediana está a m edio cam ino entre el tercero y el cuarto valores
conteo.
de datos. Para encontrar el número a la m itad entre cualesquiera dos
valores, suma los dos valores y d ivid e la suma entre 2. En este caso,
suma el tercer valor (8) y el cuarto valor (9) y después d ivid e la suma
(17) entre 2. La m ediana es x = - ^ p = 8 .5 un número a la m itad entre
"el m e d io " de dos números (véase la figura 2 .1 7 ). O bserva que la
m ediana nuevamente separa el conjunto de datos clasificados en dos
subconjuntos de igual tamaño.
Q Page 87 of 418
T u to riales anim ados d isponibles; in g resa y aprende m ás e n cengagcbrain.com
.
.
.
Ejemplo 2 .1 0 (continuación) FIGURA 2 .1 7

M e d ia n a de (6 , 7, 8, 9, 9, 10}
PTI La m ediana
p o b la c io n a l, M (letra
mayúscula mu del 10
alfa be to g rie g o ), es el H -
va lo r de datos en la t
posición de en m edio x = 8 .5 (valor en el m edio; 3 valores de d alo s son m ás pequeños; 3 son m ás grandes)
de toda la po b la ció n
cla sificad a.
M E D I A N A

MINITAB
Elige: Cale > C o l u m n S tattstíc s
Selecciona: M e d ían
Escribe: I n p u t variable: C1 > OK
Excel
Elige:
Escribe:
I n s e r t F u n c tío n , fx > S ta tístíc a l > MEDIAN > OK
N u m b e r 1: (A2:A6 o se le c c io n a celdas) > OK

T I-8 3 /8 4 Plus
Elige: 2 n d > LIST > M ath > 4 :m e d ía n (
Escribe: L1
M oda Es el valor de x que ocurre con más frecuencia.
En el conjunto de datos del ejem plo 2.9, (3 , 3, 5, 6, 8}, la m oda es 3 (véase la figura
F IG U R A 2 .1 8
2.18).
En la m uestra 6, 7, 8, 9, 9, 10, la m oda es 9. En esta m uestra, sólo el 9 ocurre más de
una vez; en los datos del ejem plo 2.9, sólo el 3 ocurre m ás de una vez. Si dos o m ás va
— I--------1------- 1--------1 -h
lores en una m uestra están em patados en la frecuencia m ás alta (núm ero de ocurrencias),
Moda = 3 (el valor más frecuente) se dice que no hay m o d a. Por ejem plo, en la m uestra 3, 3, 4, 5, 5, 7, el 3 y el 5 aparecen
igual núm ero de veces. N o hay un valor que aparezca con m ás frecuencia; por tanto, esta
m uestra no tiene moda.
M ed io rango N úm ero exactam ente a la m itad entre un dato de va lo r más

b a jo , L y un dato de va lo r más alto, H. Se encuentra al p ro m e d ia r los va
lores b a jo y alto:
medio rango = valor ba¡°2+ valor aho

i . u
m edio rango = — —
2 (2.3)
Page 88 of 418
.
.
.
Sección 2.3 M e d id a s de tendencia centren 67
Para el conjunto de datos del ejem plo 2.9, {3, 3, 5, 6, 8}, L = 3 y H = 8 (observa la
figura 2.19).
Por tanto,
.. L +H
m edio rango =
2
3+8
= 5.5
FIGURA 2 .1 9
M e d io rango de {3 , 3, 5 , 6, 8}
r ~ ~ ,~ r
U ------------------ ->U -------------------- -W
M ed io ra n g o = 5 . 5 (a m edio cam ino entre b s exirem os)
L as cuatro m edidas de tendencia central representan cuatro m étodos diferentes para

describir el m edio. Estos cuatro valores pueden ser iguales, pero m ás probablem ente serán
diferentes.
Para los datos m uéstrales del ejem plo 2.10, la m edia, .v, es 8.2; la m ediana, .v, es 8.5;
la m oda es 9 y el m edio rango es 8. En la figura 2.20 se m uestra la relación entre ellos y
los datos.
FIGURA 2 .20
M e d id a s de tendencia central para {ó , 7, 8, 9 , 9 , 10}
9
6 7 8 9 10
1----------- 1--------- 1---------- 1-------- 1-----
ft f t
M edio rango— ^ 8 8 2 8 5 9 ^( Moda
i 1t I--------------- Med la n a
M edia----------
"PROMEDIO" SIGNIFICA DIFERENTES COSAS

C uando se trata de conveniencia, pocas cosas pueden acercarse a ese m ara
villoso dispositivo m atem ático llam ado prom ediar. Con un prom edio, puedes
tom ar un puñado de cifras de cualquier tema y calcular una cifra que represen
tará a todo el puñado.
Pero hay una cosa a recordar. Existen varios tipos de m edidas que o rd in a
riam ente se conocen como prom edios y cada una ofrece una im agen diferente
de las cifras que trata de representar.
C onsidera un ejem plo. La tabla 2.1 1 muestra los ingresos anuales de 10
fam ilias.
¿Cuál sería el ingreso "típ ic o " de este grupo? Prom ediar pro po rcio na ría
la respuesta, así que calcula el ingreso típico por los tipos de prom ediar más
simples y más frecuentemente usados.
Page 89 of 418
.
.
.
TABLA 2.11
Ingresos anuales de 10 fam ilias [TA02-1 1]
$54000 $39000 $37000 $36 75 0 $35 2 5 0 $31500 $31500 $31500 $31500 $25 5 0 0
• La m edia aritm ética. Esta es la form a de prom edio más común, que se
obtiene al sumar los objetos en el conjunto de datos y después d iv id ir
por el número de objetos; para dichos datos, la m edia aritm ética es
$ 3 5 4 0 0 . La m edia es representativa del conjunto de datos en el sen
tido de que la suma de las cantidades en las que las cifras superiores
superan la media es exactamente la misma que la suma de las canti
dades por las que las cifras inferiores caen a b a jo de la m edia.
Los ingresos superiores superan la m edia por un total de $ 25 6 5 0 . Los
ingresos inferiores caen aba jo de la m edia por un total de $ 2 5 6 5 0 .
• La m ediana. Com o lo estudiaste, seis fam ilias ganan menos que la
m edia y cuatro fam ilias ganan más. Tal vez quieras representar este
g rupo va ria d o por el ingreso de la fa m ilia que está exactamente en
m edio de todo el grupo. La m ediana resulta ser $ 3 3 3 7 5 .
• El m edio rango. O tro número que puede usarse para representar el
p rom edio es el m edio rango, que se obtiene al calcular la cifra que
yace a la m itad entre los ingresos superior e inferior: $ 3 9 7 5 0 .
• La m oda. De este m odo, tres tipos de prom edios y ninguna fa m ilia real
mente tiene un ingreso que se relacione con alguna de ellas. Supon
que quieres representar el grupo al establecer el ingreso que ocurre
con más frecuencia. A esto se le llama m oda. El ingreso m odal sería
$31 5 0 0 .
Están disponibles cuatro diferentes prom edios, cada uno v á lid o , correcto
e inform ativo por cuenta p ro p ia . ¡Pero cómo difieren!
media aritmética mediana medio rango moda

$35 4 0 0 $33 37 5 $39 7 50 $31 5 0 0
Y diferirían todavía más si sólo una fam ilia en el grupo fuese m illonario,
¡o una fuera desem pleada! El valor grande de $ 5 4 0 0 0 (extremadamente
diferente de los otros valores) sesga los datos hacia los valores de datos más
grandes. Este sesgo hace que la m edia y el m edio rango se vuelvan mucho
más grandes en valor.
Así que hay tres lecciones. Primera, cuando veas o escuches un p ro
m edio, descubre de cuál pro m e dio se trata. Entonces sabrás qué tip o de
cuadro se te p ro p o rc io n a . Segunda, piensa en las cifras que se pro m e dia n,
de m odo que puedes ju z g a r si el p ro m e d io usado es ade cua do . Tercera, no
supongas que se pretende una cu an tificación m atem ática literal cada vez
que alguien d ice ''p ro m e d io ". N o lo es. Con frecuencia, todas las personas
dicen "la persona p ro m e d io " sin pensar en im p lica cion es de m ed ia , m ed ia
na o m oda. Todo lo que pretenden es transm itir la idea de otras personas
que en m uchas form as son muy p a re cid a s al resto de los demás.
Fuente: T o m a d o d e K ip lin g e rs P erson al F itta n ce , © 1 0 8 0 K ip lin g e rs P e rs o n a l F in a n c e . To do s b s d e te c h o s

re se rva d o s. U s a d o c o n p e rm is o y p r o te g id o p o r la s le ye s d e c o p y r ig h t d e E sta d o s U n id o s . Esta p ro h ib id a kr
im p re s ió n , c o p ia d o , re d is trib u c ió n y re tra n sm isió n d e l m a te ria l s in p e rm is o e s c rito e x p re s o .
Page 90 of 418
.
.
.
A hora que aprendiste cóm o calcular varios estadísticos m uéstrales, se plantea la si
guiente pregunta: ¿cóm o expresas tu respuesta final?
Regla de redondeo Cuando se redondea una respuesta, se tiene el acuerdo de conservar en la respuesta un
lugar decim al más del que estaba presente en la inform ación o rigin al. Para evitar acum ulación de redondeo,
^
redondea sólo la respuesta final, no los pasos intermedios. Esto es: evita usar un valor redondeado para realizar
(EXOO-OOO) identifica el nombre de archivo de una base de datos en línea de un ejercicio; bases de datos y Applets Skillbuilder disponibles a través de cen g ag eb rain .co m
cálculos posteriores. En los ejemplos previos, los datos estaban compuestos de números enteros; por tanto, aque
llas respuestas que tenían valores decimales debían redondearse a la décim a más cercana. Consulta el M a n u a l
de soluciones del estudiante para instrucciones específicas acerca de cómo realizar el redondeo.
e E J E R C I C I O S
2 .5 9 Explica por qué es posible encontrar la m edia para los

S E C C I Ó N 2 . 3
(S u g e re n cia : por ejem plo, si hubiera 5 intercam bios para un

datos de una variable cuantitativa, m as no para una variable tram o de autopista, habría sólo 4 secciones de autopista entre
cualitativa. dichas intersecciones.)
2 .6 0 El núm ero de hijos, x , que pertenecen a cada una de ocho 2 .6 4 L a in terestatal 29 interseca con m uchas otras auto
fam ilias registradas para nadar fue 1 ,2 , 1 ,3 ,2 , 1, 5, 3. E ncuen p istas m ientras cru za cu atro estad o s en m edio de Estados
tra la m edia, x. U nidos y co rre desde el ex trem o sur en K ansas C ity, M O , a
la 1-35 en el ex trem o norte en P em b in a, N D , en la frontera
2 .6 1 [E X 02-061] El costo de llevar contigo a tu m ascota a
can ad ien se.
bordo de un avión austero en Estados U nidos varía de acuerdo
con la aerolínea. Los precios para 14 de las principales aero
líneas estadounidenses en ju n io de 2009 fueron (en dólares): Estado
Missouri
Interestatal 29 de EUA
Millas Número de intersecciones
123 37
6 9 100 100 100 125 150 100 6 0 100 125 75 100 125 100 Iowa 161 32
Dakola del Sur 252 44
Encuentre el costo m edio para volar ju n to con tu m ascota.
Dakola del Norte 21 7 40
2 .6 2 E je rc icio A p p let Skill- M««n«100 Fuente: Rand M d la 11/ y http:/ / www.ihoz.coti/
b u ild e r D em uestra el efec
to de equilibrio de la media. C onsidera la variable “distancia entre intersecciones”.
Se proporciona una gráfica
a. Encuentra la distancia m edia entre intercam bios en M is
con un punto de datos en 10.
souri.
A grega más bloques al apun- ~ ¡~~~------------■---- wm
tar y hacer clic sobre la ubica- • * * * » j® b. Encuentra la distancia m edia entre intercam bios en Iowa.
ción deseada de la gráfica hasta lograr una m edia de 1.
c. Encuentra la distancia m edia entre intercam bios en Dako-
a. ¿C uántos bloques se requieren para equilibrar una m edia ta del Norte.
de 1?
d. Encuentra la distancia m edia entre intercam bios en Dako-
b. ¿En qué valor se ubican dichos bloques? ta del Sur.
2 .6 3 La interestatal 64 de Estados U nidos corre entre St. e. Encuentra la distancia m edia entre intercam bios a lo largo
Louis, M O , en 1-270 en el extrem o oeste, hacia Portsm outh, de la 1-29.
VA, en 1-264 en el extrem o este, m ientras pasa a través de
f. Encuentra la m edia de las cuatro m edias que encontraste
seis estados. El núm ero de millas en cada estado es: M issouri,
al responder los incisos a al d.
16 m illas; Illinois, 132 m illas; Indiana, 124 m illas; K entucky,
191 m illas; W est V irginia, 183 m illas; V irginia, 299 millas. g. C om para las respuestas que encontraste en los incisos e
Fuente: http://www.ihoz.coii/ y f. ¿E sperabas que fueran iguales? Explica por qué son
diferentes.
a. Encuentre el núm ero m edio de m illas en cada estado a lo
(S u g e re n cia : por ejem plo, si hubiera 5 intercam bios para un
largo de 1-64.
tram o de autopista, sólo habría 4 secciones de autopista entre
1-64 interseca con otras nueve autopistas interestatales, ade dichas intersecciones.)
m ás de 1-264 e 1-270 en sus puntos extrem os.
2 .6 5 ¿C uál es la paga sem anal m edia si 5 em pleados ganan
b. Encuentra la distancia media entre intercam bios con otras S425 por sem ana, 3 ganan $750 por sem ana y 1 gana SI 340?
autopistas interestatales a lo largo de 1-64.
Page 91 of 418
.
.
.
2 . 6 6 ¿E s posible que ocho em pleados ganen entre 300 y 350 2 .7 3 a. E ncuentra la m edia, m ediana, m oda y m edio rango
dólares, m ientras que un noveno gane 1 250 dólares por sem a para los datos m uéstrales 9, 6, 7, 9, 10, 8.
na y la m edia sea 430 dólares? Verifica tu respuesta.
b. V erifica y discute la relación entre las respuestas en
2 . 6 7 E ncuentra la altura m ediana de un equipo de baloncesto: el inciso a, com o se m uestra en la figura 2.20 de la
73, 76, 72, 70 y 74 pulgadas. página 67.
2 .6 8 E ncuentra la tasa m ediana pagada en Jim ’s B urgers si los 2 .7 4 C onsidera la m uestra 2 , 4 ,7 , 8 ,9 . Encuentra lo siguiente:
salarios horarios de los trabajadores son $4.25, $4.15, $4.90,
a. m edia, x
$4.25, S4.60, $4.50, $4.60, $4.75.
b. m ediana, x
2 . 6 9 Para los estudiantes de séptim o grado con teléfonos celu
lares, la cantidad de núm eros programados en sus teléfonos son: c. m oda
TOÓ 37 12 20 53 10 23 50 35 30 d. rango medio
a. Encuentra la cantidad m edia de núm eros program ados en 2 .7 5 C onsidera la m uestra 6, 8, 7, 5, 3, 7. Encuentra lo si
un teléfono celular de un estudiante de séptim o grado. guiente:
b. Encuentra la cantidad m ediana de números program ados a. m edia, x

en un teléfono celular de un estudiante de séptim o grado.
b. m ediana, x
c. Explica la diferencia en valores de la m edia y la m ediana.
c. m oda
d. R em ueve el valor más extrem o y responde nuevam ente
d. rango medio
los incisos a al c.
2 .7 6 A 15 estudiantes universitarios seleccionados al azar se
e. ¿R em over el valor extrem o tiene más efecto sobre la m e
dia o la m ediana? E xplica por qué.
2 . 7 0 E je rc icio A pple! S k ill

les pidió m encionar el núm ero de horas que durm ió la noche
anterior. Los valores de datos resultantes son 5, 6, 6, 8, 7, 7, 9,
5 ,4 , 8, 11, 6, 7, 8, 7. E ncuentra lo siguiente:
b u ild e r D em uestra el efecto
a. m edia, x
que un valor de datos puede
tener sobre la m edia y la m e b. m ediana, x
diana.
c. m oda
a. M ueve el punto oscuro
d. rango medio
hacia la extrema derecha.
¿Q ué ocurre con la m edia? ¿Q ué ocurre con la m ediana? 2 . 7 7 [EX 02-07 7 ] U na m uestra aleatoria de 10 de los conduc
tores de la N A SC A R 2007 produjo las siguientes edades:
b. M ueve el punto oscuro hacia la extrem a izquierda. ¿Qué
ocurre con la m edia? ¿Q ué ocurre con la m ediana? 36 26 48 28 45 21 21 38 27 32
c. ¿C uál m edida de tendencia central, la m edia o la m edia a. Encuentra la edad m edia para los 10 conductores de la
na, brinda un m ejor sentido del centro cuando se presenta N A SC A R 2007.
un valor errático (o valor extrem o) en los datos?
b. Encuentra la edad m ediana para los 10 conductores de la
2 .7 1 El núm ero de autom óviles por apartam ento, propiedad N A SC A R 2007.
de una m uestra de residentes en un gran com plejo, es 1 ,2 , 1,2,
c. Encuentra el rango m edio de edad para los 10 conducto
2, 2, 1, 2, 3, 2. ¿C uál es la m oda?
res de la N A SC A R 2007.
2 .7 2 C ada año, alrededor de 160 colegios participan en la
d. Encuentra la m oda, si existe, para la edad de los 10 co n
C om petencia de C anoa de C oncreto de la A m erican Society
ductores de la N A SC A R 2007.
o f C ivil E ngineer’s. C ada equipo debe diseñar una canoa apta
para la navegación m arina a partir de concreto, una sustancia 2 .7 8 En enero de 2009, la tasa de desem pleo en la ciudad de
no conocida por su capacidad para flotar. Las canoas deben N ueva York fue 7.3. Las tasas de desem pleo para los cinco
pesar entre 100 y 350 libras. C uando se pesaron las canoas del condados que form an la ciudad de N ueva York fueron: 9.7,
últim o año, los pesos variaron de 138 a 349 libras. 7.7, 6.7, 6.6, 6.5.
a. Encuentra el rango medio. a. ¿C rees que la tasa de desem pleo para toda la ciudad y la
tasa de desem pleo m edia para los cinco condados son
b. La inform ación dada contiene 4 valores de peso; explica
iguales? E xplica con detalles.
por qué usaste dos de ellos en el inciso a y no usaste los
otros dos.
Page 92 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2.3 M e d id a s de tendencia c e n tra f 71
b. E ncuentra la m edia de las tasas de desem pleo para los de los valores de datos en el inciso a y vuelve a calcular
cinco condados de la ciudad de N ueva York. la media.
c. Explica con detalles por qué la m edia de los cin co conda d. ¿Existe una forma más rápida en la que puedas calcular
dos no es la m ism a que la tasa para toda la ciudad. la media para el inciso c?
d. ¿Q ué condiciones deberían existir para que la m edia de e. Explica qué te dice esta nueva media.
los cinco condados fuera igual al valor para toda la ciu
f. ¿Cuál media sería más útil tanto para el fabricante com o
dad?
para el consumidor? ¿Por qué?
2 .7 9 [EX 02-079] Un objetivo constante en la fabricación
2 .8 1 [EX02-08 1] El equipo profesional de Soccer Rochester
de lentes de contacto es m ejorar aquellas características que
Raging Rhinos espera una buena temporada 2010. La mezcla
afecten el poder de los lentes y la agudeza visual. U na de ta
de experiencia y juventud en los enérgicos jugadores, debe
les características involucra las herram ientas donde a final de
constituir un equipo sólido. Las edades actuales del equipo
cuentas se fabrican los lentes. Los resultados de las pruebas
son:
iniciales del proceso de desarrollo se exam inaron para la ca
racterística crucial X . Los datos resultantes se m encionan a "23 24 25 32 30 20 31 24 30 24
continuación: 33 36 30 20 25 26 30 31 23 24
0 .0 2 6 0 .0 2 7 0 .0 2 4 0 .0 2 3 0 .0 3 4 0 .0 3 5 0 .0 3 5 O 0 3 3 O 0 3 4 a. Construye un histograma de frecuencias agrupadas con

0 .0 3 3 0 0 3 2 0 .0 3 8 0.0 41 0.041 0.0 21 0 .0 2 2 0 0 2 7 0 0 3 2 las clases 19-21, 21-23, etcétera.
0 .0 2 3 0 02 3 0 0 2 4 0 0 1 7 0 023 0 .0 1 9 0 .0 2 7 ______________
Fuente: C o rte s ía d e B a u s c h Z . lo m b (v a ria b le n o m e n c io n a d a y d a lo s c o d if ic a d o s b. Describe la distribución que se muestra en el histograma.
a p e tic ió n d e B¿.l)
c. Con base en el histograma y su forma, ¿qué predecirías
a. D ibuja tanto un diagram a de puntos com o un histogram a para la media y la mediana? ¿Cuál sería más alta? ¿Por
de los datos de la característica crucial X. qué?
b. Encuentra la m edia para la característica crucial X. d. Calcula la media y la mediana. Compara las respuestas a
tus valores predichos en el inciso c.
c. Encuentra la m ediana para la característica crucial X.
d. Encuentra el rango m edio para la característica crucial X. e. ¿Cuál medida de tendencia central proporciona la mejor
medida del centro? ¿Por qué?
e. Encuentra la m oda, si existe, para la característica cru
cial X. 2 .8 2 El “promedio” es un estadístico comúnmente reportado.
Este único trozo de información puede ser muy informativo o
f. ¿Q ué característica de la distribución, com o m uestran las muy engañoso, donde media y mediana son los dos más co
gráficas que encontraste en el inciso a, parece inusual? múnmente reportados.
¿D ónde caen las respuestas que encontraste en los incisos
b, c y d en relación con la distribución? Explica. a. La media es una medida útil, pero puede ser engañosa.
Describe una circunstancia cuando la media es muy útil
g. Identifica al m enos una causa posible para esta situación com o el promedio y una circunstancia cuando la media es
aparentem ente inusual. muy engañosa com o el promedio.
2 .8 0 Buick y Jaguar em pataron en el prim er lugar en el Estu b. La mediana es una medida útil, pero puede ser engañosa.
dio de Confiabilidad V ehicular 2009 de J.D. Pow er & A sso Describe una circunstancia cuando la mediana sea muy
ciates. Se trata de una encuesta anual de autom óviles de tres útil com o el promedio y una circunstancia cuando la me
años de antigüedad donde los consum idores indican todos los dia sea muy engañosa com o el promedio.
problem as que tuvieron con sus vehículos m odelo 2006.
2 .8 3 [EX 02-047] A todos los estudiantes de tercer grado en la
Fuente: J.D. P o w e r & A ssoc. 2 0 0 9 V e h ic k D e p e n d a b ilit / S tudy Escuela Elemental Roth se les aplicó un examen de fortaleza
U na m uestra aleatoria de los datos de J.D. Pow er produjeron en acondicionamiento físico. Resultaron los siguientes datos:
los siguientes núm eros de problem as: 12 22 ó 9 2 9 5 9 3 5 16 1 22
18 6 12 21 23 9 10 24 21 17 11 18 19
148 263 147 159 222 150 17 5 14 16 19 19 18 3 4 21 16 20 15
14 17 4 5 22 12 15 18 20 8 10 13 20
a. C alcula la media.
ó 9 2 17 15 9 4 15 14 19 3 24
b. Con base en la inform ación proporcionada, explica qué te
dice la m edia. ¿E sto tiene sentido? a. Construye un diagrama de puntos.
c. Al leer m ás el estudio, descubres que los datos del “n ú b. Encuentra la moda.

m ero de problem as” son un total para 100 autom óviles
(c o n tin ú a en la p á g in a 72)
de dicha m arca de vehículo. D ivide entre 100 cada uno
Page 93 of 418
.
.
.
c. Prepara una distribución de frecuencias agrupadas con Equipo Carreras prom., casa Carreras prom., visita
clases 1-4, 4-7, etc. y dibuja un histogram a de la distribu A n g e ls 4 .7 3 4 .7 2
ción. Asiros 4 .5 9 4 .2 6
* * ‘ Para el resto de bs datos, ingresa a cengagebrain.com
d. D escribe la distribución; específicam ente, ¿la distribución F u e n t e : A4ajorleagueBasebaN .com
es bim odal (en tom o a cuáles valores)?
a. Encuentra la m edia, m ediana, m áxim o, m ínim o y rango
e. C om para tus respuestas a los incisos a y c; com enta acer m edio de las carreras anotadas por los equipos m ientras
ca de la relación entre la m oda y los valores m odales en jugaron en casa.
dichos datos.
b. Encuentra la m edia, m ediana, m áxim o, m ínim o y rango
f. ¿L a discrepancia que encontraste en la com paración del m edio de las carreras anotadas por los equipos m ientras
inciso e podría ocurrir cuando usas una distribución de ju gaban en gira.
frecuencias no agrupadas? Explica.
c. C om para cada una de las m edidas que encontraste en los
g. Explica por qué, en general, la m oda de un conjunto de incisos a y b. ¿Q ué puedes concluir?
datos no necesariam ente brinda la m ism a inform ación que
2 .8 6 [EX02-086] ¿T odo aum enta cada año? ¡En ocasiones
los valores modales.
parece que sí! La tasa de aum ento porcentual anual 2007 en el
2 .8 4 [EX02-084] C on frecuencia se advierte a los consum ido consum o de carburantes p o r estados de EU A , se reportó en la
res contra com er dem asiado alim ento que sea alto en calorías, H ighw ay Statistics, noviem bre de 2008 y se m enciona en la ta
grasas y sodio, por num erosas razones de salud y de condición bla. O bserva que el consum o no aum enta en todos los estados.
física. Nutrition in A ction publicó una lista de m arcas popula
Cambio porcentual en consumo de carburantes de 20 06 a 20 07
res bajas en grasa de hot dogs usualm em e etiquetadas “libre en
por estado
grasas”, “reducido en grasas” , “bajo en grasas” , “light”, etc.,
2 .4 -0 .4 0 .3 6 .8 0.5 1.3 0 .3 1.5 1.3
ju n to con sus calorías, contenido de grasas y sodio. T odas las
cantidades m edidas son para un hot dog:
Marca de hot dog
Calorías Grasa (g) Sodio (mg)
- 2 .1
-1 0 .2
3 .4
-0 .7
-1 .6
-0 .5
-1 .5
1.0
1.9
4 .9
3 .0
2.2
-0 .4
-2 .7
-1 .3
-0 .8
-0 .3
-0 .4
0.1
-2 .9
1.2
3.3
0 .9
4.3
-0 .3
0 .6
0.1
4 .4 0 .3 -0 .4 -0 .9 0.1 3 .4 1.4 2.6 3 .9
Ball Park Fat Free Beef Franks 50 O 4Ó0 -1 .1 2.1 0 .6 -0 .6 2.1 5 .2
Butferbcill Fat Free Franks 40 O 490
F u e n t e : U .S . D e p a rtm e n t o f T ra n s p o rta tio n : F e d e ia l H ig h -.v a y A d m in is tr a r o n
* * * Para el resto de bs datos, ingresa a cengagebrain.com
F u e n t e : / lufrition A chon HeaNblelter. O n ihe L in ts , [ jlio a g o s t o d e 1 9 9 8 a. Explica el significado de: valores negativos y positivos,
valores grandes y pequeños, valores cercanos a cero, va
a. E ncuentra la m edia, m ediana, m oda y rango m edio del
lores no cercanos a cero.
contenido de calorías, grasas y sodio de todas las salchi
chas m encionadas. U sa una tabla para resum ir tus resul b. Exam ina los datos de la tabla. ¿Q ué distribución anticipas
tados. para el “cam bio porcentual”? ¿C uál crees será el “cam bio
porcentual” m edio? Justifica tus estim aciones, sin algún
b. C o n struye una gráfica de puntos del contenido de grasa.
trabajo de cálculo prelim inar.
U b ica la m edia, m ediana, m oda y rango m edio en la
gráfica. c. Si esperas m uy poco o ningún cam bio, ¿qué valor tendrá
la m edia? Explica.
c. En el verano de 2009, el ganador del fam oso concurso
N ath an’s de com er hot dogs el cuatro de ju lio , consum ió d. Construye un histogram a del porcentaje de cam bio.
68 hot dogs en 10 m inutos. Si se le sirvió el hot dog de la
e. C alcula el porcentaje m edio de cam bios en el consum o de
m ediana, ¿cuántas calorías, gram os de grasa y m iligram os
2006 a 2007.
de sodio consum iría en esa sola sentada? Si la recom en
dación diaria de ingesta de sodio es 2 400 mg, ¿la habrá f. La Federal H ighw ay A d m in istraro n reportó el aum ento
excedido? Explica. porcentual para todo E stados U nidos com o 0.4 de 1%.
El valor calculado para la m edia en el inciso e no es el
2 .8 5 [EX02-085] El núm ero de carreras anotadas por los
m ism o. Explica cóm o es posible esto.
equipos de las grandes ligas es probable que esté influido por
si el ju ego se realiza en casa o en el cam po del oponente. Con 2 .8 7 [EX02-087] A los estudiantes les gusta involucrarse en
la intención de m edir las diferencias entre ju g a r en casa o de la “batalla de los sexos” cuando se trata de quién es m ejor con
visita, se calculó el núm ero prom edio de carreras anotadas por ductor. Pero, ¿cuál género supera al otro en el cam ino? Los
ju eg o por cada equipo de la M LB mientras ju g ab a en su casa núm eros pueden sorprenderte. A continuación se m enciona
y m ientras jugaba en gira (en cam pos de los oponentes). La el núm ero de conductores hom bres y m ujeres con licencia en
siguiente tabla resum e los datos: cada uno de los 18 estados seleccionados al azar.
Page 94 of 418
.
.
.
Número de conductores con licencia por género y estado Ingresos fiscales 2006
Estado Hombre Mujer Porcentaje
Impuestos de ingreso
KY 1 451 5 9 6 1 481 6 7 0 percápita Clasificación personal Clasificación
DE 3 0 4 455 320 01 7
DISTRITO
* * * Para el resto de los datos, ingresa a cengagebrain.com
DE COLUMBIA $7 764 1 14.1 4
Fuente: F e d e ra l H ig H w a y A d n in is tr a lio n , U.S. D e p t. o f T ra n s p o rta tio n AlABAMA $2 782 51 9 .6 48
W Y O M IN G $6 1 16 3 16.6 1
a. ¿Las conductoras superan a los conductores? E studia la
DAKOTA DEL SUR $2 842 48 9.1 51
tabla y ve si los datos parecen apoyar tus suposiciones.
Fuente: F & d e ra tio n o fT a x Admm e tra to is ( 2 0 0 7 ) a n d U .S . B u re a u o f the C e n s u s a n d
E xplica tu respuesta inicial. B u re a u o f E c o n o m ic A n a ly s is . h ttp : / / la x p o lic y c e n t e i o r g /
b. Define la variable “razón H/M ” com o el núm ero de co n a. C om para y contrasta las variables “ im puestos per cápita”
ductores hom bres con licencia dividido por el núm ero de y “porcentaje de ingreso personal”. ¿C óm o explicas las
conductores m ujeres con licencia en cada estado. Calcula diferencias en clasificación para el D istrito de C olum bia y
la “ razón H /M ’*para los estados de la m uestra. W yom ing?
c. Si un valor de la razón H/M es cercano a 1.0, ¿qué signifi b. Con base en esta inform ación y el im porte de im puestos
ca? ¿M ayor que 1.0? ¿M enor que 1.0? Explica. pagados por persona m ás alto y más bajo p o r estado,
¿cuál fue el porcentaje “prom edio” pagado por persona?
d. C onstruye un histogram a.
c. Con base en esta inform ación y el porcentaje de ingreso
e. D escribe la distribución que se m uestra en el histogram a
por estado más alto y m ás bajo pagado por persona, ¿cuál
que encontraste en el inciso d.
fue el porcentaje “prom edio” pagado por persona?
f. C alcula el valor m edio de la razón H/M.
d. E xplica por qué tus respuestas en los incisos b y c sólo
g. Explica el significado de los valores en cada una de las son el valor prom edio que puedes determ inar a partir de
h.
colas del histogram a.
M enciona dos estados, no en la tabla anterior, que esperes
la inform ación dada. ¿C uál es su nom bre?
2 .9 0 Tu profesor y tu clase hicieron un trato acerca del exa

encontrar cerca de cada cola de la distribución de H/M. men recién aplicado y que se califica en la actualidad. Si la cla
E xplica por qué crees que dichos estados tendrán razones se logra una calificación m edia de 74 o m ejor, no habrá tarea el
altas o bajas. siguiente fin de sem ana. Si la m edia de la clase es 72 o menos,
entonces no sólo habrá tarea com o siem pre, sino que todos
i. R esponde las preguntas d y f con los 51 valores de datos.
los m iem bros de la clase tendrán que presentarse el sábado
j. C om para los resultados que encontraste en el inciso i con y hacer dos horas de lim pieza general alrededor de los patios
los que encontraste en los incisos d y f. de la escuela com o un proyecto de servicio com unitario. En
tu clase hay 15 estudiantes. Tu profesor calificó los primeros
k. ¿C óm o te fue con tu respuesta al inciso h? Explica.
14 exám enes y su calificación m edia es 73.5. Tu exam en es el
2 .8 8 Tú eres el responsable de planear las necesidades de es único que falta por calificar.
tacionam iento para un nuevo com plejo de 256 apartam entos y
a. ¿Q ué calificación debes obtener para que la clase gane el
te piden basar las necesidades en el estadístico “núm ero pro
trato?
m edio de vehículos por vivienda: 1.9”.
b. ¿Q ué calificación debes obtener para que la clase no haga
a. ¿C uál prom edio (m edia, m ediana, m oda, rango m edio) te
el trabajo de servicio com unitario?
será útil? Explica.
2.9 1 A partir de los valores de datos 70 y 100, sum a tres va
b. E xplica por qué “ 1.9” no puede ser la m ediana, la m oda o
lores de datos a la m uestra de m odo que la m uestra tenga lo
el rango m edio para la variable “núm ero de vehículos” .
siguiente: (Justifica tu respuesta en cada caso.)
c. Si el propietario quiere un estacionam iento que alojara
a. M edia de 100.
90% de todos los inquilinos que posean vehículos, ¿cuán
tos espacios debes planear? b. M ediana de 70.
2 .8 9 ¿E n cuáles estados los residentes pagan m ás im puestos? c. M oda de 87.

¿En cuál pagan m enos? Q uizá depende de la variable usada
d. M edio rango de 70.
para m edir la cantidad de im puestos pagados. En 2008 el C en
tro de Política Fiscal reportó los siguientes estadísticos acerca e. M edia de 100 y m ediana de 70.
del prom edio de im puestos anuales 2006 y porcentaje de in
f. M edia de 100 y m oda de 87.
greso personal pagado por persona por estado.
(c o n tin ú a e n la p á g in a 74)
Page 95 of 418
.
.
.
http : / / ebookqratisenpdf.blogspot.com.ar/
g. M edia e 100 y m edio rango de 70. 2 .9 2 Ejercicio A pplet
S killbuildcr Relaciona me
h. M edia e 100, m ediana de 70 y moda de 87.
dias con histogramas co
rrespondientes. Después de
varias rondas de práctica
con “New Plots” (nuevas
gráficas), explica tu método
de relacionar.
12.4 H ed id as de dispersión
Al haber localizado la parte “ m edia” con las m edidas de tendencia central, la búsqueda de
inform ación a partir de los conjuntos de datos ahora se dirige hacia las m edidas de disper
sión. Las m e d id a s d e d isp e rsió n incluyen rango, varianza y desviación estándar. D ichos
valores num éricos describen la cantidad de dispersión o variabilidad, que se encuentra
entre los datos: los datos estrecham ente agrupados tienen valores relativam ente pequeños
y los datos m ás am pliam ente dispersos tienen valores más grandes. El agrupam iento más
cercanam ente posible ocurre cuando los datos no tienen dispersión (todos los datos son del
m ism o valor); en esta situación, la m edida de dispersión será cero. N o hay lím ite acerca de
cuán am pliam ente dispersos pueden estar los datos; por tanto, las m edidas de dispersión
pueden ser m uy grandes. La m edida de dispersión m ás sim ple es el rango.
Rango D iferencia en valor entre los datos con valor más alto, H y los datos
con va lo r más bajo, L:
rango = va lo r alto - valor b ajo

rango = H - L (2.4)
La m uestra 3, 3 ,5 ,6 , 8 tiene un rango de H - L = 8 - 3 = 5. El rango de 5 dice que estos

datos caen todos dentro de un intervalo de 5 unidades (véase la figura 2.21).
FIG U R A 2 .2 1
Rango de {3, 3, 5 , 6, 8}
3
3 5 6 8
I * * . . . . Rango ("distancia") - - - H
Bajo Alto
Las otras m edidas de dispersión a estudiar en este capítulo son m edidas de dispersión
en tom o a la m edia. Para desarrollar una m edida de dispersión en torno a la m edia, prim ero
responde la pregunta: ¿cuán lejos está cada x de la m edia?
Desviación de la media Una desviación de la m edia, x - X, es la diferencia

entre el valor de x y la m edia, x.
C ada valor individual de x se desvía de la m edia por una cantidad igual a (x - x). Esta
desviación (x - x) es cero cuando x es igual a la m edia, x. La desviación (x - x) es positiva
cuando x es m ás grande que x y negativa cuando x es m enor que x.
Page 96 of 418
.
.
.
Sección 2 .4 M e d id a s de dispersión 75
C onsidera la m uestra 6, 3, 8, 5, 3. Con la fórm ula (2.1),.v = encuentras que la media
es 5. C ada desviación, (x - x ) , se encuentra entonces al restar 5 de cada valor x:
Datos x _____________6______ 3_____ 8________5______ 3

Desviación x — x 1 -2 3 O -2
La figura 2.22 m uestra las cuatro desviaciones distintas de cero desde la m edia.
FIGURA 2 .2 2
Desviaciones de la m edia
Para describir el valor “prom edio” de dichas desviaciones, puedes usar la desviación
m edia, la sum a de las desviaciones dividida entre /?, . Sin em bargo, dado que la suma
de las desviaciones, X(x - x), es exactam ente cero, la desviación m edia tam bién será cero.
De hecho, siem pre será cero, lo que significa que no es un estadístico útil. ¿C óm o y por
qué ocurre esto?
La sum a de las desviaciones, X(x - x), siem pre es cero porque las desviaciones de los
valores x m enores que la m edia (que son negativos) cancelan a aquellos valores x mayores
que la m edia (que son positivos). Este efecto neutralizador puede rem overse si haces algo
para volver positivas todas las desviaciones. Puedes lograr esto al elevar al cuadrado cada
una de las desviaciones; las desviaciones al cuadrado siem pre serán valores no negativos
(positivos o cero). L as desviaciones al cuadrado se usan para encontrar la varianza.
V aria n za m u e stral La varian za muestral, s2, es la m edia de las desviaciones

al cuadrado, calculada con n - 1 como el divisor:
■ i i , , suma de (desviaciones a l cuadrado)

varianza muestral: s al cuadrado = --------------!— ;
numero - 1
X (x -x )2
n- 1 (2.5)
donde n es el tamaño muestral; esto es: el número de datos en la muestra.
La varianza de la m uestra 6, 3, 8, 5, 3 se calcula en la tabla 2.12 con la fórm ula (2.5).
N o tas:
1. La sum a de todos los valores x se usa para encontrar x.
2. La sum a de las desviaciones, X(x - x), siem pre es cero, siem pre que se use el valor
exacto de x. U sa este hecho com o com probación en tus cálculos, com o se hizo en la
tabla 2.12 (denotado con <££>).
Page 97 of 418
.
.
.
3.Si se usa un valor redondeado de .v, entonces Z(jc - x) no siem pre será exactam ente
cero. Sin em bargo, estará razonablem ente cercano a cero.
4. La sum a de las desviaciones al cuadrado se encuentra al elevar al cuadrado cada
desviación y después sum ar los valores al cuadrado.
TABLA 2.12 C álculo de va rian za con la fórm ula (2.5)
Paso 1. Paso 2. Paso 3. Paso 4. Paso 5.

Encuentra I x Encuentra x Encuentra cada x - x Encuentra l [ x - x j 2 Encuentra s2
, 2(x - x)
>|M
|x
ó 6 -5 = 1 (l)2 = 1
XI
l
*
n - 1i
3 3 - 5 = -2 (-2 )2 = 4
8 8 - 5 = 3 (3)2 = 9
5 7=25 5 - 5 = 0 (O)2 = 0 s2- 18
J **
3 3 - 5 = -2 (-2 )2 = 4
l x = 25 x =5 S(x - x) = 0 ® S (x -x )2= 18 s2 = 4.5
Para dem ostrar gráficam ente lo que dicen las varianzas de conjuntos de datos, conside
O ra un segundo conjunto de datos: {1, 3, 5, 6, 10}. N ota que los valores de datos están m ás
dispersos que los valores de datos en la tabla 2.12. En concordancia, su varianza calculada
es m ayor en s2 = 11.5. En la figura 2.23 se m uestra una ilustrativa com paración gráfica,
lado a lado, de estas dos m uestras y sus varianzas.
FIGURA 2.23
C om paración de datos
D a to s t a b la 2 . 1 2 5 1 = 4 5
Segundo conjunto de datos | 3 5 6 10 S2 = 1 1 . 5
Desviación estándar muestral La desviación estándar de una muestra, s, es la

raíz cuadrada positiva de la varianza:
desviación estándar muestral: s = ra íz cuadrada de varianza muestral
(2 . 6 )
Para las m uestras que se presentan en la figura 2.23, las desviaciones estándar son s 4.5
o 2.1 y n1 T 5 o 3.4.
El num erador para la varianza m uestral, 2(x - x)2 con .frecuencia se llam a sum a de cua
drados para x y se sim boliza m ediante S S fr). Por tanto, la fórm ula (2.5) puede expresarse
ccm o
varianza m uestral: s2 = SS(.\) t-> '•>n\

n - 1 t z .z / j
donde SS( jc) = 2(.v - .r ) 2.
Las fórm ulas para varianza pueden m odificarse en otras form as para facilitar su uso en
varias situaciones. Por ejem plo, supon que tienes la m uestra 6, 3, 8, 5, 2. La varianza para
esta m uestra se calcula en la tabla 2.13.
O Tutorial an im ad o d isponible: ingresa y ap ren d e m ás en ccn gagcbrain.com

Page 98 of 418
.
.
.
Sección 2 .4 M e d id a s de dispersión 77
TABLA 2 .1 3 Cómo calcular la va rian za con la fórm ula (2.5)
Encuentra X x Encuentra x Encuentra cada x - x Encuentra X(x - x ) 2 Encuentra í 2
y _ XX X(x - x)
6 iT 6 - 4 .8 - 1. 2 (1 .2 P = 1.44 n- 1
3 3-4 .8 = 1.8 <-1.8)2 = 3 .2 4
8 8-4 .8 = 3. 2 {2.2? = 1 0 .2 4
x= 2A «2 2 2 .8 0
5 5-4 .8 = 0. 2 {0.2? = 0 .0 4
r 4
sJ
3 2 - 4 . 8 = -2 .8 (-2 .8 )2 = 7 .8 4
Xx = 24 x = 4.8 X(x - x) = 0 <cE> X(x - x i 2 = 2 2 .8 0 s2 = 5 . 7
La aritm ética para este ejem plo se volvió m ás com plicada porque la m edia contiene dí
gitos distintos de cero a la derecha del punto decim al. Sin em bargo, la “sum a de cuadrados
para x ' \ el num erador de la fórm ula (2.5), puede rescribirse de m odo que no se incluya .f:
S u m a d e c u a d ra d o s p a r a x
SS(.v) = X.r (2.8)
Al com binar las fórm ulas (2.7) y (2.8) se produce la “fórm ula atajo ” para la varianza
muestral:
Varianza muestral, "fó rm u la a ta jo "
(suma de x2)
[suma de x2) -
numero
número - 1
sx * - <“ x)’ (2.9)

varian za muestral: s2 = -------------^ ---------
n - 1
Las fórm ulas (2.8) y (2.9) se llam an a tajos porque evaden el cálculo de jc. L os cálculos
para SS(.v), s 2 y s con las fórm ulas (2.8), (2.9) y (2.6) se realizan com o se m uestra en la
tabla 2.14.
TABLA 2 .1 4 Cóm o calcular desviación estándar con el m étodo de atajo

Encuentra X x Encuentra Xx2 Encuentra cada SS(x) Encuentra s2 Encuentra s
ó ó2 = 3 6 SS(x) - Sx* a nx f s= x s2
3 32 = 9 vx2 (Sx^ s = ¡57
p2 — n
5 n - 1 s = 2 .4
00
8 SS(x) = 138 - ^
ll
5 5 2 = 25 ^ 22 .8
* 4
2 22 = 4 SS(x) = 138 - 115.2
00
co
Xx =24 SS(x) = 22 .8
M
5 .7
ll
L a unidad de m edida para la desviación estándar es la m ism a que la unidad de medida

para los datos. Por ejem plo, si los datos están en libras, entonces la desviación estándar,
s, tam bién estará en libras. La unidad de m edida para la varianza puede considerarse en
tonces com o unidades al cuadrado. En el ejem plo de libras, esto sería libras al cuadrado.
Com o puedes ver, la unidad tiene muy poco significado.
© Tutorial animado disponible: ingresa y aprende más en ccngagebrain.com

Page 99 of 418
.
.
.
D E S V I A C I Ó N E S T Á N D A R
Escribe los datos en C 1; después continúa con:
MINITAB
Elige: Cale > C o l u m n S ta tis tic s
S elecciona: S t a n d a r d d e v ía tío n
Escribe: I n p u t v a r ia b le C1 > OK
Excel
Elige: I n s e r t F u n c tlo n , fx > S ta tl s ttc a l > STDEV > OK
Escribe: N u m b e r 1: (A2:A6 o s e le c c io n a c e ld a s) > OK

T I-8 3 /8 4 Plus
Elige: 2 n d > LIST > M a th > 7:StdD ev(
Escribe: L1
E S T A D Í S T I C O S A D I C I O N A L E S

MINITAB
Elige: Cale > C o l u m n S ta tis tic s
Luego, u n o a la vez, s e le c c io n a el e s t a d í s t i c o d e s e a d o
S elecciona: N to ta l N úm ero de datos en colum na
Sum S u m a de los d a t o s e n c o l u m n a
M ín im u m V alor m á s p e q u e ñ o e n c o l u m n a
M a x lm u n V alor m á s g r a n d e e n c o l u m n a
Range R ango de v a l o r e s e n c o l u m n a
S u m a de valores S u m a de v a l o r e s x a l c u a d r a d o , l x 2
Escribe: I n p u t varia b le: C1 > OK
Escribe los datos en la columna A y activa una celda para la respuesta; después continúa con
Excel
Elige: I n s e r t F u n c tlo n , fx > S ta tl s ttc a l > COUNT
> MIN
> MAX
O > All > SUM
>SUMSQ
Escribe: N u m b e r 1: (A2:A6 o s e le c c io n a celdas)
Para el r a n g o , e s c r ib e u n a f ó rm u la : M á x ( ) - Mín ( )
Escribe los datos en L1, después continúa con:

T I-8 3 /8 4 Plus
Elige: 2 n d > LIST > M a th > 5 :s u m (
> l:m ln (
> 2 :m a x (
Escribe: L1
Page 100 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2 .4 M e d id a s de dispersión 79
Desviación estándar en tu calculadora La m ayoría de las calculadoras tie

nen dos fórmulas para encontrar la desviación estándar y descuidadamente
calcular ambas y se espera totalmente que el usuario decida cuál es la correc
ta para los datos obtenidos. ¿Cómo lo decides?
La desviación estándar muestral se denota s y usa la fórmula "divide entre n - 1",
La desviación estándar poblacional se denota a y usa la fórmula "divide entre n".
C uando tienes datos muéstrales, siempre usa la s o la fórm ula que "d ivid e
entre n - 1". Tener los datos de la población es una situación que p ro ba ble
mente nunca ocurrirá, aparte de en un ejercicio del texto. Si al no saber si
tienes datos muéstrales o datos poblacionales, un "cinturón de seguridad"
es que son datos muéstrales: ¡usa la s o la fórm ula que "d iv id e entre n - 1"!
Fórmulas múltiples Los estadísticos tienen múltiples fórmulas por convenien

cia; esto es: conveniencia relativa a la situación. Los siguientes enunciados te
ayudarán a decidir cuál fórm ula usar:
1. C uando trabajes en una com putadora y uses software estadístico, por lo

general prim ero alm acenarás todos los valores de datos. La com putadora
m aneja con fa cilid a d operaciones repetidas y puede "revisitar" los datos
alm acenados con tanta frecuencia como sea necesario para com pletar un
procedim iento. Los cálculos para varian za muestral se realizarán con la
fórm ula (2.5) y seguirán el proceso que se presenta en la tabla 2 .1 2 .
2. C uando trabajes con una calculadora con funciones estadísticas incor
www.elsolucionario.net poradas, la calculadora debe realizar todas las operaciones necesarias

sobre cada valor de datos conform e los valores se ingresan (la m ayoría
de las calculadoras portátiles no g raficadoras no tienen la h a b ilid a d de
alm acenar datos). Después puedes ingresar todos los datos, los cálculos se
com pletarán con las sumas apropiadas. Los cálculos para va rian za mues
tral se realizarán con la fórm ula (2.9) y seguirán el procedim iento que se
presenta en la tabla 2 .1 4 .
3. Si realizas cálculos a mano o con la ayuda de una calculadora, mas no
con funciones estadísticas, la fórm ula más conveniente a usar dependerá
de cuántos datos hay y cuán conveniente es trab aja r los valores numéricos.
@ E J E f i C I C I O S S E C C I Ó N 2 . 4
2 .9 3 En 2008, el Centro de Política Fiscal reportó los siguien 2 .9 4 a. El valor de datos x = 45 tiene un valor de desviación
tes estadísticos acerca de los im puestos anuales prom edio de 12. Explica el significado de esto.
2006 y el porcentaje de ingreso personal pagado por persona
b. El valor de datos x = 84 tiene un valor de desviación
por estado.
de -2 0 . E xplica el significado de esto.
a. Encuentra el rango para la cantidad de im puestos pagados
2 .9 5 La sum atoria 2 ( x - * ) siem pre es cero. ¿P o r qué? Pien
p or persona.
sa de nuevo en la definición de la m edia (p. 63) y observa si
b. E ncuentra el rango para el porcentaje de ingreso personal puedes justificar esta afirm ación.
pagado en im puestos por persona.
2 .9 6 Todas las m edidas de variación son no negativas en valor
Ingresos fiscales 2006 para todos los conjuntos de datos.
Porcentaje
Impuestos de ingreso a. ¿Q ué significa que un valor sea “no negativo” ?
per cápi’a Rango personal Rango
b. D escribe las condiciones necesarias para que una medida
DISTRITO DE COLUMBIA $7 764 1 14.4 4
de variación tenga el valor cero.
ALABAMA $2 782 51 9 .6 48
W Y O M IN G $6 1 16 3 16.6 1 (c o n tin ú a en la p á g in a 80)
DAKOTA DEL SUR $2 842 48 9.1 51
Fuente: F e d e ra tio n o f Tax A d m in is tra Ion; f x 0 0 7 ) y U .S . B u re a u o f fhe C e n s u s a n d
Bu re-au o f E c o n o m ic A n a fy s is . h t t p : / / k ix p o lc y c e n le i. o i g /
Page 101 of 418

.
.
.
c. D escribe las condiciones necesarias para que una m edida 2 .1 0 4 [EX 02-104] Un aspecto de la belleza de los paisajes
de variación tenga un valor positivo. panorámicos es su variabilidad. Las elevaciones (pies sobre
el nivel del mar) de 12 ciudades seleccionadas al azar en las
2 .9 7 U na m uestra contiene los datos {1, 3, 5, 6, 10}.
regiones Finger Lakes del Nueva York septentrional se regis
[EXOO-OOO) identifica el nombre de archivo de una base de datos en línea de un ejercicio; bases de datos y Applets Skillbuilder disponibles a través de ccn g ag cb rain .co m
a. U sa la fórm ula (2.5) para encontrar la varianza. traron aquí.
b. U sa la fórm ula (2.9) para encontrar la varianza. 559 8L5 767 668 651 895
1106 1375 861 1559 888 1106
c. C om para los resultados de los incisos a y b. Fuente: http://www.c¡K''data.com
2 .9 8 C onsidera la m uestra 2 ,4 ,7 , 8 ,9 . Encuentra lo siguiente: a. Encuentra la media.
a. R ango b. Encuentra la desviación estándar.
b. V arianza s2, con la fórm ula (2.5) 2 .1 0 5 [EX02-1 0 5 ] A los reclutas para una academia de po
c. D esviación estándar, s licía se les pidió realizar un examen que mide su capacidad
de ejercicio. La capacidad de ejercicio (en minutos) se obtuvo
2 .9 9 C onsidera la m uestra 6, 8, 7, 5, 3, 7. E ncuentra lo si para cada uno de 20 reclutas:
guiente:
~25 27 30 33 30 32 30 34 30 27~
a. R ango 26 25 29 31 31 32 34 32 33 30
b. V arianza s2, con la fórm ula (2.5) a. Dibuja un diagrama de puntos de los datos.
c. D esviación estándar, s b. Encuentra la media.
2 .1 0 0 D ada la m uestra 7, 6, 10, 7, 5, 9, 3, 7, 5, 13. Encuentra c. Encuentra el rango.

lo siguiente:
V arianza .v2, con la fórm ula (2.5)
d.
e.
Encuentra la varianza.
Encuentra la desviación estándar.

b. V arianza s2, con la fórm ula (2.9)
f. Con el diagrama de puntos del inciso a, dibuja una línea
c. D esviación estándar, s que represente el rango. Después dibuja una línea que
com ience en la media, con una longitud que represente
2 .1 0 1 A 15 estudiantes universitarios seleccionados al azar se
el valor de la desviación estándar.
les preguntó el núm ero de horas que durm ieron la noche ante
rior. Los datos resultantes son: 5, 6, 6, 8, 7, 7, 9, 5, 4, 8, 11, 6, g. Describe cóm o se relacionan la distribución de datos, el
7, 8, 7. E ncuentra lo siguiente; rango y la desviación estándar
a. V arianza s2, con la fórm ula (2.5) 2 .1 0 6 [EX02-1 0 6 ] Jackson quiere comprar un nuevo palo de
golf, en particular, un driver. Se imagina que compraren línea
b. V arianza s2, con la fórm ula (2.9)
le ahorrará tiempo y dinero. Selecciona al azar una muestra de
c. D esviación estándar, s 10 drivers del sitio web Golflink.com. Sus precios se m encio
nan a continuación (en dólares):
2 .1 0 2 [EX 02-102] U na m uestra aleatoria de 10 de los con
ductores N A SCA R 2007 produjo las siguientes edades: Precios de driver
14 9.99 2 9 9 9 9 4 9 9 9 4 9 9 .9 9 1 6 7 .9 7 2 9 9 9 9 3 9 9 9 9
36 26 48 28 45 21 21 38 27^32 19 9.99 9 9 9 9 149 9 9 ________________________________
a. Encuentra el rango. Fuente: hHp://www.golinkcom/
a. Construye un histograma y determina la forma.

b. Encuentra la varianza.
b. Con base en el histograma, ¿qué sabes acerca de la media
c. Encuentra la desviación estándar.
y la mediana?
2 .1 0 3 El sum ar (o restar) el m ism o número de cada valor en
c. Calcula la media y la mediana. ¿Los resultados coinciden
un conjunto de datos no afecta las m edidas de variabilidad
con tu respuesta en el inciso b ?
para dicho conjunto de datos.
d. Calcula el rango.
a. E ncuentra la varianza de este conjunto de datos anuales
de grado día de calefacción: 6 017, 6 173, 6 275, 6 350, e. Calcula la desviación estándar.
6 0 0 1 ,6 300.
^
f. Describe qué le dicen a Jackson el rango y la desviación

b. Encuentra la varianza de este conjunto de datos (que se estándar acerca de comprar un driver en línea a través de
obtiene al restar 6 000 de cada valor en el inciso a): 17, Golflink.com.
1 7 3 ,2 7 5 ,3 5 0 , 1,300.
Page 102 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2.4 M e d id a s de dispersión 81
2 .1 0 7 [EX02-107] La revista B etter R oads reportó el por
centaje de puentes interestatales y propiedad del estado que m edidas para am bos conjuntos: X(jc j i«.
eran estructuralm ente deficientes o funcionalm ente obsoletos m enta acerca del significado de estas com paraciones.
(% SD /FO ) para cada estado de EU A en 2003. (Los porcenta
2 .1 1 0 C onsidera los siguientes dos conjuntos de datos:
jes se expresan en form a decim al [por ejem plo, 0.20 = 20% ].)
Conjunto 1 45 80 50 45 30
Estado SD/FO* Estado SD/FO* Estado SD/FO*
Conjunto 2 30 80 35 30 75
AK 0 .2 0 AL 0 22 AR 0 .2 0
* * Pbta e l resto d e b s datos, ingresa a cfcngagebrain.com _________________
A m bos conjuntos tienen la m ism a m edia, 50. C om para estas
Fuente: Better Roads, n o v ie m b re d e 2 0 0 3
m edidas para am bos conjuntos: 2(jr - x), SS(.v) y rango. Co
* S D / F O = e structu ra Im en te d efe cie n le o iu n :¡ o ra lm e n te o b s o le to . m enta acerca del significado de estas com paraciones en rela
a. C onstruye un histogram a. ción con la distribución.
2 .1 1 1 C om enta acerca del enunciado: “La pérdida m edia para

b. ¿La variable “% SD /FO ” parece tener una distribución
los consum idores en el P rim er Banco Estatal (que no estaba
norm al aproxim ada?
asegurado) fue de $ 150. La desviación estándar de las pérdidas
c. C alcula la media. fue -$ 1 2 5 ”.
d. Encuentra la m ediana. 2 .1 1 2 C om ienza con x = 100 y sum a cuatro valores * para
hacer una m uestra de cinco datos tales que:
e. Encuentra el rango.
a. s=0
f. E ncuentra la desviación estándar.
(C onserva estas soluciones para usarlas en el ejercicio 2.135 b. 0 < s < 1

de la p. 94.) c. 5 < s < 10
2.108 [EX02-108] U na m edida de desem peño de aerolíneas
es la tasa de llegada a tiem po. Para m ayo de 2009, las tasas de
llegada a tiem po de vuelos dom ésticos para las 19 aerolíneas
d. 20 < .y < 30
2 .1 1 3 C ada una de dos m uestras tiene una desviación están

dar de 5. Si los dos conjuntos de datos se convierten en un
estadounidenses m ás grandes fueron las siguientes:
conjunto de 10 valores de datos, ¿la nueva m uestra tendrá una
Aerolínea % Llegada a tiempo desviación estándar que sea m enor que, aproxim adam ente la
Hawa iian 9 0 .2 6 m ism a que o m ayor que la desviación estándar original de 5?
SkyWest 8 6 .8 4 C onstruye dos conjuntos de cinco valores de datos, cada uno
Pinnacle 86.81
con una desviación estándar de 5, para justificar tu respuesta.
* * * Para el resto de bs datos, ingresa a cengagebrain.com
Incluye los cálculos.
Fuente: U .S . D e p a rtm e n t o f T ra n sp o rta lio n
2 .1 1 4 E je rc icio A pple!
a. Encuentra el rango y la desviación estándar para las tasas S k illb u ild e r R elaciona m e
de llegada a tiempo. dias y desviaciones estándar
con los histogram as corres ix i» im m t* iK)
b. D escribe la relación entre la distribución de los datos, el
pondientes. D espués de va
rango y la desviación estándar.
rias rondas de práctica con
2 .1 0 9 C onsidera estos dos conjuntos de datos: “ Start O ver”, explica tu m é
todo de relacionar.
Conjunto 1 46 55 50 47 52 IM 1» im i M 1M .- c
Conjunto 2 30 55 65 47 53
Page 103 of 418

.
.
.
| 2.5 M edidas de posición

Las m e d id a s d e posición se usan para describir la posición que un valor de datos específi-
co posee en relación con el resto de los datos cuando están en orden clasificado. Cuartiles
y percentiles son dos de las m edidas de posición m ás populares.
Cuartiles Valores de la va riab le que dividen los datos clasificados en cuartos;

cada conjunto de datos tiene tres cuartiles. El p rim e r cuartil, es un número
tal que cuando mucho 25% de los datos son menores en valor que Q } y cuan
do mucho 75% son mayores. El segundo cuartil es la m ediana. El tercer cuar
til, Q 3, es un número tal que cuando mucho 75% de los datos son menores en
valor que Q 3 y cuando mucho 25% son mayores. (Observa la figura 2 .2 4 .)
FIGURA 2 .24
Cuartiles
Datos clasificados, orden creciente
25% 25% 25% 25%
www.elsolucionario.net L Q, Q2 Q3 H
El procedim iento para determ inar los valores de los cuartiles es el m ism o que para los
percentiles y se m uestra en la siguiente descripción de los percentiles.
R e c u e rd a q u e tu s d a to s d eb e n e s ta r clasificad o s d e b a jo (L ) a alto (H ).
Percentiles Valores de la va riab le que dividen un conjunto de datos en 100

subconjuntos iguales; cada conjunto de datos tiene 9 9 percentiles (observa
la figura 2 .2 5 ). El /c-ésimo percentil, Pk, es un valor tal que cuando mucho k%
de los datos son menores en valor que Pk y cuando mucho (100 - k)% de los
datos son mayores (observa la figura 2 .26 ).
FIGURA 2.25 FIGURA 2 .2 6

Percentiles /c-ésimo percentil
Datos clasificados, orden creciente Datos clasificados, orden creciente

n
c u a n d o m ucho
1% 1% 1% 1%
(j i% i% i% k%
c u a n d o m u c h o ( 1 0 0 - ¿)%
L P. P, P, P, P, 7 Pos Poo H
Notas:
1. El prim er cuartil y el percentil 25 son el m ism o; esto es: Q { = P 2S. A dem ás, Q3= P 7S.
2. La m ediana, el segundo cuartil y el percentil 50 son el m ism o: .v = 0 , = ^ 50- P ° r tanto,
cuando se pida encontrar PM) o Qr usa el procedim iento para encontrar la m ediana.
El procedim iento para determ inar el valor de cualquier A-ésimo percentil (o cuartil) in
volucra cuatro pasos básicos, com o se destaca en el diagram a de la figura 2.27. El ejem plo
2.12 dem uestra el procedim iento.
Page 104 of 418

.
.
.
Sección 2.5 Medidas de posición 83
FIGURA 2 .2 7
Procedim iento para encontrar Pk
Paso 1
Paso 2
PTI c/(PJ = profundidad Paso 3

o ubicación del /c-ésimo
percentil Paso 4
E J E M P L O 2.12
© COMO ENCONTRAR CUARTILES Y PERCENTILES

Con la muestra de 5 0 calificaciones del examen final de estadística elemental
que se m encionan en la tabla 2 .1 5 , encuentra el prim er cuartil, Q }; el percen
til 5 8 , P38; y el tercer cuartil, Q 3.
TABLA 2.15 [TA02-06]

C alificaciones brutas para el examen de estadística elemental
60 47 82 95 88 72 67 66 68 98 90 77 86
58 64 95 74 72 88 74 77 39 90 63 68 97
70 64 70 70 58 78 89 44 55 85 82 83
72 77 72 86 50 94 92 80 91 75 76 78
S olución
Paso 1 C lasifica los datos: puedes form ular una lista clasificada (observa la
tabla 2 .16 ) o puedes usar una presentación gráfica que muestre los
datos clasificados. El diagram a de puntos y el de tallo y hojas son
adecuados para este propósito. El diagram a de tallo y hojas es espe
cialmente útil, porque proporciona números de profundidad contados
desde ambos extremos cuando se genera por com putadora (véase la
figura 2 .2 8 ). El paso 1 es el mismo para los tres estadísticos.
Encuentra Q }:
p .„ 2 E— ^
(n = 5 0 y k = 2 5 , dado que Q j = P2 y)
Paso 3 Encuentra la p ro fun d id ad de Q ] : d [ Q }) = 13 (dado que 12.5 contie

ne una fracción, B es el siguiente entero más grande, 13).
Paso 4 Encuentra Q ] : es el 132 valor, al contar desde L (véase la tabla

2 .1 6 o la figura 2 .2 8 ), Q j = 6 7
O Tutorial en video disponible; ingresa y aprende más en ccngagcbrain.eom

Page 105 of 418
.
.
.
TABLA 2 .1 6 FIGURA 2 .28

Datos clasificados: C alificaciones C alificaciones del examen final
de examen
39 64 72 78 89
44 66 72 80 90
47 [67j 74 82 90 13 2 posición desde L Tallo y hojas de ca lifica ció n N = 5 0
50 68 74 82 91
55 68 75 83 92
58 70 76 85 9 4 ^ " " ■29° y 3 0 2 posiciones
58 70 77 86^-^ 9 5 desde L
60 70 77 95
63 72 77 88 97 132 posición desde H
64 72 78 88 98
222244
Encuentra P,5 8 *
Paso 2 Encuentra J ¿ - = M M 1 = 2 9 : (n = 5 0 y k = 5 8 para P J .

Paso 3
100 100 100 ' ’ v
Encuentra la p ro fun d id ad de P38: c/(P38) = 29.5 (dado que A = 2 9 ,

58/
©
un entero, suma 0 .5 y usa 2 9 .5 ).
Paso 4 Encuentra P38: P38 es el valor a la m itad entre los valores de las pie
zas de datos 2 9 a . y 3 0 a ., al contar desde i (observa la tabla 2 .1 6
o la figura 2 .2 8 ), de m odo que
7 7 + 7 8 = 7 7 .5
^8 =
PTI Una ojiva de estas En consecuencia, se puede afirm ar que "cuando mucho, 5 8 % de las ca li
calificaciones de exa ficaciones del examen son menores en valor que 7 7 .5 ". Esto tam bién es equi
men determinaría grá valente a afirm ar que "cuando mucho, 42% de las calificaciones del examen
ficamente estos mismos fueron mayores en valor que 7 7 .5 ".
percentiles sin el uso de Técnica opcional: C uando k es m ayor que 5 0 , resta k de 10 0 y usa (100
fórmulas.
- k) en lugar de k en el paso 2. Entonces la pro fun d id ad se cuenta desde el
dato de va lo r más alto, H.
Encuentra Q3 con la técnica o pcional:

Paso 2 Encuentra : A . = (5 ? H ^ 5 ) = 12.5 (n = 5 0 y k = 75 dado que
100 100 100 1 7 M
Q 3 = P75y k > 5 0 ; usa 1 0 0 - * = 1 0 0 - 7 5 = 25).
Paso 3 Encuentra la p ro fun d id ad de Q 3 desde H: d [ Q 3 ) = 13
Paso 4 Encuentra Q 3. Q 3 es el 13o. valor; al contar desde H (véase la tabla

2 . 1 6 o la figura 2 .2 8 ), Q 3 = 86
Por tanto, se puede afirm ar que "cuando mucho, 75% de las ca lifica cio
nes de examen son menores en valor que 8 6 ". Esto tam bién es equivalente
a afirm ar que "cuando mucho, 25% de las calificaciones del examen son
mayores en valores que 8 6 ".
A hora se puede definir una m edida adicional de tendencia central: el cuartil medio.
O Pageingresa
Tutorial animado disponible: 106yof 418más en ccngagcbrain.com
aprende
.
.
.
Sección 2.5 M edidas de posición 85
C uartil m edio Valor numérico a la m itad entre el prim er cuartil y el tercer

cuartil.
Q + Q
cuartil m edio - 1 „ 3 (2 . 10 )
E J E M P L O 2.13
CÓMO ENCONTRAR EL CUARTIL MEDIO

Encuentra el cuartil m edio para el conjunto de 5 0 calificaciones de examen
d ad o en el ejem plo 2. 12.
S olución
Q ] = 6 7 y Q 3 = 8 6 , como se encontró en el ejem plo 2. 12. Por tanto,
cuartil m edio = = 6 7 + 8 6 = 7 6 .5
www.elsolucionario.netLa m ediana, el m edio rango y el cuartil medio no necesariam ente son el

mismo valor. C ada uno es el va lo r m edio, pero por diferentes definiciones de
"m e d io ". La figura 2 . 2 9 resume la relación de estos tres estadísticos como se
a plica a las 5 0 calificaciones del examen del ejem plo 2. 12.
FIGURA 2 .2 9
C alificaciones del examen final
75.5
68.5 1
! * ! ]65
! • * ! ;•
V « «¡ « « • ¡ b«* * • • •
• • * • • • • • • • ! »•! • * • •• m* • • • • • ** ••
! 1 ¡ : ,
40 50 60 .7 0 i J 80 90 100
t H
C !¡ G3
i
C uartil m edio, a la m ita d entre Q1 y Q }
I
I
I
t
25 datos menores M ediana 25 datos m ayores
U n resum en de 5 núm eros es muy efectivo para describir un conjunto de datos. Es

inform ación fácil de obtener y es muy ilustrativo para el lector.
Resumen de 5 números El resumen de 5 números está compuesto de lo si

guiente:
1. L, el valor más pequeño en el conjunto de datos.

2. Q ,, el prim er cuartil (también llam ado P23, el percentil 25).
3. x, la m ediana.
4. Q 3, el tercer cuartil (también llam ado P73, el percentil 75).
5. H, el valor más grande en el conjunto de datos.
Page 107 of 418

.
.
.
El resum en de 5 núm eros para el conjunto de 50 calificaciones del exam en del ejem plo
2.12 es
39 67 75.5 86 98
L Q, x Q3 H
O bserva que estos cinco valores num éricos dividen el conjunto de datos en cuatro
subconjuntos, con un cuarto de los datos en cada subconjunto. A partir del resum en de
5 núm eros, puedes observar cuánto están dispersos los datos en cada uno de los cuartos.
A hora puedes definir una m edida adicional de dispersión.
Rango intercuartílico La diferencia entre el prim ero y el tercer cuartiles. Es el

rango de 5 0% medio de los datos.
El resum en de 5 núm eros es incluso más inform ativo cuando se despliega en un diagra
ma dibujado a escala. U na presentación gráfica que logra esto se conoce com o diagram a
de cajas y bigotes.
D iagram a de cajas y bigotes Representación gráfica del resumen de 5 nú

meros. Los cinco valores numéricos (más pequeño, prim er cuartil, m ediana,
tercer cuartil y más grande) se ubican en una escala, vertical u horizontal.
La caj a se usa para mostrar la mitad media de los datos que yacen entre los
dos cuartiles. Los bigotes son segmentos de línea que se usan para mostrar
la otra m itad de los datos: un segmento de línea representa el cuarto de los
datos que son menores en valor que el prim er cuartil y un segundo segmento
de línea representa el cuarto de los datos que son mayores en valor que el
tercer cuartil.
La figura 2.30 es un diagram a de cajas y bigotes de las 50 calificaciones del exam en.
C a lif ic a c io n e s d e l e x a m e n f in a l
FIGURA 2 .3 0
D iagram a de cajas y bigotes
40 50 60 70 80 90 100
Calificación
P E R C E N T I L E S

MINITAB
Elige: D a ta > S o rt . . .
Escribe: S o rt co lu m n (s): C1 By c o l u m n : C1
S e le c c io n a S to re s o r t e d d a t a in: C o l u m n s ( s ) o f c u r r e n t w o r k s h e e t
Escribe: C2 > OK
En C2 se obtendrá una lista clasificada de datos. Determina la posición profunda y localiza el

percentil deseado.
Page 108 of 418
.
.
.
Sección 2.5 M e d id a s de posición 87
Excel
Elige: F o r m u l a s > I n s e r t F u n c tío n , fx > S ta tl s tíc a l > PERCENTILE > OK
Escribe: Array: (A2:A6 o s e le c c io n a c e ld a s)
k: K ( p e r c e n til d e s e a d o ; ej. .95, .47) > OK

T I-8 3 /8 4 Plus
Escribe: L1
Escribe: p e r c e n t l l e 3 s a m p l e s lz e (ej. .25 x 100)
Con b a s e e n el producto, d e te r m in a la posición de la p rofundidad; d e s p u é s co n tin ú a con
Escribe: L l ( d e p h p o s ít ío n ) > E n te r
R E S U M E N DE 5 N Ú M E R O S
MINITAB
Elige: S ta t > Basic S ta tls tlc s > D ís p la y D e sc ríp tív e S a ta tís t lc s . . .
Escribe: Variables: C1 > OK
Excel www.elsolucionario.net
Escribe los datos en la columna A; después continúa con:
Elige: D a ta > D a ta A nalysis* > D e s c rtp tlv e S ta tls tlc s > OK

Escribe: I n p u t R ange: (A2:A6 o s e le c c io n a c e ld a s)
S ele cc io n a: L ab e ls In F irst Row (si es n e c e s a r io )
O u tp u t Range
Enter: (B1 o s e le c c io n a celd as)
S ele cc io n a: S u m m a r y S ta tls tlc s > OK
Para h a c e r legible la salida:
Elige: H o m e > Cells > F o r m a t > A u to F lt C o l u m n W í d th
*Si Data Analysis no aparece en el menú Data, consulta la página 53
Escribe los datos en L1 ; después continúa con:

T I-8 3 /8 4 Plus
Elige: STAT > CALC > 1 :1-VAR STATS
Escribe: L1
D I A G R A M A DE C A J A S Y B I G O T E S

MINITAB
Elige: G ra p h > B o x p lo t . . . > O n e Y, S im p le > OK
Escribe: G r a p h v a r ia b le s : C1
O pcional:
S ele cc ion a: L ab e ls > Tu T ítu lo , n o t a s al p ie
Escribe: tu títu lo , n o t a s a l p ie > OK
S ele cc ion a: S cale > A x e s a n d Tlcks
S ele cc io n a: T r a n s p o s e v a l u é a n d c a te g o r y s c a le s > OK > OK
Page 109 of 418

.
.
.
Para diagram as de cajas múltiples, escribe los conjuntos de datos adicionales en C2; des
pués haz lo recién descrito más:
Elige: G ra p h > B oxp lo t. . . > M ú ltip le Y ’s, S im p le > OK

Escribe: G r a p h v a r ia b le s : C1 C2 > OK
O pcional: Ve arriba.
Escribe los datos en la columna A; después continúa con

Excel
Elige: A d d - I n s > D a ta A n a ly s is P lu s 4 > BoxP lot > OK
Escribe: (A2:A6 o s e le c c io n a c e ld a s)
© Para e d ita r el d ia g ra m a de c a ja , revisa las opciones que se muestran con la ed ició n de

histogram as en la p á g in a 5 3 .
*Si Data Analysis Plus no aparece en el menú Data, consulta la página 39.
Escribe los datos en L1; después continúa con

T I-8 3 /8 4 Plus ana P1*t3
Elige: 2 n d > STAT PLOT > S T o ff
l:P lo tl . .. T y p e : L il \¿± Jhb
:■>: i.---
Elige: ZOOM > 9 : Z o o m S t a t >
TRACE > > > X l i s t =L i
F re ^ : 1
Si los puntos medios de clase están en L1 y las
frecuencias están en L2, haz lo recién descrito excepto:
Escribe: Freq: L2
WS ü f f
Para diagram as de caja múltiples, escribe los conjuntos
T y p e : L ü Lí± Jhb
de datos adicionales en L2 o L3; haz lo recién descrito >0«.. ; r [ \^ ~
adicional:
X I i s t : l_3
Elige: 2 n d > STAT PLOT > 2:Plot2. . . F re ^ : 1
La posición de un valor específico tam bién puede m edirse en térm inos de la m edia y la
desviación estándar usando el valor estándar, com únm ente llam ada valor z.
Valor estándar o v a lo r z La posición que un valor particular de x tiene en rela

ción con la m edia, m edido en desviaciones estándar. El valor z se encuentra
con la fórmula
valor - m edia x -x ío iil
desv. est. s
E J E M P L O 2.14
C O M O E N C O N T R A R VALO R ES z
Encuentra los valores estándar para a) 92 y b) 72 con respecto a una muestra
de calificaciones del examen que tengan una ca lifica ció n media de 7 4 .9 2 y
una desviación estándar de 1 4.2 0.
Page 110 of 418

.
.
.
Solución
a. x = 9 2 , x = 7 4 .9 2 , s = 1 4 .2 0 . Por tanto
. _ x - x _ 9 2 - 7 4 . 9 2 _ 1 7 .0 8 _ , O0
s 1 4 .2 0 1 4 .2 0
b. x = 7 2 , x = 7 4 .9 2 , s = 1 4 .2 0 . Por tanto
x - x _ 7 2-7 4 .9 2 _-2.92 _ 0O]
s 1 4 .2 0 1 4 .2 0
Esto significa que la calificación 92 está aproxim adam ente 1.2 desviacio
nes estándar a rrib a de la m edia y que la calificación 72 está a p ro x im a d a
mente a un quinto de desviación estándar por a baj o de la m edia.
Notas:
1. Por lo general, el valor calculado de z se redondea a la centésim a m ás cercana.
2. N orm alm ente, los valores z varían en valor desde aproxim adam ente -3 .0 0 hasta +3.00.
Puesto que los valores z son una m edida de la posición relativa respecto a la media,
pueden usarse para ayudarte a com parar dos valores brutos que provengan de poblaciones
separadas. Por ejem plo, supon que quieres com parar una calificación que recibiste en un
exam en con la calificación de una am iga en un exam en com parable en su curso. Tú reci
biste una calificación bruta de 45 puntos; ella obtuvo 72 puntos. ¿Su calificación es mejor?
N ecesitas m ás inform ación antes de poder extraer una conclusión. Supon que la m edia en
el exam en que tom aste fue 38 y la m edia en su exam en fue 65. Sus calificaciones están
am bas 7 puntos arriba de la m edia, pero todavía no puedes extraer una conclusión defini
tiva. La desviación estándar en el exam en que aplicaste fue de 7 puntos y de 14 puntos en
el exam en de tu am iga. Esto significa que tu calificación está 1 desviación estándar arriba
de la m edia (z = 1.0), m ientras que la calificación de tu am iga está sólo a 0.5 desviaciones
estándar arriba de la m edia (z = 0.5). Tu calificación tiene la “m ejor” posición relativa, así
que concluyes que tu calificación es ligeram ente m ejor que la calificación de tu amiga.
(N uevam ente, esto es desde un punto de vista relativo.)
C O M A N D O S A D I C I O N A L E S
Escribe los datos en C 1 ; después:
MINITAB Para ordenar los datos en orden ascendente y almacenarlos en C2, continúa con:
E lig e : D a ta > S o r t . . .
Escribe: S o rt c o lu m n (s): C1 By c o l u m n : C1
S e le c c io n a S to re s o r t e d d a t a in: C o lu m n (s ) o f c u r r e n t w o r k s h e e t
Escribe: C2 > OK
Para form ar una distribución de frecuencias no agrupadas, continúa con:
Elige: S t a t > T a b le s > T ally I n d iv id u a l V aria b les

Escribe: Variables: C1
S e le c c io n a C o u n t s > OK
Page 111 of 418
.
.
.
Para im prim ir los datos en la ventana de sesión, continúa con
Elige: D a ta > D ls p la y D a ta
Escribe: C o l u m n a s a m o s t r a r : C1 o C1 C2 o C1-C2 > OK
Escribe los datos en la columna A; activa los datos, después continúa con lo siguiente para
Excel ordenar los datos:
Elige: D a ta > AZ i (S o r t >
Escribe los datos en L1; después continúa con lo siguiente para ordenar los datos:
T I-8 3 /8 4 Plus
Elige: 2 n d > STAT > OPS > l:S o rtA (
Escribe: L1
Pora formar una distribución de frecuencias de los datos en L1, continúa con:
Elige: PRGM > EXEC > FREQDIST*

Escribe: L1 > ENTER
LW BOUND = p r i m e r lim íte d e c la s e in f e r io r
©www.elsolucionario.net
UP BOUND = ú l t i m o lím ite d e c l a s e s u p e r i o r
WIDTH = a n c h o d e c la s e (usa 1 p a r a d i s t r i b u c i ó n no a g r u p a d a )
*0 programa "FREQDIST" está entre los disponibles para descargar. Consulta la página 35 para detalles.
G E N E R A C I Ó N DE M U E S T R A S A L E A T O R I A S
Los datos se colocarán en C 1:

MINITAB
Elige: Cale > R a n d o m D a ta > ( N o r m a l, U n if o r m , In te g e r, etc.)
Escribe: N ú m e r o d e filas de d a t o s a g e n e r a r : K
A l m a c e n a r e n c o lu m n a (s): C1
P a r á m e t r o s d e p o b la c ió n n e c e s a r i o s : (/x, o■, L, H, A o B) > O K
(Los p a r á m e t r o s r e q u e r id o s v a r ia r á n d e p e n d i e n d o d e la distribu ción.)
Elige: D a ta > D a ta A nalysís* > R a n d o m N u m b e r G e n e r a tio n > OK

Excel Escribe: N u m e r o d e v a ria b le s : 1
N ú m e r o d e n ú m e r o s a le a to rio s : ( c a n tid a d d e s e a d a )
S elecciona: D istrib u c ió n : N o r m a l, D is c re ta u o tr a s
Escribe: P a r á m e tr o s : (¿*, cr, L, H, A o B)
(Los parámetros requeridos variarán dependiendo de la distribución.)
S elecciona: O u tp u t Range
Escribe: (A l o s e le c c io n a c e ld a s) > OK
*S¡ Data Analysis no aparece en el menú Data, consulta la página 53.
Elige: STAT > 1:EDIT

T I-8 3 /8 4 Plus S elecciona: L1
D e s ta c a MATH > PRB > 6 : r a n d N o r m ( o r 5 :r a n d l n t(
Escribe: <r, # d e I n t e n t o s o L, H, # d e I n t e n t o s
Page 112 of 418

.
.
.
S E L E C C I Ó N DE M U E S T R A S A L E A T O R I A S
Los datos existentes a seleccionar deben estar en C 1 ; después continúa con
MINITAB
Elige: Cale > R a n d o m D a ta > S a m p l e f ro m C o l u m n s
Escribe: N ú m e r o d e filas a m u e s t r e a r : K
De c o l u m n a s : C1
A l m a c e n a r m u e s t r a s en: C2
S ele cc io n a: S a m p l e w l t h r e p l a c e m e n t (opcional) > OK
Los datos existentes a seleccionar deben estar en la columna A; después continúa con:
Excel
Elige: D a ta > D a ta A nalysis* > S a m p l i n g > OK
Escribe: I n p u t r a n g e : (A2:A10 os e le c c io n a celdas)
S ele cc io n a: L abels (opcional)
Random
Escribe: N u m b e r o f S a m p le s : K
O u tp u t range:
Escribe: (B1 o s e le c c io n a c e ld a s) > OK
*S¡ Data Analysis no aparece en el menú Data, consulta la página 53.
\
TABLA DE CRECIMIENTO PARA HOMBRES DE 2 A 20 AÑOS
DE EDAD
Edad (anos)
2 4 6 8 10 12 14 16 18 20
Edad (años)
Tablas de crecim iento clínico que muestra los percentiles 5 , 10, 2 5 , 5 0 , 7 5 ,
9 0 , 9 5 para hom bres de 2 a 2 0 años.
F u e n te : h ttp ://w w w .c d c .g o v /
Page 113 of 418

.
.
.
Un uso muy im portante de las tablas de crecim iento es d ar seguimiento al

patrón de crecim iento de un niño. Si de niño, la altura y el peso están a p ro x i
m adam ente en el percentil 4 0 , el niño es más gra nd e que aproxim adam ente
el 4 0 % y más pequeño que el otro 6 0% de los de la misma edad. El m édico
com probará esta inform ación periódicam ente y, si el percentil de clasificación
cam bia dram áticam ente de un año al siguiente, puede haber una razón p ara
preocuparse.
C onsidera esto: si tú eres uno del 5% más alto que el percentil 9 5 o uno
del 5% que son más bajos que el percentil 5 , es casi seguro que algún objeto
cotidiano no es del tam año correcto para ti. Altura y peso no son las únicas
dimensiones que pueden com pararse; es posible com parar otras caracterís
[EXOO-OOOJ identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cen g ag eb rain .co m
ticas físicas como tam año del pie, longitud del antebrazo, altura sentado,
etc. A quienes su constitución los coloca cerca de uno de los extremos, están
fa m ilia riza d o s con los problem as asociados con un tam año extremo.
2 .1 1 5 C onsulta lo siguiente en la tabla de las calificaciones de c. Encuentra para dichos salarios.
a.
exam en en la tabla 2.16 de la página 84:
C on el concepto de profundidad, describe la posición de

d. Encuentra Q3 para dichos salarios.
2.118 [EX02-1 18] Q uince países se seleccionaron al azar de

91 en el conjunto de 50 calificaciones de exam en en dos
la lista de países del m undo en el W orld F actbook 2009 y se
form as diferentes.
registró su tasa de m ortalidad infantil estim ada por 1 000 na
b. Encuentra Pa) y para las calificaciones del exam en. cim ientos vivos.
c. Encuentra P m y P9S para las calificaciones del exam en. Tasa de mortalidad infantil por 1 0 0 0 nacidos vivos
1 5 1.95 180.21 1 3 .7 9 15 .25 2 3 .0 7

2 .1 1 6 [EX 02-1 1ó] A continuación están las calificaciones del 9 .1 0 1 7 .8 7 6 3 . 3 -i 98 6 9 18.9
A C T (exam en para ingreso a la universidad) obtenidas por los
1 5 .9 6 4 9 .4 5 1 2 .7 0 4 5 .3 6 5 .3 5
25 m iem bros de una clase que se gradúa en un bachillerato
F u e n te : The W o ild Faclbook 2000
local:
a. Encuentra el prim ero y tercer cuartiles para la tasa de
21 24 23 17 31 19 19 20 19 25 17 23 ló
m ortalidad por 1 000.
21 20 28 25 25 21 14 19 17 18 28 20
b. Encuentra el cuartil medio.
a. D ibuja un diagram a de puntos de las calificaciones ACT.
2 .11 9 [EX02-1 19] Los siguientes datos son las producciones
b. C on el concepto de profundidad, describe la posición de
(en libras) de lúpulo:
24 en el conjunto de 25 calificaciones A C T en dos form as
diferentes. T9 3~4 5~] 27 44 7 .0 5.Ó 2 .6 4.8 5 .6
7 .0 4.8 5 .0 6.8 4.8 3.7 5.8 3 .6 4 .0 5 .6
c. Encuentra P s, P ]0 y P 20 para las calificaciones ACT.
a. Encuentra el prim ero y tercer cuartiles de las produc
d. Encuentra P 9*)’. P 9 0 'y P 8 0 *para las calificaciones ACT. ciones.
2 .1 1 7 [EX02-1 17] A continuación se presentan los salarios b. Encuentra el cuartil medio.
anuales (en $100) de los profesores de jardín de niños y escue-
U la elem ental em pleados en una de las escuelas públicas en el c. Encuentra y explica los percentiles P 1S, P 35 y P w.
distrito escolar local: 2 .12 0 [EX02-1 2 0 ] Un estudio de investigación de destreza
574 434 455 413 391 471 458 269 501 m anual involucró el determ inar el tiem po requerido para com
326 367 43 3 367 49 5 376 371 29 5 317 pletar una tarea. A continuación se m uestra el tiem po reque
rido para cada uno de 40 individuos con discapacidades (los
a. D ibuja un diagram a de puntos de los salarios.
datos están clasificados):
b. Con el concepto de profundidad, describe la posición de
295 en el conjunto de 18 salarios en dos form as diferentes.
Page 114 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2.5 M e d id a s de posición 93
7.1 7 .2 7 .2 7 .6 7 .6 7.9 8.1 8.1 8.1 8.3 8.3 f. ¿E xisten equipos cuyas tasas de graduación parezcan
8 .4 8 4 8 .9 9 .0 9.1 9.1 9.1 9.1 9.1 9 .4 9 6 ser muy diferentes de las del resto? ¿C uántos? ¿C uáles?
99 1 0 9 10.11 0 .1 1 0 2 10.3 10.5 10 .7 11.0 1 1 1 1 1 2
Explica.
112 1 1 2 12.0 13 6 14 7 14.9 15.5_____________________
2.124 [EX02-124] La tasa de m ortalidad en las autopistas es
a. E ncuentra Q r b. Encuentra <2,.
tadounidenses en 2007 fue la más baja desde 1994, pero dichas
c. E ncuentra Q x. d. Encuentra P 9S. cifras todavía son sorprendentes. A continuación se presenta el
núm ero de personas m uertas en accidentes autom ovilísticos,
e. Encuentra el resum en de 5 números.
por estado, incluido el D istrito de C olum bia, en 2007.
f. D ibuja un diagram a de cajas y bigotes. 1 110 84 1066 650 39 74 554 277 117 44 3214 1641
138 252 1249 898 445 416 864 985 183 614 417
2.121 D ibuja un diagram a de cajas y bigotes para el conjunto
1088 504 884 992 277 256 373 129 724 413 1333
de datos con el resum en de 5 núm eros 42-62-72-82-97. 1675 111 1257 754 455 1491 69 1066 146 1210 3363
299 6 6 1027 568 431 756 150
2 .12 2 [EX02-122] La U.S. G eological Survey recolectó d a
Fuente: http://wwwlbi5.nhtsa.dol.gov/
tos de deposición atm osférica en las m ontañas Rocosas. Parte
del proceso de m uestreo consistió en determ inar la concentra a. D ibuja un diagram a de puntos de datos de m ortalidad.
ción de iones am onio (en porcentajes). He aquí los resultados
b. D ibuja un diagram a de tallo y hojas de dichos datos. Des
de las 52 m uestras:
cribe cóm o se m anejan los tres datos con valor grande.
2.9 4.1 2 .7 3.5 1.4 5 .6 12.3 3.9 4 .0
2 .9 7.0 4 .2 4 .9 4.6 3.5 3 .7 3.3 5 .7 c. Encuentra el resum en de 5 núm eros y dibuja un diagram a
3.2 4 .2 4 .4 6 .5 3.1 5 .2 2 .6 2 .4 5 .2 de cajas y bigotes.
4.8 4.8 3.9 3 .7 2.8 4.8 2 .7 4 .2 2 .9
2.8 3 .4 4 .0 4 .6 3.0 2.3 4 .4 3.1 5 .5 d. Encuentra P 10 y P 90.
4.1 4.5 4 .6 4 .7 3.6 2 .6 4 .0
a.
c.
Encuentra Q r
E ncuentra Q .
b. Encuentra Q
d. Encuentra el cuartil medio.

e. D escribe la distribución del núm ero de decesos por estado
y asegúrate de incluir la inform ación que aprendiste en
los incisos a al d.
f. ¿P or qué puede no ser ju sto extraer conclusiones acerca

e. E ncuentra P M). f. Encuentra el resum en de 5 núm eros.
del nivel de seguridad relativo de las autopistas en los 51
g. D ibuja el diagram a de cajas y bigotes. estados, con base en dichos datos?
2 .12 3 [EX02-1 2 3] El “Gran B aile” del baloncesto de la 2.125 [EX02-12 5 ] ¿L as llegadas de los vuelos alguna vez es
N CA A para hom bres com ienza plenam ente cada m arzo. Pero, tán en tiem po? El público en general piensa que siem pre están
si observas la tasa de graduación de dichos atletas, descubrirás dem orados, ¿pero lo están? El Bureau o f T ransportation m an
que m uchos equipos no obtienen la calificación, de acuerdo tiene registros y reporta periódicam ente los hallazgos. A con
con un estudio liberado en marzo de 2009. A continuación se tinuación se presentan los porcentajes de las llegadas a tiempo
presentan las tasas de graduación para 63 de los 209 equipos en los 31 principales aeropuertos estadounidenses durante el
del torneo. m es de abril de 2009.
Tasas de graduación (porcentajes), equipos varoniles 2009, ATL 7 1 .2 BOS 7 7 .7 BW I 8 3 .9
Torneo de Baloncesto NCAA División I ***P ara el resto de bs datos, ingresa a cengagebrain.com
63 100 8 89 80 10 53 67 17 3 7 31 8 9 100 F u e n te : U .S . D e p a r tm e n t o f T ra n s p o r ta tio n , B u re a u o f T r a n s p o r ta tio n S ta tis tic s
56 70 3 4 89 6 4 55 36 53 77 4 2 4 7 53 86
57 a. D ibuja un diagram a de puntos de los datos de desem peño
31 91 29 6 0 40 46 55 80 5 0 4 6 100 82
20 92 71 100 4 2 60 45 9 2 100 5 7 67 50 en tiempo.
38 30 33 6 7 100 36 86 69 86 38 100 41
b. D ibuja un diagram a de tallo y hojas de dichos datos.
Fuente: Instituto pena h Di.-í-rsidad y Ética en los Deportes
c. Encuentra el resum en de 5 núm eros y dibuja un diagram a
a. D ibuja un diagram a de puntos de los datos de la tasa de
de cajas y bigotes.
graduación.
d. Encuentra P w y P ,n
b. D ibuja un diagram a de tallos y hojas de dichos datos.
e. D escribe la distribución de porcentaje en tiem po y asegú
c. Encuentra el resum en de 5 núm eros y dibuja un diagram a
rate de incluir la inform ación que aprendiste en los inci
de cajas y bigotes.
sos a al d.
d. Encuentra P $ y P9¡.
f. ¿P or qué es m ás probable que hables de porcentajes de
e. D escribe la distribución de las tasas de graduación y desem peño superiores a 80 o 90% que de porcentajes en
asegúrate de incluir la inform ación que aprendiste en los m edio de 80 o 90% ?
incisos a al d. (continúa en la página 94)
Page 115 of 418

.
.
.
g. ¿H ay aeropuertos cuyos porcentajes en tiem po parezcan e. C on base en los dos gráficos, ¿qué “form a" tiene la d istri
ser m uy diferentes de los del resto? ¿C uantos? ¿C uáles? bución de m ediciones?
Explica.
f. Si supones que las m ediciones de la densidad de la T ierra
2 .1 2 6 [EX 02-126] L os estadios de las G randes Ligas de tienen aproxim adam ente una distribución norm al, m ás o
Béisbol varían en edad, estilo, núm ero de asientos y m uchas m enos 95% de los datos debe caer dentro de 2 desviacio
otras cosas. Pero, para los jugadores de béisbol, el tam año del nes estándar de la m edia. ¿E s cierto?
cam po es lo de m ayor im portancia. Supon que estás de acuer
2 .1 2 9 E ncuentra el valor z para las calificaciones de exam en
do en m edir el tam año del cam po usando la distancia desde el
de 92 y 63 en una prueba que tiene una m edia de 72 y una
plato de hom e hasta la barda del jardín central. A continuación
desviación estándar de 12.
se presenta la distancia hasta el jardín central en los 30 estadios
de las G randes Ligas en 2009. 2.1 3 0 U na m uestra tiene una m edia de 50 y una desviación
estándar de 4.0. E ncuentra el valor z para cada valor de x:
Distancia: plato de home hasta barda del jardín central
420 400 400 400 400 400 408 400 400 406 a. x = 54 b. x = 50
434 405 400 415 4 0 0 404 407 405 422 404
435 400 400 4 0 4 401 396 400 403 4 0 8 408 c. .v = 59 d. x = 45
Fuente: h t t p : / / m l b . c o m
2.1 31 Un exam en produjo calificaciones con una calificación
a. C onstruye un histogram a. m edia de 74.2 y una desviación estándar de 11.5. E ncuentra el
valor z para cada calificación de exam en x:
b. El rango intercuartílico se describe m ediante las cotas
de 50% central de los datos, <2, y <2^. Encuentra el rango a. .v = 54 b. x = 68
intercuartílico. c. a-= 79 d. x = 93
c. ¿H ay cam pos que parezcan ser considerablem ente más 2 .1 3 2 Un exam en aplicado en la nación tiene una m edia de
pequeños o m ás grandes que los otros?
d. ¿E xiste una gran diferencia en el tam año de estos 30
500 y una desviación estándar de 100. Si tu valor estándar en
este exam en fue 1.8, ¿cuál fue tu calificación de exam en?
cam pos, según la distancia m edida hasta el jardín central? 2.1 3 3 U na m uestra tiene una m edia de 120 y una desviación
Justifica tu respuesta con evidencia estadística. estándar de 20.0. E ncuentra el valor de x que corresponda a
2 .1 2 7 ¿Q ué propiedad necesita la distribución para que m e cada uno de estos valores estándar:
diana, rango m edio y cuartil m edio tengan todos el m ism o va a. z = 0.0 b. z - 1.2
lor?
c. z = -1 .4 d. z = 2.05
2 .1 2 8 [EX02-1 2 8 ] H enry C avendish, quím ico y físico inglés
(1731-1810), abordó m uchos de sus experim entos con m edi 2.1 3 4 a. ¿Q ué significa decir que x = 152 tiene un valor
ciones cuantitativas. Fue el prim ero en m edir con precisión la estándar de +1.5?
densidad de la T ierra. A continuación se presentan 29 m edi b. ¿Q ué significa decir que un valor particular de x
ciones (clasificadas para tu conveniencia) de la densidad de la tiene un valor z de -2.1 ?
T ierra realizados por C avendish en 1798 usando una balanza
de torsión. La densidad se presenta com o un m últiplo de la c. En general, ¿el valor estándar es una m edida de
densidad del agua. (M ediciones en g/cm3.) qué?
488 5.07 5 .1 0 5 .2 6 5.27 5.29 5.29 5 .3 0 5 .3 4 5.3 4 2 .1 3 5 [EX02-1 0 7 ] C onsidera el porcentaje de puentes in
5 .3 6 5 .3 9 5.42 5 .4 4 5 .4 6 5.47 5.50 5.53 5.55 5.5 7 terestatales y propiedad del Estado que eran estructuralm ente
5.58 5.61 5.62 5.63 5.65 5.68 5.75 5 .7 9 5.85 deficientes o funcionalm ente obsoletos (SD /FO ) que se m en
Fuente: lo s d a lo s y b in fo rm a c ió n d e s c rip tiv a se b a s a n e n m a t- r ia l d e D o ro b u s l cionó en el ejercicio 2.107 de la página 81.
e s tim a lo rs w o r k w H h re a l d a ta 2 d e S le p h e n M . S tigler, A n n a k o íS kilisfícs 5 ( 1 P 7 7 J ,
1 0 5 5 -1 0 0 8 .
a. O m ite los nom bres de los estados y clasifica los valores
a. D escribe el conjunto de datos al calcular la m edia, m edia SD/FO en orden ascendente, con lectura horizontal en
na y desviación estándar. cada fila.
b. C onstruye un histogram a y explica cómo dem uestra los b. C onstruye una tabla de resum en de 5 núm eros y el corres
valores de los estadísticos descriptivos del inciso a. pondiente diagram a de cajas y bigotes.
c. Encuentra el resum en de 5 números. c. Encuentra el porcentaje de cuartil m edio y el rango inter

cuartílico.
d. C onstruye un diagram a de cajas y bigotes y explica cóm o
dem uestra los valores de los estadísticos descriptivos del d. ¿C uáles son los valores z para C alifornia, H aw ai, N ebras-
inciso c. ka, O klahom a y R hode Island?
Page 116 of 418

.
.
.
http://ebookgratisenpdf.bloqspot.com.ar/ Sección 2 .6 Interpretación y com prensión ae la de sviación estándar 95
2.1 3 6 El A C T A ssessm ent® está diseñado para valorar el d e e. Si Jessica tuvo un 26 en uno de los exám enes A CT, ¿en
sarrollo educativo general de los estudiantes de bachillerato y cuál de los exám enes tendría la m ejor calificación relativa
su habilidad para com pletar el trabajo de nivel universitario. posible? E xplica por qué.
La tabla m enciona la m edia y la desviación estándar de las
2 .1 3 7 ¿C uál valor x tiene la m ayor posición relativa al con
calificaciones obtenidas por los 3 908 557 estudiantes de ba
ju n to de datos de los que proviene?
chillerato de las clases en que se graduaron de 2006 a 2008 y
que aplicaron el exam en ACT. A: x = 85, donde m edia = 72 y desviación
estándar = 8
2006-2008 Inglés Matemáticas Lectura Ciencia Composición
M edia 2 0 .6 2 1 .0 2 1 .4 2 0 .9 21.1 B: x = 93, donde m edia = 87 y desviación

Desviación estándar = 5
estándar 6 .0 5.1 6.1 4 .8 4 .9
2.1 38 ¿C uál valor x tiene la m enor posición relativa al con
F u e n t e : A m e ric a n C o lle g e Testing
ju n to de datos de los que proviene?
C onvierte las siguientes calificaciones de exam en A C T en va
A: A' = 28.1, donde x = 25.7 y s = 1.8
lores z. para inglés y m atem áticas. C om para la colocación entre
los dos exám enes. B: a = 39.2, donde x = 34.1 y 5 = 4.3
a. a: = 30 b. .v = 23 c. a; = 12
d. Explica por qué las posiciones relativas en inglés y m ate

m áticas cam biaron para las calificaciones A CT de 30 y 12.
2.6 Interpretación y comprensión
de la desviación e s tá n d a r
La desviación estándar es una m edida de variación (dispersión) en los datos. Se define
com o un valor calculado con el uso de fórm ulas. A ún así, puedes preguntarte qué cosa es
en realidad y cóm o se relaciona con los datos. Es un tipo de vara de m edir con la que se
puede com parar la variabilidad de un conjunto de datos con la de otro. Esta “m edida” parti
cular puede entenderse aún más al exam inar dos enunciados que digan cóm o la desviación
estándar se relaciona con los datos: la regla em pírica y el teorem a de C hebyshev.
La regla empírica y la prueba de normalidad
Regla em pírica Si una va riab le tiene distribución normal, entonces: 1) dentro

de 1 desviación estándar de la m edia, habrá aproxim adam ente 68% de los
datos; 2) dentro de 2 desviaciones estándar de la m edia, habrá a proxim ad a
mente 95% de los datos; y 3) dentro de 3 desviaciones estándar de la m edia,
habrá aproxim adam ente 9 9 .7 % de los datos. (Esta regla se a plica específica
mente a una distribución normal [con form a de cam pana], pero se aplica con
frecuencia como una guía interpretativa a cualquier distribución montada.)
L a figura 2.31 m uestra los intervalos de 1, 2 y 3 desviaciones estándar en tom o a la

m edia de una distribución aproxim adam ente norm al. Por lo general, estas proporciones no
ocurren con exactitud en una m uestra, pero tus valores observados estarán cerca cuando se
extraiga una gran m uestra de una población con distribución normal.
Page 117 of 418

.
.
.
Si una distribución es aproxim adam ente norm al, será casi sim étrica y la m edia dividirá
la distribución a la m itad (la m edia y la m ediana son las m ism as en una distribución sim é
trica). Esto perm ite refinar la regla em pírica, com o se m uestra en la figura 2.32.
-99.7% -
FIGURA 2.31
Regla empírica -9 5 % —
-68%-
FIGURA 2.32
Refinamiento de la regla
34% 34%
em pírica
www.elsolucionario.net 13.5% 13.5%
2.5% 2.5%
x-3s x-2s x-s x x + s x + 2s x + 3s

Valores z -3 -2 -1 O 1 2 3
La regla em pírica puede usarse para determ inar si un conjunto de datos tiene una distri
bución aproxim adam ente norm al. A continuación se dem ostrará esta aplicación al trabajar
ccn la distribución de calificaciones del exam en final que se ha usado a lo largo de este
capítulo. Se encontró que la m edia, .v, es 74.92 y que la desviación estándar, s , era 14.20. El
intervalo desde 1 desviación estándar p o r abajo de la m e d ia,x - s , hasta 1 desviación están
dar por arriba de la m edia, J + s, es 74.92 - 14.20 = 60.72 hasta 74.92 + 14.20 = 89.12. Este
intervalo (60.72 a 89.12) incluye 61, 62, 6 3 ..... 89. Al inspeccionar los datos clasificados
(tabla 2.16, p. 84), puedes ver que 34 de los 50 datos, o 68% yacen dentro de 1 desviación
estándar de la m edia. M ás a ú n ..v - 2s = 74.92 - (2)( 14.20) = 74.92 - 28.40 = 46.52 hasta
x - 2s = 74.92 + 28.40 = 103.32 produce el intervalo de 46.52 a 103.32. De los 50 datos,
48, o 96% yacen dentro de 2 desviaciones estándar de la m edia. Los 50 datos, o 100%, se
incluyen dentro de 3 desviaciones estándar de la m edia (desde 32.32 hasta 117.52). Esta
inform ación puede colocarse en una tabla para com paración con los valores dados por la
regla em pírica (consulta la tabla 2.17).
TABLA 2 .1 7 Porcentajes observados frente a la

regla empírica
Porcentaje regla Porcentaje
Intervalo empírica encontrado
x - s hasta x + s >-68 68
x - 2s hasta x + 2s —95 96
x - 3s hasta x + 3s —9 9 .7 100
Page 118 of 418

.
.
.
http://ebookgratisenpdf.bloqspot.com.ar/
Sección 2 .6 Interpretación y com prensión ae la de sviación estándar 97
Los porcentajes encontrados están razonablem ente cerca de los predichos por la regla
em pírica. Al com binar esta evidencia con la form a del histogram a (consulta la figura 2.10,
p. 51), puedes decir con seguridad que los datos del exam en final tienen una distribución
aproxim adam ente normal.
E xiste otra form a de poner a prueba la norm alidad: al dibujar una gráfica de probabili
dad (una ojiva que se dibuja sobre papel de probabilidad*) con una com putadora o calcula
dora graficadora. Para ilustración, en la figura 2.33 se m uestra una gráfica de probabilidad
de los estadísticos de las calificaciones del exam en final. La prueba de norm alidad, en este
punto del estudio de la estadística, es sim plem ente com parar la gráfica de los datos (la
ojiva) con la línea recta que se dibuja desde la esquina inferior izquierda hasta la esquina
superior derecha de la gráfica. Si la ojiva se encuentra cerca de esta línea recta se dice que
la distribución es aproxim adam ente norm al. La escala vertical que se usa para construir la
gráfica de probabilidad se ajusta de m odo que la ojiva para una distribución exactam ente
norm al trazará la línea recta. La ojiva de las calificaciones del exam en sigue la línea recta
m uy de cerca, lo que sugiere que la distribución de las calificaciones del exam en es aproxi
m adam ente normal.
FIGURA 2.33 Calificaciones del examen final

G ráfica de p ro b a b ilid a d de
calificaciones del examen de
estadística
PTI *En papel de pro
babilidad la escala
vertical no es uniforme;
se ajustó para explicar
la forma montada de
una distribución normal
y sus porcentajes acu
mulados.
Calificación
Si usas com putadora obtendrás una pieza adicional de inform ación al determ inar la
norm alidad. Esta pieza de inform ación viene en la form a de un valor p y si su valor es
m ayor que 0.05, puedes suponer que la m uestra se extrajo de una distribución aproxim a
dam ente norm al (si el valor p < 0.05, no es norm al). (El valor p se definirá de m anera más
com pleta en el capítulo 8, sección 8.4.)
P R U E B A S DE N O R M A L I D A D
Escribe los datos en C1; después continúa con:

MINITAB
Elige: S t a t > Baste S ta tis tic s > N o r m a l i t y T e st
Escribe: Variable: C1
T ítulo: tu títu lo > OK
Page 119 of 418

.
.
.
Excel usu una piuebu de norm alidad, no lu yiá fic u de probabilidad.

Escribe los ciatos en la columna A; después continúa con:
Elige: A d d - I n s > D a ta A n a ly s is Plus* > C h i - S q u a r e d T e s t o f N o r m a l i t y > OK

Escribe: R an g o d e e n t r a d a : d a t a (A1:A6 o s e le c c io n a celdas)
S elecciona: L ab e ls (si u s a s e n c a b e z a d o s d e c o l u m n a ) > OK
Los valores esperados para una distribución normal se proporcionan frente a la distribución dada.
Si el valor p es mayor que 0 .0 5 , entonces la distribución dada es aproximadamente normal.
* S¡ D ata A n a lysis Plus no a p a re c e en e l m enú D a ta , co n s u lta la p á g in a 39.

T I-8 3 /8 4 Plus
Elige: W Indow
_ Off
y P e : LU L ± Jb ,
Escribe: c u a n d o m u c h o el v a l o r de
W - H3H KM
d a t o s m á s p e q u e ñ o , al m e n o s
el v a l o r d e d a t o s m á s g r a n d e , Data List¡Li
e s c a l a x, -5, 5, 1, 1 Data ñxi
S elecciona: 2 n d > STAT PLOT > l : P lo t Mark: □ rg
Teorema de Chebyshev
En el caso de que los datos no se desplieguen en una distribución aproxim adam ente nor
mal, el teorem a de C hebyshev proporciona inform ación acerca de cuánto de los datos
caerá dentro de intervalos con centro en la m edia para todas las distribuciones.
Teorema de Chebyshev La proporción de cualquier distribución que yazca

dentro de k desviaciones estándar de la media es al menos 1 - -p, donde k
es cualquier número positivo m ayor que 1. Este teorema se a plica a todas las
distribuciones de datos.
Este teorem a dice que, dentro de 2 desviaciones estándar de la m edia (k = 2), siem pre
encontrarás al m enos 75% (esto es: 75% o m ás) de los datos:
1~ = 1- 1 = 1 0.75 al m en o s 7 5 %
k2 22 4 4
La figura 2.34 m uestra una distribución m ontada que ilustra al m enos 75% .
Si consideras el intervalo encerrado p o r 3 desviaciones estándar en cualquier lado de
la m edia (k = 3), el teorem a dice que siem pre encontrarás al m enos 89% (esto es: 89% o
más) de los datos:
1 —L = 1 - 1 = 1 0.89 al m e n o s 89%
k2 32 9 9
La figura 2.35 m uestra una distribución am ontonada que ¡lustra al m enos 89%.
FIGURA 2.34 FIGURA 2.35

Teorema de Chebyshev con k = 2 Teorema de Chebyshev con k = 3
ii i\ J L i i
x - 2s x + 3s x - 3s x + 3s
Page 120 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2 .6 Interpretación y com prensión de la de sviación estándar 99
V uelve a revisar los resultados de la prueba de fuerza en acondicionam iento físico que
se aplicó a los alum nos de tercer ano en el ejercicio 2.47 de la página 60. A continuación
se presentan los resultados de sus exám enes en orden ascendente y se m uestran en el his
togram a.
1 2 2 3 3 3 4 4 4 5 5 5 5 ó ó ó
8 9 9 9 9 9 9 10 10 11 12 12 12 13 14 14
4 15 15 15 15 16 16 16 17 17 17 17 18 18 18 18
9 19 19 19 20 20 20 21 21 21 22 22 22 23 24 24
Histograma de fuerza
Fuerza
A lgunas preguntas de interés son: ¿esta distribución satisface la regla em pírica? ¿El teo
rem a de C hebyshev continúa siendo válido? ¿L a distribución es aproxim adam ente normal ?
Para responder las prim eras dos preguntas, necesitas encontrar el porcentaje de datos
en cada uno de los tres intervalos en torno a la m edia. La m edia es 13.0 y la desviación
estándar es 6.6.
media ± k (Desv. est.) Intervalo Porcentaje encontrado Empírica Al menos
13.0 ± 1(6.6) 6 . 4 a 19.6 3 6 / 6 4 = 56.3% 68%

13.0 ± 2 (6.6) -0 .2 a 26.2 6 4 /6 4 = 100% 95% al menos 75%
13.0 ± 3(6.6] -6 .8 a 32.8 6 4 /6 4 = 100% 99.70% al menos 89%
Tú debes verificar los valores de la m edia, desviación estándar, los intervalos y los por
centajes.
Los tres porcentajes encontrados (56.3, 100 y 100) no se aproxim an a los porcentajes
de 68, 95 y 99.7 establecidos en la regla em pírica. Los dos porcentajes encontrados (100 y
100) concuerdan con el teorem a de C hebyshev en que son m ayores que 75 y 89% . Recuer
da: el teorem a de Chebyshev se m antiene para todas las distribuciones.
L a prueba de norm alidad, que se introdujo en la página 97, produce un valor p de 0.009
y ju n to con la distribución vista en el histogram a y los tres porcentajes encontrados, es
razonable concluir que estos resultados de prueba no tienen distribución normal.
^ E J E R C I C I O S S E C C I Ó N 2 . 6
2.1 3 9 Las instrucciones para la asignación de un ensayo in 2 .1 4 1 ¿P o r qué es que el valor z para un valor que pertenece
cluyen el enunciado “La longitud debe ser estar dentro de 25 a una distribución norm al por lo general yace entre - 3 y +3?
palabras de 200*’. ¿Q ué valores de .v, núm ero de palabras, sa
2 .1 4 2 La vida m edia de cierto neum ático es 30 000 m illas y la
tisfacen estas instrucciones?
desviación estándar es 2 500 millas.
2 .1 4 0 La regla em pírica indica que se puede esperar encontrar
a. Si supones que el m illaje tiene distribución norm al,
qué proporción de la m uestra incluida entre lo siguiente:
¿aproxim adam ente qué porcentaje de todos esos neum áti
a. x - s y x + s b. x - 2 s y x + 2 s cos durará entre 22 500 y 37 500 m illas?
c. x —3.y y .v + 3.y (continúa en la página 100)
Page 121 of 418

.
.
.
b. Si no supones nada acerca de la forma de la distribución, b. C uando m ucho, ¿qué porcentaje de una distribución esta
¿aproxim adam ente qué porcentaje de todos esos neum áti rá a 4 o m ás desviaciones estándar de la m edia?
cos durará entre 22 500 y 37 500 millas?
2 .1 5 0 Las calificaciones obtenidas por los estudiantes en E s
2 . 14 3 El tiem po de lim pieza prom edio para un equipo de una tados U nidos con frecuencia dan de qué hablar y con base en
em presa de tam año m edio es 84.0 horas y la desviación es dichas calificaciones se extrae todo tipo de conclusiones. El
tándar es 6.8 horas. Supon que la regla em pírica es adecuada. A C T A ssessm ent* está diseñado para valorar el desarrollo
educativo general de los estudiantes de bachillerato y su habi
a. ¿Q ué proporción del tiem po tom ará al equipo de lim pieza
lidad para com pletar el trabajo de nivel universitario. U na de
97.6 horas o m ás para lim piar la planta?
las categorías que se pone a prueba es el razonam iento cien
b. ¿D entro de qué intervalo caerá el tiempo de lim pieza total tífico. La calificación m edia del exam en A C T para todos los
95% de las veces? graduados de bachillerato en 2008 en razonam iento científico
[EX(K)-CKX)] identifica el nombre de archivo de una ba-ie de datos en línea de un ejercicio; disponible a través de cen g ag eb rain .co m
fue 20.8, con una desviación estándar de 4.6.

2 .1 4 4 a. ¿Q ué proporción de una distribución norm al es
m ayor que la m edia? a. De acuerdo con el teorem a de C hebyshev, ¿al m enos qué
porcentaje de calificaciones A C T de graduados de bachi
b. ¿Q ué proporción está dentro de 1 desviación están
llerato en razonam iento científico estuvieron entre 11.6 y
dar de la m edia?
30.0?
c. ¿Q ué proporción es m ayor que un valor que está 1
b. Si sabes que las calificaciones A C T tienen una distribu
desviación estándar por abajo de la m edia?
ción norm al, ¿qué porcentaje de calificaciones de razona
2 .1 4 5 Con la regla em pírica, determ ina el porcentaje aproxi m iento científico A C T estuvieron entre 11.6 y 30.0?
m ado de una distribución norm al que se espera caiga dentro
2 .1 5 1 De acuerdo con la US C ensus Bureau, aproxim adam en
del intervalo descrito.
te 45% de los 29 m illones de los habitantes de 18 a 24 años
a.
b.
M enos que la m edia
M ayor que 1 desviación estándar por arriba de la m edia
de edad en E stados U nidos están inscritos en educación supe
rior. Para sondear con m ás precisión a estos jóvenes votantes,
un profesor de E dgew ood C ollege, M adison, W I, realizó una
c. M enos que 1 desviación estándar por arriba de la m edia encuesta nacional en cam pus universitarios de 945 personas
de 18 a 24 años de edad en 29 universidades del 19 al 21 de
d. Entre 1 desviación estándar por abajo de la m edia y 2
octubre de 2004. La encuesta analizó cuáles fuentes de infor
desviaciones estándar por arriba de la m edia
m ación influyeron m ás los votos de los estudiantes. C on base
2 .1 4 6 De acuerdo con la regla em pírica, casi todos los datos en una escala de 0 a 100, con 100 com o m ás influyente, los
deben encontrarse entre (x - 3.9) y (x f 3.9). El rango cuenta estudiantes dijeron que las m ás influyentes fueron los debates
para todos los datos. presidenciales (m edia = 69.05, desviación estándar = 31.65).
a. ¿Q ué relación debe m antenerse (aproxim adam ente) entre a. De acuerdo con el teorem a de C hebyshev, ¿al m enos qué
la desviación estándar y el rango? porcentaje de las calificaciones están entre 5.75 y 132.35?
b. ¿C óm o puedes usar los resultados del inciso a para esti b. Si sabes que dichas calificaciones tienen distribución nor
m ar la desviación estándar en situaciones cuando se cono m al, ¿qué porcentaje de dichas calificaciones están entre
ce el rango? 5.75 y 132.35?
2 .1 4 7 El teorem a de C hebyshev garantiza qué proporción de c. E xplica por qué la relación entre las cotas de intervalo de
una distribución se incluirá de entre lo siguiente: los incisos a y b, la m edia y la desviación estándar dadas
en la pregunta, sugieren que la distribución de calificacio
a. .v - 2.9 y x + 2s b. x - 3.9 y x + 3.9
nes no tiene distribución norm al. Incluye especificidades.
2 . 14 8 De acuerdo con el teorem a de Chebyshev, ¿qué propor
2 .1 5 2 [EX02-15 2 ] El prim er día de clases del últim o sem es
ción de una distribución estará dentro de k = 4 desviaciones
tre, se preguntó a 50 estudiantes por la distancia de una vía
estándar de la m edia?
desde su casa hasta la universidad (a la m illa m ás cercana).
2 . 14 9 El teorem a de C hebyshev puede enunciarse en una for Los datos resultantes son los siguientes:
o
ma equivalente a la dada en la página 98. Por ejem plo, decir 6 5 3 24 15 15 ó 2 3

1
“al m enos 75% de los datos caen dentro de 2 desviaciones es 5 10 9 21 8 10 9 14 16 16
tándar de la m edia” es equivalente a afirm ar “cuando mucho, 10 21 20 15 9 4 12 27 10 10
25% estará a m ás de 2 desviaciones estándar de distancia de 3 9 17 6 11 10 12 5 7 11
la m edia” . 5 8 22 20 13 1 8 13 4 18
a. C uando m ucho, ¿qué porcentaje de una distribución esta- a. C onstruye una distribución de frecuencia agrupada de los
rá a 3 o m ás desviaciones estándar de la m edia? datos, con 1-4 el prim er día de clases.
Page 122 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2 .6 Interpretación y com prensión ae la de sviación estándar 101
b. C alcula la m edia y la desviación estándar. e. C onstruye un histogram a y otra gráfica de tu elección.
¿L a gráfica m uestra una distribución que concuerde con
c. D eterm ina los valores de x ± 2s y determ ina el porcentaje
tus respuestas a los incisos c y d? Explica.
de datos dentro de 2 desviaciones estándar de la media.
f. U tiliza una de las Instrucciones de T ecnología de las
2 .15 3 [EX02-15 3 ] El D epartam ento de T rabajo em itió el re
“ pruebas de norm alidad" de las páginas 97-98. C om para
porte de desem peño estado por estado de febrero de 2009 y
los resultados con tu respuesta al inciso c.
m ostró declive continuo en el m ercado laboral. Las siguientes
son las tasas de desem pleo en febrero de 2009 para los 50 es 2 .1 5 5 [EX02-155] C ada año, a los fanáticos del fútbol co
tados y DC. legial N CA A les gusta saber acerca de la próxim a clase de
Tasas de desempleo estatal, febrero 2009
jugadores de prim er año. A continuación se presentan las esta
turas (en pulgadas) de los 100 m ejores jugadores de fútbol de
8 .4 8 .0 7 .4 6 .6 1 0 .5
bachillerato en todo el país para 2009.
* * * P a r a e l resto d e los d a to s , ingresa e n c e n g a g e b ra in .c o m
Fuente: h l t p : / / b b g . wsj.com/ 73 75 71 76 74 77 74 72 73 72 74 72 74 72 72
78 73 76 75 72 77 76 73 72 76 72 73 70 75 72
a. C onstruye un histogram a. 71 74 77 78 74 75 71 75 71 76 70 76 72 71 74
74 71 72 76 71 75 79 78 79 74 76 76 76 75 73
b. ¿El histogram a sugiere una distribución aproxim adam en
74 70 74 74 75 75 75 75 76 71 74 75 74 78 72
te norm al? 73 71 72 73 72 74 75 77 73 77 75 77 71 72 70
74 76 71 73 76 76 79 77 74 78
c. Encuentra la m edia y la desviación estándar.
Fuente: h ttp ://w w w .la HJ&.com/
d. Encuentra el porcentaje de datos que cae dentro de los
a. C onstruye un histogram a y otra gráfica de tu elección que
tres diferentes intervalos en torno a la m edia y com pára
m uestre la distribución de estaturas.
los con la regla em pírica. ¿Los porcentajes y la regla em
pírica concuerdan con tu respuesta al inciso b? Explica. b. C alcula la m edia y la desviación estándar.
e. www.elsolucionario.net
U tiliza una de las Instrucciones de T ecnología “pruebas
de norm alidad" de las páginas 97-98. C om para los resul
c. O rdena los datos en una lista clasificada.
d. D eterm ina los valores de .v ± .v, x ± 2 s y x ± 3s y determ i

tados con tu respuesta al inciso d.
na el porcentaje de datos dentro de 1, 2 y 3 desviaciones
2 .1 5 4 EX02-154] U na de las m uchas cosas que reporta al estándar de la media.
público la U.S. C ensus B ureau es el aum ento de la población
e. ¿L os porcentajes que encontraste en el inciso d concuer
para varias áreas geográficas dentro del país. En la siguiente
dan con la regla em pírica? ¿Q ué im plica esto? Explica.
tabla se citan los porcentajes de aum ento de la población para
los 100 condados de más rápido crecim iento con 10 000 o más f. ¿L os porcentajes encontrados en el inciso d concuerdan
habitantes en 2008 en E stados U nidos, del 1 de abril de 2008 con el teorem a de C hebyshev? ¿Q ué significa esto?
al 1 de julio de 2008.
g. ¿L a gráfica m uestra una distribución que concuerde con tus
Porcentaje de aumento de la población respuestas al inciso e? Explica.
89.6 83.1 82.1 80.2 71.0 70.8 64.5 63.2 60.5 59.7 58.9
57.7 56.1 55.0 53.7 53.2 52.9 52.3 51.9 50.1 50.0 48.4 h. U tiliza una de las Instrucciones de T ecnología “pruebas
48.2 47.7 47.6 47.5 47.4 47.0 47.0 46.4 46.0 44.4 44.1 de norm alidad" de las páginas 97-98. C om para los resul
44.1 44.0 41.4 41.0 41.0 40.5 40.1 40.0 39.9 39.8 39.0 tados con tu respuesta al inciso e.
38.7 38.7 38.5 38.5 38 1 38.0 37.9 37.8 37.7 37.6 37.5
37.3 36.9 36.8 36.6 36.4 36.4 36.1 36.0 35.9 35.6 35.6 2 .1 5 6 [EX02-15 6 ] C ada año, a los fanáticos del fútbol cole
356 35.6 35.5 35.4 35.0 34.8 34.7 34.5 34.4 34.2 34.0 gial N CA A les gusta saber acerca de la talla de los jugadores
34.0 33.1 33.1 33.0 32.9 32.9 32.8 32.7 32.6 32.6 32.4
en la clase de reclutam iento del año en curso. A continuación
32.4 32.1 32.0 31.9 31 8 31.7 31.6 31.3 31.2 31.1 31 0
30.9
se presentan los pesos (en libras) de los 100 m ejores jugadores
Fuente: hl!p://w w .v.census.gav’/ de fútbol de bachillerato en todo el país para 2009.
Pesos en libras
a. C alcula la m edia y la desviación estándar.
776 226 210 205 225
b. D eterm ina los valores d e x ± 2s y x ± 3s y determ ina el * * * P a r a e l resto d e b s d a to s , in g re s a a c e n g a g e b ra in .c o m
porcentaje de datos dentro de 2 y 3 desviaciones estándar Fuente: hltp: //w w w .ta k k l& .c o m /
de la m edia.
c. ¿Los porcentajes encontrados en el inciso b concuerdan

con la regla em pírica? ¿Qué significa esto?
d. ¿Los porcentajes encontrados en el inciso b concuerdan

con el teorem a de Chebyshev? ¿Q ué significa esto? (c o n tin ú a en la p á g in a 102)
Page 123 of 418

.
.
.
a. C onstruye un histogram a y otra gráfica de tu elección que desviaciones estándar. ¿C uán cercanam ente se com paran
m uestre la distribución de pesos. los tres porcentajes con los porcentajes que afirm a la re
gla em pírica?
b. C alcula la m edia y la desviación estándar.
b. Repite el inciso a. ¿O btuviste resultados sim ilares a los
c. O rdena los datos en una lista clasificada.
del inciso a? Explica.
d. D eterm ina los valores de x ± s, x ± 2s y x ± 3s y determ i
c. C onsidera repetir el inciso a varias veces más. ¿L os resul
na el porcentaje de datos dentro de 1, 2 y 3 desviaciones
tados son sim ilares cada vez? Si es así, ¿en qué form a?
estándar desde la m edia.
d. ¿Q ué concluyes acerca de la verdad de la regla em pírica?
e. ¿Los porcentajes que encontraste en el inciso d concuer-
dan con la regla em pírica? ¿Q ué implica esto? Explica. 2 .1 5 8 El teorem a de C hebyshev afirm a que “al m enos 1 - 4 ”
de los datos de una distribución caerán dentro de k desviacio
f. ¿Los porcentajes que encontraste en el inciso d concuer-
nes estándar de la m edia.
dan con el teorem a de C hebyshev? ¿Q ué significa?.
a. Usa los com andos de com putadora de la página 90 para
g. ¿Las gráficas m uestran una distribución que concuerda
generar aleatoriam ente una m uestra de 100 datos a partir
con tus respuestas al inciso e? Explica.
de una distribución uniform e (no norm al) que tenga un
h. U tiliza una de las Instrucciones de T ecnología “ pruebas valor bajo de 1 y un valor alto de 10. Construye un his
de norm alidad” de las páginas 97-98. C om para los resul togram a con lím ites de clase de 0 a 11 en increm entos de
tados con tu respuesta al inciso e. 1 (consulta los com andos de las pp. 52-54). C alcula la
m edia y la desviación estándar con los com andos que se
2 .1 5 7 La regla em pírica afirm a que los intervalos de 1, 2 y 3
encuentran en las páginas 64 y 78; después inspecciona el
desviaciones estándar en torno a la m edia contendrán 68, 95 y
histogram a para determ inar el porcentaje de los datos que
99.75% respectivam ente.
caen dentro de cada uno de los intervalos de 1, 2, 3 y 4
a.
U sa los com andos de com putadora o calculadora de la
página 90 para generar aleatoriam ente una m uestra de
desviaciones estándar. ¿C uán cercanam ente se com paran
los tres porcentajes con los porcentajes que afirm an el
100 datos de una distribución normal con m edia 50 y des teorem a de C hebyshev y la regla em pírica?
viación estándar 10. C onstruye un histogram a con lím ites
b. Repite el inciso a. ¿O btuviste resultados sim ilares a los
de clase que sean m últiplos de la desviación estándar
del inciso a? Explica.
10; esto es: usa lím ites desde 10 hasta 90 en intervalos
de 10 (consulta los com andos de las pp. 52-54). Calcula c. C onsidera repetir el inciso a varias veces más. ¿L os resul
la m edia y la desviación estándar con los com andos que tados son sim ilares cada vez? Si es así, ¿en qué form a?
s e e n c u e n t r a n e n la s p á g i n a s 6 4 y 7 8 ; d e s p u é s r e v i s a e l
d. ¿Q ué concluyes acerca de la verdad del teorem a de
histogram a para determ inar el porcentaje de los datos que
C hebyshev y de la regla em pírica?
caen dentro de cada uno de los intervalos de 1, 2 y 3
12.7 El arte d e l e n g a ñ o estadístico

“Existen tres tipos de m entiras: las m entiras, las m alditas m entiras y la estadística.” Estas
notables palabras, pronunciadas por Benjam ín D israeli (prim er m inistro británico en el
siglo xix) representan la visión cínica de la estadística que sostienen m uchas personas. La
mayoría de las personas están en el extrem o consum idor de la estadística y por tanto tienen
que “tragarlas”.
Buena aritmética, m ala estadística

Explora una m entira estadística rotunda. Supon que una pequeña em presa em plea a ocho
personas que ganan entre $300 y $350 a la semana. El dueño de la em presa se paga a sí
mismo $1 250 a la semana. Él reporta al público general que el salario prom edio pagado a
los em pleados de su em presa es de $430 a la sem ana. Este puede ser un ejem plo de buena
aritmética, pero es m ala estadística. Es una falacia de la situación porque sólo un em pleado.
Page 124 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 2 .7 El arte del engaño estadístico 103
el propietario, recibe más del salario medio. El público pensará que la m ayoría de los em
pleados ganan alrededor de S430 a la semana.
E ngaño g rá fic o
L as representaciones gráficas pueden ser truculentas y engañosas. La escala de frecuencia
(que por lo general es el eje vertical) debe com enzar en cero con la finalidad de presentar
una im agen total. Por lo general, las gráficas que no com ienzan en cero se usan para aho
rrar espacio. No obstante, esto puede ser engañoso. Las gráficas en las que la escala de
frecuencia com ienza en cero tienden a enfatizar el tam año de los núm eros involucrados,
m ientras que las gráficas que se recortan pueden tender a enfatizar la variación en los
núm eros sin im portar el tam año real de los núm eros. Las etiquetas de la escala horizontal
tam bién pueden ser engañosas. N ecesitas inspeccionar las representaciones gráficas con
m ucho cuidado antes de extraer alguna conclusión a partir de “ la historia que se cuenta”.
C onsidera el siguiente ejem plo aplicado.
AFIRMAR LO QUE EL LECTOR ESPERA/MALAS NOTICIAS

ANTICIPADAS
www.elsolucionario.netEsta "astuta" superposición g rá fica, del Ithaca Times (7 de diciem bre de 2 0 0 0 ),
debe ser la peor gráfica alguna vez p ublicada en una p ortada. La historia de
p o rta d a , "¿Por qué la universidad debe costar tanto?", presenta dos gráficas
superpuestas en una escena del campus de la Cornell University. Las dos líneas
q uebradas representan "C o le g ia tu ra de C orne ll" y "C lasifica ción de C ornell",
Cortesía del Wioca TAnes
d onde la colegiatura aumenta de manera constante y la clasificación se es

tanca y cae. Se crea una im agen muy clara: los estudiantes obtienen menos y
¡pagan más!
A h ora observa las dos gráficas p or separado. O bserva: 1) Las gráficas
cubren dos periodos diferentes. 2) Las escalas verticales difieren. 3) El "m e jo r"
Fuente! h ttp: / / w w w .m a lh . y o flu . c a
engaño proviene de la impresión de que una "ca íd a en la clasifica ció n" re
S C S / G a lle r v / c o n te x t. htm l presenta una menor ca lid a d de la educación. ¿No sería m ejor un lugar 6 que
un lugar 15?
SFC-U I LAS CEPAS IXP.-J LIE 3 5 AIIOS LACOK3AILRA DE CCH H1 H - JFP.-KAJ- IXP-1IIP I ? Al'IOS LAClASIHCAOO» I DPC OH IHl H I US
IQVADOUI LAPAPIF CaDA VEZ MAS C-PAJ IDE DE LA HX-J LAD H I IC-fESO I JFVVS ¿ :'XM1) frKM H~ SIJHDO YCALDO ERPAlLCA- H IIP
RWIIARDBESIUDUnE
Fuente: I<|> . wvavjndli.voiLu.ta/SCS G a la , corte! Itnl
T odo esto se reduce a que, con la estadística, com o con todos los lenguajes, se puede
abusar. En m anos de descuidados, inexpertos o inescrupulosos, la inform ación estadística
puede ser tan falsa com o las “m alditas m entiras” .
Page 125 of 418
.
.
.
10 4 Capítulo 2 A nálisis descriptivo y presentación de datos de una v a ria b le
2 .1 5 9 a. ¿L a siguiente figura es una gráfica de barras o un a. Encuentra y describe al m enos cuatro características de la
histogram a? E xplica cóm o determ inas la respuesta. gráfica de la portada que se usen de m anera incorrecta.
Recorte de cupones b. Encuentra y describe al m enos dos características acerca

de la gráfica “Jerarquía” que sean engañosas.
2 .1 6 2 ¿Sabías que 17.1% es más del doble que 15.6%? “ ¡Ri

dículo!” , dirás.
1 8 -3 9 Tasa de mortalidad de acuerdo con la mediana

de ingreso doméstico
4 0 -4 9
Como
y la
personas
examinaron el correo con más cuidado en
busca de cupones, en comparación con seis
meses antes. Por grupos de edad:
Fuente: DMI l e w s p a ra Pitney B o w es; en cu esta realizad a en línea enlte 1 0 0 3
adultos, 0 - 1 6 d e septiem bre d e 2 0 0 8
b. El agrupam iento por edades que se usó en la gráfica

de “R ecorte de cupones” no conduce a una gráfica
muy inform ativa. D escribe cóm o pudieron form ar
se los grupos de edad y cóm o sugieres que el agru- Fuente: Análisis d e cen tros fed erales d e los serv icio s M e d íc a t e y M e d ic a id
pam iento daría significado adicional a la gráfica.

a. E xplica cóm o la gráfica sugiere tal relación.
2 .1 6 0 ¿ S a b ía s q u e...? M ientras m ás aprendes, m ás ganas.
b. ¿C óm o podría corregirse esta falacia?
• N o r e n u n c i e s a tu t r a b a j o .
c. V uelve a d ibujar esta gráfica para m ostrar correctam ente
• O btén tu grado en línea según tu calendario.
la relación entre 17.1% y 15.6%.
• G ana m ás dinero.
2 .1 6 3 La gráfica de pastel se dibuja correctam ente, pero ofre
ce una im presión incorrecta.
Trabajar años adicionales para el retiro

G r a d o de a so c ia d o | $4ók
G r a d o de licenciatura | S6 5k
G rado de mae stría | $ 8 3 le
P o sgrad o s [i
* * Ingreso I la c io n a l Prom edio c o n B a s e en I livel Educativo; Fuente: U .S . C en su s
Bureau Populalion Su rvey 2 0 0 4
a. Exam ina esta gráfica de barras y describe cóm o es en g a

ñosa. Sé m uy específico.
b. V uelve a dibujar la gráfica de barras y corrige las propie

dades engañosas.
2 .1 6 1 “¿Q ué está mal en esta imager.?” É sa es la pregunta

que debes plantearte cuando observes las gráficas del E jem plo
A plicado 2.16 de la página 103.
Fuente: Encuesta Sun lile d e 1 2 0 0 adultos d e 3 0 a 0 0 a r o s d e e d a d . M arg e n
d e error: ± 3 puntos porcentuales.
Page 126 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Repaso del cap ítu lo 105
a. El área de cada segm ento circular debe ser proporcional a. Identifica cóm o y dónde la escala de porcentaje está mal
al porcentaje que representa. Explica cóm o puedes usar representada.
las varillas de la som brilla para verificar que los segm en
b. Si aconsejaras al dibujante, ¿cóm o harías para ajustar los
tos están dibujados de m anera correcta.
billetes y corregir el problem a descrito en la respuesta al
b. Explica por qué y cóm o es engañosa la gráfica. inciso a?
2 . 16 4 Esta oferta estadística es una gráfica más bien ingeniosa 2 .1 6 5 ¿Q ué tipos de transacciones financieras haces en línea?
que usa licencia artística con billetes com o las barras de una ¿Estás preocupado por tu seguridad? De acuerdo con C onsu
gráfica de barras. Un “ 10 por el esfuerzo”, com o habrás escu m er Internet Barom eter, la fuente del USA Today Sanpshot del
chado antes, pero los aspectos ce la escala de la gráfica fueron 25 de m arzo de 2009, titulada “ Seguridad de cuentas en línea” ,
com prom etidos. se reportaron las siguientes transacciones y porcentajes de per
sonas preocupadas por su seguridad en línea.
¿En qué piensas gastar tu devolución
ae impuestos? Qué Porcentaje
Nota: Se permiten respuestas múltiples

Banca 72
Pagar cuentas 70
Com prar acciones, bonos 62
Pagar impuestos 62
Fuente: U S A Today y C on sum er Internet Barom eter
Prepara dos gráficas de barras para m ostrar los datos porcen

tuales. Escala el eje vertical de la prim era gráfica de 50 a 80.
Escala la segunda gráfica de 0 a 100. ¿C uál es tu conclusión
acerca de cóm o los porcentajes de las cuatro respuestas se acu
m ulan con base en las dos gráficas de barras y qué recom enda
www.elsolucionario.net rías, si hay algo, para m ejorar las presentaciones?
2 .1 6 6 Encuentra un artículo o un anuncio publicitario que

contenga una gráfica que en alguna form a presente mal la in
form ación o los estadísticos.
a. D escribe cóm o dicha gráfica representa mal los hechos.
b. V uelve a d ibujar la gráfica en form a que sea m ás repre

Fuente: I la liona I Rekiil Federation 2 0 0 9 , en cu esta d e d e v o b c io n e s d e sentativa de la situación. D escribe cóm o tu nueva gráfica
im puestos e intenciones y a c c io n e s d e l con ajm ido r d e 8 4 2 o consum idores. es una gráfica m ejorada.
M a r g e n d e e rro r ± 1 punto porcentual
R ep aso d e l capítulo
En retrospectiva
Se introdujeron algunas de las técnicas más com unes de la es de tallo y hojas, histogram as y gráficas de cajas y bigotes)
tadística descriptiva. Existen m uchos más tipos específicos de que se usan para presentar datos m uéstrales en form a gráfica.
estadísticos usados en casi todo cam po de estudio especiali Tam bién se introdujeron algunas de las m edidas más com unes
zado com o para revisar aquí. Sólo se destacaron los usos de de tendencia central (m edia, m ediana, m oda, rango m edio y
los estadísticos más universales. E specíficam ente, conociste cuartil m edio), m edidas de dispersión (rango, varianza y des
varias técnicas gráficas básicas (gráficas de pastel y gráficas viación estándar) y m edidas de posición (cuartiles, percentiles
de barras, diagram as de Pareto, gráficas de puntos, diagram as y valores z).
Page 127 of 418
.
.
.
A hora debes estar al tanto de que un prom edio puede ser Tam bién debes intuir y com prender, el concepto de des
cualquiera de cinco diferentes estadísticos y debes com pren viación estándar. Para este propósito se introdujeron la regla
der las distinciones entre los diferentes tipos de prom edios. El em pírica y el teorem a de Chebyshev.
artículo “ ‘Promedio* significa diferentes cosas” del ejem plo Los ejercicios del capítulo (com o en otros) son extrem ada
aplicado 2.11 (pp. 67-68) discute cuatro de los prom edios que m ente im portantes: ellos reforzarán los conceptos estudiados
estudiaste en este capítulo. P uedes volver a leerlo ahora y des antes de que continúes para aprender cóm o usar dichas ideas
cubrirás que tiene m ás significado y es de m ás interés. ¡Será en capítulos posteriores. U na buena com prensión de las técni
tiem po bien em pleado! cas descriptivas presentadas en este capítulo es fundam ental
para tu éxito en capítulos posteriores.
CourseMate E1 sit¡0 S tatistic s C o u rse M a te y ejem plos que tienen sus correspondientes recursos interacti
para este libro lleva a la vida los temas del capítulo, con he vos com o video y tu to ria le s a n im a d o s que dem uestran, paso
de exám enes, incluidas preguntas rápidas y tarjetas de estudio ejercicios y ejem plos; A p p lets S k illb u ild e r para ayudarte a
para el vocabulario y los conceptos clave que aparecen a con com prender m ejor los conceptos; m a n u a le s d e tecn o lo g ía y
tinuación. El sitio tam bién ofrece una versión eB ook del texto, softw are para descargar que incluye D a ta A n aly sis P lu s (una
los capítulos, el icono C ourseM ate señala los conceptos P lus; regístrate en w w w .cen g ag eb rain .co m

ancho de clase (p. 48)
distribución de frecuencias no agrupa m edida de dispersión (p. 74)
clase (p. 47) das (p. 47) m edida de posición (p. 82)
clase modal (p. 55) distribución de frecuencias relativa m edida de tendencia central (p. 63)
conteo y clasificación (p. 49) (p. 50) m edio rango (p. 66)
cuartil (p. 82) distribución norm al (p. 55) m oda (pp. 55, 66)
cuartil m edio (p. 85) distribución uniforme o rectangular (p. 55) notación sum atoria (p. 50)
datos cualitativos (p. 33) distribución sesgada (p. 55) ojiva (p. 56)
datos cuantitativos (p. 36) distribución sim étrica (p. 55) percentil (p. 82)
desviación de la m edia (p. 74) distribución uniform e (p. 55) presentación de tallo y hojas (p. 38)
desviación estándar (pp. 76, 79) fórm ulas m últiples (p. 79) profundidad (p. 64)
diagram a de cajas y bigotes (p. 86) frecuencia (p. 47) punto m edio de clase (m arca de clase)
diagram a de Pareto (p. 35) frecuencia acum ulada (p. 55) (p. 51)
gráfica de puntos (p. 37) frecuencia relativa (p. 51) rango (p. 74)
distribución (pp. 36, 95) gráfica circular (p. 33) rango intercuartílico (p. 86)
distribución bim odal (p. 55) gráfica de barras (p. 33) regla de redondeo (p. 69)
distribución con form a de cam pana gráfica de pastel (p. 33) regla em pírica (p. 95)
(p. 95) histogram a (p. 51) resum en de 5 núm eros (p. 85)
distribución con form a de J (p. 55) histogram a de frecuencia relativa (p. 51) teorem a de Chebyshev (p. 98)
distribución de frecuencias (p. 47) lím ite de clase (p. 48) valor estándar (p. 88)
distribución de frecuencias acum uladas lincam ientos básicos (p. 49) valor z (p. 88)
(p. 55) m edia (p. 63) varianza (pp. 75, 77)
distribución de frecuencias agrupadas m edia aritm ética (p. 63) .v barra (p. 63)
(p. 47) m ediana (p. 64)

• C rear e interpretar presentaciones gráficas, incluidas gráficas de pastel, EJ. 2.4, Ej. 2 .5 ,2 .1 3 ,2 .1 5 ,
gráficas de barras, diagram as de Pareto, gráficas de puntos y diagram as 2 .2 1 ,2 .2 7 ,2 .2 9
de tallo y hojas.
• C om prender y poder describir la diferencia entre distribución de frecuencia pp. 4 7 -4 8 ,5 1 ,5 5 -5 6
agrupada y no agrupada, frecuencia y frecuencia relativa, frecuencia relativa
y frecuencia relativa acum ulada.
Page 128 of 418
.
.
.
Identificar y describir las partes de una distribución de frecuencias: EJ. 2.6, Ej. 2.35, 2.45,
lim ites de clase, ancho de clase y punto m edio de clase.
C rear e interpretar histogram as de frecuencias, histogram as pp. 49-52, 55-56, Ej. 2.35,
de frecuencias relativas y ojivas. 2.38, 2.40, 2.54
Identificar las form as de las distribuciones. pp. 54-55
C alcular, describir y com parar las cuatro m edidas de tendencia central: EJ. 2.11, Ej. 2.73
m edia, m ediana, m oda y rango medio.
C om prender el efecto de los puntos extrem os sobre cada una Ej. 2 .1 7 5 ,2 .1 7 6 , 2.205
de las cuatro m edidas de tendencia central.
C alcular, describir, co m p arare interpretar las dos m edidas de dispersión: pp.74-76, Ej. 2.99, 2.105
rango y desviación estándar (varianza).
C alcular, describir e interpretar las m edidas de posición: EJ. 2.12, 2.14, Ej. 2.119
cuartiles, percentiles y valores z . 2.129, 2.192
C rear e interpretar diagram as de puntos. Ej. 2.124
E ntender la regla em pírica y el teorem a de Chebyshev y poder valorar Ej. 2.140, 2 .1 4 7 ,2 .1 5 5
el cum plim iento de un conjunto de datos con dichas reglas.
Saber cuándo sí y cuándo no usar ciertos estadísticos: gráficos y num éricos. pp. 102-103, Ej. 2.159, 2.161

2 .1 6 7 “¿Q uién cree en la regla de 5 segundos?” . La m ayoría Presupuesto para bebé
de las personas dicen que el alimento que cae al suelo no es Costo promedio de suministros de bebé (desde el nacimiento
seguro de com er.

www.elsolucionario.net hasta 1 año de edad): Total $5 000
Cuna, colchón, tocador,

¿Quién cree en la regla de 5 segundo»? mecedora
$1 500
Cuando se trata de comer lo que cayó al suelo, casi 8 de 10
estadounidenses dice que no es seguro comerlo, a pesar de
que la "regla" de cinco segundos dice lo contrario.
Regla Regla Alimento/fórmula

de 10 de 3 para bebé
segundos segundos $900*
4% 10%
Pañales desecha bles
S600
s para bebé
Va rios $500
Enseres de guardería,
silla alta, juguetes $400 Ropa de cam a/
decoración
$300
Cochecito, asiento para
100% el automóvil, carreóla $300 I
‘ Supone bebé amamantado durante 6 meses.
Fuente: D alo s d e Anne R. C a r e y y Ju a n T to m assie. U SA Today. Fuente: D alo s d e Julie Snider, O 2 0 0 5 U S A Today
a. D ibuja una gráfica circular que m uestre los porcentajes a. C onstruye una gráfica circular que m uestre esta m ism a
de los adultos para cada respuesta. inform ación.
b. Si se encuesta a 300 adultos, ¿qué frecuencias esperarías b. C onstruye una gráfica de barras que m uestre esta m ism a
para cada respuesta en la gráfica anterior? inform ación.
2 .1 6 8 Los sum inistros necesarios para un bebé durante su c. C om para la apariencia de la gráfica de barras dividida
prim er año pueden ser costosos: en prom edio, S5 000, com o dada con la gráfica circular que dibujaste en el inciso a
m uestra la siguiente gráfica de barras dividida. y la gráfica de barras que dibujaste en el inciso b. ¿C uál
representa m ejor la relación entre los diferentes costos de
los sum inistros para el bebé?
Page 129 of 418
.
.
.
2 .1 6 9 E xisten m uchos tipos de gráficas estadísticas de donde Se registró un total de 1 855 610 muertes.
uno puede elegir cuando se representa un conjunto de datos. Causa de muerte Número (x 10 000)
L a “gráfica de barras dividida” que se m uestra en la siguiente Alzheimer 7 .2
página es una alternativa a la gráfica circular. Enfermedad respiratoria crónica 12.5
Diabetes 7 .2
Y si ganas $1 millón... Cardiopatia 6 3 .2
Influenza/neumonía 5 .6
B IS ? ™
iaran'$ 11millón en un pozo'de bqloncesto'de Marzo' Locó^ Neoplasmas malignos 5 6 .0
Accidentes 12.2
N e fritis/ nefrosis 4 .5
Septicemia 3 .4
1ctus 13 .7
[ KXOO-OOOI identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cen g ag eb rain
Fuente: C D C , C e n fe i lor D istó se C ontrol a n d Prevention
a. C onstruye un diagram a de Pareto de esta inform ación.
b. Escribe un párrafo que describa lo que el diagram a de

Pareto m uestra de m anera trágica a su lector.
2 .1 7 2 [EX02-172] L a U.S. C ensus B ureau publicó la si

guiente distribución de edades 2007 para las personas de
F u e n t e : Im p u te R esea rch p a r a M S I I e n c u e s ta d e I 0 7 8 a d u lto s e n fe b ie io
R hode Island. El universo de la A m erican Com m unity Survey
a. C onstruir una gráfica circular que muestre esta m ism a 2005-2007 está lim itado a la población dom éstica y excluye a
inform ación. la población que vive en instituciones, dorm itorios universita
b. C om para la apariencia de la gráfica de barras dividida
dada y la gráfica circular dibujada en el inciso a. ¿C uál es
rios y otras viviendas grupales.
Distribución de género y edad
m ás fácil de leer? ¿C uál brinda una representación más Hombre 5 13 0 5 1
Mujer 549014
precisa de la inform ación que se presenta?
Abajo de 5 años 61 5 7 0
5 a 14 años 13 1 5 0 9
2 .1 7 0 [EX02-1 70] U na vez que un estudiante se gradúa de la 15 a 2 4 años 1 5 7 149
universidad, parece entrar en juego todo un nuevo conjunto de 25 a 3 4 años 13 1 2 6 5
conflictos y preocupaciones. Lieberm an Research W orldw ide 35 a 4 4 años 158549
45 a 5 4 años 159317
realizó una encuesta de Charles Schw ab de 1 252 adultos, con 5 5 a 6 4 años 115381
edades de 22-28 años. Los resultados se reportaron en el USA 6 5 a 7 4 años 67936
75 a 8 4 años 56573
Today Snapshot “Conflictos más importantes que enfrentan los
85 años y más 22816
adultos jóvenes” el 5 de m ayo de 2009 y son los siguientes; Fuente: U .S. C e n s u s Bureau. A m erican C o n m u n it/ Survey
Conflictos Porcentaje
a. C onstruye una distribución de frecuencias relativas de los
Hacer mejores elecciones en administración de dinero 52%
Fortalecer b s rebciones familiares 18% datos de género y edad.
Proteger el ambiente 1 1%
Equilibrar trabajo y vida personal 10% b. C onstruye una gráfica de barras de los datos de género.
Mejorar nutrición/salud 9%
c. C onstruye un histogram a de los datos de edad.
a. C onstruye una gráfica circular que muestre esta inform a
ción. d. E xplica por qué la gráfica dibujada en el inciso b no es un
histogram a y la gráfica dibujada en el inciso c es un histo
0 b. C onstruye una gráfica de barras que m uestre esta infor gram a.
m ación.
2 .1 7 3 Identifica cada uno de los siguientes ejem plos de va
c. Com para la apariencia de la gráfica circular dibu jada en el riable: 1) atributo (cualitativa) o 2) num éricas (cuantitativas).
inciso a con la gráfica de barras dibujada en el inciso b. ¿Cuál
a. Las calificaciones registradas por las personas que aplica
representa mejor la relación entre los diversos conflictos?
ron su exam en estatal escrito para su licencia de conducir.
2 .1 7 1 [EX02-171 ] En el sitio w eb de los C entros para el C o n
trol y la Prevención de Enferm edades (CDC) se citaron las 10 b. Si un m otociclista posee o no una licencia de operador de
m otociclista válida.
principales causas de m uerte en Estados U nidos durante 2006.
Page 130 of 418

.
.
.
c. El núm ero de televisores instalados en una casa. (C onserva estas soluciones para usarlas en el ejercicio
9.29, p. 428.)
d. La m arca del jabón de barra que se usa en un baño.
2.1 78 [EX02-1 7 8 ] Se supone que la gasolina bom beada des
e. El valor de un cupón de centavos utilizado en la com pra
de la tubería de un proveedor tiene una clasificación de octa-
de una caja de cereal.
naje de 87.5. En 13 días consecutivos, se tom ó y analizó una
2.1 7 4 Identifica cada uno de los siguientes com o ejem plo de m uestra de clasificaciones de octanaje, con los siguientes re
variable: 1) atributo (cualitativa) o 2) num érica (cuantitativa). sultados:
a. La cantidad de pérdida de peso el mes pasado por una 8 8 .6 8 6 .4 8 7 .2 8 8 .4 8 7 .2 8 7 .6 86 8

86.1 8 7 .4 8 7 .3 8 6 .4 8 6 .6 87.1
persona que sigue una dieta estricta.
a. Encuentra la m edia m uestral.
b. Prom edios de bateo de jugadores de las grandes ligas.
b. Encuentra la desviación estándar de la m uestra.
c. D ecisiones del jurado en juicios crim inales.
c. ¿C rees que estas lecturas prom edian 87.5? Explica.
d. U so de protector solar antes de ir al Sol (siem pre, con
frecuencia, en ocasiones, rara vez, nunca). (C onserva estas soluciones para usarlas en el ejercicio
9.56, p. 431.)
e. Razón por la que un gerente fracasó para actuar contra el
pobre rendim iento de un em pleado. 2.1 79 [EX02-1 7 9] Los siguientes son datos de las edades de
118 ofensores conocidos que com etieron un autorrobo el año
2.1 75 C onsidera la m uestra A y B. O bserva que las dos m ues
pasado en G arden C ity, M ichigan:
tras son la m ism a, excepto que el 8 en A fue sustituido por un
9 en B.
A 2
4 5 5 7 8
11
12
13
14
14
14
15
15
15
15
15
15
16
16
16
16
16
17
17
17
17
18
18
18
19
19
29
21
21
22
25
25
26
36
39
43
B 2 4 5________5 7 9 13 14 15 15 16 17 17 18 29 22 26 46
13 14 15 16 16 17 17 18 20 22 27 50
¿Q ué efecto tiene cam biar el 8 por un 9 sobre cada uno de los 13 14 15 16 16 17 18 19 20 23 27 54
13 15 15 16 16 17 18 19 20 23 30 67
siguientes estadísticos?
14 15 15 16 16 17 18 19 21 24 31
14 15 15 16 16 17 18 19 21 24 34
a. M edia b. M ediana c. M oda d. R ango medio
e. R ango f. V a r i a n z a g . D e s v ia c ió n e s tá n d a r
a. Encuentra la m edia. b. Encuentra la m ediana,
2 .1 7 6 C onsidera las m uestras C y D. O bserva que las dos c. Encuentra la moda. d. Encuentra Q { y Qy
m uestras son la m ism a, excepto por dos valores. e. Encuentra P lQy P 95.
C 20 60 60 70 90
2.18 0 [EX02-180] En m ayo pasado se encuesto a 32 traba
D________ 20______ 30______ 70_________70 90
jad o res del edificio 815 de Eastm an K odak Com pany. A cada
¿Q ué efecto tiene cam biar los dos 60 a 30 y 70 sobre cada uno trabajador se le preguntó: “¿cuántas horas de televisión vio
de los siguientes estadísticos? ayer?” . Los resultados fueron los siguientes:
a. M edia b. M ediana c. M oda d. R ango medio ~~0 0 V? i 2 0 3 2% 0 0 ~

l '/ 2 5 2V2 0 2 2V2 1 0 2 0 2 '/ 2
e. R ango f. V arianza g. D esviación estándar 4 0 6 2 '/ 2 0 '/ 2 1 1V2 0 2
2.1 7 7 [EX02-1 7 7 ] Se afirma que la adición de un nuevo ace a. C onstruye un diagram a de tallo y hojas.
lerador disminuye el tiempo de secado de la pintura látex en b. Encuentra la media.
más de 4% . Se realizan varias muestras de prueba con los si
guientes porcentajes de reducción en tiempo de secado: c. Encuentra la m ediana.
d. Encuentra la moda.
5.2 6.4 3.8 6.3 4.1 2.8 3.2 4.7
a. Encuentra la m edia muestral. e. Encuentra el rango medio.
b. E ncuentra la desviación estándar de la m uestra.
c. ¿C rees que estos porcentajes prom edian 4 o m ás? Explica. (c o n tin ú a en la p á g in a 1 10)
Page 131 of 418

.
.
.
11 0 Capítulo 2 A nálisis descriptivo y presentación de datos de una v a ria b le
f. ¿C uál m edida de tendencia central representaría m ejor al h. C on base en dichos resultados, discute p o r qué sí o por
observador prom edio si trataras de retratar al televidente qué no consideras que los datos tienen distribución nor
típico? Explica. mal.
g. ¿C uál m edida de tendencia central describiría m ejor la 2 .1 8 3 [EX02-183] La Office o f A viation E nforcem ent and
cantidad de televisión observada? Explica. Proceedings del U.S. D epartm ent o f T ransportation, inform ó
el núm ero de reportes de mal m anejo de equipaje presentados
h. Encuentra el rango.
por 1 000 pasajeros de la aerolínea durante octubre de 2007. El
i. Encuentra la varianza. prom edio de la industria fue 5.36.
j. Encuentra la desviación estándar. Aerolínea Reportes Pasajeros Reportes/1000

JETBLUE AIRWAYS 5 34 5 1 641 3 8 2 3 .2 6
2 .1 8 1 [EX02-181] La distancia de frenado en una superficie HAWAIIAI I AIRLINES 2069 613 250 3 .3 7
húm eda se determ inó para 25 autom óviles, cada uno viajando ***P ara el resto de bs dalos, ingresa a cengagebrain.com
Fuente: O ffc c e o ( A v ia üon E n fo rc e m e n t a n d P ro c e e d in g s , U .S . D e p a rtm e n t
a 30 m illas por hora. Los datos (en pies) se m uestran en el o f T ra n s p o rta tio n
siguiente diagram a de tallo y hojas: a. Define los térm inos población y variable respecto a esta
6 3 7 6 3 9 inform ación.
7 4 2 0 1 1 b. ¿L os núm eros reportados (3.26, 3.3 7 ...... 9.57) son datos o
8 5 4 5 5 6 estadísticos? Explica.
9 4 1 0 0 5
10 5 4 c. ¿El prom edio, 5.36, es un valor de datos, un estadístico o
un valor de parám etro? Explica por qué.
tancias de frenado.
Encuentra la m edia y la desviación estándar de dichas dis
d. ¿El “ prom edio de la industria” es la m edia de las tasas de
aerolínea de reportes por 1 000? Si no lo es, explica con
2.1 8 2 [EX02-1 8 2] C ada año. Sports Illustrated clasifica a los detalle cóm o se relacionan los 20 valores de aerolínea con
atletas con m ayores ganancias en Estados U nidos. Sus ganan el prom edio de la industria.
cias incluyen su salario, así com o patrocinios. C on frecuencia,
2 .1 8 4 [EX02-18 4] Uno de los prim eros científicos en estu
los patrocinios son más lucrativos que sus ganancias.
diar la densidad del nitrógeno fue lord Raleigh. Él observó que
Las 20 m ejores ganancias para 2008 se presentan en la si la densidad del nitrógeno producido a partir de aire parecía
guiente tabla (en m illones de dólares).
ser m ayor que la densidad del nitrógeno producido a partir de
28 62 40 40 35 35 35 31 com puestos quím icos. ¿Sus conclusiones parecen justificadas
31 30 27 27 26 26 25 25
25 23 23 23
aun cuando tuvo pocos datos?
Las m ediciones de lord R aleigh, que aparecieron por
a. Encuentra las ganancias m edias para los 20 atletas m ejor
prim era vez en Proceedings, R o ya l So ciety (Londres, 55,
pagados. 1894, pp. 340-344), se presentan a continuación. Los datos
b. Encuentra las ganancias m edianas para los 20 atletas m e son la m asa de nitrógeno que llena cierto m atraz bajo presión
jo r pagados. y tem peratura específicos.
Atmosférica Química
c. Encuentra el rango m edio de las ganancias para los 20
2 .3 1 0 1 7 2 .3 1 0 1 0 2 .3 0143 2 .2 9 9 4 0
atletas m ejor pagados. 2 .3 0 9 8 6 2 .3 1 0 2 8 2 .2 9 8 9 0 2 .2 9 8 4 9
2 .3 1 0 1 0 2 .3 1 1 6 3 2 .2 9 8 1 6 2 .2 9 8 8 9
d. E scribe una discusión que com pare los resultados de los 2.31001 2 .3 0 9 5 6 2 .3 0182 2 .3 0 0 7 4
incisos a, b y c. 2 .3 1 0 2 4 _____________________ 2 .2 9 8 6 9 2 .3 0 0 5 4
Fuente: h t t p : / / e x p b iin g d a la . c q u . e d u . a u / d a t a s e b / n i lr o g e n . x b
e. Encuentra la desviación estándar de dichas ganancias.
a. Construye gráficas de puntos lado a lado de los dos con
f. Encuentra el porcentaje de datos que está dentro de 1
juntos de datos, con una escala común.
desviación estándar de la media.
b. C alcula m edia, m ediana, desviación estándar, prim ero y
g. Encuentra el porcentaje de datos que está dentro de 2
tercer cuartiles para cada conjunto de datos.
desviaciones estándar de la media.
Page 132 of 418

.
.
.
c. C onstruye diagram as de caja lado a lado de los dos con Define “razón I/N ” com o el núm ero de m illas interestatales
ju n to s de datos, con una escala com ún. divididas entre el núm ero de m illas no interestatales.
d. D iscute cóm o se com paran estos dos conjuntos de datos. a. Inspecciona los datos. ¿C uál estim as que será la razón I/N
¿E stos dos conjuntos de datos tan pequeños m uestran “ prom edio”?
evidencia convincente de una diferencia?
b. C alcula la “razón I/N ” para cada uno de los 20 estados
PTI Las diferencias entre estos CDnjuntos de datos condujeron m encionados.

al descubrim iento del argón.
c. D ibuja un histogram a de la “razón I/N ”.
2 . 1 85 [EX02-1 85] Las longitudes (en m ilím etros) de 100 tru d. C alcula la m edia “razón I/N ” para los 20 estados m encio
chas com unes en el estanque 2-B en Happy A cres Fish Hat- nados.
chery el 15 de junio del año pasado fueron las siguientes:
e. Usa el núm ero total de m illas interestatales y no interes
~15"Ó 5
Í I Í4 .4 1 0 .4
tatales de 20 estados para calcular la “razón I/N ” para los
***Para el resto de los datos, ingresa a cengagebrain.com
20 estados com binados.
a. Encuentra la m edia. b. E ncuentra la m ediana,
f. E xplica por qué las respuestas a los incisos d y e no son
c. Encuentra la moda. d. E ncuentra el rango m edio. iguales.
e. Encuentra el rango. f. E ncuentra Q x y Q y g. C alcula la desviación estándar para la “razón I/N ” para
g. Encuentra el cuartil medio. los 20 estados m encionados.
h. U sa el conjunto de datos indicados para responder las

h.
i.
E ncuentra P3 5 *y P6 4 .
C onstruye una distribución de frecuencias agrupadas que

preguntas de los incisos b al g usando los 51 valores.
use 10.0-10.5 com o la prim era clase.

2 .1 8 7 [EX02-1 87] El N ational Environm ental Satellite,
D ata, and Inform ation Service del D epartam ento de C om ercio
j. Construye un histogram a de la distribución de frecuencias.
estadounidense publicó el área (m illas cuadradas) y la pobla
k. C onstruye una distribución de frecuencias relativas acu ción para los 48 estados estadounidenses contiguos en 2000.
m uladas. Estado Area (millas cuad.) Población
AL 5 1 6 1 0 4 4 4 7 100
1. C onstruye una ojiva de la distribución de frecuencias AZ 113909 5 130632
relativas acum uladas. ***P ara el resto de bs datos, ingresa a cengagebrain.com
Fuente: U.S. Department ofC o m m eice, hltp://vv\vw 5.ncdc.i>oaa.go\
2 .1 8 6 [EX02-1 86] El sistem a nacional de autopistas está
C uando se estudia cuánta gente vive en un país tan grande y
constituido por autopistas interestatales y no interestatales. La
diverso com o E stados U nidos, acaso una variable m ás intere
Federal H ighw ay A dm inistration reportó el núm ero de millas
sante de estudiar que la población de cada estado pueda ser la
de cada tipo en cada estado. A continuación se presenta una
densidad de población de cada estado, pues los 48 estados con
lista de una m uestra aleatoria de 20.
tiguos varían m ucho en área. Define “densidad” de un estado
Millas de autopistas interestatales y no interestatales por estado
com o la población del estado dividida entre su área.
Estado Interestatal N o interestatal Estado Interestatal No interestatal
NH 235 589 TN 1073 2 172 a. M enciona tres estados que consideres estarán entre aque
FL 1 471 2 896 NM 1000 1935
llos con la densidad más alta. Justifica tu elección.
ME 367 922 LA 904 1 701
Hl 55 292 IX 3 233 10 157
b. M enciona tres estados que consideres estarán entre aque
MT 1 192 2 683 OH 1574 2812
MN 912 3060 IA 782 2 433 llos con la densidad más baja. Justifica tu elección.
GA 1 245 3 384 NY 1674 3 476
OK 930 2431 NE 482 2 476 c. D escribe cóm o crees que será la distribución de densidad.
NC 1019 2 74 2 AR 1 167 1 565 Incluye ideas de la form a de la distribución (norm al, ses
Rl 71 197 DC 13 70
gada, etcétera).
Fuente: Federal Highway Admintstration, U.S. Department o l Transportation
d. Con los totales de los 48 estados, calcula la densidad glo

bal para los 48 estados estadounidenses contiguos. Con la
(c o n tin ú a e n la p á g in a 1 12)
Page 133 of 418

.
.
.
población y el área de cada estado, calcula las densidades para una m uestra de 30 bolsas de M & M . El peso neto publici-
individuales para los 48 estados estadounidenses conti tado es de 47.9 gram os por bolsa.
guos. Caso Rojo Verde Azul Naranja Amarillo Café Peso
"Í 15 9 3 3 9 19 4 9 .7 9
e. C alcula las m edidas de tendencia central.
2 9 17 19 3 3 8 48.98
***P ara el resto de bs dalos, ingresa a cengagebrain.com
f. C onstruye un histogram a.
Fue n te: htfp: / , / W W W . malli ua h.e d u /s b 1/
Christine I lie Ice I y Jason York, proyecto ST Ó 87, otoro de 1 0 0 8
g. C lasifica los valores de densidad. Identifica los cinco es
tados con la densidad más alta y los cinco con la densidad Hay algo en un caso de este conjunto de datos que es sospe
m ás baja. chosam ente inconsistente con el resto de los datos. Encuentra

la inconsistencia.
h. C om para la distribución de la inform ación de densidad
(respuestas a los incisos e al g) con tu expectativa a. C onstruye dos diferentes gráficas para los pesos.
(respuestas a los incisos a al c). ¿C óm o lo hiciste? b. Calcula varios estadísticos numéricos para los datos de peso.
2.1 88 [EX02-1 88] El volum en de árboles de N avidad vendi c. ¿E ncontraste algunas potenciales inconsistencias en los
dos anualm ente en E stados U nidos declinó en décadas recien incisos a y b? Explica.
tes de acuerdo con un reporte del USDA N ational A gricultural
d. Encuentra el núm ero de M &M en cada bolsa.
Statistics Service. Los 50 estados reportan aportaciones a la
venta estadounidense total de aproxim adam ente 25 millones e. C onstruye dos diferentes gráficas para el núm ero de
de árboles de N avidad al año. M ás aún, cada estado reporta M &M por bolsa.
su cultivo por contado. Los 17 m ejores condados productores
en E stados U nidos provienen de sietes estados. El núm ero de
árboles vendidos por los 17 principales condados en 2007 se
f. C alcula varios estadísticos num éricos para el núm ero de
M &M por bolsa.
m enciona en la siguiente tabla. Esta encuesta se realiza cada g. ¿Q ué inconsistencia encontraste en los incisos e y f?
5 años. Explica.
Número de árboles de Navidad cortados por estado (10000) h. O frece una posible explicación acerca de por qué la in
12.0 1 1.4 1 1.3 2 0 .2 1 2 .7 consistencia no se m uestra en los datos de peso, pero sí se
157.2 2 0 .2 34.8 3 0 9 .5 27 .3
685 1 1 18.0 16 .7 16.8 3 1 .4 m uestra en los datos num éricos.
78.5 9 5 .0
2 .1 9 0 P ara una distribución norm al (con form a de cam pana),
Fuente: U S D A I la lio n a I A g r ic u ltu ra l S la tislícs S e rvice
encuentra el rango de percentiles que corresponda a:
a. C alcula la m edia, m ediana y rango medio para el núm ero
de árboles de N avidad vendidos anualm ente por los 17 a. z =2 b. z = —1
principales condados productores. c. D ibuja la curva norm al y m uestra la relación entre el va
b. C alcula la desviación estándar. lor z y los percentiles de los incisos a y b.
c. ¿Q ué te dicen las respuestas a los incisos a y b acerca de 2 .1 9 1 Para una distribución norm al (con form a de cam pana),
la distribución para el núm ero de árboles? Explica. encuentra el valor z que corresponda al A-ésimo percentil:
d. O bserva que la desviación están d ares un núm ero más a. A = 20 b. A = 95

grande que la m edia. ¿Q ué significa eso en esta situación? c. D ibuja la cu rv a norm al y m uestra la relación entre el va
e. D ibuja un diagram a de puntos de los datos. lor z. y los percentiles para los incisos a y b.
f. L ocaliza los valores de las respuestas a los incisos a y b 2 .1 9 2 Bill y Rob son buenos am igos, aunque asisten a d ife
en el diagram a de puntos dibujado para el inciso e. rentes bachilleratos en su ciudad. El sistem a de escuelas pú
blicas usa una batería de pruebas de acondicionam iento físico
g. R esponde nuevam ente los incisos c y d; usa la inform a
para poner a prueba a todos los estudiantes de bachillerato.
ción aprendida del diagram a de puntos.
D espués de com pletar los exám enes de acondicionam iento fí
2.1 8 9 [EX02-1 89] ¿Q uién se com ió los M & M ? La siguiente sico, Bill y Rob com paran sus calificaciones para ver quién se
tabla proporciona los conteos de color y peso neto (en gram os) desem peñó m ejor en cada evento. N ecesitan ayuda.
Page 134 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Ejercicios del capítulo 113
Carrera Arrancada Lanzamiento ca de cóm o cada distribución de exam en cam bió, o no, de
A b d o m in a les Flexiones progresiva 5 0 y a rd a s softball
acuerdo con el valor central y la dispersión.
Bill z = -l z = -1 .3 z = 0 .0 z - 1.0 z = 0 .5
Rob 61 17 9 .6 6 .0 17 9 pies 2.195 [EX02-19 5 ] Las especificaciones de fabricación con
Media 70 8 9 .8 6 .6 1 73 pies frecuencia se apoyan en los resultados de m uestras tom adas de
D=sv est. 12 6 0 .6 0 .3 16 pies pruebas piloto satisfactorias. Los siguientes datos resultaron
Bill recibió los resultados de su prueba en valores z, m ientras sólo de tal situación, en la que ocho lotes piloto se com pletaron
que a R ob le dieron puntajes brutos. D ado que am bos chicos y m uestrearon. Los tam años de partícula resultantes están en
entienden los puntajes brutos, convierte los valores z de Bill angstrom s (donde 1 Á = 10 s cm ):
en valores brutos con la finalicad de hacer una com paración 3 923 3 807 3 786 3 710 4 010 4 230 4 226 4 133
precisa.
a. Encuentra la m edia m uestral.
2 .1 9 3 Las gem elas Jean y Joan W ong están en quinto grado
(diferentes secciones) y a la clase se le entregó una serie de b. Encuentra la desviación estándar m uestral.
pruebas de habilidad. Si las calificaciones para dichas pruebas c. Si supones que el tam año de partícula tiene una distri
de habilidad tienen una distribución aproxim adam ente nor bución aproxim adam ente norm al, determ ina la especifi
m al, ¿cuál chica tiene la m ayor calificación relativa en cada cación de fabricación que acota 95% de los tam años de
una de las habilidades m encionadas? Explica tus respuestas. partícula (esto es: encuentra el intervalo de 95% , x ± 2s).
Habilidad Jean: valor z Joan: percentil
2.19 6 [EX02-19 6 ] D elco Productos, una división de General
Condición física 20 99
Postura 1 O 69 M otors, produce una m énsula que se usa com o parte de un
Agilidad 10 88 ensam ble de cerradura eléctrica. La longitud de esta ménsula
Flexibilidad -1 O 35
se m onitorea constantem ente. U na m uestra de 30 m énsulas de
Fuerza 0 0 50
puerta eléctrica tiene las siguientes longitudes (en m ilímetros):
2 .1 9 4 Las calificaciones obtenidas por los estudiantes en E s 11.8611.88 11.88 11 91 11.8811 88 11.88 11.88 11.88 11.86
tados U nidos con frecuencia dan de qué hablar y con base en 11.8811.88 11.88 11.88 1 1.86 11.83 11.86 1 1.86 11.88 11.88
11.8811.83 11.86 11.86 1 1.8611.88 1 1.88 1 1.86 11.88 11.83
dichas calificaciones se extraen todo tipo de conclusiones. El
Fuente! C o n p e rm is o d e D e b o P ro du cís D iv is ió n . G M C
A C T A ssessm ent está diseñado para valorar el desarrollo edu
cativo general de los estudiantes de bachillerato y su habilidad a. Sin hacer cálculos, ¿qué estim arías para la m edia m uestra ?
para com pletar el trabajo de nivel universitario. La siguiente
b. C onstruye una distribución de frecuencias no agrupadas.
tabla m enciona la m edia y la desviación estándar de las ca
lificaciones de todos los graduados de bachillerato en 2004 y c. D ibuja un histogram a de esta distribución de frecuencias.
2008 en las cuatro pruebas ACT y su com puesto. d. U sa la distribución de frecuencias; calcula la m edia m ues
Razonamiento tral y la desviación estándar.
Inglés Matemáticas Lectura científico Compuesto
2004 e. D eterm ina los lím ites del intervalo x ± 3 s y m arca este
Media 2 0 .4 2 0 .7 21 .3 209 2 0 .9 intervalo en el histogram a.
D=sv. esf. 5 .9 5 .0 6 .0 4 .6 4.8
2008 f. Los lím ites de especificación del producto son 1 1.7-12.3.

Media 20 6 2 1 .0 2 1 .4 2 0 .8 21.1 ¿L a m uestra indica que la producción está dentro de di
D=sv est. 6.1 5 .2 6.1 4 .9 5 .0
chos requerim ientos? Justifica tu respuesta.
Fuente! A m e ric a n C o lla g e Te sting , D kje-sl o f E d u c a fio n S talisbcs
2 .1 9 7 [EX02-19 7 ] El gerente de la barbería de Jerry reciente

C on base en la inform ación de la tabla:
mente pidió a sus últimos 50 clientes perforar una tarjeta de con
a. D iscute cóm o las cinco distribuciones son sim ilares y trol cuando llegaran al local y perforarla justo después de pagar su
diferentes una de otra, en cuanto a valor central y disper corte de cabello. Después usó los datos de las tarjetas para mecir
sión. cuánto tiempo tardan Jerry y sus barberos en cortar el cabello y
usó dicha información para programar sus intervalos de citas. Ta
b. D iscute cualquier corrim iento en las calificaciones entre
buló los siguientes tiempos (en minutos):
2004 y 2008. Incluye en tu respuesta especificidades acer
Page 135 of 418

.
.
.
50 21 36 35 35 27 38 51 28 35 2 .1 9 9 A partir de los valores de datos de 70 y 85, agrega otros
32 32 27 25 24 30 43 46 29 45
40 27 36 38 35 31 28 38 46
tres valores de datos a tu m uestra, de m odo que la m uestra ten
33
35 31 38 48 23 35 43 31 32 38 ga lo siguiente: (Justifica tu respuesta en cada caso.)
43 32 18 43 52 52 49 53 46 19
a. Una desviación estándar de 5
a. C onstruye un diagram a de tallo y hojas de dichos datos.
b. Una desviación estándar de 10
b. C alcula m edia, m ediana, m oda, rango, rango m edio, va
c. Una desviación estándar de 15
rianza y desviación estándar de los tiem pos de corte de
cabello. d. C om para tus tres m uestras y la variedad de valores nece
sarios para obtener cada una de las desviaciones estándar
c. C onstruye una tabla de resum en de 5 núm eros.
requeridas.
d. De acuerdo con el teorem a de Chebyshev, al m enos 75%
2 .2 0 0 C onstruye un conjunto de 18 datos (piensa en ellos
de los tiem pos de corte de cabello caerán ¿entre cuáles
com o en calificaciones de exam en) de m odo que la m uestra
dos valores? ¿E sto es cierto? Explica por qué sí o por
satisfaga cada uno de estos conjuntos de criterios:
qué no.
a. M edia 75 y desviación estándar 10.
e. ¿C on cuánta separación recom endarías a Jerry program ar
sus citas para m antener la operación de su negocio a un b. M edia 75, m áxim o 98, m ínimo 40 y desviación estándar 10.
ritm o confortable? c. M edia 75, m áximo 98, m ínimo 40 y desviación estándar 15.
2 .1 9 8 El siguiente diagram a de puntos m uestra el núm ero de d. ¿En qué difieren los datos de la m uestra para el inciso b y
intentos de pase lanzados por los m ariscales de cam po de 22
de los equipos de la N FL que jugaron en una tarde de dom ingo
los del inciso c?
2 .2 0 1 C onstruye dos diferentes gráficas de los puntos (62, 2),

particular.
(74, 14), (80, 20) y (94, 34).
a. D escribe la distribución e incluye cóm o los puntos A y B
se relacionan con los otros. a. En la prim era gráfica, a lo largo del eje horizontal, coloca
intervalos iguales y etiquétalos 62, 74, 80 y 94; coloca
b. Si quitas el punto A y acaso el punto B, ¿dirías que los intervalos ¡guales a lo largo del eje vertical y etiquétalos
datos restantes tienen una distribución aproxim adam ente 0. 10. 20. 30 y 40. G ráfica los puntos y conéctalos con
norm al? Explica. segm entos de recta.
c. C on base en la inform ación acerca de las distribuciones b. En la segunda gráfica, a lo largo del eje horizontal, coloca
que proporcionan el teorem a de Chebyshev y la regla intervalos igualm ente espaciados y etiquétalos 60, 65,
em pírica, ¿cuán típico consideras sea el evento que rep re 70, 75, 80, 85, 90 y 95; m arca el eje vertical en intervalos
senta el punto A? Explica. ¡guales y etiquétalos 0, 10, 20, 30 y 40. G ráfica los puntos
y conéctalos con segm entos de recta.
Figura para el ejercicio 2.198
• • • • • ■ • 8 A
« ♦ * ♦ * * ♦ # • * * ♦ « »
—I-------------------- I-------------------- I-------------------- I-------------------- I-------------------- H
20 30 40 50 60 70
Intentos de pase
Page 136 of 418

.
.
.
c. C om para el efecto que tiene la escala sobre la apariencia usa: PO ISSO N 50 y usa lím ites de clase de 20 a 90 en
de las gráficas en los incisos a y b. E xplica la im presión increm entos de 5.)
que presenta cada gráfica.
c. U sa una distribución con form a de J. (Sustituye los sub
2 .2 0 2 U sa una com putadora para generar una m uestra alea com andos usados en el ejercicio 2.202; en lugar de NOR
toria de 500 valores de una variable x con distribución normal M A L usa: E X PO N E N C IA L 50 y usa lím ites de clase de
y m edia de 100 y desviación estándar de 20. C onstruye un 0 a 250 en increm entos de 10.)
histogram a de los 500 valores.
d. ¿L a form a de la distribución de la población tiene un
a. U sa los com andos de com putadora de la página 90 para efecto sobre cuán bien una m uestra de tam año 30 repre
generar aleatoriam ente una m uestra de 500 datos de una senta la población? Explica.
distribución norm al con media 100 y desviación estándar
e. ¿Q ué efecto crees que tenga que cam biar el tam año de la
20. Construye un histogram a con lím ites de clase que
m uestra sobre la efectividad de la m uestra para representar
sean m últiplos de la desviación estándar 20; esto es: usa
la población? Intenta diferentes tam años de m uestra. ¿Los
lím ites de 20 a 180 en intervalos de 20 (consulta los co
resultados concuerdan con tus expectativas? Explica.
m andos de las pp. 52-54).
2 .2 0 5 [E X 02-205] ¡Valores atípleos! ¿Con cuánta frecuencia
C onsidera com o población los 500 valores x que encontraste
ocurren? ¿Q ué hacer con ellos? Com pleta el inciso a para vsr
en el inciso a.
con cuánta frecuencia ocurren los valores extremos. Luego com
b. U sa los com andos de com putadora de la página 91 para pleta el inciso b para decidir qué hacer con los valores atípicos.
seleccionar aleatoriam ente una m uestra de 30 valores de
a. U sa la tecnología de tu elección para tom ar m uestras de
la población que encontraste en el inciso a. Construye un
histogram a de la m uestra con los m ism os intervalos de
varios tam años (10, 30, 100, 300 serían buenas opciones)
de una distribución norm al (m edia de 100 y desviación
clase usados en el inciso a.
estándar de 20 funcionarán muy bien) y observa cuántos
c. Repite tres veces el inciso b. valores extrem os contiene una m uestra generada al azar.
Probablem ente estarás sorprendido. G enera 10 m uestras
d. C alcula varios valores (media, m ediana, m áxim o, m íni
de cada tam año para un resultado m ás representativo.
m o, desviación estándar, etc.) que describa la población y
D escribe tus resultados, en particular, com enta acerca de
cada una de las cuatro muestras. (C onsulta los com andos
la frecuencia de los valores atípicos en tus m uestras.
de la p. 87.)
e. ¿C rees que una m uestra de 30 datos representa de m anera MINITAB

adecuada una población? (C om para cada una de las cua Elige: Cale > R a n d o m D a ta > N o r m a l
tro m uestras que encontraste en los incisos b y c con la Escribe: G en erate 10 row s of d ata
( U s e n = 10, 3 0 ,1 0 0 ,3 0 0 )
población.)
S to re in c o lu m n (s): C1-C10
2 .2 0 3 Repite el ejercicio 2.202 con un tam año de m uestra d i M ean: 100
S ta n d . Dev.: 20
ferente. Puedes tratar algunos diferentes tam años de muestra: Elige: G ra p h > B o xplot > M ú ltip le Y ’s S im p le >
n = 10, n = 15, n = 20, n = 40, n = 50, n = 75. ¿Q ué efecto tiene OK
el tam año de la m uestra sobre la efectividad de la m uestra para Escribe: G r a p h v a ria b le s : C1-C10
Elige: D a ta VIew
representar a la población? Explica. S ele cc io n a: In terq u artlle ran g e box
O u tlíe r s y m b o l s
2 .2 0 4 Repite el ejercicio 2.202 con poblaciones con distribu
ciones de diferentes formas. En la práctica, se quiere hacer algo con los puntos de datos
a. Usa una distribución uniforme o rectangular. (Sustituye que se descubren com o valores atípicos. Prim ero, el valor
los subcomandos usados en el ejercicio 2.202; en lugar de atípico debe inspeccionarse: si hay alguna razón obvia por
N ORM AL usa: UNIFORM E con un bajo de 50 y un alto de la que sea incorrecto, debe corregirse. (Por ejem plo, la
altura de una m ujer de 59 pulgadas bien puede ingresarse
150 y usa límites de clase de 50 a 150 en incrementos de 10.)
de m anera incorrecta com o 95 pulgadas, lo que sería casi 8
b. U sa una distribución sesgada. (Sustituye los subcom an
pies de alto y es una estatura muy im probable.) Si los
dos usados en el ejercicio 2.202; en lugar de N O R M A L (continúa en la página 1 16)
Page 137 of 418

.
.
.
11 6 Copítulo 2 A nálisis descriptivo y presentación de datos de una v a ria b le
valores de los datos pueden corregirse, ¡corrígelos! De 7 4 .2 84 .5 88 .5 1 10.8 9 7 .6
1 10.6 9 3 .7 1 13.3 9 6 .1 8 6 .7
otro m odo, debes sopesar la opción entre descartar datos
102.8 825 107.6 91.1 9 5 .7
buenos (incluso si son diferentes) y conservar los datos 10 0.2 1 16.4 78.3 154.8 1 4 4 .7
erróneos. En este nivel, probablem ente es m ejor tom ar 9 7 .3 102.8 9 1 .8 5 8 .5 120.1
9 8 .0 98 4 8 1 .9 5 8 .5 118 1
una nota acerca del valor atípico y continuar con la so
lución. Para ayudar a entender el efecto de rem over un b. C onstruye un diagram a de cajas e identifica cualquier
valor atípico, observa el siguiente conjunto de datos, g e valor extrem o.
nerado al azar de una distribución norm al N (100, 20).
c. Rem ueve el valor extrem o y construye un nuevo diagra
m a de cajas.
d. D escribe tus hallazgos y com enta acerca de por qué pue

de ser m ejor y m enos confuso m ientras estudias estadísti
ca introductoria, no descartar los valores extrem os.

P A R T E I: C o n o c im ien to d e las definiciones P A R T E II: A p licació n d e los co n cep to s
R esponde “ verdadero” si el enunciado siem pre es verdadero. 2.1 1 Los resultados de un estudio del consum idor co m p le
Si el enunciado no siem pre es verdadero, sustituye las palabras tados en “La T iendita de la E squina” se reportan en el
en negrillas con las palabras que hagar. al enunciado siem pre siguiente histogram a. R esponde cada pregunta.
verdadero.
2.1 www.elsolucionario.net
La m e d ia de una m uestra siem pre divide los datos
en dos m itades (la m itad m ás grande y la m itad más
C antidad de tiempo necesario pa ra salir
de "La Tiendita de la Esquina"
pequeña en valor que ella misma).
2 .2 U na m edida de te n d e n c ia c e n tra l es un valor cuanti

tativo que describe cuán am pliam ente están dispersos
los datos en tom o a un valor central.
2 .3 La sum a de los cuadrados de las desviaciones de la
m edia, S(.v - x )2, en ocasio n es será negativa.
2 .4 Para cualquier distribución, la suma de las desviacio

nes de la m edia es igual a cero. 31 61 91 121 151 lí
2 .5 La desviación estándar para el conjunto de valores 2, Tiempo de salida (segundos)
2, 2, 2 y 2 es 2.
a. ¿C uál es el ancho de clase?
2 .6 En un exam en, John calificó en el percentil 50 y Jorge
b. ¿Cuál es el punto medio de clase para la clase 31-61?
calificó en el percentil 25; por tanto, la calificación
c. ¿C uál es el lím ite superior para la clase 61-91?
del exam en de John era el doble la calificación del
exam en de Jorge. d. ¿C uál es la frecuencia de la clase 1-31?
2 .7 La frecuencia de una clase es el núm ero de piezas de e. ¿C uál es la frecuencia de la clase que contiene el
datos cuyos valores caen dentro de los lím ites de di valor observado m ás grande de a ?
cha clase. f. ¿C uál es el lím ite inferior de la clase con la fre

2 .8 Las d istrib u c io n e s d e fre cu e n cia s se usan en esta cuencia más grande?
dística para presentar grandes cantidades de valores g. ¿C uántas piezas de datos se m uestran en este
repetitivos en una form a concisa. histogram a?
2 .9 La unidad de m edida para el valor estándar siem pre h. ¿C uál es el valor de la m oda?
es desv iacio n es e s tá n d a r. i. ¿C uál es el valor del rango m edio?
2 .1 0 Para una distribución con forma de campana, el rango
j. E stim a el valor del percentil 90, P w.
será aproximadamente igual a 6 desviaciones están d a r.
Page 138 of 418
.
.
.
2.12 U na m uestra de las com pras de varios clientes de “La a. “La T iendita de la E squina” atendió ¿a qué nú
T iendita de la Esquina” resultó en los siguientes datos m ero de clientes pagadores durante el m ediodía
m uéstrales (x = núm ero de artículos com prados por con más frecuencia que cualquier otro núm ero?
cliente): Explica cóm o determ inaste tu respuesta.
x 1 2 3 4 5 b. ¿En cuántos días hubo entre 85 y 107 clientes

f 10 7 pagadores durante el m ediodía? E xplica cóm o
a. ¿Q ué representa el 2? determ inaste tu respuesta.
b. ¿Q ué representa el 9? c. ¿C uál fue el núm ero más grande de clientes

pagadores durante cualquier m ediodía? Explica
c. ¿C uántos clientes se usaron para form ar esta
cóm o determ inaste tu respuesta.
m uestra?
d. ¿Para cuántos de los 100 días el núm ero de clien
d. ¿C uántos artículos com praron los clientes en esta
tes pagadores estuvo dentro de 3 desviaciones
m uestra?
estándar de la m edia (x ± 3s)? E xplica cóm o d e
e. ¿C uál es el núm ero m ás grande de artículos co m term inaste tu respuesta.
prados por un cliente?
2 .1 6 El Sr. VanCott inició su propio negocio de m áquinas
Encuentra cada uno de lo siguiente (m uestra las hace varios años. Su negocio creció y se volvió muy
fórm ulas y el trabajo): exitoso en años recientes. En la actualidad em plea a
f. M oda g. M ediana h. Rango medio 14 personas, incluido él y paga los siguientes salarios
anuales:
i. M edia
j. V arianza k. D esviación
estándar Propietario, presidente
Gerente comercial
$80000
50000
Trabajador
Trabajador
$25
25
003
003
2 .1 3 Dado el conjunto de datos 4, 8 ,9 , 8 ,6 ,5 ,7 ,5 , 8, encuen Gerente de producción 40000 Trabajador 25 003
tra cada uno de los siguientes estadísticos muéstrales: Supervisor de ventas 35 0 0 0 Trabajador 20 003
Trabajador 30000 Trabajador 20 003
Trabajador 30000 Trabajador 20 003
a. M edia b. M ediana c. M oda
Trabajador 28 0 0 0 Trabajador 20 003
d. R ango m edio e. Prim er cuartil f. P J0
a. C alcula los cuatro “prom edios”: m edia, m ediana,
g. V arianza h. D esviación estándar
m o d a y r a n g o m e d io .
i. Rango
b. D ibuja un diagram a de puntos de los salarios y
2 .1 4 a. E ncuentra el valor estándar para el valor x = 452
ubica cada uno de los cuatro prom edios en él.
relativo a su m uestra, donde la m edia m uestral es
c. Supon que tú eres el investigador asignado para
500 y la desviación estándar es 32.
escribir la crónica de esta sem ana acerca de la
b. E ncuentra el valor de x que corresponda al valor
tienda de m áquinas del Sr. V anCott, una de una
estándar de 1.2, donde la m edia es 135 y la des
serie acerca de pequeños negocios locales que
viación estándar es 15.
están prosperando. Tú planeas entrevistar al Sr.
P A R T E III: C o m p re n d e r los conceptos V anCott, a su gerente com ercial, al supervisor de
ventas y a uno de sus trabajadores más recientes.
R esponde todas las preguntas.
¿C uál prom edio estadístico crees que dará cada
2 .1 5 “La T iendita de la Esquina” sigue la pista del núm ero uno de ellos cuando les preguntes: “¿cuál es el
de clientes pagadores que tuvo durante el m ediodía salario anual prom edio que pagan a los em pleados
de cada día durante 100 días. Los estadísticos resul aquí, en V anC ott?”? Explica por qué cada perso
tantes se redondean al entero m ás cercano: na entrevistada tendría una perspectiva diferente y
m edia = 95 m ediana = 97 por qué este punto de vista puede hacer que cada
m oda = 98 prim er cuartil = 85 uno cite un diferente prom edio estadístico.
tercer cuartil = 107 rango m edio = 93 d. ¿Q ué hay acerca de la distribución de dichos
rango = 56 desviación estándar = 12 salarios que hace que los cuatro “ valores prom e
dio ” sean tan diferentes?
Page 139 of 418

.
.
.
2 .1 7 C rea un conjunto de datos que contenga tres o más 2 .1 8 Un conjunto de exám enes fue calificado por una m á
valores en los siguientes casos: quina. M ás tarde se descubrió que debían agregarse
a. Donde la m edia es 12 y la desviación estándar es 0. 2 puntos a cada calificación. El estudiante A dijo: “ la
calificación m edia tam bién debe aum entarse por 2
b. D onde la m edia es 20 y el rango es 10.
puntos” . El estudiante B agregó: “tam bién la desvia
c. D onde m edia, m ediana y m oda son todas iguales.
ción estándar debe aum entarse en 2 puntos” . ¿Q uién
d. Donde media, mediana y moda son todas diferentes tiene la razón? Justifica tu respuesta.
e. D onde m edia, m ediana y m oda son todas diferen 2 .1 9 El estudiante A afirma: “ tanto la desviación están
tes y la m ediana es la m ás grande y la m oda es la dar com o la varianza conservan la m ism a unidad de
m ás pequeña. m edición que los d ato s”. El estudiante B no está de
f. D onde m edia, m ediana y moda son todas dife acuerdo y argum enta: “ la unidad de m edición para la
rentes y la m edia es la m ás grande y la m ediana varianza es una unidad de m edición sin significado”.
es la m ás pequeña. ¿Q uién tiene la razón? Justifica tu respuesta.
Page 140 of 418

.
.
.
Page 141 of 418

.
.
.
Análisis descriptivo y presentación
de datos bivariados
3.1 Datos bivariados

D o s variables se em parejan p a ra análisis.
3.2 Correlación lineal
¿U n aum ento en e l valor in d ica u n ca m b io en la otra?
3.3 Regresión lineal
La recta de m e jo r aju ste es una expresión m atem ática
de la relación entre d o s variables.
n c o p y r ig h t D e c H o g a n , 2 0 1 0 . U s a d a b a jo lic e n c ia d e S h u lte is to c k c o m
|5.1 Datos bivariados
Pesa tu pez con una regla

¿A lguna vez quisiste conocer el peso de tu pescado, pero no tenías báscula? M ide la
longitud de una trucha arco iris desde la boca hasta la punta de la cola y consulta la tabla. D ichos pesos
son prom edios tom ados de peces recolectados por grupos de gestión de peces del D EC (D epartam ento
de C onservación A m biental, por sus siglas en inglés) a lo largo del estado de N ueva Y ork. [EX 03-001]
Longitud, pulgadas 12 13 14 15 16 17 18 19 2 0 21 2 2 23 2 4 25 26 27 28 2 9 30
Peso, libras-onza 0 -1 0 0 -1 2 1-0 1-3 1-7 1-12 2-1 2-7 2-14 3-5 3-13 4-6 5-0 5-11 6-6 7-2 8-0 8-14 9-14
F u e n t e : I IY S D E C 2 0 0 8 - 2 0 0 0 F ts s h w le r Fishing G u id e
Peso de trucha arco iris con regla

180
160
140
_ 120
|o 100
SI 80
o
60
40
20
• •
0
10 15 20 25 30
Longitud (pulgadas)
Page 142 of 418

.
.
.
Sección 3.1 Datos b iva ria d o s 121
En el capítulo 2 aprendiste cóm o m ostrar gráficam ente y describir de m anera num érica,
datos m uéstrales para una variable. A hora extenderás dichas técnicas para cubrir datos
m uéstrales que involucran dos variables em parejadas. En particular, la longitud y el peso
de la trucha arco iris, que se m uestran en la página 120, son dos variables cuantitativas
(num éricas) em parejadas.
Datos bivariados Valores de dos diferentes variables que se obtienen a partir

del mismo elemento de población.
C ada una de las dos variables pueden ser o cualitativas o cuantitativas. C om o resultado,
los datos bivariados pueden form ar tres com binaciones de tipos de variable:
1. A m bas variables son cualitativas (am bos atributos).

2. U na variable es cualitativa (atributo) y la otra es cuantitativa (num érica).
3. A m bas variables son cuantitativas (am bas num éricas).
En esta sección se presentan los m étodos tabular y gráfico para m ostrar cada una de
dichas com binaciones de datos bivariados.
Dos variables cualitativas

Cuando los datos bivariados resultan de dos variables cualitativas (atributo o categórica),
con frecuencia los datos se ordenan en una ta b la c r u z a d a o d e co n tin g en cia. O bserva un
ejem plo.
E J E M P L O 3.1
C Ó M O C O N S T R U IR TABLAS C R U Z A D A S
O Treinta estudiantes de tu escuela fueron identificados al a za r y clasificados de
acuerdo con dos variables: género (M /F ) y especialización (humanidades,
adm inistración de empresas, tecnología), como se muestra en la tabla 3 .1 .
Esos 3 0 datos b iva ria do s pueden resumirse en una tabla cruzada 2 x 3 , don
de las dos filas representan los dos géneros, masculino y fem enino y las tres
columnas representan las tres p rincipales categorías de hum anidades (LA),
adm inistración de empresas (BA) y tecnología (T). La entrada en cada celda
PTI m = n (filas) n = n se encuentra al determ inar cuántos estudiantes encajan en cada categoría.
(columnas) para una Adam s es masculino (M) y hum anidades (LA) y se clasifica en la celda de la
ta b la de con ting en cia
prim era fila , prim era columna. O bserva la marca de conteo en la tabla 3 .2 .
m x n.
Los otros 2 9 estudiantes se clasifican (cuentan, se muestran en azul claro) en
form a similar.
TABLA 3.1 Géneros y especializaciones de 3 0 estudiantes universitarios [TA03-01]

Nombre Género Esp. Nombre Género Esp. Nombre Género Esp.
Adams M IA Feeney M T M cG ow an M BA
Argento F BA Flanígan M IA Mowers F BA
Baker M IA Hodge F IA Ornf M T
Benett F IA Holmes M T Palmer F LA
Brand M T Jopson F T Pullen M T
Brock M BA Kee M BA Rallan M BA
Chun F IA Kleeberg M IA Sherma n F LA
Crain M T Light M BA Small F T
Cross F BA Linton F IA Tale M BA
Ellis F BA López M T Yamamoto M LA
Page 143 of 418

T utorial en video d isponible; in g resa y ap rende m ás en cen gagcbrain.com
.
.
.
122 Capítulo 3 A nálisis descriptivo y presentación de datos Divariados
La tabla cruzada (de contingencia) 2 x 3 resultante, tabla 3 .3 , muestra

la frecuencia p ara cada categoría cruzada de las dos variables ¡unto con los
totales de fila y columna, llam ados totales m arginales (o m arginales). El total
de los totales m arginales es el gran total y es igual a n, el tam año muestral.
TABLA 3 .2 Tabla cruzada de género y especialización TABLA 3 .3 Tabla cruzada de género y especializa
(conteo) ción (frecuencias)
Especialización Especialización
Género LA BA T Género LA BA T Total fila
M mu (5) mui (ó ) mu ii \7) M 5 ó 7 18
F mui (ó ) lili |4) II |2) F ó 4 2 12
Total col. 11 10 9 30
Con frecuencia, las tablas de contingencia muestran porcentajes (frecuen

cias relativas). Dichos porcentajes pueden basarse en toda la muestra o en
las clasificaciones de la submuestra (fila o columna).
Porcentajes basados en el gran total (toda la muestra)

Las frecuencias en la tabla de contingencia que se muestran en la tabla 3 .3
pueden convertirse fácilm ente a porcentajes del gran total al d iv id ir cada
frecuencia por el gran total y m ultiplicar el resultado por 10 0 . Por ejem plo, 6
se convierte en 20% b r r r l x 100 = 20 Consulta la tabla 3 .4 .

[(3°
A partir de la tabla de porcentajes del gran total, fácilm ente puedes ver
que 60% de la muestra es m asculina, 4 0 % es fem enina, 30% tienen especia
lización en tecnología, etc. Estos mismos estadísticos (valores numéricos que
describen resultados muéstrales) pueden mostrarse en una gráfica de barras
(véase la figura 3.1).
La tabla 3 .4 y la figura 3.1 muestran la distribución de estudiantes de
hum anidades masculinos, estudiantes de hum anidades femeninos, estudian
tes de adm inistración de empresas masculinos, etc., en relación con toda la
muestra.
TABLA 3 .4 Tabla cruzada de género y especialización F IG U R A 3.1

(frecuencias relativas; % de gran total) G ráfica de barras
Especialización Porcentajes basados en el gran total
Género LA BA T Total fila 25% -

M 17% 20% 23% 60%
F 20% 13% 7% 40% 20 % -
Total col. 37% 33% 30% 100% 15% -
10% -
5% -
0% -
M F M F M F
Humanidades Administración Tecnología
de empresas
Page 144 of 418

.
.
.
Sección 3.1 Datos B ivariados 123
Porcentajes basados en totales de fila

Las frecuencias en la misma tabla de contingencia, tabla 3 .3 , pueden expre
sarse como porcentajes de los totales de fila (o género) al d iv id ir cada entrada
de fila por el total de dicha fila y m ultiplicar los resultados por 100. La tabla
3 .5 se basa en totales de fila.
A partir de la tabla 3.5 puedes ver que 28% de los estudiantes hombres
tienen especialización en humanidades, mientras que 50% de las mujeres tie
nen especialización en hum anidades. Estos mismos estadísticos se muestran en
la gráfica de barras de la figura 3.2.
TABLA 3.5 Tabla cruza da de género y especialización FIGURA 3.2

(% de totales de fila) G ráfica de barras
Porcentajes basados en género
Especialización
50 % -
Género LA BA T Total fila
M 28% 33% 39% 100% 40 % -
F 50% 33% 17% 100%
30% -
Total col. 37% 33% 30% 100%
20% -
10%-
0%
www.elsolucionario.net LA BA
Hombres
T LA BA
Mujeres
T
La tabla 3 .5 y la figura 3 .2 muestran por separado la distribución de las

tres especializaciones para estudiantes hom bres y mujeres.
Porcentajes basados en totales de columna

Las frecuencias en la ta bla de contingencia, tabla 3 .3 , pueden expresarse
como porcentajes de los totales de columna (o especialización) al d iv id ir cada
entrada de columna por el total de dicha columna y m ultiplicar el resultado por
100. La ta bla 3 .6 se basa en totales de columna.
A p artir de la ta bla 3 .6 puedes ver que 4 5 % de los estudiantes de huma
nidades son hombres, mientras que 5 5% de los estudiantes de hum anidades
son mujeres. Estos mismos estadísticos se muestran en la gráfica de barras de
la fig ura 3 .3 .
TABLA 3 .6 Tabla cruzada de género y especialización FIGURA 3.3

(% de totales de columna) G ráfica de barras
Porcentajes basados en especiaEzación

Especialización
Género LA BA T Total fila 80 % -
M 45% 60% 78% 60%
60 % -
F 55% 40% 22% 40%
” 40% -
Total col. 100% 100% 100% 100%
20 % -
0% -
M F M F M F
Humanidades Administración Tecnología
empresas
La tabla 3 .6 y la figura 3 .3 muestran por separado la distribución de estu

diantes hombres y mujeres para cada especialización.
Page 145 of 418

.
.
.
12 4 Capítulo 3 A nálisis descriptivo y presentación de datos Divariados
T A B L A S C R U Z A D A S
Es:ribe los valores categóricos de la variable de fila en C1 y los correspondientes valores cate
MINITAB góricos de variable de columna en C2; después continúa con:
Elige: S t a t > T a b le s > C ro ss T a b u l a tlo n a n d C h l - S q u a r e

Escribe: V aria bles c a te g ó ric a s : Para filas: C1 Para c o l u m n a s : C2
S ele cc iona: C ounts
Row P e r c e n ts
C o l u m n P e r c e n ts
T o ta l P e r c e n ts > OK
Sugerencia: los cuatro subcomandos que están disponibles para "Display" pueden usarse en
conjunto; sin embargo, la tabla resultante será mucho más sencilla de leer si se usa un subco-
mando a la vez.
Con encabezados o títulos de columna, escribe los valores categóricos de variable fila en la
Excel columna A y los correspondientes valores categóricos de variable de columna en la columna B;
después continúa con:
Elige: I n s e r t > T a b le s > Plvot T ab le p u l l d o w n > Plvot C h a r t

S e le c c io n a S e le c c io n a u n a ta b la o r a n g o
Escribe: Rango: (A1:B5 o s e le c c io n a celdas)
S elecciona: H oja d e tr a b a jo e x i s t e n t e
Escribe:
A rrastra :
(C1 o s e le c c io n a c e ld a s) > OK
E n c a b e z a d o s a fila o c o l u m n a ( d e p e n d e de la p r e f e r e n c ia ) e n el
c u a d r o de gráfica f o r m a d o
U n e n c a b e z a d o h a c ia el á r e a de datos*
‘ Para otras sumas, haz doble clic en "Count of" en el recuadro del área de datos; después continúa con:
Elige: R e s u m i r por: C o n te o
M o s t ra r v a lo re s co m o : % d e fila o % de c o l u m n a o % d e to t a l > OK
Primero debes codificar numéricamente los datos categóricos; usa 1, 2, 3, . . . , para las diver
TI-83/84 Plus sas variables de fila y 1, 2, 3, . . . , para las diversas variables de columna. Escribe los valores
numéricos de variable fila en L1 y los correspondientes valores numéricos de variable columna
en L2; después continúa con:
Elige: PGRM > EXEC > CROSSTAB*

Escribe: ROWS: L1 > ENTER
COLS: L2 > ENTER
La tabla cruzada que muestre las frecuencias se almacena en la matriz [A], la tabla cruzada que
muestra los porcentajes de fila está en la m atriz [B], los porcentajes de columna en la m atriz [C]
y los porcentajes basados en el gran total en la matriz [D]. Todas las matrices contienen totales
marginales. Para ver las matrices, continúa con:
Elige: MATRX> ÑAMES

Escribe: 1:{A) o 2:{B) o 3:{C) o 4:{DJ > ENTER
*EI programa "CROSSTAB" es uno de muchos programas que están disponibles para descargar. Con-
© suta la página 35 para instrucciones específicas
U n a v a ria b le c u a lita tiv a y u n a c u a n tita tiv a

Cuando los datos bivariados resultan de una variable cualitativa y una cuantitativa, los va
lores cuantitativos se ven com o m uestras separadas y cada conjunto se identifica m ediante
etiquetas de la variable cualitativa. C ada m uestra se describe con las técnicas del capítulo
2 y los resultados se presentan lado a lado para fácil com paración.
Page 146 of 418
.
.
.
Sección 3.1 Datos Bivariados 125
E J E M P L O 3 .2
C Ó M O CONSTRUIR C O M PA R A CIO N ES LADO A LADO

La distancia requerida p ara detener un autom óvil de 3 0 0 0 libras en p a
vimento húmedo se m id ió para com parar las capacidades de frenado de
tres diseños de banda de rodam iento de neumático (consulta la tabla 3 .7).
N eum áticos de cada diseño se pusieron a prueba repetidam ente en el mismo
autom óvil sobre un pavim ento húmedo controlado.
TABLA 3 .7 Distancias de frenado (en pies) para tres diseños de

banda de rodam iento de neumático [TA03-07]
Diseño A (n = 6) Diseño B (n = 6) Diseño C (n = 6)
37 36 38 33 35 38 40 39 40
34 40 32 34 42 34 41 41 43
El diseño de la llanta es una va ria b le cualitativa con tres niveles de respues

ta y la distancia de frenado es una va ria b le cuantitativa. La distribución de
las distancias de frenado para el diseño de la llanta A se com parará con la
distribución de las distancias de frenado p ara cada uno de los otros diseños
de la llanta. Esta com paración puede realizarse tanto con técnicas numéricas
como con gráficas. Algunas de las opciones disponibles se muestran en la
figura 3 .4 , y en las tablas 3 .8 y 3 .9.
FIGURA 3.4
D iagram a de puntos, d ia g ra m a de cajas y bigotes con una escala
común
Distancias de frenado
TABLA 3.8 Resumen de 5 números para cada diseño TABLA 3.9 M e d ia y desviación estándar para cada
diseño
Diseño A Diseño B Diseño C
Alio 40 42 43 Diseño A Diseño B Diseño C
38 38 41 M edia 3 6 .2 3 6 .0 4 0 .7
°3
M ediano 3 6 .5 3 4 .5 4 0 .5 Desviación estándar 2 .9 3 .4 1.4
O, 34 34 40
Bajo 32 33 39
Tutorial en video disponible; ingresa y aprende más en cengagcbrain.com

Page 147 of 418
.
.
.
126 Copítulo 3 A nálisis descriptivo y presentación de datos Divariados
D I A G R A M A S DE C A J A S Y DE P U N T O S
L A _ D _ 0 _ _ A L A p 0 ................................................................
Escribe los valores numéricos en C1 y las correspondientes categorías en C2; después continúa
MINITAB con:
Elige: G ra p h > B oxplot. . . > O n e Y, W l th G ro u p s > OK

Escribe: V aria b les gráficas: C1 V aria b les c a te g ó ric a s : C2 > OK
Los comandos MINITAB para construir diagramas de puntos lado a lado para datos en esta
forma se localizan en la página 41.
Si los datos para las diversas categorías están en columnas separadas, usa los comandos MINI-
TAB para múltiples diagramas de caja en la página 88. Si necesitas diagramas de puntos lado
a lado para datos en esta forma, continúa con:
Elige: G ra p h > D o tp lo ts
S elecciona: M ú ltip le Y ’s, S im p le > OK
Escribe: V aria b les gráficas: C1 C2 > OK
Los comandos de Excel para construir un diagrama de cajas individual están en la página 88.
Excel
T I-8 3 /8 4 Plus
Los comandos TI-83/84 para construir múltiples diagramas de cajas están en la página 88.
Los comandos TI-83/84 para construir múltiples diagramas de puntos están en la página 42.
M ucha de la inform ación que se presenta aquí tam bién puede dem ostrarse con otras técni
cas estadísticas, com o los diagram as de tallo y hojas o los histogram as.
La discusión de este capítulo se restringirá a las técnicas descriptivas para la form a más
básica de correlación y análisis de regresión: el caso lineal bivariado.
Dos v a ria b le s c u a n tita tiv a s

Cuando los datos bivariados son resultado de dos variables cuantitativas, se acostum bra
expresar los datos de m anera m atem ática com o p a re s o rd e n a d o s (x, y), donde es la v a
ria b le d e e n tr a d a (en ocasiones llam ada v a ria b le in d e p en d ie n te ) y y es la v a ria b le de
salid a (en ocasiones llam ada v a ria b le d e p e n d ie n te). Se dice que los datos son ordenados
porque un valor, x , siem pre se escribe prim ero. Se llam an em parejados porque, para cada
valor .v, existe un valor y correspondiente de la m ism a fuente. Por ejem plo, si x es altura
y y es peso, entonces un valor altura y un correspondiente valor peso se registran para
cada persona. La variable de entrada, x , se m ide o controla con la finalidad de predecir la
variable de salida y. Supon que algunos m édicos investigadores ponen a prueba un nuevo
m edicam ento al prescribir diferentes dosis y observar la duración de los tiem pos de recu
peración de sus pacientes. El investigador puede controlar la cantidad de m edicam ento
prescrito, de m odo que la cantidad de m edicam ento se refiere com o.v. En el caso de altura
y peso, cualquier variable podría tratarse com o entrada y la otra com o salida, dependiendo
de la pregunta que se plantee. Sin em bargo, se obtendrán diferentes resultados a partir del
análisis de regresión, dependiendo de la elección realizada.
En problem as que traten con dos variables cuantitativas, los datos m uéstrales se pre
sentan visualm ente en un diagram a de dispersión.
Page 148 of 418
.
.
.
Sección 3.1 Datos b iva ria d o s 127
D iagram a de dispersión G ráfica de todos los pares ordenados de datos b¡-

variados sobre un sistema de ejes coordenados. La va ria b le de entrada, x,
se gráfica en el eje horizontal y la variab le de salida y, se gráfica en el eje
vertical.
Nota: cuando construyes un diagram a de dispersión, es conveniente elaborar las escalas

de m odo que el rango de los valores y a lo largo del eje vertical sea igual a, o ligeramente
m ás corto que el rango de los valores x a lo largo del eje horizontal. Esto crea una “ventana
de datos” que es aproxim adam ente cuadrada.
Kl
E J E M P L O 3.3
COMO CONSTRUIR UN DIAGRAMA DE DISPERSION

© En el curso de acondicionam iento físico del Sr. C ham berlain, se tom aron
varios valores de condición física. La siguiente muestra es el número de fle xio
nes de brazos y abdom inales realizados por 10 estudiantes seleccionados al
azar:
(2 7 ,3 0 ) ( 2 2 ,2 6 ) ( 1 5 ,2 5 ) ( 3 5 ,4 2 ) ( 3 0 ,3 8 )
(5 2 ,4 0 ) ( 3 5 ,3 2 ) ( 5 5 ,5 4 ) ( 4 0 ,5 0 ) ( 4 0 ,4 3 )
La tabla 3 .1 0 muestra estos datos muéstrales y la figura 3 .5 representa un

dia g ra m a de dispersión de los datos.
TABLA 3 . 1 0 Datos p ara flexiones y abd omínales [TA03-10]
Estudiante 1 2 3 4 5 6 7 8 9 10
Flexiones, x 27 22 15 35 30 52 35 55 40 40
Abdominales, y 30 26 25 42 38 40 32 54 50 43
El dia gra m a de dispersión del curso de a condicionam iento físico del Sr.
C ham berlain muestra un patrón definido. O bserva que, conform e el número
de flexiones aum enta, tam bién lo hace el número de abdom inales.
FIGURA 3.5
D iagram a de dispersión
Curso de acondicionamiento físico del Sr. Chamberlain
Flexiones
Page 149 of 418

T utorial en video d isponible; in g resa y aprende m ás e n cen gagcbrain.com
.
.
.
LOS ESTADOUNIDENSES AM AN SUS AUTOMÓVILES

El rom ance de Estados U nidos con los vehículos todoterreno (SUV) comenzó
a finales de 1 9 9 0 y principios de 2 0 0 0 , pero puede declinar un poco re
cientemente d e b id o a su consumo de gasolina, costo y pobres registros de
seguridad. El SUV conjunta la im agen de un autom óvil de alto rendim iento,
robusto, con tracción en las cuatro ruedas construido sobre un chasis de
camión que: puede ir fuera del cam ino; tiene buenas h ab ilida d es para ¡alar;
puede transportar más de cuatro pasajeros; es un vehículo más seguro que
un autom óvil d e b id o a su construcción más gra nd e y más pesada y sortea
m ejor la nieve. Sin em bargo, si se dice la verdad, la m ayoría de las personas
compran SUV porque pueden.
La siguiente tabla m enciona 1 6 de las SUV de tracción cuádruple (4W D)
y 6 cilindros que ofrecieron los fabricantes de autom óviles en 2 0 0 9 y los
valores de cuatro variables para cada vehículo.
TABLA 3.11 SUV 2 0 0 9 4 W D , ó cil [EX03-022]

Fab. Modelo Gas. Costo Llenado Tanque
Buick Encbve Reg. 2.51 3782 2 2 .0
Chevrolet Trailblazer Reg. 2.98 37 82 2 2 .0
www.elsolucionario.net Chrysler
Dodge
Ford
Aspen
Durango
Escape
Reg.
Reg.
Reg.
3.18
3.18
2 .3 9
46.41
4 6 41
28 36
2 7 .0
2 7 .0
16.5
GMC Dnvoy Reg. 2.98 3 7 .8 2 2 2 .0
© iS lo c t.p h o te > .c o m /lu ¡s S a n d o v a l M c in d u ja n o Honda Pibt Reg. 2.65 3 6 10 2 1 .0
Jeep Grand Cherokee Reg. 2.81 3 6 .2 7 21.1
Variables:
Kia Sportage Reg 2 .3 9 2 9 .5 7 17.2
Fab. Fabricante del vehículo Lexus RX 3 5 0 Prem. 2.83 3 7 .1 5 19.2
M odelo M odelo del vehículo Lincoln MKX Reg. 2.51 3 2 .6 6 19.0
Gas. Gasolina regular o premiurr M azda CX-7 Prem. 2 .9 9 35 22 18.2
Coslo Costo de gasolina para conducir 25 millas Mercury Mountaineer Reg. 3.18 3 8 .6 8 2 2 .5
Llenado Costo de llenar el tanque Mitsubishi Ourfander Reg. 2.1 5 2 7 .1 6 15.8
Tanque C apacidad del tanque de gasolina Nissan Murano Prem. 2 .6 9 4 1 .9 9 2 1 .7
en gabnes Toyota RAV4 Reg. 2 .2 7 2 7 .3 3 15.9
h tt p : / / w w w . lu 6 l6 c o n o m y . g o v /
Adem ás de mostrar esta inform ación en form a de ta b la , los datos se exhi

ben con alguna de las técnicas de esta sección en com binación con alguna
del capítulo 2.
FIGURA 3.6
Gráfica lado a lado de costo para
conducir 25 millas por grado de gasolina
3.20
3 .0 0 - La figura 3 .6 muestra que el costo

4) de gasolina para conducir 2 5 m illas
b 2 .8 0 -
es tres veces más para las SUV que
2 .6 0 - usan gasolina regular que para las
-U SUV que usan premium. M uchas de
«o 2 .4 0 - las SUV que usan gasolina regular
es
cuestan menos.
2 .2 0 -
2.00
Premium Regular
Grado de gasolina
Page 150 of 418

.
.
.
Sección 3.1 Datos bivariados 129
FIGURA 3 .7
Gráfica lado a lado de capacidad del

tanque por grado de gasolna
La figura 3 .7 muestra que seis de
las SUV que usan gasolina regular tie
nen tanques con mayores capacidades
que las tres SUV que usan premium.
¿Por qué algunos vehículos necesita
rían tanques de gasolina de 2 7 g alo
nes? Consulta el ejercicio 3 .4 3 para
una posible respuesta.
Grado de gasolina
FIGURA 3.8
Costo de llenar el tanque frente a la
capacidad del tanque
La fig ura 3 .8 p ro bablem ente mues
tra inform a ción que ya sabías: m ien
www.elsolucionario.net tras más g ra n d e sea el tanque de g a

solina, más costará llenarlo. ¿Cómo
p od ría ser de otra form a? ¿Obser
vas las tres SUV que usan premium?
¿Cómo aparecen en la fig ura 3 .8 las
d istribuciones que se muestran en la
fig ura 3.7? Consulta el e je rcicio 3 .1 6
p ara saber más acerca de este tema.
Capacidad del tanque de gasolina (galones)
D I A G R A M A DE D I S P E R S I Ó N
Escribe los valores de la variable x en C 1 y los correspondientes valores de la variable y en C2;

MINITAB después continúa con:
Elige: G ra p h > S c a t te r Plot. . . > S im p le > OK

Escribe: V aria b les Y: C2 V aria b les X: C1
S ele cc iona: L ab e ls > T ltl e s /F o o tn o te s
Escribe: T ítulo: tu títu lo > OK > OK
Escribe los valores de la variable x en la columna A y los correspondientes valores de la variable

y en la columna B; activa las columnas de datos; después continúa con:
Elige: I n s e r t > S c a t te r > l s t p l c u t r e ( u s u a l m e n t e )

Elige: C h a r t L a y o u ts > L a y o u t 1
Escribe: T ítu lo gráfica: tu títu lo ; títu lo e je (x): títu lo p a r a e je x; títu lo eje (y):
títu lo p a r a e je y*
Page 151 of 418

.
.
.
*Fara quitar cuadrículas:
Elige: C h a r t T o o l s > L a y o u t > G rld lín e s >P r í m a r y H o r i z o n ta l

G ríd lín e s > N o n e
Pora editar el diagrama de dispersión, sigue los comandos de edición básica que se muestran para
un histograma en la página 53.
Pora cambiar la escala y /o mostrar marcas gruesas, haz doble clic en los ejes; después continúa
con:
[EXOO-OOO) identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cen g ag eb rain .co m
Elige C h a r t T o o l s > L a y o u t > C u r r e n t S e le c tlo n > P lot A

H o ríz/V e rtlca l A x e s > F o r m a t S ele ctlo n
Escribe: n u ev o s valores
S elecciona: P r in c ip a l t ip o m a r c a g ru e sa : C ro ss > OK
»
Escribe los valores de la variable x en L1 y los correspondientes valores de la variable y en L2;

TI-83/84 Plus después continúa con:
Elige: 2nd >

STATPLOT l : P l o t l> JHB PlotZ Plo*3
Elige: ZOOM >
9 :Z o o m S ta t ¡Bluff
>TRACE >>> Types ►EO H (¿i:
*- K3H
Jhb
0
W IN D O W X1 i s t : L1
Escribe: c u a n d o m u c h o el v a l o r x YlisÜLs
m á s bajo , c u a n d o m e n o s el v a l o r Mark: □ ♦ H
www.elsolucionario.net x m á s alto, e s c a la x, e s c a la -y, al
m e n o s v a l o r y m á s alto, e s c a la y, 1
TRACE > > >
•
@E J E R C I C I O S S E C C I Ó N 3.1
3.1 [E X 0 3 -0 0 1 ] C onsulta el “ Pesa tu pez con una regla” de la En el avión Cuarto hotel Todo lo demás
página 120 para responder las siguientes preguntas; Negocios 355 92 50
Descanso 250 165 85
a. ¿E xiste alguna relación (patrón) entre las dos variables:
longitud de una trucha arco iris y peso de una trucha arco
a. Expresa la tabla com o porcentajes del total.
iris? E xplica por qué s í o por qué no.
b. Expresa la tabla com o porcentajes de los totales de fila.
b. ¿C rees que es razonable (o posible) predecir el peso de
¿P or qué uno preferiría que la tabla se expresara de esta
una trucha arco iris con base en la longitud de la trucha
forma?
arco iris? Explica por qué sí o por qué no.
c. Expresa la tabla com o porcentajes de los totales de co
3 .2 a. ¿Existe alguna relación entre el peso de una persona
lumna. ¿P o r qué uno preferiría que la tabla se expresara
y el tam año de su zapato conform e crece de bebé
de esta form a?
a 16 años de edad ? C onform e una variable se hace
m ás grande, ¿la otra tam bién se vuelve más grande? 3 .4 La gráfica “ En la m irada del observador” m uestra dos grá
Explica tus respuestas. ficas circulares, cada una con cuatro secciones. Esta m ism a
inform ación podría representarse en la form a de una tabla de
b. ¿Existe alguna relación entre la altura y el tam año
contingencia 2 x 4 de dos variables cualitativas.
del zapato para las personas que son m ayores de 16
años de edad ? ¿L as personas más altas usan zapatos a. Identifica la población y m enciona las dos variables.
m ás grandes? E xplica tus respuestas.
b. C onstruye la tabla de contingencia usando entradas de
3 .3 [E X 03-003] En una encuesta nacional de 500 viajeros de porcentajes basadas en totales de fila.
negocios y 500 de descanso, a cada uno se le preguntó dónde
le gustaría “ más espacio”.
Page 152 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 3.1 Datos B ivariados 131
Figura para el ejercicio 3.4 autopistas interestatales (rurales) para autom óviles y camiones
por cada estado.
En la mirada del observador
Estado Automóviles Camiones Estado Automóviles Camiones
¿Cómo envejece su cónyuge? Alabama 70 70 Montana 75 65
Alaska 65 65 1lebraska 75 75
Arizona 75 75 1levada 75 75
Arkansas 70 65 1lew Hampshire 65 65
California 70 55 1lew Jersey 65 65
Colorado 75 75 1luevo México 75 75
Connecticul 65 65 1lúeva York 65 65
Delawa re 65 65 Carolina del 1lorie 70 70
Florida 70 70 Dakola del 1lorie 75 75
Georgia 70 70 Ohio 65 55
Hawai 60 60 Okbhoma 75 75
Idaho 75 65 O regó n 65 55
Illinois 65 55 Pennsyf/ania 65 65
Indiana 70 65 Rhode Island 65 65
lowa 70 70 Carolina del Sur 70 70
£ Mejor de le que esperé Kansas 70 70 Dakota del Sur 75 75
Peor de lo que esperé Kenlucky 65 65 Tennessee 70 70
£ Como esperé Louisiana 70 70 Texas 75 65
No sé
Maine 65 65 Utah 75 75
Fuente: Encu&sla E n e rg iz e r e n lín e a d e 1 0 5 1 a d u lto s c a s a d o s , Maryland 65 65 Virginia 65 65
e d a d e s -1 4 a Ó 2 a r o s
Massachusetts 65 65 Vermont 65 65
3 .5 La gráfica “ La edad perfecta” m uestra los resultados de Michigan 70 60 Washington 70 60
una tabla de contingencia 9 x 2 para una variable cualitativa Minnesota 70 70 West Virginia 70 70
Mississippi 70 70 Wisconsin 65 65
y una cuantitativa.
"La edad perfecta" www.elsolucionario.net Missouri
Fuente!
70 70
A m e ric a n T iu c k in g A s s o c ia lio n
Wyoming 75 75
a. C onstruye una tabla cruzada de las dos variables: tipo

de vehículo y lím ite de velocidad m áxim o en autopistas
interestatales. E xpresa los resultados en frecuencias y
m uestra los totales m arginales.
b. Expresa la tabla de contingencia que derivaste en el inci

so a en porcentajes basados en el gran total.
c. D ibuja una gráfica de barras que m uestre los resultados

del inciso b.
d. Expresa la tabla de contingencia que dedujiste en el inciso

a en porcentajes basados en el total m arginal para lím ite
de velocidad.
e. D ibuja una gráfica de barras que m uestre los resultados

del inciso d.
Si usas una com putadora o calculadora, intenta los com andos

Fuente: D a lo s d e C in d y H a ll y G e n e v ie v e Lynn, l/S A TODAY ; IRC R e s ta tch
p a ra W a lt D isney. O 1 9 P 8 USA TODAY , le im p re s o c o n p e rm is o de la tabla cruzada de la página 124.
a. Identifica la población y m enciona las variables cualitati 3 .7 [E X 03-007] U na encuesta estatal se llevó a cabo para in
va y cuantitativa. vestigar la relación entre las preferencias de los televidentes
por la inform ación noticiosa de A B C , C B S, N B C , PBS o FOX
b. C onstruye una gráfica de barras que m uestre las dos dis
y su afiliación con un partido político. L os resultados se m ues
tran en form a tabular:
c. ¿Parece existir una gran diferencia entre los géneros de Estación de televisión
esta encuesta? Afiliación política ABC CBS NBC PBS FOX
3 .6 [E X 03-006] La Ley de D esignación del Sistem a de A u Demócrata 203 218 257 156 226
Republicano 421 350 42 8 197 174
topistas N acionales de 1995 permite a los estados establecer
Otra 156 312 105 57 93
sus propios lim ites de velocidad. La m ayoría de los estados
elevaron los lím ites. En la siguiente tabla se proporcionan los a. ¿A cuántos televidentes se encuesto?
lím ites de velocidad m áxim os, para noviem bre de 2008, en las (continúa en la página 132)
Page 153 of 418

.
.
.
b. ¿P or qué éstos son datos bivariados? M enciona las dos Depósito mín. Tasa Depósito mín. Tasa Depósito mín. Tasa
variables. ¿Q ué tipo de variable es cada una? IOO 0 .9 5 25 1.00 25 0 ./5
100 1.24 50 1.00 10 0 .7 5
c. ¿C uántos televidentes prefirieron ver C B S? 10 1.24 100 1.00 100 0 .7 0
10 1.15 5 1.00 5 0 .6 4
d. ¿Q ué porcentaje de la encuesta fue republicana ?
100 1.10 10 1.00 10 0 .5 0
50 1.09 10 0 .8 0 100 0 .3 5
e. ¿Q ué porcentaje de los dem ócratas prefirieron A BC?
100 1.07 10 0 .7 5 25 0 .3 5
f. ¿Q ué porcentaje de los televidentes fueron republicanos 5 1.00 10 0 .7 5 5 0 .9 9
25 0 .7 5
y prefirieron PBS?
F u e n t e : B a n h a t e c o m . 2 8 d e ju lio d e 2 0 0 ®
3 .8 [E X 03-008] Considera la tabla de contingencia siguiente, a. P repara un diagram a de puntos de los cinco conjuntos de
que presenta los resultados de una encuesta publicitaria acerca datos con una escala com ún.
del uso de crédito por los clientes de Martan Oil Company.
b. P repara un resum en de 5 núm eros y un diagram a de cajas
Número de compras en estación
de los cinco conjuntos de datos. U sa la m ism a escala para
de gasolina el ano pasado
Método preferido de pago 0-4 5-9 10-14 15-19 =*20 Suma los diagram as de cajas.
Efectivo 150 100 25 0 0 275 c. D escribe cualquier diferencia que veas entre los tres con
Tarjeta petrolera 50 35 115 80 70 350
ju n to s de datos.
Tarjeta de crédito bancaria 50 60 65 45 5 225
Suma 250 195 205 125 75 850 Si usas una com putadora o calculadora para el ejem plo 3.10,
intenta los com andos de la página 126.
a. ¿A cuántos clientes se entrevistó?
3.1 1 [E X 03-01 1 ] ¿Puede predecirse la estatura de una m ujer
b. ¿P or qué éstos son datos bivariados? ¿Q ué tipo de varia a partir de la estatura de su m adre? A continuación se m encio
ble es cada una?
nan las estaturas de algunos pares m adre-hija; .v es la estatura
c. ¿C uántos clientes prefirieron usar una tarjeta petrolera? de la m adre y y es la estatura de la hija.
X 63 63 67 65 61 63 61 64 62 63
d. ¿C uántos clientes realizaron 20 o más com pras el año 63 65 65 65 64 64 63 62 63 64
/
pasado?
X 64 63 64 64 63 67 61 65 64 65 66
e. ¿C uántos clientes prefirieron usar una tarjeta petrolera y Y 64 64 65 65 62 66 62 63 66 66 65
realizaron entre cinco y nueve com pras el año pasado?
a. D ibuja dos diagram as de puntos con la m ism a escala y
f. ¿Q ué significa el 80 en la cuarta celda de la segunda fila? m uestra los dos conjuntos de datos lado a lado.
3 .9 [E X 03-009] Las tasas de desem pleo en ju n io de 2009 para b. ¿Q ué puedes concluir al ver los dos conjuntos de datos
los estados estadounidenses del Este y el O este fueron las si com o conjuntos separados en el inciso a? Explica.
guientes:
c. D ibuja un diagram a de dispersión de dichos datos com o
Tasas de desempleo estatal, junio de 2009 pares ordenados.
Éste 8~0 ¡0 6 lá l 73 02 110 12.1 7~2
d. ¿Q ué puedes concluir al ver los datos presentados com o
Oeste 8.7 11.6 8.4 6.4 12.0 12.2 5 .7 9.3
pares ordenados? Explica.
F u e n t e : U .S . B u re a u o í la b o r S ta h sfcs
3 .1 2 [E X 03-01 2] Las siguientes tablas m encionan las edades,

M uestra estas tasas com o dos diagram as de puntos con la m is
estaturas (en pulgadas) y pesos (en libras) de los jugadores en
ma escala; com para m edias y medianas.
la plantilla de 2009 para los equipos Boston Bruins y Edm on-
3 .1 0 [E X 03-010] ¿Q ué efecto tiene la cantidad m ínim a so ton O ilers de la N ational H ockey League.
bre la tasa de interés a ofrecer por los certificados de depósito Boston Bruins Edmonton Oilers
(C D ) a 3 m eses? Las siguientes son las tasas de rendim iento
Edad Estatura Peso Edad Estatura Peso
publicitadas y, para un depósito m ínimo de 500, 1 000, 2 500,
31 72 193 22 70 180
5 000 o 10 000 dólares, x. (O bserva que x está en 100 dólares 24 72 186 22 69 178
y y es tasa de rendim iento porcentual anual.) 23 71 176 19 70 191
32 70 195 24 71 183
22 71 194 24 71 190
32 71 209 24 72 190
35 74 186 24 73 195
34 73 175 23 71 200
21 76 220 30 73 202
30 72 195 24 76 217
25 77 21 5 28 78 265
25 72 192 33 74 220
21 72 189 26 76 243
Page 154 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 3.1 Datos bivariados 133
Boston Bruins Edmonton Oilers c. ¿Q ué conclusión, si hay alguna, puedes extraer a partir de
Edad Estatura Peso Edad Estatura Peso la apariencia del diagram a de dispersión?
27 72 195 23 71 180
24 75 188 25 72 191
3.1 7 Las tablas de crecim iento usualm ente las usan los pedia
22 75 196 32 73 203 tras para m onitorear el crecim iento de un niño. C onsidera la
41 70 195 23 75 217 siguiente tabla de crecim iento.
29 72 192 22 72 196
32 73 209 26 75 210 Tabla de crecimiento
22 75 185 25 73 195
95
25 74 225 21 74 223
32 81 261 23 75 204 94
26 73 21 1 33 76 227 93
30 70 189 36 73 20 0 92
24 70 187 34 76 22 5
30 72 220 32 70 188 91
23 73 185 25 76 189 90
25 74 218 36 73 208 89
26 72 200
88
34 72 207
22 74 171 87
25 73 190 86
28 74 200 4.0 4.5 6 0
3.0 3.5 5.0 5.5
35 71 182
Edad (años)
Fuente: I it lp : / / s p o r l 5 . e s p n . g o . c o i n /
a. C om para cada una de las tres variables (estatura, peso y

a. ¿Cuáles son las dos variables que se muestran en la gráfica?
edad) o con un diagram a de puntos o con un histogram a
(usa la m ism a escala). b. ¿Q ué inform ación representa el par ordenado (3,87)?
b. Con base en lo que ves en las gráficas del inciso a, ¿pue
des detectar una diferencia sustancial entre los dos eq u i
c. D escribe cóm o el pediatra puede usar esta tabla y qué
tipos de conclusiones pueden basarse en la inform ación
pos en cuanto a estas tres variables? Explica. que se m uestra en ella.
c. Explica por qué los datos, com o se usaron en el inciso a, 3 .1 8 [EX03-01 2] a. D ibuja un diagram a de dispersión que
no son datos bivariados. m uestre estatura, x y peso y , para el equipo de Boston Bruins,
con los datos del ejercicio 3.12.
3 .1 3 Considera las dos variables de la estatura y el peso de una
persona. ¿C uál variable, estatura o peso, usarías com o la varia b. D ibuja un diagram a de dispersión que m uestre estatura, .v
ble de entrada cuando estudies su relación? Explica por qué. y peso, y, para el equipo de hockey Edm onton O ilers, con
los datos del ejercicio 3.12.
3 .1 4 D ibuja un eje coordenado y gráfica los puntos (O, 6),
(3, 5), (3, 2) y (5, 0) para form ar un diagram a de dispersión. c. E xplica por qué los datos, com o se usaron en los incisos a
D escribe el patrón que m uestran los datos en esta presentación. y b, son datos bivariados.
3 .1 5 ¿E studiar para que un exam en rinda frutos?
PTI Si usas una computadora o calculadora, intenta los co
a. D ibuja un diagram a de dispersión del núm ero de horas de mandos de las páginas 129-130.
estudio, x, en com paración con la calificación recibida en
el exam en y. 3 .1 9 [E X03-019] Los siguientes datos m uestran el núm ero de
x 2 5 4 2 horas, .v, estudiadas para un exam en y la calificación recibida,
JL 80 80 70 90 60 y (y se m ide en decenas; esto es: y = 8 significa que la califica
ción, redondeada a los 10 puntos más cercanos, es 80). Dibuja
b. Explica qué puedes concluir con base en el patrón de
el diagram a de dispersión. (C onserva esta solución para usarla
datos que se m uestra en el ciiagrama de dispersión que
en el ejercicio 3.37, p. 143.)
dibujaste en el inciso a. (Conserva estas soluciones para
usarlas en el ejercicio 3.55, p. 157.) 2 3 3 4 4 5 5 6 6 6 7 7 7
5 5 7 5 7 7 8 6 9 8 7 9 10 8 9
3 .1 6 Consulta la figura 3.8 del “Los estadounidenses am an
sus autom óviles” (Ejem plo aplicado 3.4 de la p. 128) para res 3 .2 0 [EX03-020] Un psicólogo experim ental afirm a que,
ponder las siguientes preguntas: m ientras m ás edad tenga un niño, son m enos las respuestas
irrelevantes que dará durante un experim ento controlado. Para
a. M enciona las dos variables utilizadas.
investigar esta afirm ación, se recopilaron los siguientes datos.
b. ¿El diagram a de dispersión sugiere una relación entre las
dos variables? Explica.
Page 155 of 418

.
.
.
D ibuja un diagram a de dispersión. (Conserva esta solución Asientos CF Asientos CF Asientos CF
para usarla en el ejercicio 3.38, p. 143.) 38 805 420 3 6 331 434 40 950 435
Edad, x 24 5 ó ó 7 9 9 10 12 41 118 400 43 405 405 38 496 400
Respuestas Irr., y 12 13 9 7 12 8 ó 9 7 5 56 000 400 4891 1 400 41 900 400
45 0 3 0 400 5 0 449 415 42 271 404
34077 400 50091 400 43 647 401
3.2 1 [EX03-02 1 ]Se seleccionó una m uestra de 15 estudian 40 793 400 43 7 7 2 404 42 600 396
tes de clase superior que se trasladaban hacia las clases en el 5 6 144 408 49033 407 46 200 400
registro. Se les pidió estim ar la distancia (jc) y el tiem po (y) 50516 400 47447 405 41 222 403
requerido para dirigirse cada día a clase (consulta la siguiente 40615 400 4 0 120 422 52 355 408
48 190 406 41 503 404 45 000 408
tabla).
CF = distancia desde home hasta b cerca del jcridín central
Distancia, x Tiempo, y Distancia, x Tiempo, y Fuente: hltp://mlb mlb.com
(milla (5 minutos (milla (5 minutos
más cercana) más cerca) más cercana) más cerca)
18 20 2 5 ¿E xiste alguna relación entre estas dos m ediciones del “tam a
8 15 15 25 ño” de los 30 estadios de la M ajor League Baseball?
20 25 16 30
5 20 9 20 a. ¿Q ué crees que encontrarás? ¿Los cam pos m ás grandes
5 15 21 30 tienen más asientos? ¿L os cam pos m ás pequeños tienen
11 25 5 10 m ás asientos? ¿N o hay relación entre tam año de cam po
9 20 15 20 y núm ero de asientos? ¿H ay una fuerte relación entre
10 25 tam año de cam po y núm ero de asientos? Explica.
a. ¿E speras encontrar una relación lineal entre las dos b. C onstruye un diagram a de dispersión.
variables: distancia y tiem po de traslado? Si es así,
c. D escribe qué te dice el diagram a de dispersión, e incluye
explica qué relación esperas.
una reacción a tu respuesta al inciso a.
b. C onstruye un diagram a de dispersión que m uestre dichos
3 .2 4 [EX03-024] La m ayoría de los adultos estadouniden
datos.
ses conducen. ¿Pero tienes alguna idea de cuántos conducto
c. ¿El diagram a de dispersión en el inciso b refuerza lo que res con licencia hay en cada estado de Estados U nidos? La
esperas en el inciso a? siguiente tabla m enciona el núm ero de conductores hom bres y
m ujeres con licencia en cada uno de 15 estados estadouniden
3 .2 2 [EX03-022] C onsulta la tabla de SUV 2009 tracción
ses seleccionados al azar durante 2007.
cuádruple y 6 cilindros del ejem plo aplicado 3.4 de la página
128 y las dos variables capacidad de tanque de gasolina, .v y el Conductores con licencia por estado (x 100000)
costo de llenarlo, y. Hombre Mujer Hombre Mujer
17.92 17.10 5 9 .0 7 5 4 .6 2
a. Si dibujaras diagram as de dispersión de estas dos variables, 5.18 5 .1 0 2.38 2.33
en la m ism a gráfica pero separadas, para las SUV que usan 2 1 .2 4 21.85 15.01 16.26
gasolina regular y prem ium , ¿crees que los dos conjuntos 10.03 10.15 75.98 75 .8 6
de datos serían distinguibles? Explica qué anticipas ver. 14.52 14.82 8 32 8.20
15.91 15.59 2 5 .2 6 23.53
b. C onstruye un diagram a de dispersión de capacidad de 3 .7 4 3.62 2 05 1.93
tanque, x y costo de llenado de tanque, y, para las SUV 6 .7 7 6 .8 9
que usan gasolina regular. Fuente: Federal Highway Admin., U.S. Depl. ol Transportation
c. C onstruye un diagram a de dispersión de capacidad de a. ¿E speras encontrar una relación lineal (línea recta) entre
tanque, x y costo de llenado de tanque, y, para las SUV el núm ero de conductores hom bres y el de conductores
que usan gasolina prem ium en el diagram a de dispersión m ujeres con licencia por estado? ¿C uán fuerte anticipas
del inciso b. que sea esta relación? Describe.
d. ¿L os dos conjuntos son distinguibles? b. C onstruye un diagram a de dispersión con x com o el

núm ero de conductores hom bres y y para el núm ero
e. ¿C óm o se com para tu respuesta al inciso a con tu respues de conductores m ujeres.
ta al inciso d? Explica cualquier diferencia.
c. C om para el diagram a de dispersión con tus expectativas
3 .2 3 [EX03-023] Los estadios de béisbol varían en edad, es en el inciso a. ¿C óm o te fue? Explica.
tilo y tam año y m uchas otras form as. Los fanáticos pueden
pensar en el tam año de un estadio en térm inos del núm ero de d. ¿E x isten puntos de d ato s que p arecen estar separados
asientos, m ientras que los jugadores pueden m edir el tam año del patrón cread o p o r el resto de los pares o rd en ad o s?
de un estadio en térm inos de la distancia desde hom e hasta la Si se q u itaran del co n ju n to de d ato s, ¿cam b iarían los
cerca del jardín central. resu ltad o s? ¿Q u é hace que esto s p u n to s estén separados
Page 156 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 3.1 Datos Bivariados 135
de los o tros, pero aún a s í sean parte del patrón ex te n O bserva cuán bien una m uestra aleatoria representa los datos
d ido? E xplica. de donde se seleccionó.
e. U sa el conjunto de datos para los 51 estados para co n s d. Repite los incisos a y b con el conjunto de datos que con
truir un diagram a de dispersión. C om para el patrón de la tiene los 150 datos de F isher en [EX 03-025].
m uestra de 15 con el patrón que m uestran los 51. D escri
e. A parte del hecho de que los diagram as de dispersión de
be con detalle.
los incisos a y b tienen m enos datos, com enta acerca
f. ¿La m uestra proporcionó suficiente inform ación para que de las sim ilitudes y diferencias entre las distribuciones
com prendas la relación entre las dos variables en esta m ostradas para los 150 datos y para los 30 datos seleccio
situación? Explica. nados al azar.
3.25 [EX03-025] R onald Fisher, estadístico inglés (1890- 3 .2 6 [EX03-026] Los eclipses totales de Sol en realidad tie
1962), recopiló m ediciones para una m uestra de 150 irises. Le nen lugar casi con tanta frecuencia que los eclipses de Luna,
preocupaban cinco variables: especie, ancho de pétalo (PW ), pero los prim eros son visibles en una trayectoria m ucho más
longitud de pétalo (PL), ancho de sépalo (SW ) y longitud de estrecha. T anto el ancho de la trayectoria com o la duración
sépalo (SL) (todos en mm). Los sépalos son las hojas m ás ex varían sustancialm ente de un eclipse al siguiente. La siguiente
ternas que encierran la flor antes de que se abra. La m eta del tabla m uestra la duración (en segundos) y los anchos de tra
experim ento de Fisher fue producir una función sim ple que yectoria (en m illas) de 44 eclipses totales de Sol m edidos en el
pudiera usarse para clasificar correctam ente las flores. U na pasado y los proyectados para el año 2010:
m uestra aleatoria de este conjunto de datos com pleto se pro
Fecha Duración (s) Ancho (mi) Fecha Duración (s) Ancho (mi)
porciona en la siguiente tabla.
19 50 73 83 1983 310 123
Tipo PW PL SW SL Tipo PW PL SW SL 19 52 189 85 1 9 84 1 19 53
1954 155 95 1985 118 430
0 2 15 35 52 1 24 51 28 58
1955 427 157 1986 1 1
2
1
0
18
19
3
48
51
13
32
27
35
59
58
50
1
0
1
19
23
1
50
15
59
25
31
32
63
49
68
19 56
1958
19 59
284
310
181
266
129
75
1 9 87
1988
1990
216
152
7
104
125
3
0 3 15 38 51 2 13 44 23 63
1961 165 160 1991 413 160
2 12 44 26 55 2 15 42 30 59
19 62 248 91 1992 320 182
1 20 64 38 79 1 25 57 33 67
2 15 49 31 69 21 57 67 1963 99 63 1 9 94 263 117
1 33
1965 315 123 1995 129 48
2 15 45 29 60 0 2 15 37 54
19 66 117 52 1 9 97 170 221
2 12 39 27 58 1 18 49 27 63
22 56 28 64 17 45 25 49 1968 39 64 1998 248 94
1 1
19 70 207 95 1999 142 69
1 13 52 30 67 1 24 56 34 63
1 9 /2 165 109 2001 296 125
0 2 14 29 44 0 2 14 36 50
2 16 51 27 60 10 50 60 1973 423 159 2002 124 54
2 22
1974 308 214 2003 11 7 338
0 5 17 33 51 0 2 12 32 50
19 76 286 123 2005 42 17
1977 157 61 2006 247 1 14
19 79 169 185 2008 147 144
a. C onstruye un diagram a de dispersión de longitud de p é 19 80 248 92 2009 399 160
talo, x y ancho de pétalo, y . U sa diferentes sím bolos para 1981 122 67 2010 320 160
representar las tres especies.* F u e n te : The W o r ld A liñ a rm e a n d B o o k o lF a c t s , 1008
b. C onstruye un diagram a de dispersión de longitud de sépa a. D ibuja un diagram a de dispersión que m uestre duración y
lo, x y ancho de sépalo, y. Usa diferentes sím bolos para y ancho de trayectoria .v, para los eclipses totales de Sol.
representar las tres especies.
b. ¿C óm o describirías este diagram a?
c. E xplica qué retratan los diagram as de dispersión de los
incisos a y b. c. Las duraciones y anchos de trayectoria para los años
2006-2009 fueron proyecciones. Los valores registrados
fueron:
Año Ancho de trayectoria Duración
2006 6 5 millas 247 s
* A dem ás de u sar los c o m an d o s d e las páginas 129-130, usa: 2008 147 millas 147 s
P a ra M IN IT A B : S elecciona: S cattcrplot W ith G ro u p 2009 160 millas 399 s
E scribe: V ariables c ateg ó ricas para
agolpam iento: T y p e
C om para los valores registrados con las proyecciones. Com en
P ara T I-8 3 /8 4 : E scribe diferentes gru p o s en co lu m n as
ta acerca de la precisión.
separadas x y y. U sa una S tat P lot separada
y “ M a rk ” p ara cada g rupo
Page 157 of 418

.
.
.
| 5 . 2 Correlación lin eal ~

El principal propósito del an á lisis d e co rre la c ió n lin e al es m edir la fuerza de una relación
lineal entre dos variables. E xam ina algunos diagram as de dispersión que dem uestren d i
ferentes relaciones entre entrada, o variables independientes, x y salida o variables d epen
dientes, y. Si, conform e x aum enta, no hay un desplazam iento definido en los valores de y,
se dice que no h ay c o rre la c ió n , o no hay relación entre x y y . Si, conform e x aum enta, hay
un desplazam iento en los valores de y, entonces existe una c o rre la c ió n . La correlación es
positiva cuando y tiende a aum entar, y n e g a tiv a cuando y tiende a dism inuir. Si los pares
ordenados (.v, y) tienden a seguir una trayectoria en línea recta, existe una correlación
lineal. La precisión del desplazam iento en y conform e .v aum enta determ ina la fuerza de
la co rre la c ió n lineal. Los diagram as de dispersión en la figura 3.9 m uestran estas ideas.
FIGURA 3.9
D iagram as de dispersión y correlación
*♦ •
4 • • » • * * 4 * ♦ ♦ ♦ •
4 4 « 4 4 « 4 v * * - * * 4 * <■ * * « . * * * 4 4 44 * 4
• . ••• ♦ r : ••
4 * - * * * • * ♦ 4 4 > • \ ! - * 4
4 4 4 4 • 4 44 4 * 4 * 44 * * 4 * 4 ♦44 44 4
* * 4 ‘ 4 . 4 4 4 4 4 * 4 4 ‘
No correlación
Positiva Positiva alfa Negativa Negativa alta
La correlación lineal perfecta ocurre cuando todos los puntos caen exactam ente a lo
largo de una línea recta, com o se m uestra en la figura 3.10. La correlación puede ser positi
va o negativa, dependiendo de si y aum enta o dism inuye conform e aum enta. Si los datos
forman una línea recta horizontal o vertical, no hay correlación, porque una variable no
tiene efecto sobre la otra, com o tam bién se m uestra en la figura 3.7.
FIGURA 3.10
Pares ordenados que forman una línea recta
Correlación positiva perfecta Correlación negativa perfecta Horizontal: no correlación Vertical: no correlación
FIGURA 3.11 Los diagram as de dispersión no siem pre aparecen en una de las form as que se mues-
N o correlación lineal lran en *as Figuras 3.9 y 3.10. En ocasiones sugieren relaciones distintas a la lineal, com o
en la figura 3 .1 1. Parece existir un patrón definido; sin em bargo, las dos variables no se
relacionan linealm ente y por tanto no hay correlación lineal.
El coeficiente d e co rre la c ió n lineal, r, es la m edida num érica de la fuerza de la re-
*V »' lación lineal entre dos variables. El coeficiente refleja la consistencia del efecto que un
"* • . . .
cam bio en una variable tiene sobre la otra. El valor del coeficiente de correlación lineal
ayuda a responder la pregunta; ¿existe una correlación lineal entre las dos variables bajo
consideración? El coeficiente de correlación lineal, r, siem pre tiene un valor entre -1 y +1.
Un valor de +1 significa una correlación positiva perfecta y un valor de -1 significa una
correlación negativa perfecta. Si, conform e x aum enta, existe un aum ento general en el
valor de y, entonces r será positivo en valor. Por ejem plo, un valor positivo de r se espera-
Page 158 of 418
.
.
.
Sección 3 .2 C o rrela ció n linea l 137
ría para la edad y la estatura de los niños, porque, conform e los niños tienen m ás edad, se
vuelven m ás altos. A dem ás, considera la edad, x y el valor de reventa, y, de un automóvil.
C onform e el autom óvil envejece, su valor de reventa dism inuye. Dado que, conform e .v
aum enta, y dism inuye, la relación resulta en un valor negativo de r.
El valor de r se define m ediante la fó rm u la p ro d u c to -m o m e n to d e P earso n :
Fórmula para definición
r = S (x -x )(y -y )
(3.1)
( n - l|s ,ír
Notas:
1. L as desviaciones estándar de las variables x y y son sg y s .

2. El desarrollo de esta fórm ula se estudia en el capítulo 13.
Para calcular r, usarás una fórm ula alternativa, la fórm ula (3.2), que es equivalente a la
fórm ula (3.1). C om o cálculos prelim inares, calcularás p o r separado tres sum as de cuadra
dos y después las sustituirás en la fórm ula (3.2) para obtener r.
PTI SS(x) es el num era
d o r de la va ria n za .
Fórmula para cálculo
/. . . j i ' i- i suma de cuadrados para xy

coeficiente de correlación lineal = r 1
J suma de cuadrados pa ra x) (suma de cuadrados pa ra y)
SSN
.SS(x)SS(y) (3 .2 )
R ecuerda el cálculo de SS(.v) de la fórm ula (2.8) para la varianza m uestral (p. 77):
. . . , , (sum a d e .v)2
sum a de cuadrados p a ra x = sum a de . r - -----------------
S S (r)- X r - — (2.8)
T am bién puedes calcular:
. . . . , (sum a d e y)2
sum a de cuadrados p a ra y = sum a de y 2---------- -— -—
SSCv) = X r - ^ - (3.3)
. . . , (sum a d e x ) (sum a de y)
sum a de cuadrados p a ra x y = sum a de x y —
, v 5>£>'
SS(xy) = 2 f X y ------
(3 .4 )
Page 159 of 418

.
.
.
E J E M P L O 3.5
CÓMO CALCULAR EL COEFICIENTE DE CORRELACIÓN

© LINEAL, r
E n c u e n tra el c o e fic ie n te d e c o r r e la c ió n lin e a l p a r a lo s d a to s d e f le x io n e s / a b
d o m in a le s d e l e je m p lo 3 . 3 (p. 1 2 7 ).
Solución
P rim e ro , c o n s tru y e u n a t a b la d e e x te n s io n e s (ta b la 3 . 1 2 ) q u e m e n c io n e to d o s
los p a re s d e v a lo re s (x, y) p a r a a y u d a r te a e n c o n tra r x 2, x y y y2 p a r a c a d a p a r
y los c in c o to ta le s d e c o lu m n a .
TABLA 3 .1 2 T a b la d e e x te n s io n e s p a r a e n c o n tra r c in c o s u m a to ria s [TA03-10]
1Estudiante Flexiones f X X2 Abdominales, y y2 xy

1 27 729 30 900 810
2 22 484 26 67 6 572
3 15 225 25 625 375
4 35 1 225 42 1 764 1 470
5 30 900 38 1 44 4 1 140
6 52 2 704 40 1 600 2 080
7
8
9
35
55
40
1 225
3 025
1 600
32
54
50
1 024
2916
2 500
1 120
2 970
2 000
10 40 1 600 43 1 849 1720
-<N)
I x y = 14257
M
S x = 351 1x2= 13717 S y = 38 0 15298

II
suma de x suma de x2 suma de y suma de y 2 suma de xy
S e g u n d o , p a r a c o m p le ta r lo s c á lc u lo s p re lim in a re s s u stitu ye la s c in c o s u m a
to ria s (los c in c o to ta le s d e c o lu m n a ) d e la ta b la d e e x te n s io n e s en la s fó rm u la s
(2 .8 ), (3 .3 ) y (3 .4 ) y c a lc u la las tre s s u m a s d e c u a d ra d o s :
SS(x) = 1 3 7 1 7 - 1 3 ^ 1 1 1 = 1 3 9 6 .9
n IO
PTI Los valores X y SS
se necesitarán p a ra la
regresión en la sección
S S f y l- Z y 2 - - ! ^ » 1 5 2 9 8 - í ^ £ = 8 5 8 .0
3 .3 . ¡Asegúrate de
g u a rd a rlo s!
SS|xy) = lxy- = 14 2 5 7 - = 9 1 9 .0 0
T e rc e ro , s u stitu ye la s tre s su m a s d e c u a d r a d o s en la fó rm u la (3 .2 ) p a r a
e n c o n tra r el v a lo r d e l c o e fic ie n te d e c o r r e la c ió n :
r= SS!X/ ) — ------------ 9)9^0 --------- = 0 .8 3 9 4 = 0.8 4

© ’SS{x)SS(y) (1 3 9 6 .9 )(8 5 8 .0 )
N o ta : por lo general, r se redondea a la centésim a más cercana.
PTI O bserva esto en ^ valor del coeficiente de correlación lineal ayuda a responder la pregunta: ¿existe una
i . . . correlación lineal entre las dos variables bajo consideración? C uando el valor calculado de
acción con el ejercicio ^ J
3 27 de la p ágina 142 r est^ cerca cero’ se concluye que existe poca o ninguna correlación lineal. Conform e
--------------------------------- el valor calculado de r cam bia de 0.0 hacia o +1.0 o -1 .0 , ello incide en una correlación
lineal creciente entre las dos variables. D esde un punto de vista gráfico, cuando calculas r,
© Page 160
Tutoriales en video disponibles; ofy aprende
ingresa 418 más en ccngagcbrain.com
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/Sección 3 .2 C o rrela ció n linea l 139
lo que haces es m edir cuán bien una línea recta describe el diagram a de dispersión como
pares ordenados. C onform e el valor de r cam bia de 0.0 hacia +1.0 o -1 .0 , los puntos de
datos crean un patrón que se m ueve m ás cerca a una línea recta.
C O E F I C I E N T E DE C O R R E L A C I Ó N
Escribe los datos de la variable x en C1 y los correspondientes datos de la variable y en C2;
MINITAB después continúa con:
Elige: S ta t > Basic S ta tís tlc s > C o r r e la tlo n . . .

Escribe: Variables: C1 C2 > OK
Escribe los datos de la variable x en la columna A y los correspondientes datos de la variable y

Excel en la columna B; activa una celda para la respuesta, después continúa con
Elige: I n s e r t f u n c tí o n fx > S ta tt s tic a l > CORREL > OK

Escribe: A rray 1: x d a t a r a n g e
A rr a y 2: y d a t a r a n g e > OK
Escribe los datos de la variable x en L1 y los correspondientes datos de la variable y en L2;

T I-8 3 /8 4 Plus después continúa con:
Elige:
Elige:
Escribe:
2 n d > CATALOG > D ta g n o s to c O n * > ENTER > ENTER
STAT > CALC > 8: LlnReg( a + bx)
L l , L2
‘ Debes seleccionar DiagnosticOn para que se muestren r y r7. Una vez establecido, omite este paso.
C o m p re n d e r el coeficiente d e correlación lineal

FIGURA 3.12
La ventana de datos El siguiente m étodo creará: 1) un significado visual para la correlación, 2) un significado
visual para lo que m ide el coeficiente lineal y 3) una estim ación para r. El m étodo es rá
pido y por lo general produce una estim ación razonable cuando la “ventana de datos” es
aproxim adam ente cuadrada.
Nota: esta técnica de estim ación no sustituye el cálculo de r. Es m uy sensible a la “disper

sión” del diagram a. Sin em bargo, si la “ ventana de datos” es aproxim adam ente cuadrada,
* *♦ esta aproxim ación será útil com o una estim ación o com probación mental.
i ♦: .v • ”
Procedim iento:
-//-
1. C onstruye un diagram a de dispersión de tus datos y asegúrate de que escalas los ejes
FIGURA 3.13 de m odo que la gráfica resultante tenga una “ ventana de datos” aproxim adam ente
Enfócate en el patrón cuadrada, com o se m uestra en la figura 3.12 m ediante el m arco azul claro. La ven
y tana puede no ser la m ism a región determ inada por las cotas de las dos escalas, que
se m uestran com o un rectángulo azul oscuro en la figura 3.12.
2. T iende dos lápices en tu diagram a de dispersión. M anténlos paralelos y m uévelos a
una posición de m odo que están tan cerca com o sea posible m ientras encierran entre
ellos a todos los puntos del diagram a de dispersión. (O bserva la figura 3.13.)
3. V isualiza una región rectangular que esté acotada por los dos lápices y que termina
justo m ás allá de los puntos del diagram a de dispersión. (O bserva la porción som
breada de la figura 3.13.)
Page 161 of 418
.
.
.
4. E stim a el núm ero de veces que el rectángulo es m ás largo que ancho. U na form a
FIGURA 3.14
sencilla de hacer esto es m arcar m entalm ente cuadrados en el rectángulo. (O bserva
Cóm o encontrar k
la figura 3.14.) Llam a k a este núm ero de múltiplos.
5. El valor de r puede estim arse com o ±(l - j ) .
6 . El signo asignado a r se determ ina m ediante la posición general de la longitud de la

región rectangular. Si se encuentra en una posición creciente, r será positivo; si se
encuentra en una posición decreciente, r será negativo (véase la figura 3.15). Si el
rectángulo está en una posición horizontal o en una vertical, entonces r será cero, sin
im portar la razón longitud-ancho.
FIGURA 3.15
a) Posición creciente b) Posición decreciente
y
U sa este m étodo para estim ar el valor del coeficiente de correlación lineal para la re
FIGURA 3.16
Flexiones frente a abdom inales
para 10 estudiantes
lación entre el núm ero de flexiones y abdom inales. C om o se m uestra en la figura 3.16, se
descubre que el rectángulo es aproxim adam ente 3.5 veces m ás largo que ancho (esto es:
k » 3.5) y el rectángulo se encuentra en una posición creciente. Por tanto, la estim ación
para r es
+ 0.70
r “ + 11-35
Causación y variables ocultas

Flexiones Conform e uno intenta explicar el pasado, com prender el presente y estim ar el futuro, los
juicios acerca de causa y efecto son necesarios debido al deseo de im poner orden en el
entorno.
La rela ció n c a u s a y efecto es bastante directa. Puedes enfocarte en una situación, el
efecto (por ejem plo, una enferm edad o problem a social) y tratar de determ inar su causa(s),
o puedes com enzar con una causa (condiciones insalubres o pobreza) y discutir su(s)
efecto(s). Para determ inar la causa de algo, pregúntate por qué ocurrió. Para determ inar el
efecto, pregúntate q u é ocurrió.
Variable oculta Variable que no está incluida en un estudio, pero que tiene
un efecto sobre las variables del estudio y hace parecer que dichas variables
están relacionadas.
Un buen ejem plo es la fuerte relación positiva que m uestra la cantidad de daño causado
por un incendio y el núm ero de bom beros que com baten el incendio. El “tam año” del in
cendio es la variable de confusión; “causa” tanto la “cantidad” de daño com o el “núm ero”
de bom beros.
Si existe una fuerte correlación lineal entre dos variables, entonces una de las siguien
tes situaciones puede ser verdadera acerca de la relación entre las dos variables:
1. Existe una relación directa causa-efecto entre las dos variables.
2. E xiste una relación inversa causa-efecto entre las dos variables.
Page 162 of 418

.
.
.
Sección 3 .2 C o rrela ció n linea l 141
3. Su relación puede ser provocada por una tercera variable.
4. Su relación puede ser provocada por las interacciones de m uchas otras variables.
5. La aparente relación puede ser estrictam ente una coincidencia.
R e c u e rd a q u e u n a fu e rte c o rre la c ió n no n e c e s a ria m e n te im p lica cau sació n .

He aquí algunas tram pas a evitar:
1. En una relación directa causa-efecto, un aum ento (o dism inución) en una variable
causa un aum ento (o dism inución) en otra. Supon que hay una fuerte correlación
positiva entre peso y estatura. ¿U n aum ento en peso causa un aum ento en estatura?
N o necesariam ente. O, para ponerlo de otra forma: ¿una dism inución en peso causa
una dism inución en estatura? M uchas otras posibles variables están involucradas,
com o género, edad y estructura corporal. Estas otras variables se llam an variables
ocultas.
2. En el ejem plo aplicado 3.4 (p. 128), existió una correlación positiva entre la capa
cidad del tanque de gasolina y el costo del llenado del tanque. Si tuvieras una de
las SU V con un tanque de gasolina más pequeño que cuesta m enos llenar, ¿esto te
ahorraría dinero por la gasolina?
3. N o razones a partir de la correlación para la ca u sa: sólo porque todas las personas
que se m ueven hacia la ciudad envejecen, no significa que la ciudad causa enveje
cim iento. La ciudad puede ser un factor, pero no puedes basar tu argum ento en la
correlación.
E J E M P L O www.elsolucionario.net
A P L I C A D O 3.6
TASAS DE SEGUROS DE VIDA

¿Un a lto c o e fic ie n te d e c o rre
Prima mensual no fumador para seguro de vida
la c ió n lin e a l, r, im p lic a q u e 4Q _
lo s d a to s son lin e a le s p o r n a
tu ra le z a ? La e d a d d e e m is ió n 3 -3 5 -
d e l a s e g u ra d o y la p rim a d e 2 3q _
s e g u ro d e v id a m e n su a l p a r a "Z
u s u a rio s n o fu m a d o re s p a re - - | 25 ~
ce e n o rm e m e n te c o rre la c io - J 2 0 -
nada al o b s e rv a r la ta b la
q u e se p re s e n ta a q u í. C o n -
fo rm e a u m e n ta la e d a d d e 10-
e m is ió n , la p rim a m en sua l — 1------------------ 1------------------ 1-------------------1-------------------1-------------------1------------------ r
© iS to c k p h o lo .c o m 30 35 40 45 50 55 60
p a r a el s e g u ro a u m e n ta p a r a
Edad
c a d a u n o d e lo s g é n e ro s .
TABLA 3 .1 3 P rim a s m e n s u a le s n o fu m a d o re s p a r a s e g u ro d e v id a [TA03-13]

$100000 $250000 $500000
Edad emisión Hombre ($) Mujer ($) Hombre ($) Mujer ($) Hombre ($) Mujer ($)
30 7 .9 6 6 .5 9 1 1.96 9 .1 3 19.25 12.46
35 8.05 6 .5 6 1 1.96 9 13 1 9 .5 7 12.46
40 9 .6 3 7 .7 9 15.22 10 8 9 2 3 .1 9 1 6 .4 7
45 13 .14 9 .8 0 2 2 .4 0 1 5 .4 4 3 5 .8 7 2 4 .0 3
50 1 8 .4 4 12 .42 3 3 .6 9 2 1 .1 0 53 .81 3 3 .3 8
55 26.01 15.75 4 9 .2 2 2 9 .3 7 8 7 .5 9 4 8 .0 6
60 3 7 .1 0 2 0 .8 3 7 4 .5 9 4 2 .0 5 137.38 6 9 .8 7
Fuente: h t t p : / / w w w . r e l ia q u o l e . c o m /
T o d a s la s p rim a s m e n c io n a d a s s o n la s m e jo re s c la s ific a c io n e s p ena n o fu m a d o re s d e c a d a p o r ta d o r
Page 163 of 418

.
.
.
142 Copítulo 3 A nálisis d e s c rip tiv o y p re s e n ta c ió n d e d a to s D iv a ria d o s
C onsidera la edad de emisión del asegurado y la prim a mensual mascu

lina para una p óliza de $ 1 0 0 0 0 0 . El coeficiente de correlación calculado
para esta clase específica de seguro resulta en un va lo r de r = 0 .9 3 2 . Por
lo general, un valor de r así cercano de 1.0 indicaría una relación bastan
te fuerte en línea recta; pero espera. ¿Tienes una relación lineal? Sólo un
de archivo de una base de datos en línea de un ejercicio: basesde datos y Applets Skillbuilder disponiblesa través de cengagebraii
diagram a de dispersión puede decírtelo.

El dia gra m a de dispersión muestra claram ente un patrón no en línea
recta. Sin em bargo, el coeficiente de correlación era muy alto. Es el patrón
a la rg a d o en los datos el que produce una r calculada tan grande. La lección
de este ejem plo es que uno siempre debe com enzar con un dia gra m a de
dispersión cuando considera correlación lineal. ¡El coeficiente de correlación
sólo cuenta un lado de la historia!
©
3 .2 7 E jercicio A pplet S kill
del otro? Siete estudiantes de penúltimo año de bachillerato,

builder Proporciona diagra que poseían tanto un teléfono celular com o un iPod, se selec
mas de dispersión para varios cionaron al azar, lo que resultó en los siguientes datos:
coeficientes de correlación. Celular, n (# teléfonos) 42 7 75 78 126 2 2 23
a. A partir de /• = 0, mueve
la barra deslizante hacia la
derecha hasta r = 1. Expli
iPod, n (canciones guardadas) 30 3 2 1 2 401 5 0 0 5 3 6 2 0 0 27 8
a. Completa los cálculos preliminares: extensiones, cinco

sumatorias y SS( a ), SS(y) y SS(jcy).
ca qué ocurre con los co
b. Encuentra r.
rrespondientes diagramas
de dispersión. 3 .3 3 [E X 03-033] Muchas organizaciones ofrecen tarifas de
revistas “especiales” a sus miembros. La Federación Estado
b. A partir de /• = 0, m ueve la barra deslizante hacia la iz
unidense de Profesores (AFT, por sus siglas en inglés) no es
q uierda hasta r = - 1 . E xplica qué ocurre con los corres
diferente, y a continuación se presentan algunas de las tarifas
pondientes diagram as de dispersión.
que ofrecen a sus miembros.
3 .2 8 ¿Cómo interpretarías los hallazgos de un estudio de co
Revista Tarifa usual Su precio
rrelación que reporta un coeficiente de correlación lineal de
Cosmopolilan 2 9 .9 7 1 8 .0 0
- 1 .3 4 ? Sports lllustrated 8 9 .0 4 39 95
Time 5 9 .9 5 29 95
3 .2 9 ¿Cómo interpretarías los hallazgos de un estudio de
Rolling Stone 2 5 .9 4 14 9 5
correlación que reporta un coeficiente ce correlación lineal de M artha Stewart Living 2 8 .0 0 2400
+ 0 .3 7 ? Fuente: AFT, fe -b ie io de- 2 0 0 0
3 .3 0 Explica por qué tiene sentido que un conjunto de da a. Construye un diagrama de dispersión con “su precio”
tos tenga un coeficiente de correlación de cero cuando los da com o la variable dependiente y y “tarifa usual” com o la
tos muestran un patrón muy definido, como en la figura 3 .1 1 variable independiente, x.
lEXOO-OOOj identifica el nombre
(p. 136).
Encuentra:
3.3 1 ¿Estudiar para un examen rinde frutos? El número de b. SS( jc)
horas estudiadas, x , se compara con la calificación recibida en
c. SS(y)
el examen, y:
x 2 5 4 2 d. SS(jry)
y 80 80 70 90 60
e. Coeficiente producto-momento de Pearson, r
a. Completa los cálculos preliminares: extensiones, cinco
3 .3 4 [E X 03-034] Una muestra aleatoria de 10 estudiantes de
sumatorias, SS( a ), SS(y) y SS(.vy)-
séptimo grado produjo los siguientes datos acerca de x = nú
Q
b. Encuentra r. mero de minutos promedio que ven televisión las noches de la

semana, frente al número de minutos promedio empleados en
3 .3 2 [E X 03-032] Los teléfonos celulares y los iPods son ar
hacer la tarea las noches de la semana.
tículos para la generación actual. ¿El uso de uno indica el uso
Page 164 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 3 .2 C o rrela ció n linea l 143
Fila Televisión Tarea Fila Televisión Tarea 3.38 a. U sa el diagram a de dispersión que dibujaste en el
1 15 50 6 90 35 ejercicio 3.21) (pp. 133-134) para estim ar r para los
2 120 30 7 120 20 datos m uéstrales acerca del núm ero de respuestas
3 50 30 8 20 60 irrelevantes y la edad del niño.
4 40 60 9 10 45
5 60 40 10 60 25 b. C alcula r.
a. Construye un diagrama de dispersión con “minutos tarea”

como la variable dependiente v y “minutos televisión” como PTI ¿Alguna vez has intentado usar los com andos de co rre la
la variable independiente, x. ción en tu com p utad ora o ca lcu la d o ra ?
Encuentra:
b. SS( a-) 3 .39 EX03-039] U na em presa de m ercadeo quiere deter
m inar si el núm ero de com erciales de televisión transm itidos
c. SS(y)
estaba linealm ente correlacionado con las ventas de sus pro
d. SS(jry) ductos. L os datos, obtenidos de cada una de varias ciudades,
se m uestran en la siguiente tabla.
e. Producto-m om ento de Pearson, r
Ciudad A B C D E F G H 1 J
3.35 Los m anatíes nadan cerca de la superficie del agua. Con
Comerciales, x 12 6 9 15 1 1 15 8 16 12 6
frecuencia se m eten en problem as con los m uchos botes de
Unidades vendidas, y 7 5 10 14 12 9 6 11 11 8
m otor en Florida. C onsidera la siguiente gráfica:
a. D ibuja un diagram a de dispersión.
Manatíes y botes de motor
b. E stim a r.
40
4>
35
w» 30 www.elsolucionario.net c. C alcular r.
3 .4 0 [EX03-040] Las com pañías cinem atográficas gastan

5 25 m illones de dólares para producir películas, con la gran espe
9
2 20 ranza de atraer a m illones de personas al cine. El éxito de una
15 película puede m edirse en m uchas form as, dos de las cuales
son los boletos de taquilla y el núm ero de nom inaciones al
10
O scar recibidas. A continuación hay una lista de 10 películas
4 5 6 7
Registros de 2008 con sus “ libretas de calificaciones” . C ada película se
m idió con su costo presupuestario (en m illones de dólares),
a. ¿C uáles dos grupos de sujetos se com paran? sus boletos de taquilla (en m illones de dólares) y el núm ero de
nom inaciones al Ó scar que recibió.
b. ¿C uáles dos variables se usan para realizar la com para
ción? Película Presupuesto Taquilla Nominaciones
The Curious Case
c. ¿Q ué conclusión puede extraerse con base en esta gráfica o f Benjamín Bufton 150 12 7.5 13
de dispersión? Smildogn M ilbna ire 15 141.3 10
M ilk 20 3 1 .8 8
d. ¿Q ué podrías hacer si fueras un funcionario de la vida The Dark Knight 185 5 3 3 .3 8
salvaje en Florida? WALL-E 180 2 2 3 .8 6
Frost/Níxon 25 18.6 5
3 .3 6 Estim a el coeficiente de correlación para cada uno de los The Reacfer 32 3 4 .2 5
siguientes datos: Doubt 20 3 3 .4 5
Changeling 55 3 5 .7 3
♦ 4 » * * * The Wrestler 6 26 2 2
Fuente: h t t p : / / w w w . b o x o f l i c e m o j o . c o m /
a. D ibuja un diagram a de dispersión con x = presupuesto y

y = taquilla.
b. ¿Parece haber una relación lineal?

3 .3 7 a. U sa el diagram a de dispersión que dibujaste en el
ejercicio 3.19 (p. 133) para estim ar r para los datos c. C alcula el coeficiente de correlación lineal, r.
m uéstrales acerca del número de horas estudiadas y d. ¿Q ué parece decir este valor de correlación ? Explica.
la calificación del examen.
e. Repite las preguntas de la a a la d con x = taquilla y
b. C alcula r. y = nom inaciones.
Page 165 of 418

.
.
.
»»» MC nato que ocurrirá con las toneladas de C O , em itidas? Sé espe
3.4 1 E je rc icio A p p let Skill-
h u ild c r R elaciona coeficientes cifico en tu explicación.
de correlación con sus diagram as
3 .4 4 [EX03-044] La Oficina del N iño del D epartam ento de
de dispersión. D espués de varias
Salud y Servicios H um anos de Estados U nidos tiene una labor
rondas de práctica con “ New
..»;««» oa oc o» m onum ental. En 2006, 510 000 niños estuvieron en cuidado
P lots”, explica tu m étodo de re f
M ih m u a M h M sustituto. De ellos, aproxim adam ente 51 000 fueron adopta
lacionar.
ta c i> U M t> a K a in dos. ¿U sualm ente se adoptan m ás hom bres o m ás m ujeres?
3 .4 2 E je rc icio A pplet Skill- r
O ttln K tt*
•-0 W Z * • »
¿E xiste alguna diferencia? La tabla m enciona el núm ero de
i»
b u ild e r Proporciona práctica en t»
hom bres y m ujeres adoptados en cada uno de 16 estados iden
la construcción de diagram as de » tificados al azar.
dispersión para relacionar los «9
Estado Hombres Mujeres Estado Hombres Mujeres
n
coeficientes de correlación d a
’ e X « H K 1N Délaw a re 50 44 W yoming 27 30
dos.
1 levada 231 213 Nueva Jersey 689 636
« m p -m O C « m» k « I i ¡ i K i f |
a. D espués de colocar sólo 2 Alabama 190 197 Arkansas 178 217

Michigan 1 296 1 296 Idaho 580 603
puntos, ¿cuál es el valor r C a a ti-O J w tta tl t r a t a
Carolina del Sur 203 220 Hawai 202 195
calculado para cada diagra lovva 512 472 Washington 586 610
IM
m a de dispersión? ¿P or qué? M Georgia 660 586 Tennessee 497 497
90 Vermont 90 74 Alaska 112 100
b. ¿C uál diagram a de disper
49 F u e n t e : C h ild r e n 's B ur^ciu, ¿ d m in is lr a tio n fo r C h ild re n a n d Fam ilk-s
sión encontraste m ás fácil de n U .S . D e p a rtm e n t o f H e a lth a n d H u m a n S e rvice s. 2 0 0 o
construir? 0 » (I W U III
0 lo r ív f íc -rf.t, jo r ti [ c v . ¿E xiste una relación lineal entre el núm ero de hom bres y m u
3 .4 3 [EX04-043] Considera los siguientes datos 2009 de
jeres adoptados del cuidado sustituto durante 2006? U sa gráfi
cas y estadísticos num éricos para apoyar tu respuesta.
3 .4 5 [EX03-045] Las bebidas deportivas son m uy populares

SU V 4W D y 6 cilindros.
en la cultura contem poránea alrededor del m undo. La siguien
SUV 2009, 4W D, 6 cilindros te tabla m enciona 10 diferentes productos que puedes com
Fabricante M odelo Petro Tons prar en Inglaterra y los valores para tres variables: costo por
Buick Enclave 18.0 9 .6 porción (en peniques), energía por porción (en kilocalorías) y
Chevrolet Trailblazer 2 1 .4 114 carbohidratos por porción (en gram os).
Chysler Aspen 22.8 12.2
Dodge Durango 22.8 12.2 Bebida deportiva Costo Energía Carbs
Ford Escape 17.1 9 .2
Lucozade Sport RTD 3 3 0 mi pouch/can 72 92 21 1
GMC Envoy 2 1 .4 114
Lucozade Sport RTD 5 0 0 mi bol 79 140 32
Honda Pilot 19.0 10.2
Lucozade Sport RTD 6 5 0 mi sports bot 1 19 182 41 6
Jeep G rd Cherokee 20.1 10.8
POWERade 5 0 0 mi bot. 1 19 120 30
Kia Sportage 17.1 9 .2
Gatorade Sports 7 5 0 mi 89 188 45
Lexus RX 35 0 18.0 9 .6
Science in Sport G o Electrolye (500 mi) 99 160 40
Lincoln MKX 18.0 9 .6
High Five Isotonic electrolyte (750 mi) 99 220 55
M azda CX-7 19.0 10.2
1so star powder (por litro) 51 tub 126 320 77
Mercury Mountaineer 22.8 12.2
Isostar RTD 5 0 0 mi bot 99 150 35
Mitsubishi Outlander 18 0 9 .6
Maxim Electrolyte (por litro) 2 kg bag 66 296 75
Nissan Murano 17.1 9 .2
Toyota RAV4 16.3 8 .7 I / o to : e l coste» e sta e n p e n iq u e s (p ). O .O l d e lib ia b ritá n ic a , q u e e q u iv a le n te
a U S $ 0 .0 1 8 7 a l 2 8 d e m a rz o d e 2 0 0 5 .
F u e n t e : h t t p : / / w w w .s im p ly iu n n in g .n e t
a. ¿Q ué valor anticipas para un coeficiente de correlación de
las dos variables: consum o de petróleo anual en barriles, x
y toneladas anuales de C O , em itidas, y? Explica. a. D ibuja un diagram a de dispersión con x = carbs/porción y
y = energía/porción.
b. C alcula el coeficiente de correlación lineal para las dos
variables: consum o de petróleo anual en barriles, x y b. ¿Parece haber una relación lineal?
toneladas anuales de C O , em itidas, y.
c. C alcula el coeficiente de correlación lineal, r.
c. ¿El valor que encontraste en el inciso b es aproxim ada
d. ¿Q ué parece decir este valor de correlación? Explica.
m ente el que anticipaste en el inciso a? E xplica por qué sí
o por qué no. e. Repite los incisos a al d con x = costo/porción y y = ener
gía/porción. (C onserva estas soluciones para usarlas en el
d. ¿T iene sentido que los datos m uestren tan alta correla
ejercicio 3.59, p. 157.)
ción? Si la cantidad de consum o se duplica, ¿qué crees
Page 166 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 3 .2 C o rrela ció n linea l 145
3 .4 6 [EX03-046] D urante el concurso de c u a d ra n g la re s del Warriors 396 2 .5 9 Suns 36 .8 3 08
juego de estrellas de la M LB de 2008, Josh H am ilton presentó Rockets 3 3 .6 3 .3 4 Blazers 3 7 .2 1.63
Pacers 3 6 .2 3 .0 9 Kings 3 8 .2 2 .2 7
un m agnífico espectáculo con sus 35 cuadrangulares. A co n ti Clippers 3 7 .4 3 .2 0 Spurs 34.1 1.53
nuación se m encionan el ápice y la distancia registrados para Lakers 36.1 2 .3 0 Raptors 3 8 .0 2.45
cada cuadrangular: Grizzlies 37 .3 2 80 Jazz 36 .8 1.97
Heal 3 8 .6 2 .2 5 W izards 3 8 .2 2 .6 0
A pice (Apex): punto más alto alcanzado por la bola en su Fuente: I IB A .c o m
vuelo sobre el nivel del cam po, en pies.
a. C onstruye un diagram a de dispersión.
D istancia estándar (StdD ist): distancia estim ada, en pies,
que el cuadrangular habría recorrido si hubiera volado sin b. D escribe el patrón m ostrado. ¿Se m uestran algunas carac
interrupción hasta el nivel del cam po. La distancia están terísticas inusuales?
d ar factoriza las influencias de viento, tem peratura, altitud c. C alcula el coeficiente de correlación.
y por tanto es la m ejor forma de com parar los cuadrangu
lares bajo varias condiciones diferentes. d. ¿El valor del coeficiente de correlación parece razonable?
Apex 100 114 145 45 98 130 105 94 59 3 .4 8 [EX03-048] ¿A lguna vez quisiste pesar tu pez, pero no
StdDist 459 474 404 378 479 4 4 3 393 4 1 0 35 6 tenías báscula? M ide un lucio m asquinongy del hocico a la
punta de la cola. Los siguientes pesos son prom edios tomados
Apex 112 50 144 154 153 132 126 123 118
StdDist 430 39 0 41 1 418 423 4 5 5 421 464 440
de peces recolectados por personal de adm inistración de pesca
DEC a través del estado de N ueva York.
Apex 70 152 95 48 162 1 17 5 4 1 10 88
Longitud Maskinongy Maskinongy Longitud Maskinongy Maskinongy
StdDist 432 435 447 336 364 44 7 379 42 3 4 4 2
pulg Ib oz pulg Ib oz
Apex 125 47 1 19 111 84 155 153 1 16 30 7 4 41 20 7
StdDist 42 8 387 45 3 401 387 44 5 4 2 6 463 31 8 1 42 22 2
Fuente:
h H p : / / w w w . h ih a c ttr o n lin e .c o m
32
33
34
8
9
11
15
15
0
43
44
45
23
25
27
15
14
14
a. C onstruye un diagram a de dispersión con ápice com o x y 35 12 1 46 30 0
distancia estándar com o y. 36 13 4 47 32 3
37 14 8 48 34 8
b. ¿Los puntos parecen sugerir un patrón lineal? Explica. 38 15 14 49 37 0
39 17 5 50 39 9
c. ¿El ápice para el vuelo de un cuadrangular será útil para
40 18 13 51 40 4
predecir la longitud del cuadrangular? Explica y propor
Fuente: I le w C o r k F re s h w a le r Ftshiitcj. 2 0 0 8 - 2 0 0 9 O H icia lF eg ub b o n s G vid e
ciona al m enos una razón que no sea estadística y al m e
nos una razón que sea estadística.
d. ¿Q ué otro factor acerca del vuelo de un cuadrangular

puede causar que el patrón de puntos sea tan variado ?
e. E stim a el valor del coeficiente de correlación lineal.
f. C alcula el coeficiente de correlación.
3 .4 7 [EX03-047] Los jugadores, equipos y fanáticos de la Exam ina los datos y encuentra un patrón aproxim ado para
NBA están interesados en ver a sus jugadores líderes anotar ganancia de peso por pulgada de longitud para cada tipo
m uchos puntos, aunque al mismo tiem po el núm ero de faltas de pez.
personales que com eten tiende a lim itar su tiem po de juego.
E xplica por qué los pesos no pueden usarse com o están
Para el ju g ad o r líder en cada equipo, la tabla m enciona el nú
dados, específicam ente por qué 9 Ib 4 oz no es 9.4 Ib. Fija
m ero de m inutos por juego, M PG , y el núm ero de faltas perso
los pesos de m odo que se expresen en térm inos de una
nales com etidas por juego, PFPG, durante la tem porada NBA
unidad de m edida.
2008/2009.
C onstruye un diagram a de dispersión para longitudes y
Equipo MPG PFPG Equipo MPG PFPG
pesos de lucios m asquinongy.
Hawks 39. ó 2 23 Bucks 3 6 .4 1 36
Celtics 37 .5 265 Timbervvolves 3 6 .7 2 82 ¿Los puntos parecen seguir una línea recta? Explica.
Hornets 3 7 .6 296 Neis 36.1 2 38
Bulls 3 6 .6 2 .2 4 Hornets 38 .5 2 .7 2 ¿Y qué hay del pez que es m ás largo que hace que la tra
Cavaliers 3 7 .7 1.72 Kniks 2 9 .8 2 .7 8 yectoria de puntos sea cóncava hacia arriba?
Mavericks 3 7 .7 2 .1 7 Thunder 3 9 .0 181
Nuggets 34 5 2 .9 5 M agic 3 5 .7 3 .4 2 C alcula el coeficiente de correlación lineal.
Pistons 340 263 76ers 3 9 .9 1 85
Page 167 of 418

.
.
.
g. Explica por qué el valor de r es tan cercano a 1.0 y sin fuerte aso ciació n ? E scribe algunas o racio n es que aborden
em bargo, gráficam ente, los datos no parecen ser lineales. estas preguntas.
3 . 4 9 En m uchas com un id ad es existe una fuerte c o rrela 3 . 5 0 Explica por qué uno esperaría encontrar una correlación
ción p o sitiva entre la cantidad de helado vendida en un mes positiva entre el núm ero de cam iones de bom beros que res
dado y el núm ero de ahogam ientos que o curren en dicho ponden a un incendio y la cantidad de daño causada por el
m es. ¿E sto significa que el helado causa ahogam ien to ? Si incendio. ¿E sto significa que el daño sería m enos extenso si se
no, ¿p u edes p en sar en una explicación altern ativ a para la despacharan m enos cam iones de bom beros? Explica.
15.5 Regresión lin eal

Aunque el coeficiente de correlación m ide la fuerza de una relación lineal, no habla acerca
de la relación m atem ática entre las dos variables. En la sección 3.2, se encontró que el co
eficiente de correlación para los datos de flexiones/abdom inales es 0.84 (véase la p. 138).
Esto, ju n to con el patrón sobre el diagram a de dispersión im plica que existe una relación
lineal entre el núm ero de flexiones y el núm ero de abdom inales que hace un estudiante. Sin
em bargo, el coeficiente de correlación no ayuda a predecir el núm ero de abdom inales que
una persona puede hacer con base en el conocim iento de que puede hacer 28 flexiones. El
análisis d e re g re sió n encuentra la ecuación de la recta que m ejor describe la relación entre
dos variables. Un uso de esta ecuación es realizar predicciones. Las predicciones se usan
regularm ente, por ejem plo, para predecir el éxito que un estudiante tendrá en la universi
dad con base en los resultados del bachillerato y para predecir la distancia requerida para
frenar un autom óvil con base en su rapidez. Por lo general, el valor exacto de y no es prede
cible y com únm ente uno está satisfecho si las predicciones son razonablem ente cercanas.
La relación entre dos variables será una expresión algebraica que describa la relación
m atem ática entre x y y. He aquí algunos ejem plos de varias posibles relaciones, llam ados
m odelos o ec u acio n es d e p red icció n :
Lineal (línea recta): y = b0 + b xx

C uadrático: y = a + b x + ex2
E xponencial: y = a(b')
L ogarítm ico: y = a logfcjr
Las figuras 3.17, 3.18 y 3.19 m uestran patrones de datos b¡variados que parecen tener
una relación, m ientras que en la figura 3.20 las variables no parecen estar relacionadas.
Si un m odelo en línea recta parece adecuado, la línea recta de m ejor ajuste se encuentra
al usar el m é to d o d e m ín im o s c u a d ra d o s. Supon que y = b0 + b xx es la ecuación de una
línea recta, donde y (léase “y som brero”) representa el v a lo r p re d ic h o d e y que corres
ponde a un valor particular de x. El c rite rio d e m ín im o s c u a d ra d o s requiere encontrar las
constantes b0 y /;, tales que 2 ( y - y ) 2 esa tan pequeña com o sea posible.
La figura 3.21 m uestra la distancia de un valor observado de y desde un v a lo r p red i-
F IG U R A 3 . 1 7 FIG U R A 3 .1 8
Regresión lineal con Regresión lineal con
pendiente positiva pendiente negativa
y Ji
Page 168 of 418

.
.
.
Sección 3 .3 Regresión lineal 147
FIGURA 3.19 FIGURA 3 .20
Regresión curvilínea N o relacionada
(cuadrática)
ya
ya
t % * Si
■ .* •
«f ‘ V V -.v :*
•v
A**
cho de y. La longitud de esta distancia representa el valor ( y - y ) (que se m uestra com o el

segm ento de línea azul oscuro en la figura 3.21). O bserva que (y - >’) es positivo cuando
el punto (x, y) está por arriba de la recta y negativo cuando (jc, y) está p o r abajo de la recta
(com o se m uestra en la figura).
La figura 3.22 m uestra un diagram a de dispersión con lo que parece ser la re c ta de
m e jo r a ju ste , ju n to con 10 valores individuales (y —y). (Los valores positivos se muestran
en azul oscuro; los negativos, en azul m edio.) La sum a de los cuadrados de dichas dife
rencias se m inim iza (se hace tan pequeña com o sea posible) si la recta de hecho es la recta
de m ejor ajuste.
L a figura 3.23 m uestra los m ism os puntos de datos que la figura 3.22. Los 10 valores
individuales de ( y - y ) se grafícan con una recta que definitivam ente no es la recta de mejor
ajuste. [El valor de £ (y - y)2 es 149, m ucho m ayor que el 23 de la figura 3.22.] C ada recta
diferente dibujada a través de este conjunto de 10 puntos resultará en un valor diferente
para 2 ( y - y)2. Tu labor es encontrar la recta que hará 2 (y - y)2 el valor m ás pequeño po
sible.
L a ecuación de la recta de m ejor ajuste se determ ina m ediante su p e n d ie n te (b¡) y su
FIGURA 3.21 FIGURA 3.22 FIGURA 3.23

Valores observado y Recta de m ejor ajuste N o recta de m ejor ajuste
predicho de y
1 (y-y)2 = |- l) 2+ (+1)2+ l (y -y)2 = I-6)2 + (-4)2 +

. . . + (+1|2 = 23.0 . . . + (+6)2 = 1 4 9 0
o r d e n a d a al o rig en ( b j . (C onsulta el M anual de soluciones d el estudiante para revisar los

conceptos de pendiente y ordenada de una línea recta.) Los valores de las constantes (pen
diente y ordenada al origen) que satisfacen el criterio de m ínim os cuadrados se encuentran
al usar las fórm ulas que se presentan a continuación;
Fórmula para definición
pendiente: b, = Xl (3.5)
Page 169 of 418

.
.
.
Para la pendiente, b x%se usará un equivalente m atem ático de la fórm ula (3.5), que usa
las sum as de cuadrados que se encontraron en los cálculos prelim inares para correlación:
pendiente: b, = (3.6)
O bserva que el num erador de la fórm ula (3.6) es la fórm ula de SS(xy) (3.4) (p. 137) y el
denom inador es la fórm ula (2.8) (p. 77) de los cálculos del coeficiente de correlación. Por
tanto, si anteriorm ente calculaste el coeficiente de correlación lineal con el procedim iento
que se destacó en la página 138, fácilm ente puedes encontrar la pendiente de la recta de
m ejor ajuste. Si anteriorm ente no calculaste r, construye una tabla sim ilar a la tabla 3.12
(p. 138) y com pleta los cálculos prelim inares necesarios.
Para la ordenada al origen se tiene:
. . . . (suma de y) - f(penc//er)fe)(suma de x)l

ordenada al oriqen = -----------------------— >------------------------------ -
° numero
_ l y - ( b r lx) (3.7)
www.elsolucionario.net 0 n
Fórmula alternativa para cálculo
ordenada al origen = y-barra - (pendiente • x-barra)
¿o = 7 - { b } -x) (3.7a)
A hora considera los datos del ejem plo 3.3 (p. 127) y la cuestión de predecir el núm ero
de abdom inales de un estudiante con base en el núm ero de flexiones. Se quiere encontrar la
recta de m ejor ajuste, y = bQ+ b {x. L os cálculos prelim inares ya se com pletaron en la tabla
3.12 (p. 138). Para calcular la pendiente, b r con la fórm ula (3.6), recuerda que SS(xy) =
919.0 y SS(.v) = 1 396.9. Por tanto,
© .. .
pend,ente: fc' = W
SS(xy) 919.0
= 1396^ = 0 6579 = °-66
.
Para calcular la ordenada al origen, b0, con la fórm ula (3.7), recuerda que X.v = 351 y
Xy = 380, a partir de la tabla de extensiones. Se tiene
. . . . X y -(V S -v ) 3 8 0 - (0 .6 5 7 9 ) (351)
ordenada al origen: bt, = —--------1--------- =- —--------------
ü n 10
380 - 230.9229
= 14.9077 = 14.9
10
Al colocar los dos valores recién encontrados en el m odelo y = b0 + se obtiene la

ecuación de la recta de m ejor ajuste:
y = 14.9 + 0.66*
9 Page 170 of 418

T utorial an im ad o d isponible: ingresa y ap ren d e m ás en ccn gagebrain.com
.
.
.
Sección 3.3 Regresión lineal 149
Notas:
1. R ecuerda conservar al m enos tres lugares decim ales adicionales m ientras realizas los
cálculos, para asegurar una respuesta precisa.
2. C uando redondees los valores calculados de bQ y b v siem pre conserva al m enos dos
dígitos significativos en la respuesta final.
A hora que conoces la ecuación para la recta de m ejor ajuste, dibuja la recta sobre el
diagram a de dispersión, de m odo que puedas ver la relación entre la recta y los datos.
N ecesitas dos puntos con la finalidad de dibujar la línea sobre el diagram a. Selecciona dos
valores x convenientes, uno cerca de cada extrem o del dom inio (.v = 10 y x = 60 son buenas
opciones para esta ilustración) y encuentra sus correspondientes valores y.
Para.v = 1 0 :y = 14.9 + 0.66.v = 14.9 + 0.66(10) = 21.5; (1 0 ,2 1 .5 )

Para x = 60: y = 14.9 + 0.66.v = 14.9 + 0.66(60) = 54.5; (6 0 ,5 4 .5 )
E ntonces, estos dos puntos, (10, 21.5) y (60, 54.5), se ubican sobre el diagram a de
dispersión (se usa una + azul oscuro para distinguirlos de los puntos de datos) y se dibuja
la recta de m ejor ajuste (que se m uestra en azul claro en la figura 3.24).
Curso de acondicionamiento físico del Sr. Chamberlain

FIGURA 3.24
Recta de m ejor ajuste para
flexiones frente a abdom inales
Flexiones
E xisten algunos hechos adicionales acerca del m étodo de m ínim os cuadrados que es
necesario discutir.
1. La pendiente, b r representa el cam bio predicho en y por aum ento unitario en x. En el
ejem plo, donde b } = 0.66, si un estudiante puede hacer 10 flexiones (.v) adicionales,
se predice que sería capaz de hacer aproxim adam ente 7 (0.66 X 10) flexiones (y)
adicionales.
2 . L a ordenada al origen es el valor de y donde la recta de m ejor ajuste interseca el eje
y. (C uando la escala vertical se ubica por arriba de x = 0, la ordenada al origen se ve
fácilm ente en el diagram a de dispersión, que se m uestra com o una + azul m edio en
la figura 3.24.) Sin em bargo, prim ero, al interpretar b(), debes considerar si x = 0 es
un valor x realista antes de poder concluir que predecirías y = bQ si x = 0. Predecir
que, si un estudiante no hace flexiones, todavía haría aproxim adam ente 15 abdom i
nales (bQ= 14.9), probablem ente es incorrecto. S egundo, el valor x de cero puede
estar fuera del dom inio de los datos sobre los que se basa la recta de regresión. Para
predecir y con base en un valor .v, com prueba para asegurarte que el valor x está
dentro del dom inio de los valores .v observados.
3 . L a recta de m ejor ajuste siem pre pasará a través del centroide, el punto (.v, y). Cuan
do dibujes la recta de m ejor ajuste sobre tu diagram a de dispersión, usa este punto
com o com probación. Para esta ilustración,
- S.v 351 . . . _ 2 y 380

-v = — = — = 35.1, y = — = “777- = 38.0
n 10 n 10
Se ve que la recta de m ejor ajuste pasa a través de (x, J) = (35.1, 38.0), com o se
m uestra con el sím bolo © de la figura 3.24.
Page 171 of 418
.
.
.
A hora trabaja a través de otro ejem plo para clarificar los pasos involucrados en el
análisis de regresión.
E J E M P L O 3 . 7
CÓMO CALCULAR LA ECUACIÓN DE LA RECTA

DE MEJOR AJUSTE
En una muestra aleatoria de ocho mujeres universitarias, a cada mujer se le
preguntó su estatura (a la p ulga da más cercana) y su peso (a las 5 libras más
cercanas). Los datos obtenidos se muestran en la tabla 3 .1 4 . Encuentra una
ecuación para predecir el peso de una m ujer universitaria con base en su esta-
tu'a (la ecuación de la recta de m ejor ajuste) y d ib ú ja la sobre el dia gra m a de
dispersión en la figura 3 .2 5 .
TABLA 3.14 Estaturas y pesos de mujeres universitarias [TA03-14]
1 2 3 4 5 6 7 8
Estatura, x 65 65 62 67 69 65 61 67
Peso, y 105 125 1 10 120 140 135 95 130
S olución
Antes de com enzar a encontrar la ecuación para la recta de m ejor ajuste, con
frecuencia es útil d ib u ja r el d ia g ra m a de dispersión, que ofrece comprensión
visual a la relación entre las dos variables. El d ia g ra m a de dispersión para los
datos acerca de las estaturas y pesos de mujeres universitarias, que se muestra
en la figura 3 .2 5 , indica que el m odelo lineal es a p ro p ia d o .
Estaturas frente a pesos de mujeres universitarias

FIGURA 3.25
145
D iagram a de dispersión
135
S 125
-a
um
2- 115
Q
105
95
Estatura (pulgadas)
Para encontrar la ecuación para la recta de m ejor ajuste, prim ero necesitas
com pletar los cálculos prelim inares, como se muestra en la ta bla 3 .1 5 . Los
Page 172 of 418

.
.
.
otros cálculos prelim inares incluyen encontrar SS(x) de la fórm ula (2.8) y
SS(xy) de la fórm ula (3.4):
TABLA 3.15 Cálculos prelim inares necesarios para encontrar y b0

Estudiante Estatura, x x2 Peso, y xy
1 65 4 225 105 ó 825
2 65 4225 125 8 125
3 62 3 844 110 6 820
4 67 4 489 120 8 040
5 69 4 761 140 9 660
ó 65 4 225 135 8 775
7 61 3 721 96 5 795
8 67 4489 130 8 710
l x = 521 ü x 2 = 33 97 9 ±y= 960 Vxy=62750
SS(x) = i x * 33 9 7 9 = 4 8 .8 7 5
SS(xy) = i x y - ^ - = 6 2 7 5 0 _ (5 2 1 H9 6 0 ) = 2 3 0 .0
Segundo, necesitas encontrar la pendiente y la ordenada al origen con las

fórm ulas (3.6) y (3.7):
Pendiente: b< M W 5 = 4706 = 4‘71
ordenada al origen: fe„ = ~y ~ ^ ' ~x| = 9 6 0 - |4 2 0 6 H52 11 = - 1 8 6 .4 7 8 = - 1 8 6 .5
Por tanto, la ecuación de la recta de m ejor ajuste es y = - 1 8 6 .5 + 4 .7 1 x
Para d ib u ja r la recta de m ejor ajuste sobre el dia gra m a de dispersión,

necesitas u bicar dos puntos Sustituye dos valores para x (por ejem plo, 6 0
y 70) en la ecuación para la recta de m ejor ajuste p ara obtener dos valores
correspondientes para y:
y = —18 6 .5 + 4 .7 1 x = - 1 8 6 .5 + (4.71 )(60) = - 1 8 6 .5 + 2 8 2 .6 = 9 6 . 1 « 9 6

y = - 1 8 6 .5 + 4 .7 1 x = - 1 8 6 .5 + (4.7 1)(70 ) = - 1 8 6 .5 + 3 2 9 .7 = 1 43 .2 « 1 4 3
Los valores (60, 96) y (70, 143) representan dos puntos (designados m ediante
una + azul claro en la figura 3 .2 6 ) que te permiten d ib u ja r la recta de m ejor
ajuste.
Estaturas frente a pesos de mujeres universitarias
FIGURA 3 .2 6
D iagram a de dispersión 145
con la recta de m ejor
ajuste 135
0
-O 125
e.
N ota: en la figura 3.26, (x, y) 9
= (65.1, 120) tam bién está so o 115
a.
bre la recta de m ejor ajuste. Se
señala con el sím bolo 0 . Usa 105
(.v, y) com o com probación de
tu trabajo. 95
60 62 64 66 68 70
Estatura (pulgadas)
Page 173 of 418

.
.
.
¿SABÍAS QUE...? Realización de predicciones
Una recta de regresión Una de las principales razones para encontrar una ecuación de regresión es realizar pre
dicciones. U na vez establecida una relación lineal y conocido el valor de la variable de
En la Exposición Inter
entrada .v, puedes predecir un valor de y, y . C onsidera la ecuación y = -1 8 6 .5 + 4.7 Lv que
nacional de Londres,
relaciona la estatura y el peso de las m ujeres universitarias. Si una estudiante universitaria
1884, sir Francis Galton
particular m ide 66 pulgadas de alto, ¿cuál predices que será su peso? El valor predicho es
montó un laboratorio en
el que pagó a las perso
y = -1 8 6 .5 + 4.7 Lv = -1 8 6 .5 + (4.71 )(66) = -1 8 6 .5 + 310.86
nas 3 peniques por me
= 124.36 « 1 2 4 Ib
dir sus cabezas. Galton
estaba interesado en
No debes esperar que este valor predicho ocurra con exactitud; más bien, se trata del peso
predecir la inteligencia
prom edio que esperarías para todas las estudiantes universitarias que m iden 66 pulgadas
humana y daría a la
de alto.
persona que le pagaba
C uando realices predicciones con base en la recta de m ejor ajuste, observa las siguien
su opinión acerca de su
tes restricciones:
inteligencia. Después de
la exposición, el labora 1. La ecuación debe usarse para realizar predicciones solam ente acerca de la pobla
torio se mudó al Museo ción de la que se tom ó la m uestra. P or ejem plo, usar la relación entre la estatura y
de Londres, donde G al el peso de las m ujeres universitarias para predecir el peso de atletas profesionales
ton siguió recolectando dada su estatura seria cuestionable.
datos acerca de ca 2. La ecuación debe usarse solam ente dentro del dom inio m uestral de la variable de
racterísticas humanas, entrada. Se sabe que los datos dem uestran una tendencia lineal dentro del dom inio
como estatura, peso y de los datos .v, pero no se sabe cuál es la tendencia afuera de este intervalo. Por tanto,
fuerza. Galton elaboró
gráficas de dos factores
de estaturas para pa
las predicciones pueden ser muy peligrosas afuera del dom inio de los datos .v. Por
ejem plo, en el ejem plo 3.7 no tiene sentido predecir que una m ujer universitaria de
estatura cero pesará -1 8 6 .5 libras. N o uses una estatura afuera del dom inio m ues
dres e hijos, que even tral de 61 a 69 pulgadas para predecir peso. En alguna ocasión tal vez quieras usar
tualmente condujeron a la recta de m ejor ajuste para estim ar valores afuera del intervalo de dom inio de la
la pendiente de la recta m uestra. Puedes hacer esto, pero debes hacerlo con precaución y sólo para valores
de regresión. cercanos al intervalo de dom inio.
3. Si la m uestra se tom ó en 2010, no esperes que los resultados sean válidos en 1929
o se sostengan en 2020. Las m ujeres de hoy pueden ser diferentes de las m ujeres de
1929 y a las de 2020.
R E C T A DE M E J O R A J U S T E
Escribe los valores x en C1 y los correspondientes valores y en C2; luego, para obtener la ecua
MINITAB ción para la recta de mejor ajuste, continúa con:
M e th o d 1 -
Elige: S t a t > R e g re s s io n > R e g r e s s to n . . .
Escribe: R e s p u e s t a (y): C2
P re d ic to rs (x): C1 > OK
Pora dibujar el diagrama de dispersión con la recta de mejor ajuste superpuesta sobre los puntos
de datos, continúa con:
Page 174 of 418

.
.
.
Elige: G ra p h > S c a t te r p lo t
S e le c c io n a W l th R e g re s s lo n > O K
Escribe: Y varia b le: C2 X varia b le: C1
S ele cc io n a: L ab e ls > T ttles / F o o tn o te s
Escribe: T ítulo: tu títu lo > O K > O K
O
M é to d o 2:
Elige: S t a t > R e g re s s lo n > FItted Líne Plot

Escribe: R e s p u e s t a (Y): C2
R e s p u e s t a (X): C1
S ele cc iona: L in e a r
S ele cc iona: O p tlo n s
Escribe: T ítulo: tu títu lo > OK > OK
Escribe los datos de la variable x en la columna A y los correspondientes datos de la variable y

Excel en la columna B; después continúa con:
Elige: D a ta > D a ta A naly sis* > R e g re s s lo n > OK

Escribe: R ango e n t r a d a Y: (B1:B10 o s e le c c io n a celd as)
R ango e n t r a d a X: (A l: A l O o s e le c c io n a celdas)
S e le c c io n a L ab e ls (si es n e c e s a r io )
O u tp u t Range
Escribe: (C1 o s e le c c io n a c e ld a s)
L lne Flts P lots > OK
Para hacer legible la salida, continúa con:
Elige: H o m e > Cells > F o r m a t > A u to F lt C o l u m n W í d th
Para formar la ecuación de regresión, la ordenada al origen se ubica en la intersección de la

ordenada y las columnas de coeficientes, mientras que la pendiente se ubica en la intersección
de la variable x y las columnas de coeficientes.
Para dibujar la recta de mejor ajuste sobre el diagrama de dispersión, activa el gráfico; después
continúa con:
Elige: C h a r t T o o l s > L a y o u t > A n a ly s is - T r e n d l l n e > L i n e a r T r e n d l l n e

O
Elige: C h a r t T o o l s > D e slg n > C h a r t L a y o u ts - L a y o u t 9
(Este comando también funciona con los comandos Excel del diagrama de dispersión de las
pp. 129-130).
* S i D ata A n a ly s is no se m uestra en e l m enú D a ta , co n su lta la p á g in a 5 3
Escribe los datos de la variable x en L1 y los correspondientes datos de la variable y en L2;

T I-8 3 /8 4 Plus después continúa con:
Si sólo quieres la ecuación
Elige: STAT > CALC >8: LinReg( a + bx)

Escribe: L l , L2*
* S i q uie re s la e c u a c ió n y la g r á fic a sobre e l d ia g ra m a d e d is p e rs ió n , usa:
Escribe: L 1 ,L 2 , Y 1 T
d esp u é s c o n tin ú a con los m ism os c o m a n d o s p a ra un d ia g ra m a d e d is p e rs ió n , c o m o se m uestra en la p á g h a

1 30.
f Para in g re s a r Y 1 , usa:
Elige: VARS > Y- VARS > 1:F u n c tlo n > 1: Y1 > ENTER
Page 175 of 418

.
.
.
15 4 Copítulo 3 A nálisis descriptivo y presentación de datos Divariados
Para comprender la recta de mejor ajuste
El siguiente m étodo creará: 1) un significado visual para la recta de m ejor ajuste, 2) un
significado visual para lo que describe la línea de m ejor ajuste y 3) una estim ación para la
pendiente y la ordenada al origen de la recta de m ejor ajuste. C om o con la aproxim ación
de r, las estim aciones de la pendiente y la ordenada al origen de la recta de m ejor ajuste
deben usarse solam ente com o una estim ación m ental o com probación.
Nota: esta técnica de estim ación no sustituye los cálculos para b ( y bQ.
P ro c ed im ien to
Sobre el diagram a de dispersión de los datos, dibuja la línea recta que parece ser la
recta de m ejor ajuste. (Sugerencia: si dibujas una recta paralela y a la m itad entre
los dos lápices descritos en la sección 3.2 de la página 139 [figura 3.13], tendrás
una estim ación razonable para la recta de m ejor ajuste.) Los dos lápices señalan la
“trayectoria” m ostrada por los pares ordenados y la recta bajo el centro de esta tra
yectoria estim a la recta de m ejor ajuste. La figura 3.27 m uestra los lápices y la recta
estim ada resultante para el ejem plo 3.7.
FIGURA 3 .2 7
Estimación de la recta de
m ejor ajuste para los datos
de mujeres universitarias
2. Esta recta puede usarse ahora para aproxim ar la ecuación. Prim ero, ubica cuales
quiera dos puntos (jc,, y ,) y (x,, y,) a lo largo de la recta y determ ina sus coordenadas.
D os de tales puntos, encerrados en círculos en la figura 3.27, tienen las coordenadas
(59, 85) y (66, 125). Estos dos pares de coordenadas pueden usarse ahora en la si
guiente fórm ula para estim ar la pendiente b {:
estim ación de la pendiente, b.: /?,*»—— — = — — = — = 5.7

* 1 1 x - x t 66 - 59 7
3. C on este resultado, las coordenadas de uno de los puntos y la fórm ula siguiente,
puedes determ inar una estim ación para la ordenada al origen, bQ:
estim ación de la ordenada al origen, bQ:
bQm y - b x • .v = 85 - (5.7) (59) = 85 - 336.3 = -2 5 1 .3
Por tanto, bQes aproxim adam ente -2 5 0 .

4. A hora puedes escribir la ecuación estim ada para la recta de m ejor ajuste:
y = -2 5 0 + 5.1x
Esto debe servir com o una estim ación rigurosa. La ecuación real calculada con todos
los pares ordenados fue y = -1 8 6 .5 + 4.7 \x.
Page 176 of 418

.
.
.
Sección 3.3 Regresión lineal 155
E J E M P L O A P L I C A D O 3 . 8
VER UNA ERUPCIÓN DE "EL VIEJO FIEL"

"El Viejo Fiel" tiene erupciones muy constan
tes durante un corto periodo (1.5 a 5 minutos)
regularmente todos los días (cada 35 a 120
minutos) y lo ha hecho desde 1870, cuando
comenzaron a conservarse tales registros; de
ahí su nombre. N o es el más común, no es
el más grande, pero es el géiser regular más
grande en Yellowstone.
Si tu suerte es como la de muchos y v ia
jas para ver una de dichas famosas erup
ciones, probablem ente llegarás minutos
después de que una erupción se haya dete
nido. ¿Cuándo hará erupción nuevamente?
y ¿cuánto tiem po durará?, son preguntas
comunes. Lo que en rea lid ad preguntas es:
¿cuánto tengo que esperar para el próxim o
espectáculo? y ¿valdrá la pena esperar?
D ado que "El Viejo Fiel" es uno de los géise-
res más estudiados, los g uardias del parque ©'Stockphoto.com/Sascha Burbrd
pueden predecir la siguiente erupción con ra
zo na ble precisión (± 1 0 minutos). Sólo pueden predecir la siguiente erupción,
así que será m ejor que esperes por ahí.
El tiem po hasta la siguiente erupción, el intervalo, se predice con base
en la longitud de la erupción anterior, la duración. N o es posible predecir el
tiem po de ocurrencia para más de una erupción por a de lantado. He aquí una
ta bla que resume el intervalo predicho con base en la duración anterior.
TABLA 3.16
Duración 1.5 min 2 .0 min 2.5 min 3 .0 min 3 .5 min 4 .0 min 4 .5 min 5 .0 min
Intervalo 5 0 min 5 7 min 6 5 min 71 min 7 6 min 8 2 min 8 9 min 9 5 min
Al observar la ta bla pare FIGURA 3 .28 . „ . . „

G éiser "El Viejo Fiel"
ce que el intervalo de tiem po Intervalo min = 3 2 .0 4 + 1 2 .6 4 min duración
p ara el siguiente espectácu
lo aumenta de 5 a 7 minutos
p ara cada m edio minuto a d i
cional de erupción. La infor
m ación de la tabla tam bién
se puede observar sobre el
d ia g ra m a de dispersión con
la recta de m ejor ajuste. La
pendiente para la recta de
m ejor ajuste es 1 2 .6 4 , lo
que im p lica que Cada minuto Duración, minutos
a d icio n a l de erupción resulta en unos 12.6 minutos adicionales de tiem po de
espera p ara la siguiente erupción, o aproxim adam ente 6 .3 minutos por cada
m edio minuto de erupción, como en la inform ación dada.
Los pares ordenados de la tabla 3 .1 6 y sobre el d ia g ra m a de dispersión,
figura 3 .2 8 , no son valores de datos; son el resultado de un efecto de prom e
d ia d o pues se resumieron cientos de valores registrados. Los datos de "El Viejo
Page 177 of 418

.
.
.
H el" no resultarán en puntos exactam ente distribuidos a lo largo de la recta

de m ejor ajuste como los que se muestran en la figura 3 .2 8 ; en vez de ello,
mostrarán una cantidad sustancial de v a ria b ilid a d .
La tabla 3 .1 7 contiene datos recolectados por un visitante durante un fin
de semana. Están ordenados en orden secuencial.
¿SABIAS QUE..? TABLA 3 .1 7

Yellowstone contiene Duración, min 1.7 1.9 2.0 2.3 3.1 3 .4 3.5 4 .0 4 .3 4.5 4 .7 4 .9
Intervalo, min 55 49 51 53 57 75 80 76 84 76 93 76
(EXOO-OOO) identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cen g ag eb rain .co m
aproxim adam ente la

m itad de las particu
laridades hidrotérm i- Los 12 tiempos de duración e intervalo que se citan en la tabla 3 .1 7 y
cas del mundo. En el se muestran en la figura 3 .2 9 , ofrecen una impresión diferente de la de los
parque existen más ocho puntos m encionados en la tabla 3 .1 6 de la p á g in a anterior. Dichos
de 10 0 0 0 particula datos parecen más realistas, con puntos dispersos a rrib a y a b a jo de la recta
ridades hidrotérm icas, de m ejor ajuste. Una com paración de las dos rectas de m ejor ajuste muestra
incluidos más de 3 0 0 resultados muy similares.
géiseres.
FIGURA 3.29
Datos de erupción géiser "El Viejo Fiel'
Intervalo min = 30.33 + 11.44 duración min
vi
-í_i
a
§"1
c° *O
feo
D u ra c ió n , m in u to s
3.51 D ibuja un diagram a de dispersión para estos datos: m onum ental. En 2006, 510 000 niños estuvieron en cuidado
sustituto. De ellos, aproxim adam ente 303 000 entraron duran
x~\ i 26 3 4 5 Í~5~
y 1.5_____ Z 2 _________ 3 6 ________3_______ 4 2.5 te el año 2006 (1/10/05-20/9/06). La siguiente tabla m enciona
las edades de los niños que entraron a cuidado sustituto duran
¿T endrías justificación para usar las técnicas de regresión li te el año 2006 y el núm ero en cada grupo de edad.
neal sobre dichos datos para encontrar la recta de m ejor ajuste?
Edad Número Edad Número Edad Número
Explica.
0 47 536 7 12 3 8 0 14 18 9 8 1
— 3.52 [EX03-052] D ibuja un diagram a de dispersión para es- 1 20 646 8 11 312 15 22 729
® tos datos: 2 18 2 3 4 9 10649 16 21 0 6 2
3 16 145 10 10 1 3 6 17 12829
x 12 12 4 6 9 4 1 1 3 10 11 3 1 1 3 12 14 7 2 8
4 14919 11 10316 18 702
y 4 8 10 9 10 8 8 5 10 9 8 3 9 8 8 1 1 6 9
5 14 159 12 11910 19 154
¿T endrías justificación para usar las técnicas de regresión li ó 13 1 9 6 13 14944 20 62
neal sobre dichos datos para encontrar la recta de m ejor ajuste? Fuente: U .S . D e p a rtm e n t o l H e a llli a n d H u m a n S e rvice s
Explica. a. C onstruye un diagram a de dispersión de las edades cuan

3.53 [EX03-053] La O ficina del Niño del D epartam ento de do los niños entraron a cuidado sustituto, x y el núm ero
Salud y S ervicios H um anos de E stados U nidos tiene una labor de niños en cada grupo de edad, y.
Page 178 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 3 .3 Regresión lineal 157
b. ¿Q ué crees que provoque el inusual patrón que se m uestra b. C onstruye un diagram a de dispersión para las lubinas
en el diagram a de dispersión? boca pequeña y negra sobre la m ism a gráfica.
c. ¿Parece que estas dos variables están correlacionadas ? c. ¿Los puntos para am bos peces parecen seguir una línea
recta? Explica.
d. ¿Estás justificado para usar las técnicas de la regresión
lineal sobre estos datos ? Explica. d. ¿L os puntos para am bos peces siguen la m ism a línea?
Explica.
e. ¿Existen grupos de edades particulares donde las técnicas
de la regresión lineal puedan estar justificadas? e. C alcula am bas rectas de m ejor ajuste.
3 .5 4 Las fórm ulas para encontrar la pendiente y la ordena 3 .5 7 Los valores de x usados para encontrar puntos para gra-
da al origen de la recta de m ejor ajuste usa tanto sum atorias, ficar la recta y = 14.9 + 0.66.v en la figura 3.24 (p. 149) son
X, com o sum as de cuadrados, S S (). Es im portante co nocer la arbitrarios. Supon que eliges usar.v = 20 y x = 50.
diferencia. Con referencia al ejem plo 3.5 (p. 138):
a. ¿C uáles son los correspondientes valores y?
a. Encuentra tres pares de valores: X.v:, SS(.v); Xy2, SS(y) y
b. U bica estos dos puntos sobre la figura 3.24. ¿Estos puntos
Xxy, SS(xv).
están sobre la línea de m ejor ajuste? Explica por qué sí c
b. Explica la diferencia entre los núm eros para cada par de por qué no.
núm eros.
3 .5 8 Si a todos los estudiantes del curso de acondicionam ien
3 .5 5 ¿R inde frutos estudiar püra un exam en? El núm ero de to físico del Sr. C ham berlain de la página 127, que pueden
horas estudiadas, x , se com para con la calificación recibida en hacer 40 flexiones, se les pide hacer tantas abdom inales como
el exam en, y: sea posible:
xH 2 5 í 4 T a. ¿C uántas abdom inales esperas que pueda hacer cada uno?
y 80__________ 80_________ 70_________ 9 0 ________ 6 0
Encuentra la ecuación para la recta de m ejor ajuste.
b. ¿Podrán hacer el m ism o núm ero?
c. E xplica el significado de la respuesta al inciso a.

b. D ibuja la recta de m ejor ajuste sobre el diagram a de
dispersión de los datos dibujados en el ejercicio 3.15 3 .5 9 [EX03-045] ¿C uál es la relación entre los carbohidratos
(p. 133). consum idos y la energía liberada en una bebida deportiva? Usa
los datos de bebida deportiva m encionados en el ejercicio 3.45
c. Con base en lo que ves en tus respuestas a los incisos a de la página 144 para investigar la relación.
y b, ¿rinde frutos estudiar para un exam en? Explica.
a. En el ejercicio 3.45, se dibujó un diagram a de dispersión
3 .5 6 [E X 03-056] ¿C uán vieja es mi lubina? ¿A lguna vez con .v = carbs/porción y y = energía/porción. R evisa el
te has preguntado la edad de la lubina que acabas de pescar? diagram a de dispersión (si no lo dibujaste antes, hazlo
M ide a tu lubina desde el hocico hasta la punta de la cola. Las ahora) y describe por qué crees que hay o no hay una
siguientes son edades prom edio para longitud de lubina negra relación lineal.
y lubina boca pequeña en el estado de N ueva York.
b. Encuentra la ecuación para la recta de m ejor ajuste.
Edad lubina boca Edad lubina
Longitud (pulg) pequeña (años) negra (años) c. Con la ecuación que encontraste en el inciso b, estim a
8 2 2 la cantidad de energía que uno puede esperar obtener al
9 2 2 consum ir 40 gram os de carbohidratos.
10 3 3
11 4 4 d. Con la ecuación que encontraste en el inciso b, estim a
12 4 4 la cantidad de energía que uno puede esperar obtener al
13 5 5 consum ir 65 gram os de carbohidratos.
14 5 6
15 6 6 3 .6 0 Con referencia al ejem plo aplicado 3.8 (p. 155):
16 7 7
17 7 8 a. E xplica (en 25 palabras o m ás) qué crees que dice el
18 8 8 enunciado: “ Los pares ordenados de la tabla 3.16 y sobre
19 8 9 el diagram a de dispersión, figura 3.28, no son valores de
20 9 10
datos; son el resultado de un efecto de prom ediado, pues
21 10 10
22 10 11
se resum ieron cientos de valores registrados”.
Fuente: I le v.' 'nbik F its h v .c ite r Fishing, 2 0 0 8 - 2 0 0 0 O fic ia l Regula lio ns Guíele
b. Con la ecuación que se m uestra en la figura 3.28, ¿cuál es
a. Exam ina los datos y encuentra un patrón aproxim ado para el intervalo anticipado hasta la siguiente erupción después
aum ento de edad por longitud en pulgadas para cada tipo de una erupción de 4.0 m inutos?
de pez. (c o n tin ú a e n la p á g in a 158)
Page 179 of 418

.
.
.
c. C on la ecuación que se m uestra en la figura 3.29, ¿cuál es diano. La ecuación de la recta de m ejor ajuste se determ inó
el intervalo anticipado hasta la siguiente erupción después que era y = 185.7 - 21.52 a .
de una erupción de 4.0 m inutos?
a. Encuentra el valor de reventa de tal autom óvil cuando
d. Las dos ecuaciones dan com o resultado aproxim adam ente tiene 3 años de antigüedad.
el m ism o tiem po de espera anticipado para la siguiente
b. Encuentra el valor de reventa de tal autom óvil cuando
erupción. ¿V erdadero o falso? Explica tu respuesta.
tiene 6 años de antigüedad.
3 .6 1 A .J. usó regresión lineal para ayudarse a entender su fac
c. ¿C uál es la reducción anual prom edio en el precio de
tura telefónica m ensual. La recta de m ejor ajuste fue y = 23.65
reventa de dichos autom óviles?
+ 1 . 2 8 a , donde x es el núm ero de llamadas de larga distancia
realizadas durante un m es y y es el costo telefónico total por 3 .6 7 La A dm inistración Federal de A utopistas reporta anual
un mes. En térm inos del núm ero de llamadas de larga distancia m ente los im puestos estatales para com bustibles. Con base
y costo: en el más reciente reporte, el im porte de recibos, en m iles de
dólares, puede estim arse con la ecuación: recibos = - 5 359 +
a. Explica el significado de la ordenada al origen, 23.65.
0.9956 recaudaciones.
b. Explica el significado de la pendiente, 1.28.
a. Si un estado recaudó $500 000, ¿de cuánto estim arías fue
3 .6 2 G eoff está interesado en com prar una SUV de precio ac ron los recibos?
cesible. Se da cuenta de que un automóvil o cam ión pierden su
b. Si un estado recaudó $1 000 000, ¿de cuánto estim arías
valor tan pronto com o se conducen afuera del lote del vende
fueron los recibos?
dor. G eoff usa regresión lineal para obtener un m ejor sentido de
cóm o funciona este declive. La recta de regresión es y = 34.03 c. Si un estado recaudó $1 500 000, ¿de cuánto estim arías
- 3.04a, donde x es la edad del automóvil en años y y es el valor fueron los recibos?
del autom óvil ( X $1 000). En térm inos de edad y valor:
Explica el significado de la ordenada al origen, 34.03.
3 .6 8 Se com pletó un estudio de los hábitos de dejar propi
nas de los com ensales en restaurantes. Los datos para dos de
las variables ( a , el im porte de la cuenta del restaurante y y, el
b. Explica el significado de la pendiente, -3 .0 4 .
im porte dejado com o propina por los clientes) se usaron para
3 .6 3 Para el ejem plo 3.7 (p. 150) y el diagram a de dispersión construir un diagram a de dispersión.
en la figura 3.26 de la página 151:
a. ¿E speras que las dos variables m uestren una relación
a. Explica cóm o puede verse la pendiente de 4.71. lineal? Explica.
b. E xplica por qué la ordenada al origen de -1 8 6 .5 no puede b. ¿Q ué sugiere el diagram a de dispersión acerca de la rela
verse. ción lineal? Explica.
3 .6 4 Para cualquier jugador de básquetbol, son de interés el c. ¿Q ué valor esperas para la pendiente de la recta de m ejor
núm ero de puntos anotados por juego y el núm ero de faltas ajuste? Explica.
personales com etidas. Los datos tom ados para un equipo la
d. ¿Q ué valor esperas para la ordenada al origen de la recta
tem porada pasada resultaron en la ecuación y = 1.122 + 3.394a,
de m ejor ajuste? Explica.
donde .ves el núm ero de faltas personales com etidas por ju eg o
y y es el núm ero de puntos anotados por juego. Los datos se usan para determ inar la ecuación para la recta de
m ejor ajuste: y = 0.02 + 0.1 77 a .
a. Si uno de los jugadores com etió dos faltas en un juego,
¿cuántos puntos esperaría anotar? e. ¿Q ué representa la pendiente de esta recta, cóm o se aplica
a la situación real? ¿El valor 0.177 tiene sentido? Explica.
b. ¿C uál es el núm ero prom edio de puntos que un jugado r
puede esperar si com ete tres faltas en un juego? f. ¿Q ué representa la ordenada al origen de esta recta, cóm o
se aplica a la situación real? ¿El valor 0.02 tiene sentido?
3 .6 5 Se realizó un estudio para investigar la relación entre el
Explica.
costo y (en térm inos de m iles de dólares), por unidad de eq u i
po fabricado y el núm ero de unidades producidas por turno, g. Si la siguiente cuenta de restaurante fue por $30, ¿qué
a . la ecuación resultante para la recta de m ejor ajuste fue y = predeciría la recta de m ejor ajuste para la propina?
7.31 - 0.01a, con a com o los valores observados entre 10 y
h. C on la recta de m ejor ajuste, predice la propina para una
200. Si un turno de producción tiene program ado producir 50
cuenta de $31. ¿Cuál es la diferencia entre este im porte
unidades, ¿qué costo predecirías por unidad?
y el im porte en el inciso g para una cuenta de S30? ¿Esta
3 . 6 6 Se realizó un estudio para investigar la relación entre diferencia tiene sentido? ¿D ónde la ves en la ecuación
el precio de reventa, y (en cientos de dólares) y la edad, a (en para la recta de m ejor ajuste?
años), de autom óviles estadounidenses de lujo de tam año m e
Page 180 of 418

.
.
.
3 . 6 9 C onsidera la figura 3.27 de la página 154. La ordenada la proporción de la longitud del antebrazo a la longitud del pie
al origen de la gráfica es - 2 5 0 , no aproxim adam ente 80, com o de una persona (en pulgadas). Esta proporción es 1 a 1.
puede leerse a partir de la figura. Explica por qué.
a. D escribe la apariencia de un diagram a de dispersión
3 . 7 0 C onsidera los datos de m ujeres universitarias presenta donde se grafiquen la longitud del pie, y, y la longitud del
dos en el ejem plo 3.7 y la recta de m ejor ajuste. C uando se antebrazo, x.
estim a la recta de m ejor ajuste a partir de un diagram a de dis
b. ¿Q ué valor esperarías para la pendiente de la recta de
persión, la selección de los dos puntos ( r , >’,) y (x2, y 2) a usar
regresión?
es un poco arbitraria. C uando se usan diferentes puntos, resul
tarán valores ligeram ente diferentes para b0 y b r pero deben 3 .7 3 R ecolecta las longitudes del antebrazo (y) y la m ano (x)
ser aproxim adam ente iguales. de 15 o m ás personas y sigue la im agen del ejercicio 3.71.
a. ¿Q ué puntos sobre el diagram a de dispersión (figura 3.27, a. G ráfica los datos recopilados com o un diagram a de dis
p. 154) se usaron para estim ar la pendiente y la ordenada persión; asegúrate de etiquetar com pletam ente.
al origen en el ejem plo de la página 150? ¿C uáles fueron
b. Encuentra la ecuación para la recta de m ejor ajuste.
las estim aciones resultantes?
c. ¿C uál es la pendiente? ¿C óm o se com para este valor cor.
b. U sa los puntos (61, 95) y (67, 130) y encuentra los valo
phi? Explica las sim ilitudes o diferencias encontradas.
res aproxim ados de pendiente y ordenada al origen.
3 .7 4 Recolecta las longitudes del pie (y) y el antebrazo (a ) de
c. C om para los valores que encontraste en el inciso b con
15 o m ás personas.
los descritos en el inciso a. ¿Cuán sim ilares son?
a. G ráfica los datos recopilados com o un diagram a de dis
d. C om para am bos conjuntos de estim aciones con los valo
persión; asegúrate de etiquetar com pletam ente.
res reales de pendiente y ordenada al origen que encon
traste en el ejem plo 3.7 de las páginas 150-151. Dibuja b. E ncuentra la ecuación para la recta de m ejor ajuste.
am bas rectas estim adas de m ejor ajuste sobre el diagram a
de dispersión que se m uestra en la figura 3.26. ¿C uán úti
c. ¿C uál es la pendiente? ¿C óm o se com para este valor con
tu respuesta al inciso b del ejercicio 3.72? E xplica las
les crees que puedan ser los valores estim ados? Explica.
sim ilitudes o diferencias encontradas.
3 .7 1 Phi (<l> = 1.618033988749895...), es sim plem ente un
3 .7 5 [E X 03-075] “A hora m ás que nunca, un grado im porta” ,
núm ero irracional com o pi (ir = 3.14159265358979...), pero
de acuerdo con un anuncio publicitario de una universidad al
con m uchas propiedades m atem áticas inusuales. Phi es la base
norte de N ueva Y ork publicado en el Democrcit a n d Chronicle
para la proporción áurea. (Visita http://goldennum ber.net/ para
del 31 de m ayo de 2009. Los siguientes estadísticos del U.S.
aprender otras interesantes cosa-» acerca de phi.) Bureau o f L abor Statistics se presentaron com o m ediana de
ganancias sem anales usuales.
Mediana ganancias Anos de
Nivel de escolaridad semanales usuales escolaridad
Menos que un dipb m a
de bachillerato $ 4 53 10
Graduado bachillerato.
no universitario $ 6 18 12
G rado licenciatura $1 1 15 16
G rado avanzado $1 2 8 7 18
Im a g e sta t e / P h o to lib ra ry
a. C onstruye un diagram a de dispersión con los años de

a. Si el brazo de toda persona m uestra la proporción áurea escolaridad com o la variable independiente, a y la m edia
exacta, describe la apariencia de un diagram a de disper na de las ganancias sem anales usuales com o la variable
sión donde se grafiquen la longitud del antebrazo, y, y la dependiente, y.
longitud de la m ano, x.
b. ¿Parece haber una relación lineal? ¿P or q u é?
b. D ado que las proporciones corporales varían de persona a c. C alcula el coeficiente de correlación lineal.
persona, describe la apariencia de un diagram a de disper
sión donde se grafiquen la longitud del antebrazo, y, y la d. ¿El valor de r parece razonable en com paración con el
longitud de la m ano, jc, para 25 personas cuyas dos longi patrón dem ostrado en el diagram a de dispersión? Explica.
tudes se midan. e. Encuentra la ecuación de la recta de m ejor ajuste.
3 .7 2 O tra interesante proporción que usa la longitud del ante
brazo de una persona (com o se m uestra en el ejercicio 3.71) es
Page 181 of 418

.
.
.
f. Interpreta la pendiente de la ecuación. d. Encuentra la ecuación para la recta de m ejor ajuste.
g. G ráfica la línea de m ejor ajuste sobre el diagram a de d is e. ¿Qué representa la pendiente que encontraste en el inciso d ?
persión.
3 .7 8 E X 03-078] Los equipos de béisbol ganan y pierden
h. ¿C uál es la ordenada al origen para la ecuación? Interpre juegos. M uchos fanáticos creen que el prom edio de carreras
ta su significado en esta aplicación. lim pias perm itidas (ER A ) de un equipo tiene un gran efec
to sobre los ganados de dicho equipo. D urante la tem porada
3 .7 6 [E X 03-076] El consum o estadounidense per cápita de
2008, los 30 equipos de la M ajor League Baseball registraron
agua embotellada creció de manera continua desde 1997, en
los siguientes núm eros de ganados m ientras generaban dichos
más de 1 galón al año.
prom edios de carreras lim pias perm itidas:
a. Inspecciona los datos en la siguiente tabla y explica cóm o Ganados ERA Ganados ERA Ganados ERA
los datos m uestran crecim iento de más de 1 galón al año.
89 4 .0 7 92 3.88 89 4.2 8
b. C onstruye un diagram a de dispersión con años después 88 4 .1 6 84 3.68 72 4 .4 6
63 441 86 3 .4 9 81 4 .4 5
de 1997, x y consum o, y.
89 4 .0 6 95 4.01 84 4.4 3
c. Encuentra la ecuación de la recta de m ejor ajuste. 97 3 82 74 4 .7 7 61 4 .7 3
90 3 85 75 4.4 8 75 4.01
d. Explica cóm o la ecuación en el inciso c m uestra que el 67 5 .0 8 74 4 .9 0 82 3.98
consum o anual creció de m anera sostenida durante 10 86 4 .1 9 74 4.5 5 59 4 .6 6
100 3 .9 9 72 4.3 8 86 4 .3 6
años a una tasa de m ás de 1 galón por año. Sé específico.
97 3 .8 7 79 5 .3 7 68 5 .1 3
3 .7 7 [EX03-077] El agua em botellada es un gran negocio en Fuente: h H p ://m lb .mlb.com
E stados U nidos y tam bién en todo el mundo. A continuación a. ¿Q ué piensas: los equipos con los m ejores ERA tienen
se proporciona núm eros anuales que indican cuán grande es m ás ganados? (M ientras más bajo sea el ERA . menos
el m ercado estadounidense de agua em botellada (el volum en
está en galones y los ingresos del productor en dólares estado
unidenses). b.
carreras lim pias anotó el o tro equipo.)
Si esto es verdadero, ¿cóm o se verá el patrón sobre el

diagram a de dispersión? Sé específico.
2000-2008 (proyección)
Aro Millones de galones Millones de dólares c. C onstruye un diagram a de dispersión de dichos datos.
2000 4 7 2 5 10 $6 1 13.00
2001 5 1 8 5 .3 0 $6 8 8 0 .6 0 d. ¿El diagram a de dispersión sugiere que los equipos tien
2002 5 7 9 5 .7 0 $ 7 9 0 1 .4 0 den a ganar m ás ju eg o s cuando el ERA de su equipo es
20 03 6 2 6 9 80 $8 5 2 6 .4 0 m ás bajo ? E xplica cóm o sí o cóm o no.
2004 ó 8 0 6 .7 0 $9 16 9 .5 0
2005 7 5 3 8 90 $ 1 0 0 0 7 .4 0 e. C alcula la ecuación para la recta de m ejor ajuste con ERA
2006 8 2 5 3 .5 0 $ 1 0 8 5 7 .8 0 para .v y el núm ero de ganados para y.
2007 8 823 0 0 $1 1 7 0 5 .9 0
20 08 9 4 1 8 .0 0 $ 1 2 5 7 3 .5 0 f. En prom edio, ¿cóm o el núm ero de ganados es afectado
Fuente: Beverage Marketing Corporation por un aum ento de 1 en el E R A ? E xplica cóm o determ i
naste este núm ero.
a. Inspecciona los datos en la tabla y explica cóm o los nú
m eros m uestran gran y sostenido crecim iento anual. g. ¿T us hallazgos parecen apoyar la idea de que los eq u i
pos con m ejor ERA tienen m ás ganados? Justifica tu
b. C onstruye un diagram a de dispersión con galones, x y
respuesta.
dólares, y.
3 .7 9 [E X 03-079] C onsidera el dicho “constrúyelo y ellos
c. ¿El diagram a de dispersión m uestra el m ism o crecim iento
vendrán” . Este notable dicho de una película puede muy bien
estable que se estudió en el inciso a? Explica cualquier
aplicarse a los centros com erciales. Sólo asegúrate de que.
diferencia.
Tabla para el ejercicio 3 .7 6

Aro____________________ 1997 1998 1999 2 0 00 2001 2002 2003 20 04 2005 2 0 06 2007
Años después de 1 9 9 7 0 1 2 3 4 5 6 7 8 9 10
Galones per cápita 13.5 1 4 .7 16.2 1 6 .7 18 .2 20.1 216 2 3 .2 2 5 .4 2 7 .6 29 .3
Fuente: Beverage Marketing Corporation
Page 182 of 418

.
.
.
cuando lo construyas, no sólo haya espacio para el centro co a. C onsidera los siguientes datos acerca de edades de gato
m ercial, sino tam bién para quienes vendrán y por tanto incluye frente a edades hum anas. ¿E xiste una relación entre eda
suficiente espacio para estacionam iento. C onsidera la m uestra des de gato y edades hum anas ? C om enta acerca de la
aleatoria de los grandes centros com erciales en Irvine, C ali fuerza. C alcula la ecuación para la recta de m ejor ajuste.
fornia. ¿C uál es la tasa prom edio de cam bio para gatos?
Pies cuadrados Espacios estacionamiento Número de tiendas b. C onsidera los siguientes datos acerca de edades de perro
270987 3 128 65 frente a edades hum anas. ¿E xiste una relación entre las
2 5 8 761 1500 43 edades de perros y las edades hum anas? C om enta acerca
1 600 350 8 572 120 de la fuerza. C alcula la ecuación para la recta de m ejor
210 743 793 59
ajuste. ¿C uál es la tasa prom edio de cam bio para perros?
880000 7100 95
2 700000 15 0 0 0 300 c. H acia los 7 años de edad, la m ayoría de los perros, en
particular las razas más grandes, entran a los años de
a. D ibuja un diagram a de dispersión con “espacios estacio vejez. ¿Los datos apoyan esta afirm ación? ¿P o r qué y
nam iento” com o la variable dependiente, y, y “pies cua cóm o?
drados” com o la variable independiente,*. (Sugerencia: Edad humana Edad gato Edad humana Edad perro
usa m iles de pies cuadrados.) 23 14
1 1
35 2 23 2
b. ¿El diagram a de dispersión del inciso a sugiere que será
40 3 29 3
útil una regresión lineal? Explica.
45 4 34 4
47 5 38 5
c. C alcula la ecuación para la recta de m ejor ajuste.
50 6 41 6
d. D ibuja la recta de m ejor ajuste sobre el diagram a de dis 53 7 47 7

56 8 50 8
persión que obtuviste en el inciso a. Explica el papel de
59 9 55 9
una pendiente positiva para este par de variables. 61 10 60 10
65 11 64 11
e. ¿V es una potencial variable de confusión ? Explica su
69 12 68 12
posible papel. 72 13 74 13
75 14 78 14
f. D ibuja un diagram a de dispersión con “espacios de esta
78 15 84 15
cionam iento” com o la variable dependiente, y, y “ núm ero
de tiendas” com o la variable independiente, .v. 3 .8 1 La gráfica de la página 162 m uestra la relación entre tres
g. ¿El diagram a de dispersión en el inciso e sugiere que será variables: núm ero de conductores con licencia, núm ero de ve
útil una regresión lineal? Explica. hículos registrados y el tam año de la población residente en
Estados U nidos de 1960 a 2007. E studia la gráfica y responde
h. C alcula la ecuación para la recta de m ejor ajuste. las preguntas.
i. D ibuja la recta de m ejor ajuste sobre el diagram a de dis
a. ¿Parece razonable que la recta de población y la recta de
persión que obtuviste en el inciso e. conductores sean en esencia m utuam ente paralelas, con
j. ¿V es una potencial variable oculta? E xplica su posible la recta de población arriba de la recta de conductores?
papel. E xplica qué significa que sean paralelas. ¿Q ué significaría
si no fueran paralelas?
k. D ibuja un diagram a de dispersión con “núm ero de tien
das” com o la variable dependiente, y, y “pies cuadrados” b. ¿Q ué significa que se crucen las rectas de conductores y
com o la variable predictora, *. de vehículos? ¿C uándo y qué representa el punto de inter
sección?
1. ¿El diagram a de dispersión en el inciso k sugiere que será
útil una regresión lineal? Explica. c. E xplica la relación entre vehículos y conductores antes ce
1973.
m. C alcula la ecuación para la recta de m ejor ajuste.
d. E xplica la relación entre vehículos y conductores después
n. D ibuja la recta de m ejor ajuste sobre el diagram a de dis
de 1973.
persión que obtuviste en el inciso k.
e. ¿Predices que los conductores alguna vez sobrepasarán
3 .8 0[E X 03-080] La regla em pírica dada es que las m ascotas
los vehículos después de 2007? ¿P or qué sí o por qué no?
envejecen siete veces m ás rápido que las personas. Las m asco
tas más com unes son perros y gatos.
Page 183 of 418

.
.
.
f. C on los años 1990 y 2002, estim a las pendientes de la 3.82 El coeficiente de correlación y la pendiente de la recta de
recta de vehículos y la recta de conductores. C om para y m ejor ajuste se relacionan por definición.
contrasta las pendientes que encontraste.
a. Verifica esta afirm ación.
Conductores con Ecencia, vehículos registrados
b. D escribe cóm o puede verse, en los estadísticos que des
criben un conjunto de datos particular, la relación entre
coeficiente de correlación y pendiente.
c. D em uestra que b { = r(s / s j . C om enta acerca de esta rela

ción.
Año
Fuente: U .S. Depl. o f Tianspoitalion: Federal H ighv/cy A d nin ísh aK on
R ep as o d e l capítulo
En retrospectiva
P ara resum ir lo que acabas de aprender: hay una diferencia m ete m uchas faltas, no anotará m ás puntos. Los jugadores con
distintiva entre el propósito del análisis de regresión y el p ro problem as de faltas “m ontan el pino” sin posibilidad de anotar.
pósito de la correlación. En el análisis de regresión se busca Tam bién parece razonable que, m ientras m ás tiem po de juego
una relación entre las variables. La ecuación que representa tengan, más puntos anotarán y m ás faltas com eterán. Por tanto,
esta relación puede ser la respuesta que se desea o puede ser existirá una correlación positiva y una regresión positiva entre
el m edio para la predicción que se desea. En el análisis de estas dos variables. A q u í el tiem po es una variable oculta.
correlación se m ide la fuerza de la relación lineal entre las En consecuencia, los m étodos lineales bivariados estudia
dos variables. dos se presentaron com o un prim er vistazo descriptivo. Por
Los ejem plos aplicados en el texto m uestran varios usos necesidad, m ás detalles deben esperar hasta que hayas efec
para las técnicas de correlación y regresión. V ale la pena leer tuado trabajo de desarrollo adicional. D espués de com pletar
de nuevo dichos ejem plos. C uando los datos bivariados pa este capítulo debes tener una com prensión básica de los datos
recen caer a lo largo de una línea recta sobre el diagram a de bivariados, cóm o son diferentes de sólo dos conjuntos de d a
dispersión, sugieren una relación lineal. Pero esto no es prueba tos, cóm o se presentan, qué son los análisis de correlación y de
de causa y efecto. C laram ente, si un jugador de básquetbol co- regresión y cóm o se usa cada uno.
COUrSeMate E1 sitio Statistics CourseMate y ejem plos que tienen sus correspondientes recursos interacti
para este libro lleva a la vida los temas del capítulo, con he vos com o video y tu to ria le s a n im a d o s que dem uestran, paso
para el vocabulario y los conceptos clave que aparecen a co n com prender m ejor los conceptos; m a n u a le s d e tecn o lo g ía y
los capítulos, el icono C ourseM ate señala los conceptos P lus; regístrate en w w w .cen g ag eb rain .eo m
Page 184 of 418

.
.
.
análisis de correlación lineal (p. 136) fórm ula producto-m om ento de Pearson, tabla de contingencia (p. 121)
análisis de regresión (p. 146) r ( p . 137) tabla cruzada (p. 121)
coeficiente de correlación lineal r (p. 136) recta de m ejor ajuste (p. 147) valor predicho (p. 146)
correlación (p. 136) m étodo de m ínim os cuadrados (p. 146) valor predicho de y (p. 147)
correlación lineal (p. 136) no correlación (p. 136) variable oculta (p. 140)
correlación negativa (p. 136) ordenada al origen, bQ(p. 147) variable de entrada (p. 126)
correlación positiva (p. 136) par ordenado (p. 126) variable de salida (p. 126)
criterio de m ínim os cuadrados (p. 146) pendiente, (p. 147) variable dependiente (p. 126)
datos bivariados (p. 121) regresión (p. 146) variable independiente (p. 126)
diagram a de dispersión (p. 127) relación lineal (p. 146) ©
|EX(X)-(XX)| identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cengagebrain.com
ecuación de predicción (p. 146) relación causa y efecto (p. 140)

• C om prender, poder presentar y describir datos en form a de dos variables EJ. 3.1, pp. 121-123, Ej. 3.85
cualitativas, tanto en form ato de tabla de contingencia com o en gráficas adecuadas.
• C om prender, poder presentar y describir datos en form a de una variable cualitativa EJ. 3.2, p. 125, Ej. 3.9, 3.10
y una variable cuantitativa, tanto en form ato de tabla com o en gráficas adecuadas.
• C om prender, poder presentar y describir la relación entre dos variables EJ. 3.3, EjA Ej. 3.4, pp. 127-129
cuantitativas con un diagram a de dispersión. Ej. 3.15
• C om prender y poder explicar una relación lineal.
• C alcular, describir e interpretar un coeficiente de correlación.
p. 136
pp. 136-138, EJ. 3.5, Ej. 3.31
• C alcular, describir e interpretar una recta de m ejor ajuste. EJ. 3.7
• D efinir y com prender las diferencias entre correlación y causación. pp. 140-141, Ej. 3 .4 9 ,3 .5 0
• D eterm inar y explicar posibles variables ocultas y sus efectos sobre pp. 140-141, Ej. 3 .4 9 ,3 .5 0
una relación lineal.
• C om prender y poder explicar la pendiente de la recta de m ejor ajuste Ej. 3 .6 1 ,3 .6 8
respecto al contexto donde se presenta.
• C om prender y poder explicar la ordenada al origen de la recta de m ejor Ej. 3 .6 1 ,3 .6 8
ajuste respecto al contexto donde se presenta.
• C rear un diagram a de dispersión con la recta de m ejor ajuste dibujada sobre él. Ej. 3.55
• C alcular valores de predicción con base en la recta de m ejor ajuste. p. 152, Ej. 3.66
• C om prender y poder explicar qué son los valores de predicción. pp. 146,152
• C om prender que las predicciones deben hacerse sólo para valores dentro p. 152
del dom inio m uestral y que debe tener cuidado con valores afuera
de dicho dom inio.

3 .8 3 [E X 03-083] El miedo al dentista (o a la silla del den a. Encuentra los totales m arginales.
tista) es una em oción que sienten muchas personas de todas
b. Expresa las frecuencias com o porcentajes del gran total.
las edades. Se llevó a cabo una encuesta de 100 individuos en
cinco grupos de edad acerca de este miedo y éstos fueron los c. Expresa las frecuencias com o porcentajes de los totales
resultados: m arginales de cada grupo de edad.
Elemental Secundaria Bachillerato Universidad Adulto (c o n tin ú a e n la p á g in a 164)
M ie d o 37 28 25 27 21
N o m ie d o 63 72 75 73 79
Page 185 of 418

.
.
.
d. E xpresa las frecuencias com o porcentajes de quienes b. Expresa la tabla de contingencia del inciso a en porcenta
tienen m iedo y de quienes no tienen miedo. jes con base en el gran total.
e. D ibuja una gráfica de barras con ba<e en los grupos de c. D ibuja una gráfica de barras que m uestre los resultados
edad. del inciso b.
3 .8 4 C onform e el verano se calienta, los estadounidenses vol d. Expresa la tabla de contingencia del inciso a en porcenta
tean al helado com o una form a de enfriarse. U na de las pre jes con base en los totales m arginales para cada año.
guntas que se planteó com o parte de una Encuesta H arris en
e. D ibuja una gráfica de barras que m uestre los resultados
ju lio de 2009 fue: ¿cuál es tu form a favorita de com er helado?
del inciso d.
El estudio incluyó a 2 177 adultos estadounidenses.
3 .8 6 [EX 03-086] ¿C uándo fue la últim a vez que visitaste a
tu m édico? Esta pregunta se planteó para la encuesta que se
resum e en la siguiente tabla.
FORMA FAVORITA DE COMER HELADO
Tiempo desde última consulta
6 meses
Base: Todos los adultos quecorpen helado Menos de a menos de 1 año
6 meses 1 año o más
Forma favorita Hombre, % Mujer, %
M enor a 18 años 413 192 295
Copa 50 Edad 28-40 574 208 218
i 41
Cono 24 M ayor a 4 0 653 288 259
Sundae 17 1 J 34
/ 18 a. Encuentra los totales m arginales.
Sandwich
O tro
Total
2
8
101
2
5
100
b. Expresa las frecuencias com o porcentajes del gran total.
c. Expresa las frecuencias com o porcentajes de los totales

Im a g e n c o p y r ig h t O M . U n a lO z m e n . U s a d a b a jo lic e n c ia d e
S h u tte rslo ck.co m m arginales de cada grupo de edad.
d. Expresa las frecuencias com o porcentajes de cada periodo.

L a gráfica “ Form a favorita de com er helado” m enciona, en
e. D ibuja una gráfica de barras con base en el gran total.
porcentajes, la distribución de las formas en que am bos g éne
ros prefieren com er su helado. 3 .8 7 [EX Ü 3-08/J Parte del control de calidad es seguir la
a. Identifica la población, las variables y el tipo de variables. huella de lo que ocurre. La siguiente tabla de contingencias
m uestra el núm ero de m oldes rechazados el m es pasado, ca-
b. C onstruye una gráfica de barras que m uestre las dos d is tegorizados por su causa y el turno de trabajo durante el que
tribuciones lado a lado. ocurrió.
c. ¿Las distribuciones parecen ser diferentes para los géne 1w turno 2o turno 3Wturno
ros? Explica. Arena 87 1 10 72
Falla 16 17 4
3 .8 5 [EX 03-085] Seis razas de perros han sido populares en Caída 12 17 16
E stados U nidos durante los últim os años. La siguiente tabla Centro rolo 18 16 33
Roto 17 12 20
presenta las razas junto con el núm ero de registros de cada una Otro 8 18 22
llenados por el A m erican K ennel Club en 2004 y 2005:
Razas 2004 2005 a. Encuentra los totales m arginales.
Cobrador (Labrador) 146692 137867 b. Expresa los núm eros com o porcentajes del gran total.
Cobrador (Dorado) 52550 48 5 0 9
Pastor alemán 46 046 45014 c. Expresa los núm eros com o porcentajes del total m arginal
Sabuesos pequeños 44555 42592
de cada turno.
Salchichas 40 770 38 5 6 6
Fuente! A m e ric a n K e n n e l C b b
d. Expresa los núm eros com o porcentajes de cada tipo de
a. Se proporciona una tabla cruzada de las dos variables, rechazo.
año (colum nas) y raza de perro (filas). D eterm ina los tota
e. D ibuja una gráfica de barras con base en los turnos.
les m arginales.
Page 186 of 418

.
.
.
3 .8 8 D eterm ina si cada una de las siguientes preguntas requie
re análisis de correlación o análisis de regresión para obtener tu m uestra satisface los requisitos.
una respuesta.
a. La correlación de x y y es 0.0.
a. ¿Existe una correlación entre las calificaciones que ob tie
b. La correlación de x y y es + 1.0.
ne un estudiante en el bachillerato y las calificaciones que
obtiene en la universidad? c. La correlación de x y y es - 1 .0.
b. ¿C uál es la relación entre el peso de un paquete y el costo d. La correlación de x y y está entre - 0 .2 y 0.0.
de enviarlo por correo en prim era clase? e. La correlación de x y y está entre + 0 .5 y + 0.7.
c. ¿Existe una relación lineal entre la estatura de una perso 3.93 Se dibuja un diagram a de dispersión que m uestra los da
na y el tam año de sus zapatos? tos para x y y, dos variables con distribución norm al. Los datos
d. ¿C uál es la relación entre el num ero de horas-hom bre cae dentro de los intervalos 20 < x < 40 y 60 < y < 100. ¿Dónde
y el núm ero de unidades de producción com pletadas ? esperas encontrar los datos sobre el diagram a de dispersión si?:
e. ¿L a calificación obtenida en cierta prueba de aptitud se a. El coeficiente de correlación es 0.0.

relaciona linealm ente con la habilidad de una persona b. El coeficiente de correlación es 0.3.
para realizar cierta tarea?
c. El coeficiente de correlación es 0.8.
3 .8 9 El du eñ o de un autom óvil registra el núm ero de g a lo
d. El coeficiente de correlación es - 0 .3 .
nes de g asolina, x , requ erid o s para llenar el tanque de g aso
tanque. www.elsolucionario.net
lina y el n úm ero de m illas recorridas, y, entre llenados de e. El coeficiente de correlación es - 0 .8 .
3.94 C om ienza con el punto (5, 5) y agrega al m enos cuatro

a. Si realiza un análisis de correlación sobre los datos, pares ordenados (x, y), para hacer un conjunto de pares orde
¿cuál sería el propósito y cuál sería la naturaleza nados que m uestre las siguientes propiedades. D em uestra que
de sus resultados? tu m uestra satisface los requisitos.
b. Si realiza un análisis de regresión sobre los datos, a. La correlación de x y y está entre +0.9 y + 1 .0 y la pen
¿cuál sería el propósito y cuál sería la naturaleza diente de la recta de m ejor ajuste es 0.5.
de los resultados?
b. La correlación de x y y está entre + 0 .5 y + 0 .7 y la p en
3 .9 0 L os siguientes datos se generaron con la ecuación diente de la recta de m ejor ajuste es 0.5.
y = 2x + I.
c. La correlación de x y y está entre - 0 .7 y - 0 .9 y la pen
x 0 2 3 4
diente de la recta de m ejor ajuste es - 0 .5 .
y 1 5 7 9
d. La correlación de x y y está entre + 0 .5 y + 0 .7 y la

Un diagram a de dispersión de los datos resulta en cinco pun
pendiente de la recta de m ejor ajuste es - 1.0.
tos que caen perfectam ente sobre una línea recta. Encuentra el
coeficiente de correlación y la ecuación de la recta de m ejor 3.95 E X 03-095] Se llevó a cabo un estudio biológico de un
ajuste. pececillo llamado leucisco nariz negra.* Se registraron la lon
gitud, y (en milímetros) y la edad, x (al año más cercano).
3.91 C onsidera el siguiente conjunto de datos bivariados:
* Visita: http://www.dnr.stafe.oh.us/
x
y x 0 3 2 2 1 3 2 4 1
y 25 80 45 40 36 75 50 95 30
a. D ibuja un diagram a de dispersión.
a. D ibuja un diagram a de dispersión de estos datos.
b. C alcula el coeficiente de correlación.
b. C alcula el coeficiente de correlación.
c. C alcula la recta de m ejor ajuste.
c. Encuentra la ecuación de la recta de m ejor ajuste.
3 .9 2 C om ienza con el punto (5, 5) y agrega al m enos cuatro
pares ordenados (x, y), para hacer un conjunto de pares orde- d. Explica el significado de las respuestas a los incisos a al c.
Page 187 of 418

.
.
.
3.96 [E X 03-096] L os siguientes datos son una m uestra de las d. Con la ecuación del inciso c, encuentra las tem peraturas
edades y los precios de venta para Hor.da A ccord usados que que corresponden a 14 y 20 chirridos, las cotas aproxim a
se citaron en A utoTrader.com el 10 de marzo de 2005: das para el dom inio del estudio.
Edad x (años) Precio y ( x $1 000) Edad x (años) Precio y (x $1 000) e. ¿El rango de valores de tem peraturas acotado por los va
3 2 4 .9 2 2 6 .9 lores de tem peratura que encontraste en el inciso d parece
7 9 .0 4 23 .8
5 17.8 5 19.3
razonable para el estudio? Explica.
4 2 9 .2 4 2 1 .9
6 1 5 .7 6 16.4
f. La próxim a vez que estés fuera, donde chirríen grillos en
3 2 4 .9 4 2 1 .2 una noche de verano y te encuentres sin term óm etro, sólo
2 2 5 .7 3 2 4 .9 cuenta los chirridos y podrás decir la tem peratura. Si la
7 1 1.9 5 2 0 .0
6 15.2 7 13.6 cuenta es 16, ¿qué tem peratura supondrías que es?
2 2 5 .9 5 18.8
3.98 [EX 03-098] Los lagos son cuerpos de agua rodeados
Fuente: http://aulohadfcr.coin/
p o r tierra y pueden incluir mares. La siguiente tabla m enciona
a. D ibuja un diagram a de dispersión. las áreas y profundidades m áxim as de 32 lagos a lo largo del
mundo.
b. C alcula la ecuación de la recta de m ejor ajuste.
c. G ráfica la recta de m ejor ajuste sobre el diagram a de dis a. D ibuja un diagram a de dispersión que m uestre el área, x
y la profundidad m áxim a, y, para los lagos.
persión.
b. E ncuentra el coeficiente de correlación lineal entre área y
d. Predice el precio de venta prom edio para todos los H onda
A ccord que tienen 5 años de edad. Obtén esta respuesta profundidad m áxim a. ¿Q ué im plica el valor de esta corre
dibujada en el inciso c.
de dos formas: usa la ecuación del inciso b y usa la recta
Lago
lación lineal?
Area (mi cuadradas) Profundidad máx. (ft)
M ar Caspio 143 2 4 4 3 363

e. ¿Puedes pensar en alguna potencial variable oculta para Superior 31700 1330
esta situación? Explica cualquier posible papel que pueda * * 'Para el resto de bs datos, ingresa a cengagebrain.com
tener. Fuente: G eological Sur\%y. U.S. D epaihnenlof tlifc Infe-iioi
3.97 [E X 03-097] El canto de los grillos que chirrían es un 3.99 [EX 03-099] L as poblaciones de la vida salvaje se mo-
agradable sonido en las noches de verano. De hecho, el ch i nitorean con fotografías aéreas. El núm ero de anim ales y sus
rrido de esos grillos bien pueden decirte la tem peratura. En ubicaciones relativas a las áreas habitadas por la población
el libro The Song o fln s e c ts (El canto de los insectos), G eorge hum ana, son inform ación útil. En ocasiones es posible m oni-
W . Pierce, profesor de física en Harvard, presentó datos reales torear las características físicas de los anim ales. La longitud de
que relacionan el núm ero de chirridos por segundo, .v, de los un cocodrilo puede estim arse con bastante precisión a partir
grillos rayados con la tem peratura en °F, y. La siguiente tabla de fotografías aéreas, pero no su peso. L os siguientes datos
proporciona datos reales de grillos y tem peratura. Parece que son las longitudes, .v (en pulgadas) y pesos, y (en libras), de
el núm ero de chirridos representa un prom edio, porque está cocodrilos capturados en Florida central y pueden usarse para
dado a la décim a m ás cercana. predecir el peso de un cocodrilo con base en su longitud.
X
y X
y X
y Peso Longitud Peso Longitud Peso Longitud
20 2 8 8 .6 15.5 75 .2 15.0 7 9 .6 130 94 38 72 44 61
16.0 7 1 .6 14 .7 6 9 .7 17.2 8 2 .6 51 74 366 128 106 90
19.8 9 3 .3 17.1 8 2 .0 16.0 8 0 .6 640 147 84 85 84 89
18 4 8 4 .3 15.4 6 9 .4 17.0 83 .5 28 58 80 82 39 68
17.1 8 0 .6 16.2 83.3 14.4 76 .3 80 86 83 86 42 76
F u e n t e : G e o rg e W . Pi&rcfc. The S o n g s o f ¡ns&cls Ha v a id Univfctsity Press. 19 -18 1 10 94 70 88 197 114
33 63 61 72 102 90
a. D ibuja un diagram a de dispersión del núm ero de chirridos 90 86 54 74 57 78
36 69
p o r segundo, x y la tem peratura del aire, y.
Fuente: http;/./fcxploringdata.cq u.ed u .au/
b. D escribe el patrón m ostrado.

a. C onstruye un diagram a de dispersión para longitud, x y
c. Encuentra la ecuación para la recta de m ejor ajuste. peso, y.
Page 188 of 418

.
.
.
b. ¿Parece que el peso de un cocodrilo es predecible a partir form ación acerca de los sistem as ferroviarios estadounidenses
de su longitud? Explica. m ás ocupados.
c. ¿L a relación es lineal? Ciudad Estaciones Vehículos Vía (millas)
Atlanta 38 252 193

d. Explica por qué la recta de mejor ajuste, com o se describe Baltimore 14 100 34
en este capítulo, no es adecuada para estim ar el peso con Boston 53 408 108
Chicago 144 1 190 288
base en la longitud. Cleveland 18 60 42
Los Angeles 16 102 34
e. Encuentra el valor del coeficiente de correlación lineal. Miami 22 136 57
Nueva York 468 6 333 835
f. Explica por qué el valor de r puede ser tan alto para un Filadelfia 53 371 102
conjunto de datos que tan obviam ente no es lineal por San Francisco 43 669 246
Washington 86 950 226
naturaleza.
Fuente: USA Today, 2 8 d e d ic ie m b re d e 2 0 0 *
3 .1 0 0 [EX03-1 0 0 ] Los productores de caña de azúcar están

preocupados por la relación entre los acres totales de caña de Supon que un sistem a de transporte m asivo se propone para
una ciudad y tú eres el encargado de preparar la inform ación
azúcar cosechados y la producción total de caña de azúcar (to
neladas) de dichos acres. Los siguientes datos son para la co estadística (tanto gráfica com o num érica) acerca de la relación
secha 2007 de 14 condados de Louisiana productores de caña entre las siguientes tras variables: núm ero de estaciones, nú
m ero de vehículos y núm ero de m illas de vía. T e proporcionan
de azúcar seleccionados al azar
los datos anteriores.
Acres Producción Acres Producción
2600 70000 10 100 300 000 a. C om ienza por inspeccionar los datos dados. ¿O bservas
28 9 0 0
13600
9600
825 0 0 0
470000
295 0 0 0
12 3 0 0
25 100
51 0 0 0
375
730
1 530
000
000
000
algo inusual acerca de los datos? ¿Existen algunos valores
que parezcan m uy diferentes del resto? Explica.
26 400 800000 1 1 100 335 000
b. Tu supervisor sugiere que quites los datos para N ueva
39 400 1 220000 26500 770 000
30 000 910000 1 700 55 000 York. D efiende el punto de que eso es aceptable. Incluye
Fuente: h # p : / / w w w . nass.uscla . g o v / algunas gráficas prelim inares y estadísticas calculadas
para justificar el quitar dichos valores.
a. Estos valores de datos tienen m uchos ceros que estarán
en el cam ino. C am bia los acres cosechados a cientos de C on los datos de las otras 10 ciudades:
acres y la producción a miles de toneladas de producción
c. C onstruye un diagram a de dispersión con m illas de vía
antes de continuar.
com o la variable independiente, * y el núm ero de estacio
b. C onstruye un diagram a de dispersión de acres cosecha nes com o la variable dependiente, y.
dos, * y toneladas de producción, y.
d. ¿H ay evidencia de una relación lineal entre estas dos va
c. ¿L a relación entre las variables parece ser lineal? Explica. riables? Justifica tu respuesta.
d. Encuentra la ecuación para la recta de m ejor ajuste. e. Encuentra la ecuación de la recta de m ejor ajuste para el
inciso c.
e. ¿C uál es la pendiente para la recta de m ejor ajuste ? ¿Q ué
representa la pendiente? Explica qué significa para el f. Interpreta el significado de la ecuación para la recta de
productor de caña de azúcar. m ejor ajuste. ¿Q ué te dice?
3 .1 0 1 [EX03-1 0 1] Relativam ente pocos viajeros de negocios g. C onstruye un diagram a de dispersión con m illas de vía
usan sistem as de transporte masivo cuando visitan grandes com o la variable in d ep en d ien te,* y el núm ero de vehícu
ciudades. Los frutos podrían ser sustanciales, tanto en tiempo los com o la variable dependiente, y.
com o en dinero, si aprendieran cóm o usar los sistem as, com o
h. ¿H ay evidencia de una relación lineal entre estas dos va
se apunta en el artículo “M ass transit could serve business tra-
riables? Justifica tu respuesta.
velers big bucks” (El transporte m asivo podría ahorrar grandes
cantidades a los viajeros de negocios) del USA Today del 28 i. Encuentra la ecuación de la recta de m ejor ajuste para el
de diciem bre de 2004. El USA Today recopiló la siguiente in inciso g.
Page 189 of 418

.
.
.
j. Interpreta el significado de la ecuación para la recta de a. C onstruye un diagram a de dispersión del peso corporal, x
m ejor ajuste. ¿Q ué te dice? y la correspondiente longitud de alas, y. U sa un sím bolo
diferente para representar los pares ordenados para cada
k. C onstruye un diagram a de dispersión con el núm ero
especie.
de estaciones com o la variable independiente, x y el
núm ero de vehículos com o la variable dependiente, y. b. D escribe qué m uestra el diagram a de dispersión respecto
a la relación y las especies.
1. ¿H ay evidencia de una relación lineal entre estas dos
variables? Justifica tu respuesta. c. C alcula el coeficiente de correlación, r.
m. E ncuentra la ecuación de la recta de m ejor ajuste para d. Encuentra la ecuación para la recta de m ejor ajuste.
el inciso k.
e. Supon que el peso corporal de una cigarra es 0.20 gra
n. Interpreta el significado de la ecuación para la recta de m os. ¿Q ué longitud de ala predecirías? ¿D e cuál especie
m ejor ajuste. ¿Q ué te dice? crees que pueda ser la cigarra?
o. La ciudad sopesa las propuestas iniciales para un sistem a 3 .1 0 3 [EX03-1 0 3 ] “ El V iejo Fiel” del Parque N acional Ye-
de transporte m asivo de 50 m illas de vía. C on base en llow stone ha sido un gran atractivo turístico durante m ucho
las respuestas que encontraste en los incisos del c al n, tiem po. E ntender la duración de las erupciones y el tiem po
¿cuántas estaciones y cuántos vehículos se necesitarán entre erupciones es necesario para predecir el m om ento de la
para el sistem a? Justifica tus respuestas. próxim a erupción. Las variables del conjunto de datos de “ El
V iejo Fiel” son las siguientes: fecha: indica la fecha en que se
p. Si alguien quiere estim ar el núm ero de estaciones y ve
tom ó la observación; duración: duración de una erupción del
hículos necesarios para un sistem a de 100 m illas, no sólo
debe duplicar los resultados encontrados en el inciso o.
Explica por qué no.
géiser, en m inutos; e interrupción: tiem po hasta la siguiente
erupción, en minutos.
Día 1__________________ D ía_2_________________ D ía 3__________
q. C on base en las respuestas encontradas en los incisos c al Duración Interrupción Duración Interrupción Duración Interrupción
n, ¿cuántas estaciones y cuántos vehículos se necesitarán 4 .4 78 4 .3 80 4 .5 76

para un sistem a de 100 m illas? Justifica tus respuestas. 3 .9 74 1.7 56 3 .9 82
4 .0 68 3 .9 80 4 .3 84
3 .1 0 2 [EX03-1 0 2 ] Las cigarras son insectos voladores h er 4 .0 76 3 .7 69 2.3 53
3.5 80 3.1 57 3 .8 86
bívoros. U na especie particular, las cigarras de 13 años (M a- 4.1 84 4 .0 90 1.9 51
g ic ica d a ), pasan cin co etapas ju v en iles en m adrigueras su b 2.3 50 1.8 42 4 .6 85
4 .7 93 4.1 91 1.8 45
terráneas. D urante los 13 años bajo tierra las cigarras crecen
1.7 55 1.8 51 4 .7 88
d esd e aproxim adam ente el tam año de una pequeña horm iga, 4 .9 76 3 .2 79 1.8 51
hasta casi el tam año de una cig arra adulta. C ada 13 años 1.7 58 1.9 53 4 .6 80
4 .6 74 4 .6 82 1.9 49
los an im ales salen de sus m adrigueras co m o adultos. La si 3 .4 75 2 .0 51 3.5 82
gu ien te tabla presen ta tres d iferentes especies de estas c ig a Fuente: hH p://com p. uark.edu/
rras de 13 años y sus correspondientes: peso corporal adulto
a. C onstruye un diagram a de dispersión de las 39 duracio
(B W ), en gram os y longitud de alas (W L ), en m ilím etros.
nes, a', e interrupciones, y. U sa un sím bolo diferente para
representar los pares ordenados para cada día.
Especies BW WL Especies BW WL
b. D escribe el patrón m ostrado por los 39 pares ordenados.
tredecula 0 .1 5 28 tredecula 0 .1 8 29
tredecim 0 29 32 tredecassini 0.21 27 c. ¿L os datos para los días individuales m uestran el m ism o
tredecim 0 .1 7 27 tredecula 0 .1 5 30
tredecula 0 .1 8 30 tredecula 0 .1 7 27 patrón que otro y com o el conjunto de datos total?
tredecim 0 .3 9 35 tredecassini 0 .1 3 27
tredecim 0 26 31 tredecassini 0 .1 7 29 d. C on base en la inform ación del diagram a de dispersión,
tredecassini 0 17 29 tredecassini 0 .2 3 30 si la últim a erupción de “El V iejo Fiel” duró 4 m inutos,
tredecassini 0 .1 6 28 tredecim 0 .1 2 22
¿cuánto tiem po predices habrá que esperar hasta que
tredecassini 0 14 25 tredecula 0 .2 6 30
tredecassini 0 .1 4 28 tredecula 0 .1 9 30 com ience la siguiente erupción ?
tredecassini 0 28 25 tredecassini 0 .2 0 30
tredecim 0 12 28 tredecula 0 .1 4 23 e. Encuentra la recta de m ejor ajuste para los datos m encio
Fuente: h ttp :/ . in s fe c b /u iir n z .Is a .u m ic h .e d u nados en la tabla.
Page 190 of 418
.
.
.
f. Con base en la línea de m ejor ajuste, si la últim a erupción b. Verifica, algebraicam ente, que la fórm ula (3.6) es
de “El V iejo Fiel” duró 4 minutos, ¿cuánto tiem po pre equivalente a la fórm ula (3.5).
dices habrá que esperar hasta que com ience la siguiente
3 .1 0 5 Esta ecuación proporciona una relación que existe entre
erupción?
b. y r:
g. ¿Q ué efecto crees que tenga, sobre la recta de m ejor ajus I SS(.v)
te, el patrón distintivo que se m uestra en el diagram a de rs s b JV SS (y)
dispersión?
a. Verifica la ecuación para los siguientes datos:
h. Repite los incisos a al g con el conjunto de datos para 16
x 2 3 O
días de observaciones.
y i ó 7 4
i. C om para los resultados que encontraste en el inciso h

b. V erifica esta ecuación con las fórm ulas (3.2) y (3.6).
con los resultados en los incisos a al g. D iscute tus co n
clusiones. 3 .1 0 6 D em uestra que la fórm ula (3.7a) es equivalente a la
fórm ula (3.7) (p. 148).
3 . 10 4 a. Verifica, algebraicam ente, que la fórm ula (3.2)
para calcular r es equivalente a la fórm ula para
definición (3.1).
PARTE I: Conocimiento de las definiciones
R esponde “ verdadero” si el enunciado siem pre es verdadero.
PARTE II: Aplicación de los conceptos
3 .1 1 Consulta el siguiente diagram a de dispersión.
Si el enunciado no siem pre es verdadero, sustituye las palabras Caballos de fuerza y clasificaciones de millaje EPA
en negrillas con las palabras q ie hagan al enunciado siem pre de automóviles estadounidenses 2 0 0 5
y
30
verdadero. 1------
3.1 El análisis de correlación es el m étodo para obtener la
_ 25
ecuación que representa la relación entre dos variables.
2 •
3 .2 El coeficiente de correlación lineal se usa para determ i
«
nar la ecuación que representa la relación entre dos & 20
variables. _o
*
3 .3 Un coeficiente de correlación de cero significa que las 2 15
Q
dos variables están perfectam ente correlacionadas.
10
3 .4 Siem pre que la pendiente de la recta de regresión sea
—
cero, el coeficiente de correlación tam bién será cero. 75 100 125 150 175
3 .5 C uando r es positivo, b x siem pre será negativo. Caballos de fuerza
a. R elaciona las descripciones en la colum na 2 con los

3 .6 La p endiente de la recta de regresión representa la
térm inos en la colum na 1.
cantidad de cam bio que se espera tenga lugar en y
cuando x aum ente por una unidad. población a) clasificación de caballos
3 .7 C uando el valor calculado de r es positivo, el valor de fuerza para un autom óvil
calculado de b { será negativo. m uestra b) todos los autom óviles 2005

fabricados en EUA
3 .8 Los coeficientes de correlación varían entre O y +1.
3 .9 El valor predicho se llama variable de entrada. variable de entrada c) la clasificación de m illaje EPA
para un autom óvil
3 .1 0 La recta de m ejor ajuste se usa para predecir el valor
prom edio de y que se puede esperar ocurra en un variable de salida d) los autom óviles 2005 con
clasificaciones m ostradas en
valor dado de x.
el diagram a de dispersión
Page 191 of 418

.
.
.
b. Encuentra el tam año de la muestra. PARTE III: Comprende los conceptos
c. ¿C uál es el valor más pequeño reportado para la
3 .1 4 Se aplica un exam en para m edir la habilidad m atem á
variable de salida?
tica de las personas en cierta ciudad. A lgunos de los
d. ¿C uál es el valor más grande reportado para la va habitantes se sorprendieron al descubrir que los resul
riable de entrada? tados de sus exám enes y tam años de zapatos se co rre
e. ¿El diagram a de dispersión sugiere un coeficiente lacionaban fuertem ente. Explica por qué no debería
de correlación lineal positivo, negativo o cero? sorprender una fuerte correlación positiva.
f. ¿C uáles son las coordenadas del punto {?? 3 .1 5 El estudiante A recolectó un conjunto de datos bivaria
g. ¿L a pendiente para la recta de m ejor ajuste será dos y calculó r, el coeficiente de correlación lineal. Su
positiva, negativa o cero? valor fue -1 .7 8 . El estudiante A afirm a que no existe
h. ¿L a ordenada para la recta de m ejor ajuste será correlación entre las dos variables, porque el valor de
positiva, negativa o cero? r no está entre - 1 .0 y +1.0. El estudiante B argum enta
3 .1 2 Un grupo de investigación reporta un coeficiente de co que -1 .7 8 era im posible y que sólo los valores de r
rrelación 2.3 para dos variables. (tQ ué puedes concluir cercanos a cero im plicaban no correlación. ¿Q uién está
a partir de esta inform ación? en lo correcto? Justifica tu respuesta.
3 .1 3 Para los datos bivariados, las extensiones y los totales 3 .1 6 El coeficiente de correlación lineal, r, es un valor nu
que se m uestran en la tabla, encuentra lo siguiente: m érico que varía de - 1 .0 a +1.0. E scribe un enunciado
a. SS(.v) o dos que describan el significado de r para cada uno

de estos valores:
b. SS(y)
c. SS(xy)
d. El coeficiente de correlación lineal, r
a.
b.
- 0 .9 3
+ 0 .8 9
d. + 0 .0 8
e. - 2 .3
c. - 0 .0 3
e. La pendiente, b l
f. La ordenada al origen, bQ 3.1 7 Configura un conjunto de tres o m ás pares ordenados
tales que:
g. La ecuación de la recta de m ejor ajuste
x y x2 xy y2 a. /• = 0.0 c. r = - 1 .0
2 6 4 12 36 b. r = +1.0 d. b x = 0.0
3 5 9 15 25
3 7 9 21 49
4 7 16 28 49
5 7 25 35 49
5 9 25 45 81
6 8 36 48 64
28 49 124 204 353
Page 192 of 418

.
.
.
Page 193 of 418

.
A
.
Probabilidad
4.1 Probabilidad de eventos

Em píricoy teórico y subjetivo
4.2 Probabilidad condicional de eventos
P robabilidad bajo una condición preexistente
4.3 Reglas de probabilidad
Las p ro b a b ilid a d es son valores num éricos que
siem pre m uestran ciertas propiedades
4.4 Eventos m utuam ente excluyentes
E ventos que no pueden ocurrir a l m ism o tiem po
4.5 Eventos independientes
La ocurrencia d e uno no cambia la probabilidad
d el otro
4.6 M utuam ente excluyentes
e independientes ¿están relacionados?
Los eventos no pueden ser tanto independientes
com o m utuam ente excluyentes
Im a g & n c o p y r ig h t P a b lo Ecler 2 0 1 2 . U s a d a b a jo lic e n c ia d e S huH e istock.co m
¡4.1 P ro b a b ilid a d d e eventos

Dulces estadísticas
¿Esta “dulce” imagen súbitamente te hace sentir ham bre por algún dulce? Es m uy difícil
resistirse a un M&M . Seguram ente tienes un color favorito. Fíjate si tu color favorito puede cam biar,
¡dependiendo de cuán ham briento estás!
Supon que abres una gran bolsa de M & M y que la distribución resultante del conteo de colores es
com o se m uestra en la tabla 4 .1.
Si te dicen que puedes tener todos los M &M de un color de esta bolsa, ¿cuál color elegirías? ¡R ecuer
da que estás muy ham briento!
¡Parece que el “azu l'' es la elección! T iene el m ayor conteo para esta bolsa, con 692 M & M . Pero,
¿cóm o se com para con el resto de los colores? U na form a conveniente para hacer la com paración es usar
porcentajes. Si divides 151/692, obtienes 0.218 = 0.22 o 22% . Por tanto, 22% de los M &M en esta bolsa
son “azules”. Otra form a de considerar este evento es que, si seleccionaras sin m irar un M &M de un con
tenedor bastante m ezclado, existe una posibilidad de 22% de sacar un M &M azul.
TABLA 4.1 TABLA 4 .2

Colores de M & M por conteo Colores de M & M por porcentaje
Color Conteo Color Porcentaje

Café 91 Café 13.2
Amarillo 112 Amarillo 16.2
Rojo 102 Rojo 14.7
Azul 151 Azul 21.8
Naranja 137 Naranja 19.8
Verde 99 Verde 14.3
692 100.0
Page 194 of 418

.
.
.
Sección 4.1 Probabilidad de eventos 173
¡Acabas de com pletar tu prim er experim ento de probabilidad! (Cierto: en realidad,
PTI La idea de los
M&M's® Plain Choco hacer el experim ento y com erse los M & M , ¡habría sido más divertido!)
late Candies (dulces de A hora estás listo para definir lo que se entiende por probabilidad. E specíficam ente, se
chocolate M&M) nació habla de “ la probabilidad de que cierto evento ocurrirá” .
en el trasfondo de la
guerra civil española.
Dice la leyenda que,
en un viaje por Espa P robabilidad de un evento La frecuencia relativa con la que puede esperarse
ña, Forrest Mars Sr. la ocurrencia de dicho evento.
Encontró soldados que
comían bolitas de cho
colate encapsuladas en
La probabilidad de un evento puede obtenerse en tres form as diferentes: 1) em pírica
un duro recubrimiento
de azúcar para evitar m ente, 2) teóricam ente o 3) subjetivam ente.
que se derritieran. Ins El m étodo em pírico recién se ilustró con los M & M y sus porcentajes, adem ás pue
pirado por esta idea, de llam arse probabilidad experim ental o em pírica. Esta probabilidad es la frecuencia
Mars regresó a su coci relativa observada con la que un evento ocurre. En el ejem plo de los M & M , se observó
na e inventó la receta que 137 de los 692 M & M fueron anaranjados. La probabilidad em pírica observada para la
para los M&M's® Plain ocurrencia de anaranjado fue 137/692 o 0.198.
Chocolate Candies. El valor asignado a la probabilidad del evento A com o resultado de la experim entación
puede encontrarse m ediante la fórm ula:
P robabilidad em pírica (observada) P ' (A)
c ,
En palabras:
r
, i l -i - i j
r
' j
rp ro b a b ilid a d empírica
a número de veces que ocurrió A
de A = ------------ ?-----------j— 1'■
numero de ensayos ------------------
En álgebra: P'(A) = (4.1)
N otación para probabilidad em pírica: cuando el valor asignado a la probabilidad de

un evento resulta de datos experim entales o em píricos, se identificará la probabilidad del
evento con el sím bolo P ’( ).
El m étodo teórico para obtener la probabilidad de un evento usa un espacio m uestrcl.
U n espacio m uestral es una lista de todos los posibles resultados del experim ento a con
siderar (que se d enota con la letra S m ayúscula). C uando se usa este m étodo, el espacio
m uestral debe contener puntos m uéstrales igu alm en te probables. Por ejem plo, el espa
cio m uestral para la rodadura de un dado es S = { 1, 2, 3, 4, 5, 6}.
Los seis posibles resultados de una rodadura
1U ' . • • •
• • •
’ •* * *
C ada resultado (es decir, núm ero) es igualm ente probable. Un evento es un subcon-
junto del espacio m uestral (denotado con una letra m ayúscula distinta de S; usualm ente se
usa A para el prim er evento). Por tanto, la p ro babilidad de un evento A, P (A ), es la razón
del núm ero de puntos que satisfacen la definición del evento A, /?(A), al núm ero de puntos
m uéstrales en todo el espacio m uestral, n(S).
Page 195 of 418
.
.
.
17 4 Copítulo 4 P ro b a b ilid a d
P ro b a b ilid a d teó rica (es p e ra d a ) P{A)
En palabras:
, , A número de veces que ocurre A en el espacio muestral
p ro b a b ilid a d teórica de A = -------- >-----------j— r 2-----¡----------- >---------------------------,-------
r numero de elementos en el espacio muestral
En álgebra: P(A) = , cuando los elementos de S son igualmente probables (4.2)

n(S)
Notas:
1. Cuando el valor asignado a la probabilidad de un evento resulta de una fuente teórica,

la probabilidad del evento se identificará con el sím bolo P ( ).
2. El sím bolo prima no se usa con probabilidades teóricas; sólo se usa para probabilida
des empíricas.
E J E M P L O 4 . 1
UN D AD O
Considera una rodadura de un dado. Define el evento A como la ocurrencia
de un número "m a yor que 4 " . En una sola rodadura de un d ad o, existen seis
posibles resultados, lo que constituye n(S) = 6 . El evento "m ayor que 4 " se sa
tisface con la ocurrencia de un 5 o un 6 ; por tanto, n(A) = 2. Si supones que el
dado es simétrico y que cada número tiene una igual p ro b a b ilid a d de ocurrir,
la p ro b a b ilid a d de A es £ o j.
E J E M P L O 4.2
B O LA S DE G O L F
En una exposición de golf, conform e cada visitante ingresa, se le perm ite lle
gar a un gran b arril y seleccionar, sin m irar, una bola de golf como prem io de
entrada. El b arril contiene una m ezcla de tres marcas, Titleist, C a lla w a y y Brid-
gestone, en la razón de 2 a 1 a 1. El espacio muestral p a ra este experim ento
simple de p ro b a b ilid a d es S = {Titleist, C allaw a y, Bridgestone}. Sin em bargo,
el espacio muestral expresado de esta form a no está constituido con elemen
tos igualm ente probables y por tanto no es útil para asignar p ro b a b ilid a d e s
a los tres eventos de la bola seleccionada como una Titleist (T), C a lla w a y (C)
o Bridgestone (B). Con la fin a lid a d de usar el espacio muestral para asignar
p ro ba bilida de s, debe m odificarse p a ra tener puntos muéstrales igualm ente
probables. Esto se logra fácilm ente al m encionar algunos de los elementos
repetidam ente, según sea necesario, para establecer la razón correcta de ele
mentos. D ado que existen dos Titleist por una C a lla w a y y una Bridgestone, el
espacio muestral puede considerarse como aquel donde los elementos ahora
sen igualm ente probables.
La p ro b a b ilid a d de que la bola seleccionada sea Titleist, C a lla w a y o Brid

gestone ahora puede encontrarse usando el espacio muestral y la fórm ula (4.2):
P(T) = 2 / 4 = 1 /2 = 0 .5 , P(C) = 1 /4 = 0 .2 5 y P(B) = 1 /4 = 0 .2 5 .
Page 196 of 418

.
.
.
E J E M P L O 4.3
UN PAR DE DADOS
Un p ar de dados (uno b lanco, uno negro) se ruedan una vez y se observa el
número de puntos que muestra cada dado. El espacio muestral se presenta
en form ato de cuadro:
Representación en cuadro
ffi □ ffi □ffi □ ffi □ ffi MÉE □ ffi

ffi □ffi □ffi □ ffi r#»l
1 1 c(3
mI □ ffi :IFS
l:l« «1lZ3
m □ ffi □ffi □ ffi
ivira
!♦ ♦i
U*1B
l« ♦! m |íT|ífl
i##i rxi
B □ffi □ B □B □B □B OB
B □ffi □ffi □ffi □ffi □ffi OB
D □ 0 □B □ B □IB □IB □B
1♦ ♦1 1*•*1
0 □ 0 !♦ ♦! 1##1 1#♦!
C onsidera la suma de suspuntos. Una lista de las posibles "sum as" for
ma un espacio muestral, S = {2, 3, 4 , 5 , 6 , 7, 8 , 9, 10, 11, 12} y n(S) =
1 1. Sin em bargo, los elementos de este espacio muestral no son igualm ente
probables; p or tanto, este espacio muestral no puede usarse para encontrar
p ro b a b ilid a d e s teóricas: debes usar el espacio muestral de 3 6 puntos que se
presentan en el cuadro anterior. Al usar el espacio muestral de 3 6 puntos, el
espacio muestral está totalmente constituido con puntos muéstrales igualm en
te probables y las p ro b a b ilid a d e s para las sumas de 2, 3, 4 , etc., pueden
encontrarse con mucha fa c ilid a d . La suma de 2 representa {(1, 1)}, donde
el prim er elemento del p ar ordenado es el resultado del d ad o blanco y el
segundo elemento del p ar ordenado es el resultado del d ad o negro. La suma
de 3 representa {(2, 1), (1, 2)} y la suma de 4 representa {(1 , 3), (3, 1), (2,
2)}, etc. Por tanto, puedes usar la fórm ula (4.2) y el espacio muestral de 36
puntos para obtener las p ro b a b ilid a d e s p ara las 1 1 sumas.
Pf21 = n ^ = J _ Pf3) - n P I _ p(4 | _

1 ' n(S) 3 6 ' 1 1 n(5) 36' U n(S) 36
etcétera.
C uando un experim ento de probabilidad puede considerarse com o una secuencia de

eventos, con frecuencia es m uy útil un d ia g ra m a d e á rb o l com o una form a de presentar
el espacio m uestral.
E J E M P L O 4. 4
USO DE DIAGRAMAS DE ÁRBOL

Una fa m ilia con dos hijos se seleccionará al a za r y se quiere encontrar la
p ro b a b ilid a d de que la fa m ilia elegida tenga un hijo de cada género. Puesto
que siempre habrá un hijo que nació prim ero y uno que nació segundo, se
Page 197 of 418

.
.
.
176 Capítulo 4 P ro b a b ilid a d
usará un dia gra m a de á rbol para mostrar los posibles arreglos de género, lo
que entonces hará posible la determ inación de la p ro b a b ilid a d . C om ienza
por determ inar la secuencia de eventos involucrados: en este caso, nacidos
en prim ero y segundo lugar. Usa el á rb ol p a ra m ostrar los posibles resulta
dos del prim er evento (se muestra en azul oscuro en la fig ura 4 .1 ) y después
a greg a segmentos de ram a para m ostrar los posibles resultados para el
segundo evento (que se muestra en azul claro en la fig ura 4 .1 ).
FIGURA 4.1
Representación en dia gra m a de á rb o l* de una fa m ilia con dos hijos
Resultados
B, B
S= {(B, B,) (B, G,|
(G, B,) (G, G,)}
B, G
G, B
B = niño
G = niña
‘ C o n s u lta e l
G, G
M a n u a l d e so lu cio n es d e l e s tu d ia n te p a r a in f o r m a c ió n a c e r c a
n(S) = 4, las cuatro ramas
d e b s d ia g r a m a s d e á r b o l.
Notas:
1. Los dos segmentos de ram a que representan B y G para el hijo n acido en
segundo lugar debe dibujarse desde cada resultado p ara el h ijo nacido
en prim er lugar, lo que p or tanto crea la a pa rie ncia de "á rb o l".
2. Existen cuatro ramas; cada rama com ienza en la "ra íz del á rb o l" y con
tinúa hasta un "extrem o" (constituido por dos segmentos de ram a cada
uno) y muestra un posible resultado.
Puesto que los segmentos de ram a son igualm ente probables y si supo
nes igual p ro b a b ilid a d de género, las cuatro ramas son entonces igualm ente
probables. Esto significa que sólo necesitas el conteo de ramas para usar la
fórm ula (4.2) para encontrar la p ro b a b ilid a d de la fa m ilia que tiene un hijo
de cada género. Las dos ram as de en m edio, (B, G) y (G, B), representan el
evento de interés, de m odo que n(A) = n(uno de cada uno) = 2, mientras que
n(S) = 4 , porque existe un total de cuatro ramas. En consecuencia,
2 1
P(uno de cada género en fa m ilia de dos hijos) = - r = 0 .5
4 l
A h ora considera la selección de una fa m ilia de tres hijos y encuentra la
p ro b a b ilid a d de "al menos un n iñ o " en dicha fa m ilia. N uevam ente, la fam ilia
puede considerarse como una secuencia de tres eventos: nacidos en prim ero,
segundo y tercer lugares. Para crear un d ia g ra m a de á rbol de esta fa m ilia,
necesitas a gre g a r un tercer conjunto de segmentos de rama al dia gra m a de
árbol de la fa m ilia con dos hijos. Los segmentos de ram a azul m edio repre
sentan al tercer hijo (observa la figura 4 .2 ).
De nuevo, dado que los segmentos de rama son igualm ente probables y
si supones igual p ro b a b ilid a d de género, las ocho ram as son entonces igu al
mente probables. Esto significa que sólo necesitas el conteo de ram as p ara
Page 198 of 418

.
.
.
Sección 4.1 P ro b a b ilid a d de eventos 177
FIGURA 4 .2
Representación en dia gra m a de á rb o l* de fa m ilia con tres hijos
Primer Segundo Tercer
nacido nacido nacido Resultados
— B B, B, B
S = {{B, B, B,) (B, B, G #)
— G B, B, G (B, G, B,| {B, G, GJ
(G, B, B,) (G, B, G,)
- B B, G, B
( 0 , 0 , B.) (O, O , G J}
—• G B, G, G
"Raíz"
— B G , B, B
*-G G , B, G
- B G , G, B
—* G G , G, G n(S) = 8, las ocho ramas
‘ Consulta el Manual de soluciones del estudiante para información acerca de los diagramas de árbol.
usar la fórm ula (4.2) para encontrar la p ro b a b ilid a d de la fa m ilia que tiene al
menos un varón. Las siete ram as superiores tienen todas uno o más varones,
el equivalente de "a l menos uno".
www.elsolucionario.net P(al menos un niño en una fa m ilia de tres hijos) = ¿ = 0 .8 7 5
o
C onsidera otra pregunta antes de d ejar este ejem plo. ¿Cuál es la p ro b a

b ilid a d de que el tercer hijo en esta fa m ilia de tres hijos sea una niña? La
pregunta en re a lid a d es sencilla; la respuesta es 0 .5 , porque supusiste igual
p ro b a b ilid a d de cualquier género. Sin em bargo, si observas el diagram a
de árbol de la figura 4 .2 , existen dos form as de ver la respuesta. Primera, si
observas sólo los segmentos de ram a del tercer hijo, ves que en cada con
junto uno de los dos es una niña, por tanto \ , o 0 .5 . Adem ás, si observas el
d ia g ra m a de árbol com pleto, el último hijo es una niña en cuatro de las ocho
ramas; por tanto o 0 .5 .
C uando una pregunta de probabilidad proporciona inform ación acerca de los eventos
en la form a de la probabilidad de los diferentes eventos, el núm ero de objetos por conjunto,
o el porcentaje de cada conjunto, con frecuencia un d ia g ra m a d e V en n es una form a muy
útil de m ostrar el espacio m uestral o la inform ación. L os diagram as de Venn pueden usarse
para encontrar tanto probabilidades teóricas com o em píricas.
E J E M P L O 4.5
U SO DE DIAGRAM AS DE V EN N
En el lote de automóviles usados de C harlie, un cliente afortunado tendrá la
o po rtu n id ad de seleccionar al a za r una llave de un b arril lleno de llaves. El
b arril contiene las llaves de todos los autos del lote de C harlie. El inventario
de C harlie m enciona 8 0 automóviles, de los cuales 3 8 son m odelos extran
jeros, 5 0 son m odelos com pactos y 22 son m odelos com pactos extranjeros.
El dia gra m a de Venn que se muestra en la fig ura 4 .3 resume el inventario de
C harlie. O bserva que algunos de los 38 m odelos extranjeros son com pactos
y algunos no lo son. Lo mismo es cierto de los m odelos compactos; algunos
Page 199 of 418

.
.
.
178 Copítulo 4 P ro b a b ilid a d
FIGURA 4 .3
Representación en dia gra m a de Venn* del inventario
de automóviles usados de C harlie
'C o n s u lt a e l M a n u a l d e so lu cio n es d e l e s tu d ia n te p a r a in f o r m a c ió n
a c e r c a d e b s d ia g r a m a s d e V e n n .
sen extranjeros y algunos no lo son. Por tanto, cuando se descompone este

tipo de inform ación, debes comenzar con lo más específico. En este caso, 22
automóviles son extranjeros y compactos; ellos se representan con la región
central del diagram a de Venn. A partir de ahí, puedes determ inar cuántos
automóviles son extranjeros pero no compactos y cuántos son compactos pero
no extranjeros. Consulta la figura 4 .3 .
Tú eres el afortunado cliente que ganó la oportunidad de conseguir un
automóvil gratis en el lote de automóviles usados de Charlie y estás a punto
de sacar 1 de las 8 0 llaves. ¿Cuál es la p ro b a b ilid a d de que ganes un auto
móvil compacto no extranjero? Al observar el diagram a de Venn, ves que los
automóviles extranjeros están dentro del círculo azul claro; en consecuencia,
los automóviles no extranjeros están afuera del círculo azul claro. El evento de
interés ¡unto con no extranjero es com pacto (dentro del círculo azul oscuro),
que, con base en la figura 4 .3 , puede determinarse es 28 de dichos automó
viles. Al usar la fórm ula (4.2), se encuentra
28 = 0 .3 5
Pjcompactos no extranjeros) = -zr-=-
80
Convenientemente, el dia gra m a de Venn funcionaría igualm ente bien si

la inform ación se diera en porcentajes o p ro ba bilida de s. El d ia g ra m a se
vería igual, excepto que los valores serían, o p ro b a b ilid a d e s o porcentajes.
Para estar seguro de que se cubrió todo el espacio muestral, la suma de
todas las regiones debe ser exactamente 1 . 0 con la fin a lid a d de que el eti
quetado sea correcto.
Nota: en ocasiones es útil colocar una m oneda sobre el círculo que represen
ta un evento cuando observas un evento que "n o " ocurrió. En el dia gra m a de
Venn que se muestra en la figura 4 .3 , una m oneda colocada sobre el círculo
"m odelos extranjeros" dejaría visibles todos los m odelos no extranjeros.
S iem pre debes poner especial atención al espacio m uestral. C om o la población esta
dística, el espacio m uestral debe estar bien definido. U na vez definido el espacio m uestral,
encontrarás el trabajo restante m ucho m ás sencillo.
U na p ro b a b ilid a d s u b je tiv a generalm ente resulta del juicio personal. El com entarista
loL'al del clim a con frecuencia asigna una probabilidad al evento “precipitación”. Por ejem
plo: “ hoy existe un 20% de probabilidad de lluvia” o “m añana existe una probabilidad del
70% de nieve” . En tales casos, el único m étodo disponible para asignar probabilidades es
el juicio personal. T ales asignaciones de probabilidad se llam an probabilidades subjetivas.
La precisión de las probabilidades subjetivas depende de la habilidad de un individuo para
valorar correctam ente la situación.
Page 200 of 418
.
.
.
¿SABÍAS QUE...? P ro p ie d a d e s de los nú m eros de p ro b a b ilid a d
¿Leche en tu té? Y a sea que la probabilidad sea em pírica, teórica o subjetiva, deben sostenerse las siguien
tes propiedades.
A finales de los vein
te, en una fiesta de té
una tarde de verano en Propiedad 1
C am bridge, Inglaterra,
En palabras: "Una probabilidad siempre es un valor numérico entre cero y uno."
una invitada afirm ó que
el té sabe diferente de En álgebra: O =£cada P(A) o Oas cada P'(A) as 1
pendiendo de si el té se
vierte en la leche o la
leche se vierte en el té.
Su afirm ación se recibió N o tas a c e rc a d e la p ro p ie d a d 1:
con mucha burla. Des
pués de mucha a lg a ra 1. La probabilidad es O si el evento no puede ocurrir.
bía, un hom bre, Ronald 2. La probabilidad es 1 si el evento ocurre todas las veces.
A. Fisher, propuso una 3. De otro m odo, la probabilidad es un núm ero fraccionario entre O y 1.
form a científica de po
ner a prueba su hipóte
sis: com binar la leche y Propiedad 2
el té en am bas form as,
después ofrecerle una En palabras: "La suma de las probabilidades para todos los resultados de un
de cada una, dos a la experimento es igual a exactamente uno."
vez en orden aleatorio,
para su identificación.
Rápidamente, otros se
En álgebra: 1
lod os Ips
r esu ta a o s
P(A] = 1 o 2
»<>d?s los
resufcodos
P'(A) = 1
unieron a él y lo ayud a
N o ta a c e rc a de la p ro p ie d a d 2: La lista de “todos los resultados” debe ser un conjunto no
ron con el experim ento:
traslapante de eventos que incluya todas las posibilidades (to d o s incluidos).
ella identificó correcta
mente 1O en fila . ¿Qué
Notas acerca de los números de proba bilida d:
opinas? ¿Podría decir
1. La probabilidad representa una frecuencia relativa, ya sea de un espacio m uestral o una
ella la diferencia?
m uestra.
2. P(A ) es la razón del núm ero de veces que puede esperarse ocurra un evento, dividida
por el núm ero de posibilidades. P '(A ) es la razón del núm ero de veces que un evento
no ocurrió, dividido entre el núm ero de datos.
3. El num erador de la razón de probabilidad debe ser un núm ero positivo o cero.
4. El denom inador de la razón de probabilidad debe ser un núm ero positivo (m ayor que
cero).
5. Com o resultado de las anteriores notas de la 1 a la 4, la probabilidad de un evento, va
sea em pírica, teórica o subjetiva, siem pre será un valor num érico entre cero y uno,
inclusive.
6. Las reglas de la probabilidad son las m ism as para los tres tipos de probabilidad: em pí
rica, teórica y subjetiva.
¿C óm o se re la c io n a n las p ro b a b ilid a d e s
e m p íric a y teórica?
C onsidera la rodadura de un dado y define el evento A com o la ocurrencia de un “ 1”. Un
dado ordinario tiene seis lados igualm ente probables, de m odo que la probabilidad teórica
del evento A es P (A ) =
¿Q ué significa esto?
¿Esperas ver un “ 1” en cada ensayo de seis rodaduras? Explica. Si no, ¿qué resultados
esperas? Si rodaras el dado varias veces y sigues la pista de la proporción del tiem po que
ocurre el evento A, observarías una probabilidad em pírica para el evento A. ¿Q ué valores-
Page 201 of 418

.
.
.
perarías observar para P '(A )? Explica. ¿C óm o se relacionan las dos probabilidades: P (A)
y P '(A )? Explica.
Para conseguir alguna com prensión de esta relación, realiza un experim ento.
E J E M P L O 4.6
DEMOSTRACION: LEY DE GRANDES NUMEROS

El experim ento consistirá de 2 0 ensayos. C ad a ensayo del experim ento con
sistirá de ro d a r un dado seis veces y registrar el número de veces que ocurre
el "1 " . Realiza 2 0 ensayos.
C ada fila de la tabla 4 .3 muestra los resultados de un ensayo; realiza 20
ensayos, de modo que existan 2 0 filas. La columna 1 menciona el número de 1
observada en cada ensayo (conjunto de seis rodaduras); la columna 2 mencio
na la frecuencia relativa observada para cada ensayo y la columna 3 menciona
la frecuencia relativa acumulada conforme se completó cada ensayo.
TABLA 4 .3 Resultados experimentales de rod ar un dado seis veces en cada ensayo
Columna 1: Columna 2: Columna 3: Columna 1: Columna 2: Columna 3:

Número de 1 Frecuencia Frecuencia relativa Número de 1 Frecuencia Frecuencia relativa
Ensayo observados relativa acumulada Ensayo observados relativa acumulada
1
2
3
1
2
0
1 /6
2 /6
O /ó
1 /0
3 /1 2
3 /1 8
= 0 17
= 0 .2 5
= 0 17
11
12
13
1
0
2
l/ ó
O /ó
2 /ó
1 0 /6 6 = 0 15
1 0 / 7 2 = 0 14
1 2 /7 8 = 0 .1 5
4 1 1 /6 4 /2 4 = 0 .1 7 14 1 l/ ó 1 3 / 8 4 = 0 .1 5
5 0 O /ó 4 /3 0 = 0 .1 3 15 1 l/ ó 1 4 /9 0 = 0 .1 6
ó 1 l/ó 5 /3 6 = 0 .1 4 16 3 3 /6 1 7 / 9 6 = 0.1 8
7 2 2 /ó 7 /4 2 = 0 .1 7 17 0 O /ó 1 7 / 1 0 2 = 0 .1 7
8 2 2 /ó 9 /4 8 = 0 .1 9 18 1 l/ ó 1 8 /1 0 8 = 0 . 1 7
9 0 O /ó 9 /5 4 = 0.1 7 19 0 O /ó 1 8 /1 1 4 = 0 .1 6
10 0 O /ó 9 /6 0 = 0 .1 5 20 1 l/ ó 1 9 /1 2 0 = 0 .1 6
La figura 4 .4 a muestra la fluctuación (arriba y abajo) de la p ro b a b ilid a d

observada, P'(A) (tabla 4 .3 , columna 2), en torno a la p ro b a b ilid a d teórica,
P(A) = ¿ , mientras que la figura 4 .4 b muestra la fluctuación de la frecuencia
relativa acum ulada (tabla 4 .3 , columna 3) y cómo se vuelve más estable. De
hecho, la frecuencia relativa acum ulada se vuelve relativam ente cercana a la
p ro b a b ilid a d teórica o esperada ¿ o 0 .1 6 6 6 = 0 .1 6 7 .
F'[A)
FIGURA 4 .4
Fluctuaciones encontra a> 6 /6
“O
das en el experim ento 5 /6
g
de lanzam iento del O 4 /6
dado Sí 3 /6
p
u
c 2 /6
1/6 Valor esperado = P(A) = 1 /6
V
Sí (1 de 6)
LL_ 0
J I I I I I I I I I I I I I I I I I I I
1 2 3 4 5 6 7 8 9 10 12 14 16 18 20
Ensayo
Page 202 of 418

.
.
.
b) Frecuencia relati
va acum ulada
U na gráfica acum ulada, com o la que se m uestra en la figura 4.4b, dem uestra la idea
de un p ro m e d io a la rg o p lazo y con frecuencia se conoce com o la ley de los grandes
núm eros.
Ley de los grandes números Conform e aumenta el número de veces que un

experim ento se repite, la razón del número de ocurrencias exitosas al número
de ensayos tenderá a aproxim arse a la p ro b a b ilid a d teórica del resultado
para un ensayo individual.
La ley de los grandes núm eros dice que, m ientras más grande sea el núm ero de ensa
yos experim entales, n, se espera que la probabilidad em pírica, P '(A )f esté más cerca de la
probabilidad verdadera o teórica, P (A ). Este concepto tiene m uchas aplicaciones. El ante
rior experim ento de lanzam iento de dados es un ejem plo donde se pueden com parar con
facilidad los resultados reales contra lo que se esperaba ocurriera; te dio la oportunidad de
verificar la afirm ación de la ley de los grandes núm eros.
El ejem plo 4.7 es una ilustración en la que se vive con los resultados obtenidos a partir
de grandes conjuntos de datos, cuando se desconoce la expectativa teórica.
E J E M P L O 4. 7
USOS DE PROBABILIDADES EMPÍRICAS

La clave para establecer prim as de seguros de vida adecuados, es usar la
p ro b a b ilid a d de que los asegurados vivirán 1, 2 o 3 años, etc., desde el
momento en que com pran sus pólizas. Dichas p ro b a b ilid a d e s se deducen de
estadísticas reales de vida y muerte; por tanto son p ro b a b ilid a d e s empíricas.
El gob ie rno las publica y son extrem adam ente im portantes para la industria
de seguros de vida.
Page 203 of 418

.
.
.
P ro b a b ilid a d e s com o p o sib ilid a d e s
Las probabilidades pueden y se expresan en m uchas formas; m uchas de ellas se ven y escu
chan en las noticias casi todos los días (la m ayoría de las veces, son probabilidades subjeti
vas). Las posib ilid ad es son una form a de expresar las probabilidades al expresar el núm ero
de form as en que un evento puede ocurrir, com parado con el núm ero de form as en que no
puede ocurrir. El enunciado “hay cuatro veces más probabilidades de que m añana llueva (R)
de que no llueva (N R )” es un enunciado de probabilidad que puede expresarse com o posi
bilidades; “ las posibilidades son 4 a 1 en favor de lluvia m añana” (tam bién se escribe 4:1).
La relación entre posibilidades y probabilidad se m uestra a continuación;
Si las posibilidades en favor de un evento A son a a b (o a:b), entonces
1. Las p osibilidades en contra del evento A son b a a (o b:a).
2. La p ro b a b ilid a d del evento A es P(A) = — .

a + b
3. La p ro b a b ilid a d de que el evento A no ocurrirá es P(A no) = — — ¡- .

a + d
Para ilustrar esta relación, considera el enunciado “ las posibilidades en favor de lluvia
m añana son 4 a 1” . Con la notación precedente, a = 4 y b - 1. Por tanto, la probabilidad de
lluvia m añana es o | = 0.8. Las posibilidades en contra de lluvia m añana son 1 a 4 (o
1:4) y la probabilidad de que no habrá lluvia m añana es o y = 0.2.
fe
L le g a r a l s ig u ie n te n ive l LLEGAR A L S IG U IE N TE N IV E L
/»
2 5 0 e s tu d ia n te s a tle ta s N C A A s e le c c io n a d o s p o r p r o fe s io n a le s
M uchos jóvenes aspiran a convertirse en atle
tas profesionales. Sólo pocos lo consiguen,
como se indica en la siguiente gráfica. Por
99999 ®® a S I I S cada 13 6 0 0 jugadores de fútbol de último

año universitario, sólo 2 5 0 son selecciona
99999 «®®«® a a a a a 1 3 6 0 0 <e s tu d ia n te s a tle ta s N C A A d e ú ltim o a ñ o
dos p or un equipo profesional; ello se tra
duce en una p ro b a b ilid a d de sólo 0 .0 1 8
( 2 5 0 /1 3 6 0 0 ).
«a® aa Estudiantes atletas Fútbol
® ® ®® ® a S S a S a a a a a Estudiantes afielas de último año de bachilléralo 3 0 6 2 0 0

Posiciones de plantilla I ICAA de primer año 17500
® 9 4®® 9 1 9 9 9 «®®®9
1 7 5 0 0 p o s ic io n e s d e p la n t illa N C A A d e p r im e r a ñ o
Estudiantes atletas I ICAA de último año
Estudiantes atletas I ICAA seleccionados
13 6 0 0
250
Fuente: http://www.ncaa.org/
C la v e : 1 b a ló n p e q u e ñ o = 5 0 0 ju g a d o r e s
Page 204 of 418

.
.
.
Existen muchas alras interesantes p u rlicu lurid u de s ocultas en esta inform a

ción. Por ejem plo, muchos jóvenes de bachillerato sueñan con ser jugadores
profesionales de fútbol, pero, de acuerdo con estos números, la p ro b a b ilid a d
de que un estudiante de último año de bachillerato sea seleccionado alguna
vez por los profesionales sólo es de 0 .0 0 0 8 16 ( 2 5 0 /3 0 6 2 0 0 ).
Una vez que un jugador llega a un equipo de fútbol universitario, puede
estar muy interesado en las posibilidades que jugará como estudiante de último
año. De los 17 5 0 0 jugadores que llegan a un equipo universitario el prim er
año, 13 6 0 0 juegan como estudiantes de último año, mientras que 3 9 0 0 no
lo hacen. Por tanto, si un jugador entra en un equipo universitario, las p osibili
dades que jugará como estudiante de último año son 13 6 0 0 a 3 9 0 0 , lo que
se reduce de 136 a 3 9. El estudiante de último año universitario que juega,
está interesado en sus posibilidades de pasar al siguiente nivel. O bserva que,
de los 13 6 0 0 estudiantes universitarios de último año, sólo 2 5 0 son seleccio
nados por los profesionales, mientras que 13 3 5 0 no lo son; por tanto, las
posibilidades en contra de que pase al siguiente nivel son de 13 3 5 0 a 2 5 0 ,
lo que se reduce de 2 6 7 a 5. Las posibilidades están fuertemente en contra de
que sea seleccionado y las posibilidades en contra de que entre al equipo son
un poco más fuertes.
Comparación de probabilidad y estadística
P ro b a b ilid a d y e sta d ístic a son dos cam pos de la m atem ática, separados pero relaciona
dos. Se ha dicho que “la probabilidad es el vehículo de la estadística” . Esto es: si no fuera
por las leyes de la probabilidad, la teoría de la estadística no sería posible.
La relación y la diferencia entre estas dos ram as de las m atem áticas se ilustran al obser
var dos cajas. Se sabe que la caja de probabilidad contiene cinco fichas de póquer azules,
cinco rojas y cinco blancas. La probabilidad trata de responder preguntas com o: “ si una
ficha se saca al azar de esta caja, ¿cuál es la posibilidad de que será azul?” . Por otra parte,
en la caja de estadística no se sabe cuál es la com binación de fichas. Se extrae una muestra
y, con base en los hallazgos en la m uestra, se hacen conjeturas acerca de lo que se cree hay
en la caja. N ota la diferencia: la probabilidad te pregunta acerca de la posibilidad de que
algo específico, com o extraer una ficha azul, ocurrirá cuando conozcas las posibilidades
(esto es: conoces la población). La estadística, por otra parte, te pide extraer una muestra,
describir la m uestra (estadística descriptiva) y después hacer inferencias acerca de la po
blación con base en la inform ación encontrada en la m uestra (estadística inferencial).
o E J E R C I C I O S S E C C I Ó N 4.1
4 .1 a. Si com pras una bolsa de M & M , ¿cuál color espera b. C on base en tu gráfica, ¿cuál color de M & M ocurrió
rías ver m ás? ¿C uál color m enos? ¿P or qué? con más frecuencia? ¿C óm o se m uestra esto en tu
gráfica?
b. Si com pras una bolsa de M & M , ¿esperarías encon
trar los porcentajes m encionados anteriorm ente en la c. C on base en tu gráfica, ¿cuál color de M & M ocurrió
tabla 4.2 (p. 172)? Si no, ¿por qué y qué esperarías? m enos? ¿C óm o se m uestra esto en tu gráfica?
4.2 a. C onstruye una gráfica de barras que m uestre los 4.3 Si te dieran una bolsa pequeña de M &M con 40 dulces en
porcentajes de la tabla 4.2 (p. 172) obtenidos de los ella, con los porcentajes de la tabla 4.2 (p. 172), ¿cuántos de
692 M &M . cada color “esperarías” encontrar ?
Page 205 of 418
.
.
.
4 .4 ¿C uadros m alos? Tal com o hay gráficas m alas (com o vis Bebés acuáticos hasta Adultos. El núm ero en cada clasificación
te en la sección 2.7), existen cuadros m alos, cuadros que son se proporciona en la siguiente tabla.
confusos y difíciles de leer. M A D D reportó los siguientes d a Tipos de clase natación Núm. de participantes
tos acerca de las 6 764 m uertes por accidentes de tráfico en Bebés acuáticos 9
días festivos que ocurrieron en 2002. ¿Qué está mal con los Bucitos 7
núm eros de este cuadro? Renacuajos 6
Nivel 2 11
Muertes Muertes relacionadas
Nivel 3 10
Día festivo 2002 de tráfico con alcohol
Nivel 4 9
Víspera de Año Nuevo (2001) 118 45 Nivel 5 3
Día de Año Nuevo 165 94 Adultos 2
Fiesta de Año l luevo 575 301
Total 57
Domingo de Super Tazón 147 86
Día de san Patricio 158 72
Si un participante se selecciona al azar, encuentra la probabi
Día de los Caídos 491 237
Cuatro de Julio 683 330 lidad de lo siguiente:
Fin de semana Día del Trabajo 541 300
a. El participante está en Bucitos.
Halloween 268 109
Acción de Gracias 543 255 b. El participante está en la lección de Adultos.
Acción de Gracias; Año Nuevo 4019 1 561
N avidad 130 68 c. El participante está en una lección del Nivel 2 al Nivel 5.
Víspera de Año Nuevo (2002) 123 57
Fuente! M a d r e s C o n tr a C o n d u c ir A lc o h o liz a d o s (M A D D , p o r sus s ig la s e n inglés). 4 .9 La siguiente tabla m uestra el número prom edio de naci
h M p : / / w w w . in b p le a s e . c o m / m ientos por día en Estados Unidos, según reporta el C D C (C en
a. Los totales de colum na no están incluidos porque serían tros para Control de Enferm edades, por sus siglas en inglés).
valores insignificantes. E xam ina la tabla y explica por qué. C on base en esta inform ación, ¿cuál es la probabilidad de
b. ¿C uál es el núm ero total de muertes en accidentes de trá
fico relacionados con alcohol los días festivos para 2002?
que un bebé identificado al azar:
a. N aciera en lunes?
c. D escribe cóm o organizarías este cuadro para hacerlo más b. N aciera en fin de sem ana?
significativo. c. N aciera en m artes o m iércoles?
4 .5 Si ruedas un dado 40 veces y 9 de las rodaduras resultan en d. N aciera en m iércoles, ju ev es o viernes?
un “5 ”, ¿qué probabilidad em pírica observas para el evento?
Día Número
4 . 6 E xplica por qué una probabilidad em pírica, una propor Domingo 7563
ción observada y una frecuencia relativa en realidad son tres Lunes 1 1 733
nom bres diferentes para la m ism a cosa. Martes 13 001
Miércoles 12 5 9 8
4 . 7 ¿M i clase observa dem asiada televisión las noches de Jueves 12514
escuela? Ésta fue una pregunta que la Sra. G ordon planteó Viernes 12 3 9 6
Sábado 8 605
respecto a sus estudiantes de séptim o grado. Ella realizó una
encuesta rápida en clase y descubrió los siguientes resultados: Total 78 4 1 0
Horas Número
4 .1 0 La E ncuesta de Población A ctual 2007 reportó los si
0 2
guientes resultados en el ingreso dom éstico anual estadouni
1 3
2 2 dense (en m iles). La encuesta es un esfuerzo conjunto entre la
3 0 oficina del censo y el departam ento de estadísticas laborales.
4 3 Ingreso doméstico anual Número
5 2
Menos que $ 15 0 0 0 15 5 0 6
6 1
$ 15 0 0 0 -$ 2 9 9 9 9 19 8 4 2
a. ¿Q ué porcentaje de la clase no observa televisión las $ 3 0 0 0 0 -$ 4 9 9 9 9 22 739
noches de escuela? $ 5 0 0 0 0 -$ 7 4 9 9 9 21 268
$75 0 0 0 -$ 9 9 9 9 9 13841
b. ¿Q ué porcentaje de la clase observa cuando m ucho $ 1 0 0 0 0 0 o más 23 5 8 6
2 horas de televisión las noches de escuela?
Total___________________________ i 16 78 2
Fuente: h H p : / / w w w . c e n s u s .g o v /
c. ¿Q ué porcentaje de la clase observa al m enos 4 horas
de televisión las noches de escuela? Supon que un hogar se selecciona al azar para una entrevista
4 .8 W ebster Aquatic C enter ofrece varios niveles de leccio de seguim iento.
nes de natación todo el año. Las lecciones vespertinas de lu Encuentra la probabilidad de los siguientes eventos:
nes y m iércoles en septiembre de 2008 incluyeron clases desde a. El ingreso dom éstico anual es $49 999 o menos.
Page 206 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 4.1 Probabilidad de eventos 185
b. El ingreso dom éstico anual es $75 000 o más. b. Un núm ero im par
c. El ingreso dom éstico anual está entre $30 000 y $99 999. c. Un núm ero m enor que 5
d. El ingreso dom éstico anual es al m enos $ 100 000. d. Un núm ero no m ayor que 3
4 . 1 1 Existe una gran variación en precio para universidades 4 .1 5 Un tazón contiene dos tipos de huevos de chocolate de
privadas de cuatro años en Estados U nidos. Las m atrículas pro apariencia idéntica, envueltos en alum inio. T odos m enos 42
medio y las tarifas 2007-2008 variaron de $3 000 a más de son chocolates de leche y todos m enos 35 son de chocolate
$36 000 al año, de acuerdo con CollegeB oard (w w w .colle- oscuro.
geboard.com /). La distribución de estudiantes de pregrado de
a. ¿C uántos de cada tipo hay en el tazón?
tiem po com pleto en instituciones privadas de cuatro años es:
Porcentaje de estudiantes pregrado b. ¿C uántos chocolates hay en el tazón?
Matrícula y tarifas tiempo completo
c. Si un chocolate se selecciona al azar, ¿cuál es la proba
$36 0 0 0 y más 5 bilidad de que sea chocolate de leche?
$33 0 0 0 a $35 9 9 9 14
$30 0 0 0 a $32 99 9 8 d. Si un chocolate se selecciona al azar, ¿cuál es la probabi
$27000 a $29 99 9 8 lidad de que sea chocolate de leche u oscuro?
$24 00 0 a $26 99 9 17
$21 0 0 0 a $23 9 9 9 12 e. Si un chocolate se selecciona al azar, ¿cuál es la proba
$18 0 0 0 a $20 99 9 11 bilidad de que sea chocolate de leche y oscuro?
$15 0 0 0 a $17999 9
$ 12 0 0 0 a $14999 6 4 .1 6 Un tazón contiene tres tipos de huevos de chocolate de
$9 00 0 a $1 1 9 9 9 2 apariencia idéntica, envueltos en alum inio. T odos m enos 50
$6000 a $8 9 9 9 2 son chocolate de leche, todos m enos 50 son de chocolate oscu
$3 0 0 0 a $5 9 9 9 6
ro y todos m enos 50 son de chocolate sem iam argo.
100%
Si supones que un estudiante universitario en una institución

a. ¿C uántos chocolates hay en el tazón ?
b. ¿C uántos de cada tipo hay en el tazón?

privada de cuatro años se selecciona al azar para participar en
una encuesta, ¿cuál es la probabilidad de que el estudiante: c. Si un chocolate se selecciona al azar, ¿cuál es la proba
bilidad de que sea chocolate de leche?
a. A sista a una universidad que cuesta m enos de $12 000
al año? d. Si un chocolate se selecciona al azar, ¿cuál es la probabi
lidad de que sea chocolate de leche u oscuro?
b. A sista a una universidad que cuesta $30 000 o más
al año? e. Si un chocolate se selecciona al azar, ¿cuál es la probabi
lidad de que sea chocolate de leche y oscuro?
c. A sista a una universidad que cuesta entre $15 000
y $26 999 al año? 4.1 7 Usa la tabla de núm eros aleatorios (apéndice B), una cal
culadora o una com putadora (véase la p. 90) para sim ular lo
d. A sista a una universidad que cuesta m enos de $3 000
siguiente:
al año?
a. La rodadura de un dado 50 veces; expresa tus resultados
4 .1 2 U na caja contiene uno de cada billete de S I, $5, $10 com o frecuencias relativas.
y $20.
b. El lanzam iento de una m oneda 100 veces; expresa tus
a. Un billete se selecciona al azar; m enciona el espacio resultados com o frecuencias relativas.
m uestral.
4 .1 8 U sa la tabla de núm eros aleatorios (apéndice B), una
b. D os billetes se extraen al azar (sin sustitución); m enciona
calculadora o una com putadora (véase la p. 90), para sim ular
el espacio m uestral com o un diagram a de árbol.
la selección aleatoria de 100 núm eros de un solo dígito, del
4 . 1 3 Un núm ero de un solo dígito se selecciona al azar. 0 al 9.
a. M enciona el espacio muestral. a. M enciona los 100 dígitos.
b. ¿C uál es la probabilidad de cada dígito solo? b. Prepara una distribución de frecuencias relativas de los
100 dígitos.
c. ¿C uál es la probabilidad de un núm ero par?
c. P repara un histogram a de frecuencias relativas de la
4 . 14 Se rueda un solo dado. ¿Cuál es la probabilidad de que el distribución del inciso b.
núm ero en la parte superior sea el siguiente?
4 .1 9 Rueda un par de dados. En el ejem plo 4.3 se discutió la
a. Un 3 probabilidad para cada una de las posibles sum as y se encon
Page 207 of 418

.
.
.
traron tres de las probabilidades, P(2), P(3) y P(4). Encuentra Usa los comandos MINITAB de la página 52 para construir un
la probabilidad para cada una de las sumas restantes de los dos histograma de frecuencias de los datos en C3. (Usa Binning >
m idpoint y posiciones de punto m edio 2 :1 2 /1 si es necesario.)
dados: P (5), P(6), P (7 ), P (8), P (9), P( IO), P ( 1 1) y P (12).
4 .2 0 R ueda dos dados. Encuentra las probabilidades en los Excel

incisos b-e. U sa el espacio m uestral dado en el ejem plo 4.3 Escribe 1, 2, 3, 4, 5, 6 en la columna A, etiqueta C l: Dadol; D I :
(p. 175). Dado2; E l : Rodar y activa B1.
Elige: H om e > N u m b er p u lld o w n >
a. ¿P or qué el conjunto (2 , 3, 4 , . . . , 12} no es un espacio
N u m b e r> Category: N u m b er
m uestral útil?
Escribe: Lugares decim ales: 8 > OK
b. P (dado blanco es núm ero impar) Escribe: 1/6 e n B1
c. P (sum a es 6) A rrastra: E squina Inferior d erech a de B1 abajo p a ra 6
en tra d as
d. P (am bos dados m uestran núm eros impares) Elige: D ata > D ata A nalysts > R andom
e. P (núm ero en dado negro es m ayor que núm ero en dado N u m b er G eneration > OK
blanco) Escribe: N úm ero de variables: 2
4 .2 1 T om a dos dados (uno blanco y uno de color) y ruédalos N úm ero de n ú m e ro s aleatorios: 100
50 veces; registra los resultados com o pares ordenados [(blan D istribución: D lscrete
co, color); por ejem plo (3, 5), representa 3 en el dado blanco y Valor y rango d e en tra d a de probabilidad:
5 en el dado de color]. (Podrías sim ular estas 50 rodaduras con (A1:B6 o selecciona celdas)
una tabla de núm eros aleatorios o una com putadora.) Después Selecciona: O u tp u t Range
calcula cada probabilidad observada: Escribe: (C2 o selecciona celdas) > OK
a.
P '(d ad o blanco es núm ero im par)
b. P '($ um a es 6)
Activa la celda E2.
Escribe: = C2 + D2 > Enter

A rrastra: Esquina inferior derecha de E2 abajo p ara 100
c. P '(am b o s dados m uestran núm eros im pares)
en tra d as
d. P '(n ú m ero en dado de color es m ayor que núm ero Elige: In se rt> Tables > PivotTable
en dado blanco)
p u lld o w n > Plvot C hart
e. Explica por qué dichas respuestas y las que encontraste Selecciona: Selecciona u n a tabla o rango
en el ejercicio 4.20 no son exactam ente iguales. Escribe: Rango: (E1:E101 o selecciona celdas) > N ext
4 .2 2 U sa una tabla de núm eros aleatorios o una com putadora Selecciona: Hoja de cálculo ex isten te
para sim ular la rodadura de un par de dados 100 veces. Escribe: (F1 o selecciona celdas) > OK
En tabla pivote
a. M enciona los resultados de cada rodadura com o un par
ordenado y una suma. A rrastra: E ncabezado “R u ed a” en am b o s C am pos Eje
y % áre a de valores
b. Prepara una distribución de frecuencias no agrupadas
Selecciona: D efer L ay o u tU p d ate > U pdate
y un histogram a de las sumas.
Haz doble clic en "suma de rueda" en el recuadro del área de
c. D escribe cóm o dichos resultados se com paran con datos; después continúa con:
lo que esperas ocurra cuando dos dados se ruedan. Selecciona: R esum ir por: C ount
Etiqueta la columna J "sumas" e ingresa los números 2, 3, 4 ,..., 12
en ella. Usa los comandos de histograma de Excel de la página 53
MINITAB
con la columna E como el rango de entrada y la columna J como
Elige: Cale > R andom D ata >Integer
el rango de caja, o usa el cuadro dado.
Escribe: N úm ero de filas a generar: 100
A lm a ce n ar en columna(s): C1 C2
. Plott
Valor m ínim o: 1 T I-8 3 /8 4 Plus O ff
Elige: MATH > PRB > y pe: L± ■!!*
Valor m áxim o: 6 > OK KP-- K3H \ y
5:randlnt(
Elige: Cale > Calculator Escribe: 1,6,100) X lis t s L *
Escribe: A lm acen ar resultado en variable: C3 F r e ° i: 1
Elige: STO —^ > 2nd L1
Expresión: C1 + C2 > OK Repite lo anterior para L2.
Elige: S tat > Tables > Tally Individual V ariables
Escribe: Variable: C3
Selecciona: C ounts > OK
Page 208 of 418
.
.
.
Elige: STAT > EDIT > a. M uestra la inform ación en esta tabla 2 x 2 com o un
l:E dtt diagram a de Venn usando “ fum a” y “tiene cáncer” como
Resalta: L3 los dos eventos m ostrados com o círculos. E xplica cóm o
Escribe: L3 =L1 +L2 el diagram a de V enn y la tabla dada 2 x 2 m uestran la
m ism a inform ación.
Elige: 2nd > STAT PLOT >
lrP lo tl Supon que una m ujer adulta se selecciona al azar de esta po
Elige: WINDOW blación particular. ¿C uál es la probabilidad de lo siguiente?
Escribe: -.5 ,1 2 .5 ,1 ,- 1 0 ,4 0 ,1 0 ,1 b. Fum a y tiene cáncer.
Elige: TRACE > > >
c. Fuma.
4 .2 3 Sea x la clasificación de éxito de un nuevo program a de
televisión. La siguiente tabla m enciona las probabilidades sub d. N o tiene cáncer.
jetivas asignadas a cada x para un nuevo program a particular
e. N o fum a o no tiene cáncer.
por tres diferentes críticos de medios. ¿C uál de estos conjuntos
de probabilidades son inadecuados porque violan una regla bá f. Tiene cáncer si fuma.
sica de probabilidad? Explica.
g- N o tiene cáncer y se sabe que no fuma.
Applets Skillbuilder disponibles en línea a través decengagebrain.com.

Crítico
A B C 4 .2 7 U na tienda de autopartes vende partes tanto nuevas como
usadas. Sesenta p o r ciento de las partes en el alm acén son usa
Enormemente exitoso 0 .5 0 .6 0 .3
Exitoso 0 .4 0 .5 0 .3 das. Sesenta y uno por ciento son usadas o defectuosas. Si 5%
N o exitoso 0 .3 - 0 .1 0 .3 de las partes de la tienda son defectuosas, ¿qué porcentaje es
tanto usado com o defectuoso? R esuelve usando un diagram a
4 .2 4 a. U na m oneda equilibrada se lanza dos veces. M en de Venn.
resultados. www.elsolucionario.net
ciona un espacio muestral que presente los posibles
4 .2 8 Funcionarios sindicales reportan que 60% de los traba
jadores en una gran fábrica pertenecen al sindicato, 90% ga
b. U na m oneda con truco (favorece las caras en una nan más de S I 2 por hora y 40% pertenecen al sindicado y
razón de 3 a 1) se lanza dos veces. M enciona un es ganan más de $12 por hora. ¿Son creíbles estos porcentajes?
pacio m uestral que presente los posibles resultados. Explica. Resuelve usando un diagram a de Venn.
4 .2 5 Un grupo de archivos en una clínica m édica clasifica a 4 .2 9 a. Explica qué se entiende por el enunciado: “Cuando
los pacientes por género y por tipo de diabetes (tipo 1 o tipo 2). se rueda un solo dado, la probabilidad de un 1 es ¿ ”.
Los agrupam ientos pueden mostrarse del m odo siguiente. La
tabla proporciona el núm ero en cada clasificación. b. Explica qué se entiende por el enunciado: “Cuando
se lanza una m oneda una vez, hay una posibilidad
Tipo de Diabetes
Género 1 2 de 50-50 de obtener cara” .
Hombre 30 15 4 .3 0 E je rc icio A p p let
M ujer 35 20 S k illb u ild e r D em ues
a. M uestra la inform ación en esta tabla 2 x 2 com o un
diagram a de V enn usando “tipo 1” y “hom bre” com o los
tra la ley de grandes
núm eros y tam bién te L
0.75
os
perm ite ver si tienes p o 079-
dos eventos m ostrados com o círculos. Explica cóm o el
diagram a de V enn y la tabla dada 2 x 2 m uestran la m is deres psíquicos. Repite
m a inform ación. las sim ulaciones al m e
You u j c t s o t l i c t ) . t cerra:? 1U
nos 50 veces y adivina
18
Si un archivo se selecciona al azar, encuentra la probabilidad entre elegir una carta
de lo siguiente: roja o una carta negra C orroen Gu o c í a c a lr t
b. El individuo seleccionado es mujer. de un m azo de cartas.
c. El individuo seleccionado tiene diabetes tipo 2. a. ¿Q ué proporción del tiem po adivinas correctam ente?
4 .2 6 Los investigadores han estado interesados desde hace b. C onform e realizas más pronósticos, ¿tus proporciones
m ucho tiem po en la relación entre tabaquism o y cáncer pul com ienzan a estabilizarse? Si es así, ¿en qué valor? ¿Este
m onar. La siguiente tabla m uestra los porcentajes de m ujeres valor tiene sentido para el experim ento? ¿P or qué?
adultas observadas en un estudio reciente. c. ¿C óm o puedes saber si tienes PES (percepción extrasen-
Fuma No fuma sorial)?
Tiene cáncer 0 .0 6 0 .0 3 4 .3 1 Un experim ento consiste en dos ensayos. El prim ero es
N o tiene cáncer 0 .1 5 0 .7 6 lanzar una m oneda y observar si aterriza con cara o cruz hacia
Page 209 of 418

.
.
.
arriba; el segundo es ro d ar un dado y observ ar 1, 2, 3, 4, 5 e. D esenvuelve los kisses de chocolate del inciso b y repite
O 6. el experim ento.
a. Construye el espacio m uestral con un diagram a de árbol. f. ¿L o s resu ltad o s del inciso e son lo que an ticip aste? E x
plica.
b. M enciona tus resultados com o pares ordenados, con el
prim er elem ento que representa la moneda y el segundo, 4 .3 5 U na caja contiene canicas de cinco colores diferentes:
el dado. rojo, verde, azul, am arillo y m orado. H ay un núm ero igual de
cada color. A signa probabilidades a cada co lo r en el espacio
4 .3 2 U sa una com putadora (o una tabla de núm eros aleato
m uestral.
rios) para sim ular 200 ensayos del experim ento descrito en el
ejercicio 4.31: el lanzam iento de una moneda y la rodadura de 4 .3 6 Supon que una caja de canicas contiene igual núm ero de
un dado. Sea 1 = H (cara) y 2 = T (cruz) para la m oneda y 1, canicas rojas y am arillas, pero el doble de canicas verdes que
2, 3, 4, 5, 6 para el dado. R eporta tus resultados con una tabla de canicas rojas. Saca una canica de la caja y observa su color.
cruzada que m uestre la frecuencia de cada resultado. A signa probabilidades a los elem entos en el espacio m uestral.
a. Encuentra la frecuencia relativa para cara. 4 . 3 7 Si cuatro veces m ás estudiantes aprueban un curso de
estadística que los que reprueban y un estudiante de estadística
b. Encuentra la frecuencia relativa para 3.
se selecciona al azar, ¿cuál es la probabilidad de que el estu
c. Encuentra la frecuencia relativa para (H, 3). diante aprobará estadística?
4 .3 3 Con una m oneda, realiza el experim ento discutido en las 4 .3 8 Los eventos A, B y C se definen en el espacio muestral
páginas 180-181. Lanza una m oneda 10 veces, observa el nú S. Sus correspondientes conjuntos de puntos m uéstrales no in
m ero de caras (o coloca 10 m onedas en una taza, agítala y va tersecan y su unión es S. M ás aún, el evento B es dos veces
cíala en una caja; usa cada lanzam iento para un bloque de 10) más probable que ocurra que el evento A y el evento C es dos
y registra los resultados. Repite hasta que tengas 200 lanza veces más probable que ocurra que el evento B. D eterm ina la
m ientos. Form a un cuadro y gráfica los datos com o conjuntos
individuales de 10 y com o frecuencias relativas acum uladas.
probabilidad de cada uno de los tres eventos.
4 .3 9 Las posibilidades para que los Santos ganen el Super T a

¿T us datos tienden a apoyar la afirm ación de que P (cara) = j?
zón del próxim o año son de 1 a 6.
Explica.
a. ¿C uál es la probabilidad de que los Santos ganen el Super
4 .3 4 Un kiss de chocolate se lanzará al aire y aterrizará so
T azón del próxim o año?
bre una superficie lisa dura (sim ilar a lanzar una m oneda o ro
dar un dado). b. ¿C uáles son las posibilidades en contra de que los Santos
ganen el Super T azón del próxim o año?
a. ¿Q u é p ro p o rció n d el tie m p o c re e s que el k is s a te rriz a rá
“punta arriba” (en oposición a “punta abajo” 4 .4 0 La tem porada varonil de básquetbol N C A A com ienza
con 327 equipos universitarios, todos soñando en llegar a “el
b. Estim a la probabilidad de que un kiss de chocolate ate
gran baile” y lograr el cam peonato nacional. Para el torneo se
rrice “punta arriba” cuando aterrice sobre una superficie
seleccionan 65 equipos y sólo uno gana todo.
lisa dura después de lanzarlo. C on un kiss de chocolate,
todavía con la envoltura, realiza el experim ento de dados a. ¿C uáles son las posibilidades en contra de que un equipo
discutido en las páginas 180-181. Lanza el kiss 10 veces, se seleccione para el torneo ?
registra el núm ero de aterrizajes “punta arriba” (o coloca
b. ¿C uáles son las posibilidades de un equipo que está en el
10 kisses en una taza, agítala y vacíala en una superficie
torneo de ganar el cam peonato nacional?
lisa dura; usa cada lanzam iento partí un bloque de 10)
y registra los resultados. Repite hasta que tengas 200 c. ¡Espera un m inuto! ¿Q ué suposición hiciste para respon
lanzam ientos. Form a una tabla y gráfica los datos com o der las preguntas anteriores? ¿E sto parece real?
conjuntos individuales de 10 y com o frecuencias relativas
4 .4 1 A lan G arole fue un jo c k e y en la carrera Saratoga Springs
acum uladas.
durante la tem porada del 23/7/08 al 1/9/08. Tuvo 195 arran
c. ¿C uál es tu m ejor estim ación para la verdadera P( ¿ ¡ J ? cadas, con 39 prim eros lugares, 17 segundos lugares y 28
Explica. terceros lugares. Si todas las condiciones de la tem porada de
carreras 2008 se m antuvieran para A lan G arole al inicio de la
d. Si se lanzaran kisses sin envoltura, ¿cuál crees que sería
tem porada 2009, ¿cuáles habrían sido:
la probabilidad de los aterrizajes “punta arriba”? ¿Sería
diferente? Explica. a. Las posibilidades en favor de que Alan Garole termine en pri
mer lugar durante la temporada de carreras 2009 en Saratoga ?
Page 210 of 418

.
.
.
b. La probabilidad de que Alan G arole llegue en prim er a. ¿C uáles son las posibilidades en favor de que una atleta
lugar durante la tem porada de carreras 2009 en Saratoga? de bachillerato sea seleccionada por un equipo de bás-
quetbol profesional?
c. Las posibilidades en favor de la clasificación de Alan
G arole (que term ine en prim er, segundo o tercer lugar) b. ¿C uáles son las posibilidades en contra de que una
durante la tem porada de carreras 2009 en Saratoga? jugadora de básquetbol, que esté en la plantilla universita
ria de prim er año, juegue com o estudiante de últim o año?
d. Las probabilidades de la clasificación de A lan G arole
durante la tem porada de carreras 2009 en Saratoga? c. ¿C uál es la probabilidad de que una estudiante atleta de
últim o año de bachillerato sea seleccionada p o r un equipo
e. Con base en los estadísticos anteriores, ¿apostarías que
profesional de básquetbol?
A lan G arole llegará en prim ero o se clasificará? ¿Por
qué? d. ¿C uál es la probabilidad de que una estudiante atleta
de últim o año N C A A sea seleccionada por un equipo de
4 .4 2 El ejem plo aplicado 4.8, “ Llegar al siguiente nivel” , de la
básquetbol profesional?
página 182, usa dos grandes balones de fútbol en el fondo de
la gráfica. Si la escala usada para la parte superior de la gráfi 4 .4 5 Un tazón contiene cuatro tipos de huevos de chocolate
ca se usara para los estudiantes de últim o año de bachillerato, de apariencia idéntica, envueltos en alum inio. T odos m enos 50
¿cuántos balones de fútbol pequeños se necesitarían? de ellos son de chocolate de leche, todos m enos 50 son de cho
colate oscuro, todos m enos 50 son de chocolate sem iam argo y
4 .4 3 M uchos jóvenes aspiran a convertirse en atletas profesio
todos m enos 60 son de chocolate blanco.
nales. Sólo algunos lo consiguen, com o se indica en la tabla.
a. ¿C uántos huevos de chocolate hay en el tazón?
Estudiantes atletas Béisbol
b. ¿C uántos de cada tipo de chocolate hay en el tazón?
Estudiantes atletas de bachillerato 4 7 0 671
Estudiantes atletas último año de bachillerato 13 4 4 7 7 c. Si un chocolate se selecciona al azar, ¿cuál es la probabi
Estudiantes atletas N C A A
Posiciones de plantilla N C A A de primer año
Estudiantes atletas I -1CAA de último año
28 7 6 7
8 219
ó 393 d.
lidad de que sea chocolate blanco?
Si un chocolate se selecciona al azar, ¿cuál es la probabi

Estudiantes atletas I -1CAA seleccionados 600
lidad de que sea chocolate blanco o de leche?
a. ¿Cuáles son las posibilidades en favor de que un atleta de e. Si un chocolate se selecciona al azar, ¿cuál es la proba
bachillerato juegue com o estudiante de último año N CA A ? bilidad de que sea chocolate de leche y oscuro?
b. ¿C uáles son las posibilidades en contra de que un ju g ad o r f. Si dos chocolates se seleccionan al azar, ¿cuál es la pro
varonil de béisbol, que llegue a posición de prim er año babilidad de que am bos sean de chocolate blanco?
N C A A , sea seleccionado por un equipo profesional?
g. Si dos chocolates se seleccionan al azar, ¿cuál es la p ro
c. ¿C uál es la probabilidad de que un estudiante atleta de babilidad de que uno sea de chocolate oscuro y uno sea
últim o año de bachillerato sea seleccionado por un equipo de chocolate sem iam argo?
profesional de béisbol?
h. Si dos chocolates se seleccionan al azar, ¿cuál es la pro
d. ¿C uál es la probabilidad de que un estudiante atleta de babilidad de que ninguno sea de chocolate de leche?
últim o año de bachillerato, todavía juegue béisbol com o
4 .4 6 Un tazón contiene 100 huevos de chocolate de apariencia
estudiante atleta de últim o año N C A A ?
idéntica, envueltos en alum inio. Los huevos son de chocolate
4 .4 4 M uchas m ujeres jóvenes aspiran a convertirse en atletas de leche, de chocolate oscuro; con relleno, o de nuez, o de pli
profesionales. Sólo algunas lo consiguen, com o se indica en sas. T odos m enos 40 de ellos son de chocolate de leche, todos
la tabla. m enos 56 son de nuez y todos m enos 29 están llenos de nuez o
Estudiantes atletas Basquetbol femenil son de chocolate de leche.
Estudiantes atletas de bachillerato 452 929 a. ¿C uántos de cada tipo de chocolate hay en el tazón?
Estudiantes atletas último año bachillerato 129 4 0 8
Estudiantes atletas I4CAA 15 0 9 6 b. Si un chocolate se selecciona al azar, ¿cuál es la proba
Posiciones de plantilla I ICAA de primer año 4313 bilidad de que sea chocolate de leche?
Estudiantes atletas N C A A de último año 3 355
Estudiantes atletas I4CAA seleccionadas 32 c. Si un chocolate se selecciona al azar, ¿cuál es la probabi
lidad de que sea oscuro o con pasas?
Page 211 of 418

.
.
.
d. Si un chocolate se selecciona al azar, ¿cuál es la probabi 4 .4 9 Clasifica cada uno de los siguientes com o un problem a
lidad de que sea oscuro o con pasas? de probabilidad o uno de estadística:
e. Si un chocolate se selecciona al azar, ¿cuál es la proba a. D eterm inar si un nuevo m edicam ento reduce el tiem po
bilidad de que no sea oscuro ni con pasas? de recuperación de cierta enferm edad.
f. Si un chocolate se selecciona al azar, ¿cuál es la probabi b. D eterm inar la posibilidad de que resulte cara cuando
lidad de que no sea oscuro pero sí de nuez? se lance una moneda.
g. Si un chocolate se selecciona al azar, ¿cuál es la probabi c. D eterm inar la cantidad de tiem po de espera requerido
lidad de que sea de leche o de nuez9 para salir de cierta tienda.
4 .4 7 ¿C uál de los siguientes ilustra la probabilidad? ¿L a es d. D eterm inar la posibilidad de que te repartan un “black
tadística? ja c k ”.
a. D eterm inar cuán probable es que un “6 ” resulte cuando 4 .5 0 Clasifica cada uno de los siguientes com o un problem a
se ruede un dado. de probabilidad o uno de estadística:
b. E studiar los pesos de 35 bebés para estim ar la ganancia a. D eterm inar cuánto tiem po tarda en responderse una con
de peso en el prim er mes después del nacim iento. sulta telefónica típica en una oficina de bienes raíces.
4 .4 8 ¿C uál de los siguientes ilustra la probabilidad? ¿L a b. D eterm inar la esperanza de vida de una bom billa de 100
estadística? watts producida por una com pañía.
a. R ecolectar el núm ero de horas crédito de 100 estudiantes c. D eterm inar la posibilidad de sacar una bola azul de un
para estim ar el núm ero prom edio de horas crédito por tazón que contiene 15 bolas, de las cuales 5 son azules.
estudiante en una universidad pública particular.
d. D eterm inar la resistencia al corte de los rem aches que tu
b.
York.
D eterm inar cuán probable es ganar la lotería de N ueva
e.
com pañía recién com pró para construir aviones.
D eterm inar la posibilidad de sacar “dobles” cuando ru e

das un par de dados
14.2 Probabilidad condicional de eventos

M uchas de las probabilidades que ves o escuchas diariam ente son resultado de condicio
nes existentes en el m om ento. En esta sección aprenderás acerca de las p robabilidades
condicionales.
Probabilidad condicional de que un evento ocurrirá Una p ro b a b ilid a d con

d icional es la frecuencia relativa con la que puede esperarse que ocurra un
evento b ajo la condición de que se conoce inform ación adicional preexistente
acerca de algún otro evento. P(A | B) se usa para sim bolizar la p ro b a b ilid a d
de que el evento A ocurre b a jo la condición de que ya se conoce la existencia
del evento B.
Page 212 of 418

.
.
.
Sección 4.2 P ro b a b ilid a d c o n d ic io n a l de eventos 191
A lgunas form as de decir o expresar la probabilidad condicional, P{ A | B), son:
1. La "probabilidad de A , dado B”
2. La “p robabilidad de A, con B conocido”
3. La “p ro b a b ilid a d de que ocurra A, sabiendo que B ya ocurrió”
El concepto de probabilidad condicional en realidad es m uy fam iliar y ocurre con

m ucha frecuencia sin que incluso uno esté consciente de ello. Las noticias en los medios
de com unicación con frecuencia reportan m uchos valores de probabilidad condicional.
Sin em bargo, no aclaran que se trata de una probabilidad condicional y sim plem ente pasa
com o aritm ética cotidiana, com o ilustra el siguiente ejem plo.
E J E M P L O 4.9
CÓMO ENCONTRAR PROBABILIDADES A PARTIR

DE UNA TABLA DE PORCENTAJES
A p a rtir de una encuesta de salida nacional de 13 6 6 0 votantes en 2 5 0
distritos a lo largo del país durante la elección presidencial de 2 0 0 8 , se tiene
lo siguiente:
Porcentaje Porcentaje Porcentaje Porcentaje

Género de votantes para Obama para McCain para otros
Hombres 48 44 54 2
Mujeres 52 56 46 1
Edad
18 a 29 14 63 36 1
30 a 44 27 44 55 1
45 a 6 4 39 45 44 1
6 5 y más 20 52 48 0
T o d o s b s p o r c e n ta je s d e b t a b b a n t e r io r e s tá n a l e n t e r o m á s c e rc a n o .
Una persona se selecciona al a za r de la muestra de 13 6 6 0 votantes. Con

la ta bla , encuentra las respuestas a las siguientes preguntas de p ro b a b ilid a d .
1. ¿Cuál es la p ro b a b ilid a d de que la persona seleccionada sea hombre?

Respuesta: 0.48.
Expresado en form a de ecuación:
Pjvotante seleccionado es hombre) = 0 .4 8
2. ¿Cuál es la p ro b a b ilid a d de que la persona seleccionada sea de edad
18 a 29?
Respuesta: 0.14
Pjvotante seleccionado es de edad 18 a 29) = 0 .1 4
3. ¿Cuál es la p ro b a b ilid a d de que la persona seleccionada votó por
M cC a in , sabiendo que el votante era mujer? Respuesta: 0.46.
Expresado en form a de ecuación: PjM cC ain | mujer) = 0 .4 6
4. ¿Cuál es la p ro b a b ilid a d de que la persona seleccionada votó por
O b am a, si el votante tenía 65 o más? Respuesta: 0.52.
Expresado en form a de ecuación: P jO bam a | 6 5 o más) = 0 .5 2
Nota: las prim eras dos son probabilidades sim ples, m ientras que las últim as dos son pro
babilidades condicionales.
Page 213 of 418
.
.
.
E J E M P L O 4.10
CÓMO ENCONTRAR PROBABILIDADES A PARTIR

DE UNA TABLA DE CONTEO DE DATOS
A p a rtir de una encuesta de salida nacional de 1 0 0 0 votantes en 25 distritos
en todo el país durante la elección presidencial 2 0 0 8 , se tiene lo siguiente:
Número Número Número Número

Educación por Obama >or McCain por otros de votantes
14o bachillerato 19 20 1 40
Grado bachillerato 114 103 3 1 220
Universidad incompleta i : 147 1 1 320
Tifjlo universitario 135 1 19 ó 260
Posgrado 70 88 2 160
510 477 13 1000
Una persona se selecciona al a za r de la muestra anterior de 1 0 0 0 vo

tantes. Con la ta bla , encuentra las respuestas a las siguientes preguntas de
p ro b a b ilid a d .
1. ¿Cuál es la p ro b a b ilid a d de que la persona seleccionada haya votado

por M cC a in, sabiendo que el votante es graduado de bachillerato?
Respuesta: 1 0 3 / 2 2 0 = 0 .4 6 8 18 = 0 .4 7 .
P(McCain | g ra do bachillerato) = 1 0 3 /2 2 0 = 0 .4 6 8 1 8 = 0 .4 7
2. ¿Cuál es la p ro b a b ilid a d de que la persona seleccionada haya votado

por O bam a, dado que el votante tiene alguna educación universitaria?
Respuesta: 1 7 2 / 3 2 0 = 0 .5 3 7 5 = 0 .5 4 .
P(Obam a | universidad incom pleta) = 1 7 2 /3 2 0 = 0 .5 3 7 5 = 0 .5 4
3. Si sabes que la persona seleccionada votó por M c C a in , ¿cuál es la

p ro b a b ilid a d de que el votante tenga una educación de posgrado?
Respuesta: 8 8 / 4 7 7 = 0 .1 8 4 4 = 0 .1 8 .
Pjposgrado | M cC a in) = 8 8 / 4 7 7 = 0 .1 8 4 4 = 0 .1 8
4. D ado que la persona seleccionada votó por O b am a, ¿cuál es la pro

b a b ilid a d de que el votante no tenga educación de bachillerato?
Respuesta: 1 9 / 5 1 0 = 0 .0 3 7 2 = 0 .0 4 .
Pjno bachillerato | O bam a) = 1 9 /5 1 0 = 0 .0 3 7 2 = 0 .0 4
Notas:
1. La notación de probabilidad condicional es muy inform ativa y útil. C uando expresas
una probabilidad condicional en form a de ecuación, tienes la ventaja de usar la no
tación m ás com pleta; de esa form a, cuando leas nuevam ente la inform ación, toda la
inform ación estará ahí.
2. C uando encuentres una probabilidad condicional, algunas de las posibilidades se eli
m inarán tan pronto com o la condición se conozca. C onsidera la pregunta 4 del ejem plo
4.10. Tan pronto com o se enuncia el condicional “dado que la persona seleccionada
votó por O bam a”, se elim inan los 447 que votaron p o r M cC ain y los 13 que votaron
por otros, lo que deja los 510 posibles resultados.
Page 214 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 4.2 P ro b a b ilid a d c o n d ic io n a l de eventos 193
4 .5 1 A 300 televidentes se les pregunta si estuvieron satis d. m ás de 2 437 m etros de pista de aterrizaje y estén
fechos con la cobertura de televisión de un desastre reciente. pavim entadas?
Mujer Hombre
e. pista de aterrizaje pavim entada, dado que tiene más
Satisfecho 80 55 de 1 523 m etros de pista de aterrizaje?
N o satisfecho 120 45
f. pista de aterrizaje no pavim entada, si sabes que tiene
Un televidente se selecciona al azar de dicha encuesta.
m enos de 1 524 m etros de pista de aterrizaje?
a. E ncuentra /^ satisfech o ) c. Encuentra P(S | hom bre)
g. m enos de 1 524 m etros de pista de aterrizaje, dado que
b. E ncuentra P(S | mujer) no está pavim entada?
4 .5 2 L as m añanas de sábado son m om entos atareados en el 4 .5 4 Durante el sem estre de prim avera 2009 en Monroe
C entro A cuático W ebster. Las lecciones de natación, que van C om m unity C ollege, a una m uestra aleatoria de estudiantes
desde Nivel 2 de Cruz Roja, habilidades acuáticas fundam en se le preguntó acerca de su conocim iento del significado de
tales, hasta N ivel 6 de Cruz Roja, pericia en natación y habili “ sostenibilidad” . La principal m otivación para la encuesta fue
dades, se ofrecen durante dos sesiones. investigar cóm o los estudiantes interesados pueden estar en
Número de personas Número de personas un certificado de sostenibilidad y descubrir el m ejor m edio de
Nivel en clase de 10 a.m. en clase de 11 a.m. inform arles dicha opción. La siguiente tabla m enciona cuántos
2 12 12
de los 224 estudiantes estuvieron de acuerdo con el enunciado
3 15 10 ‘‘La sostenibilidad es im portante para m í” .
4 8 8 Nivel de acuerdo con el enunciado "La sostenibilidad es importante para rrí"
5 2 0
Totalmente Fuertemente
6 2 0
Lauren, la coordinadora del program a, seleccionará al azar a
un nadador para entrevistarlo para un anuncio publicitario en
Generación
(edades)
M ilenio Y (1 8 a 29)
de
74
De Desa-
109
en
acuerdo acuerdo cuerdo desacuerdo Total
11 1 195
Generación X (30 a 44) 14 8 1 0 23
la televisión local acerca del centro y de su program a de nata
Baby boomers (45+) 2 3 0 1 ó
ción. ¿C uál es la probabilidad de que el nadador seleccionado
Todos los entrevistados 90 120 12 2 224
esté en las siguientes?
Fuente: M o n r o e C o m m u n ity C o lle g e , e n cu e sta d e c e r t if ic a d o d e s o s te n ib ilid a d
a. U na clase de nivel 3. E ncuentra la probabilidad de que una estudiante seleccionada

b. La clase de 10 a.m. al azar:
c. U na clase de nivel 2, dado que es la sesión de 10 a.m. a. esté “totalm ente de acuerdo” en que la sostenibilidad
es im portante para ella.
d. La sesión de 11 a.m ., dado que es la clase de nivel 6.
b. pertenezca a la G eneración X.
4 .5 3 The W orld F actbook, 2008, reporta que los aeropuertos
estadounidenses tienen los siguientes núm eros de m etros de c. esté en “descuerdo” con la im portancia de la sostenibilidad
pistas de aterrizaje que están pavim entadas, o no están pavi para ella, dado que pertenece a la generación M ilenio Y.
mentadas. d. pertenezca a los h ahy hoom ers, dado que ella está de
Número de aeropuertos “acuerdo” con la im portancia de la sostenibilidad.
Pista aterrizaje total (metros) Pavimentado No pavimentado
4 .5 5 Un artículo del USA Today, “ Yum Brands construye di
M ás de 3 0 4 7 m 190 0
2438 a 3 047 m 227 6 nastía en C hina” (7 de febrero de 2005), reporta acerca de cómo
1524 a 2 437 m 1 464 156 Yum Brands, la com pañía restaurantera más grande del mundo,
9 1 4 a 1 523 m 2 307 1 734 lleva la industria de la com ida rápida a China, India y otros
Abajo de 9 1 4 m 958 7909 grandes países. Y um Brands, una derivada de PepsiCo, tuvo un
Total___________________________ 5 1 4 6 ____________ 9 805 crecim iento con ganancias de dos dígitos el año pasado.
Fuente: The W orld Factbook e n e ro d e 2 0 0 8 .
h t lp s : / / w w w .c ia .g o v / Ubicación y número de tiendas de comida rápida Yum Brands
Si uno de dichos aeropuertos se selecciona al azar para inspec Tienda EUA Extranjero Total
ción, ¿cuál es la probabilidad de que tendrá KFC 5 450 7676 13 126

Pizza Hut 6 306 4680 10 9 8 6
a. pistas de aterrizaje pavim entadas? Taco Bell 5 030 193 5 223
Long John Silver's 1 200 33 1 233
b. 914 a 2 437 m etros de pista de aterrizaje? A & W All-American 485 20 9 694
c. m enos de 1 524 m etros de pistas de aterrizaje y no estén Total___________________ 18 471 1279 1 31 2 6 2
pavim entadas? Fuente: USA Today, 7 d e fe b re ro d e 2 0 0 5 y Yíim B ra n d s

Page 215 of 418
.
.
.
194 Copítulo 4 Probabilidad
Supon que, cuando el C EO de Y um Brands fue entrevistado 4 .5 7 La A m erican Com m unity Survey reportó sus hallazgos
para este articulo, se le plantearon las siguientes preguntas. acerca de los principales m edios de transporte de los trabaja
¿C óm o podría responder con base en el cuadro? dores para ir al trabajo durante 2007.
a. ¿Q ué porcentaje de sus ubicaciones están en Estados Medios de transporte Número (miles)

U nidos? Todos los trabajadores 13 9 2 6 0
Automóvil 120 4 4 2
b. ¿Q ué porcentaje de sus ubicaciones están en el extranjero? Conduce él mismo 105 9 5 5
Auto compartido 14 4 8 7
c. ¿Q ué porcentaje de sus tiendas son Pizza H ut? 2 personas 1 1 139
3 personas 1 963
d. ¿Q ué porcentaje de sus tiendas son Taco Bell, dado que
4 + personas 1 385
la ubicación es Estados U nidos? Transporte público' 6801
Taxi 179
e. ¿Q ué porcentaje de sus tiendas están en el extranjero,
Bicicleta o motocicleta 949
dado que la tienda es un A & W A ll-A m erican? Sólo camina 3 954
Otros medios2 1 258
f. ¿Q ué porcentaje de sus tiendas son KFC, dado que la
Trabaja en casa 5 677
ubicación está en el extranjero?
NOTA: p r in c ip á is m e d io s d e tra n sp o rte se re fie re a l m o d o q u e u sa c o n m á s
fre c u e n c ia u n in d iv id u o .
g. ¿Q ué percibes acerca de sus respuestas a los incisos f y g? 1 Tran spo rte p ú b lic o se re fie re a a u to b ú s , tra n vía s u b te rrá n e o o tren e le v a d o .
7 O tr a s m e d io s in c lu y e n tra n s b o rd a d o re s , tre ne s d e s u p e rfic ie y s e rv ic io d e
¿P or qué ocurre esto? c a m io n e ta .
Fuente: U .S . C e n s u s B ure a u , B u re a u o f T ra n s p o rta tio n S tatistics, 2 0 0 7 A m e ric a n

4 .5 6 En 2007, datos de dos encuestas de com portam iento ries C o m m u n ity S urvey, h t t p : // la c t lin d e r . c e n s u s . g o v /
goso ju v enil, se analizaron para investigar el uso del cinturón
de seguridad entre estudiantes de bachillerato con edades de a. El total de colum na no se incluye porque sería un valor
16 o más. L os resultados se publicaron en el núm ero de sep insignificante. Exam ina la tabla y explica p o r qué.
tiem bre 2008 del Am erican Journal o f P reventive M edicine.
Los resultados (en porcentajes) incluyen la tabla que se p re
senta a continuación:
www.elsolucionario.net U na persona se selecciona y se le hacen preguntas adicionales
com o parte de este sondeo. Si dicha persona se selecciona al
azar, encuentra la probabilidad para cada uno de los siguientes
Si un estudiante se selecciona al azar de esta población, eventos.
¿cuál es la probabilidad de que el estudiante seleccionado:
b. La persona seleccionada es m iem bro de un autom óvil
a. siem pre use cinturón de seguridad cuando conduzca y com partido.
siem pre use cinturón de seguridad cuando es pasajero?
c. La persona seleccionada es miembro de un automóvil com
b. siem pre use cinturón de seguridad cuando conduce mas partido de 2 personas, dado que tiene automóvil compartido.
no siem pre cuando es pasajero, dado que tiene 18 años
o m ás? d. La persona seleccionada no llega en autom óvil.
c. no siem pre use cinturón de seguridad cuando conduce e. La persona seleccionada usa transporte público, si sabes
pero siem pre lo hace cuando es pasajero, si sabes que que no usa autom óvil.
tiene 16? 4 .5 8 Los cinco colores más populares para autom óviless d e
d. siem pre use cinturón de seguridad cuando conduce? portivos/com pactos fabricados durante el año de m odelo 2006
en N orteam érica se reportan aq u í en porcentajes.
e. no siem pre use cinturón de seguridad cuando conduce
De po rtivo/co m pacto Porcentaje
y tiene 17 años de edad?
1 Plata 18
2. 1 legro 15
3. Gris 15
4. Rojo 15
5. Azul 13
Fuente: D u P on t H e rb e rte A u to m o tiv e Systems, T ro /,
M i d i . 2 0 0 o D uP ont A u to m o tiv e C o b r P o p u la rity S u rve y
Resulls. h t t p : / / w w w . in b p le a s e . c p m /
Siempre usa cuando conduce No siempre usa cuando conduce
Siempre usa No siempre usa Siempre usa No siempre usa
Característica cuando es pasajero cuando es pasajero cuando es pasajero cuando es pasajero
Total 3 8 .4 2 0 .6 3 .4 3 7 .6
Edad (años)
16 3 8 .2 2 2 .5 3 .2 36.1
17 38.1 19.9 3 .6 3 8 .4
2:18 3 9 .4 18.4 3 .6 3 8 .6
Fuente: h t t p : / / w w w . a jp m - o n lin e . n e t /
Page 216 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 4.3 Reglas de p ro b a b ilid a d 195
a. ¿P or qué la colum na de porcentajes no totaliza 100%? d. negro, plata, gris, rojo o azul?
b. ¿P or qué todas las probabilidades se basan en esta tabla e. no plata?

condicional? ¿C uál es dicha condición?
f. negro, si sabes que el autom óvil deportivo/com pacto tiene
c. ¿Tu color favorito aparece en la lista? uno de los cinco colores m ás populares?
Si eliges al azar un autom óvil deportivo/com pacto 2006 de g. negro, si sabes que el autom óvil deportivo/com pacto tiene
entre todos los autom óviles deportivos/com pactos fabricados uno de los cinco colores m ás populares, m as no rojo?
en Estados U nidos en 2006, ¿cuál es la probabilidad de que su
color sea
|4 .5 R e g la s d e p ro b a b ilid a d
Con frecuencia, uno quiere conocer la probabilidad de un ev en to co m p u e sto , pero los
únicos datos disponibles son las probabilidades de los eventos sim ples relacionados. (Los
eventos com puestos son com binaciones de m ás de un evento sim ple.) En los siguientes
párrafos se resum e la relación entre dichas probabilidades.
C ó m o e n c o n tra r la p ro b a b ilid a d de "n o A "
El concepto de eventos com plem entarios es fundam ental para encontrar la probabilidad
de “ no A ”.
Eventos com plem entarios El complemento de un evento A , A , es el conjunto

de todos los puntos muéstrales en el espacio muestral que no pertenecen al
evento A.
Nota: el com plem ento del evento A se denota A (léase “A com plem ento”).
A lgunos ejem plos de eventos com plem entarios son: 1) el com plem ento del evento
“éxito” es “ fracaso”, 2) el com plem ento de “votante seleccionado es republicano” es “ vo
tante seleccionado no es republicano” y 3) el com plem ento de “no cara” en 10 lanzam ien
tos de una m oneda es “al m enos una cara”.
Al com binar la inform ación en la definición de com plem ento con la propiedad 2
(p. 179), puedes decir que
P (A ) + P{A ) = 1.0 para cualquier evento A
Com o resultado de esta relación se tiene la regla del com plem ento:
Regla del complemento
En palabras: p ro b a b ilid a d de A complemento = uno - p ro b a b ilid a d de A
En álgebra: P(A) = 1 - P(A) (4.3)
N ota: todo evento A tiene un evento com plem entario A. Las probabilidades com plem en
tarias son m uy útiles cuando la pregunta pide la probabilidad de “al m enos uno”. P or lo
general, esto representa una com binación de varios eventos, pero el evento com plem enta
rio “ ninguno” es un solo resultado. Es m ás fácil resolver para el evento com plem entario y
obtener la respuesta al usar la fórm ula (4.3).
Page 217 of 418
.
.
.
196 Capítulo
Copítu 4 P ro b a b ilid a d
E J E M P L O 4.11
COMO USAR COMPLEMENTOS PARA
ENCONTRAR PROBABILIDADES
Rueda dos dados. ¿Cuál es la p ro b a b ilid a d de que la suma sea al menos 3
(esto es: 3, 4 , 5 , ..., 12)?
Solución
Supon que uno de los dados es negro y el otro es blanco. (Consulta el cuadro
del ejem plo 4 .3 en la p á g in a 175; muestra los 3 6 posibles pares de resulta
dos cuando ruedas un p ar de dados.)
En lugar de encontrar la p ro b a b ilid a d para cada una de las sumas 3 , 4 ,
5, ..., 12 por separado y sumar, es mucho más simple encontrar la p ro b a b i
lidad de que la suma sea 2 ("menos que 3 ") y después usar la fórm ula (4.3)
para encontrar la p ro b a b ilid a d de "al menos 3 ", porque "menos que 3 " y "al
menos 3 " son eventos complem entarios.
P[suma de 2] = P(A) = jg - ("2 " ocurre sólo una vez en el espacio muestral de 3 6 puntos)
1
P(suma es al menos 3) = P(A) = 1 - P(A) = 1 - ^ [con la fórm ula (4.3)]
Cómo encontrar la probabilidad de "A o B"
Un trabajador con salario por hora quiere estim ar las posibilidades de “recibir una prom o
ción u obtener un aum ento de salario”. El trabajador estaría feliz con cualquier resultado.
Hay inform ación histórica disponible que perm itirá al trabajador estim ar la probabilidad
de “recibir una prom oción” y “obtener un aum ento de salario” por separado. En esta sec
ción aprenderás cóm o aplicar la re g la d e la s u m a para encontrar la probabilidad com pues
ta de interés.
Regla general de la suma
Sean A y B dos eventos definidos en un espacio muestral, S.
En palabras: p ro b a b ilid a d de A o B =
p ro b a b ilid a d de A + p ro b a b ilid a d de B - p ro b a b ilid a d de A y B
En álgebra: P(A o B) = P(A) + P(B) - P(A y B) (4.4)
Para ver si funciona la relación expresada por la regla general de la sum a, observa el
ejem plo 4.12.
E J E M P L O 4.12
COMPRENSIÓN DE LA REGLA DE LA SUMA

Se realiza una encuesta estatal de 8 0 0 votantes registrados en 25 distritos
en el estado de N ueva York. C ada votante se identifica como republicano,
dem ócrata, u otro registrado, y después se le pregunta "¿está a favor o en
Page 218 of 418

.
.
.
Sección 4.3 Reglas de probabilidad 197
contra de la actual propuesta presupuestal que espera la firm a del g oberna

d or?". A continuación se muestran los conteos resultantes.
Número a favor Número en contra Número de votantes
Republicano 136 88 224

Demócrata 314 212 526
Otros 14 36 50
Totales 464 336 800
Supon que un votante se selecciona al a za r de los 8 0 0 votantes resumidos

en la tabla anterior. C onsidera los dos eventos: "el votante seleccionado está
a fa v o r" y "el votante es rep ub lica no ". Encuentra las cuatro p ro ba bilida de s:
P(a favor), P(republicano), P(a favor o republicano) y P(a favor y rep ub lica
no). Después usa los resultados para com probar la veracidad de la regla de
la suma.
Solución
P ro ba bilid a d de que el votante seleccionado esté "a fa v o r" = P(a favor) =

4 6 4 / 8 0 0 = 0 .5 8 .
P roba bilid a d de que el votante seleccionado sea "re p u b lic a n o " =

P(republicano) = 2 2 4 / 8 0 0 = 0 .2 8 .
P roba bilid a d de que el votante seleccionado sea "a favor o rep ub lica no " =
P(a favor o republicano) = (1 3 6 + 3 1 4 + 14 + 8 8 ) / 8 0 0 = 5 5 2 / 8 0 0 = 0 .6 9 .
P roba bilid a d de que el votante seleccionado esté "a fa v o r" y sea "re p u b lica
n o " = P(a favor y republicano) = 1 3 6 / 8 0 0 = 0.1 7 .
Notas acerca de cómo encontrar las pro ba bilida de s anteriores:

1. El conectivo " o " significa "uno o el otro o am bos"; p or tanto, "a favor o
re p u b lica n o " significa todos los votantes que satisfacen cualquier evento.
2. El conectivo " y " significa "a m bo s" o "en com ún"; por tanto, "a favor y
re p u b lica n o " significa todos los votantes que satisfacen ambos eventos.
A h ora usa las p ro b a b ilid a d e s anteriores p ara dem ostrar la veracidad de

la regla de la suma.
Sea A = "a fa v o r" y B = "re p u b lic a n o ". La regla general de la suma se
convierte entonces en:
P(a favor o republicano) = P(a favor) + P(republicano) - P(a favor y repu
blicano)
Recuerda: anteriorm ente se encontró: P(a favor o republicano) = 0 .6 9 .
Con las otras tres p ro b a b ilid a d e s, se ve:
P(a favor) + P(republicano) - P(a favor y republicano)
= 0 .5 8 + 0 .2 8 - 0 . 1 7 = 0 .6 9 .
En consecuencia, obtienes respuestas idénticas al aplicar la regla de la sum a y al refe

rirse a las celdas relevantes en la tabla. U sualm ente no tienes la opción de encontrar P (A o
B) de dos form as, com o se hizo aquí. En vez de ello, te pedirán encontrar P(A o B) a partir
de P (A ) o P(B ). Sin em bargo, necesitarás un tercer trozo de inform ación. En la situación
previa, necesitas P (A y B). N ecesitarás conocer o P(A y B) o alguna inform ación que te
perm ita encontrarla.
Page 219 of 418
.
.
.
198 Copítulo 4 Probabilidad
C óm o e n c o n tra r la p ro b a b ilid a d de "A y B"
Supon que un profesor de ju sticia crim inal quiere que su clase determ ine la probabilidad
del evento “ un conductor recibe infracción por violación de velocidad y el conductor an
teriorm ente asistió a una clase de conducción defensiva”. Los estudiantes están seguros de
que pueden encontrar las probabilidades de “ un conductor recibe infracción por violación
de velocidad” y “ un conductor que asistió a una clase de conducción defensiva” por sepa-
rajo . En esta sección aprenderás cóm o aplicar la reg la d e la m u ltip lic ac ió n para encontrar
la probabilidad com puesta de interés.
Regla general de la m ultiplicación
Sean A y B dos eventos definidos en el espacio muestral S.
En palabras: p ro b a b ilid a d de A y B = p ro b a b ilid a d de A x p ro b a b ilid a d de

B, si conoces A
En álgebra: P(A y B) = P(A) • P(B | A) (4.5)
Nota: cuando están involucrados dos eventos, cualquier evento se puede identificar com o
A y el otro se identifica com o B. La regla general de la m ultiplicación tam bién podría es
cribirse com o P (B y A) = P (B ) • P (A | B)
E J E M P L O 4.13
COMPRENSION DE LA REGLA DE LA MULTIPLICACION

Se realiza una encuesta estatal de 8 0 0 votantes registrados en 25 distritos
en el estado de N ueva York. C ada votante se identificó como republicano,
dem ócrata u otro registrado y después se le preguntó: gestó a favor o en con
tra de la actual propuesta presupuestal que espera la firm a del gobernador?
A continuación se presentan los conteos resultantes.
Republicano 136 88 224

Demócrata 314 212 526
O ros 14 36 50
Tolales -z& r 336 800

en la tabla anterior. C onsidera los dos eventos: "el votante seleccionado está
a fa vo r" y "el votante es re p ub lica no ". Encuentra las tres p ro ba bilida de s: P(a
favor), Pjrepublicano | a favor) y P(a favor y republicano). Después usa los
resultados para com probar la veracidad de la regla de la m ultiplicación.
Solución
P robabilidad de que el votante seleccionado esté "a fa v o r" = P(a favor)
= 4 6 4 /8 0 0 = 0 .5 8 .
P robabilidad de que el votante seleccionado sea "re pu blican o, dado a fa vo r"

= Pjrepublicano | a favor) = 1 3 6 /4 6 4 = 0 .2 9
Page 220 of 418

.
.
.
Sección 4.3 Reglas de probabilidad 199
P robabilidad de que el votante seleccionado esté "a fa vor" y sea "republicano"

= P[a favor y republicano) = 1 3 6 /8 0 0 = O -17 .
oOO
Notas acerca de cómo encontrar las pro ba bilida de s anteriores:
1. El condicional "d a d o " significa que existe una restricción; por tanto, "repu
b lica no | a fa v o r" significa que com ienzas sólo con aquellos votantes que
están "a fa v o r". En este caso, esto significa que solamente observas a 4 6 4
votantes cuando determ inas esta p ro b a b ilid a d .
2. El conectivo "y " significa "am bos" o "en com ún"; por tanto, "en favor y
re p u b lica n o " significa todos los votantes que satisfacen ambos eventos.
A h ora usa las p ro b a b ilid a d e s anteriores para demostrar la ve ra cid a d de
la regla de la m ultiplicación.
Sea A = "a fa v o r" y B = "re p u b lic a n o ". La regla general de la m ultiplica
ción se convierte entonces en:
P(a favor y republicano) = P[a favor) • Pjrepublicano | a favor)
Anteriorm ente se encontró: P[a favor y republicano) = = 0.1 7

oOO.
A l usar las otras dos p ro b a b ilid a d e s, se ve que:
P[a favor) • Pfrepublicano | a favor) = i M • ^ =^ 6_ = 017
U sualm ente no tienes la opción de encontrar P(A y B) de dos form as, com o se hizo
aquí. C uando se te pide encontrar P (A y B), con frecuencia se proporciona P (A) y P (B).
Sin em bargo, no siem pre obtendrás la respuesta correcta con sólo m ultiplicar dichas dos
probabilidades. N ecesitarás un tercer trozo de inform ación: la probabilidad condicional de
uno de los dos eventos o inform ación que te perm itirá encontrarla.
E J E M P L O 4.14
CÓMO EXTRAER SIN REEMPLAZO

En un ¡uego de feria, el jug ad or extrae a ciegas una canica de color a la vez
de una caja que contiene dos canicas rojas y cuatro azules. La canica elegida
no se regresa a la caja después de seleccionarla; esto es: cada extracción
se realiza sin reemplazo. Las canicas se mezclan antes de cada extracción.
Cuesta $ 1 jugar y si las primeras dos canicas extraídas son rojas, el jugador
recibe un premio de $2. Si las prim eras cuatro canicas extraídas son azules,
el jugador recibe un premio de $5. De otro m odo, no recibe premio. Para en
contrar la p ro b a b ilid a d de ganar un prem io, observa prim ero la p ro ba bilida d
de extraer rojo o azul en extracciones consecutivas y organiza la información
en un diagram a de árbol.
En la prim era extracción (representada por los segmentos de rama azul
oscuro en la figura 4 .5 ), la p ro b a b ilid a d de rojo es dos oportunidades de
seis, 2 / 6 o 1 /3 , mientras que la p ro b a b ilid a d de azul es 4 / 6 o 2 / 3 . Puesto
que las canicas no se sustituyen, sólo cinco canicas quedan en la caja; el nú
mero de cada color restante depende del color de la prim era canica extraída.
Si la prim era canica fue roja, entonces las p ro b a b ilid a d e s son 1 /5 y 4 / 5 ,
Page 221 of 418

.
.
.
como se muestra en el dia gra m a de árbol (segmentos de ram a azul claro en

la figura 4 .5 ). Si la prim era canica fue azul, entonces las p ro b a b ilid a d e s son
2 /5 y 3 / 5 , como se muestra en el dia gra m a de árbol (segmentos de rama
azul m edio en la figura 4 .5 ). Las p ro ba bilida de s cam bian con cada extrac
ción, porque el número de canicas disponibles sigue dism inuyendo con cada
extracción que tiene lugar. El diagram a de á rbol es un m aravilloso auxiliar
visual para seguir el avance.
FIGURA 4 .5 Extracción 1 Extracción 2

D iagra m a de árbol: prim eras
1 /5 R RR = G ana $2
dos extracciones, juego
de feria
A hora puedes encontrar la p ro b a b ilid a d de g an ar el prem io de $2 con
la fórm ula (4.5):
P(A y B) = P(A) • P(B | A)
P(gana $2) = P(R, y RJ = P(Rt) • P(R2 | R,) = |

2 1
. 1 1 o w
6 #5 15
(G anar el prem io de $5 se deja como ejercicio 4 .7 9 .)
Nota: el diagram a de árbol, cuando se etiqueta, tiene las probabilidades necesarias para
m ultiplicar junto con la ram a que representa el esfuerzo ganador.
4 .5 9 a. Si la probabilidad de que el evento A ocurra durante 4.61 De acu erd o con la E n cu esta N acional 2 007-2008 de
un experim ento es 0.7, ¿cuál es la probabilidad de que p ro p ietario s de M asco tas de la A so ciació n E stad o u n id en se
el evento A no ocurra durante dicho experimento? de F ab rican tes de P ro d u cto s p ara M asco tas, ap ro x im ad a
m ente 63% de todos los p ro p ietario s estad o u n id en ses de p e
b. Si los resultados de un experim ento de probabilidad
rros (alred ed o r de 60 m illo n es) son dueñ o s de un perro. C on
pueden ser cualquier entero de 16 a 28 y la probabili
base en esta in fo rm ació n , en cu en tra la p ro b ab ilid ad de que
dad de que el entero sea m enor que 20 es 0.78, ¿cuál
un p ro p ietario estad o u n id en se de perro sea dueñ o de más
es la probabilidad de que el entero sea 20 o más?
de un perro.
4 .6 0 a. Si la probabilidad de que apruebes el siguiente
4 .6 2 De acuerdo con Sleep C hannel (http://w w w .sleepdisor-
exam en de estadística se valora precisam ente en
derchannel.com /, ju lio de 2009), la apnea de sueño afecta a
0.75, ¿cuál es la probabilidad Je que no apruebes el
18 m illones de individuos en E stados U nidos. El trastorno del
siguiente exam en de estadística?
sueño interrum pe la respiración y puede desp ertar a quien la
b. El anunciador del clim a predice que hay un “ 70 por padece hasta cin co veces p o r hora. M uchas personas no reco
ciento” de posibilidad de menos de 1 pulgada de nocen el padecim iento aun cuando provoca fuertes ronquidos.
lluvia durante el próxim o periodo de 30 días. ¿C uál Si supones que existen 304 m illones de personas en Estados
es la probabilidad de al menos 1 pulgada de lluvia U nidos, ¿cuál es la probabilidad de que un individuo elegido
en los próxim os 30 días? al azar no padezca apnea de sueño?
Page 222 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 4.3 Reglas de probabilidad 201
4 .6 3 Si P{A ) = 0.4, P (B) = 0.5 y P (A y B) = 0.1, encuentra pio, ¿cuál es la probabilidad de que el siguiente atleta puesto a
P (A o tí). prueba sea un usuario y falle la prueba?
4 .6 4 Si P (A ) = 0.5, P (B ) = 0.3 y P(A y B) = 0.2, encuentra 4 .7 6 Juan vive en una gran ciudad y viaja al trabajo diaria
P(A o B). m ente en subterráneo o en taxi. A borda el subterráneo 80% del
tiem po porque cuesta m enos y tom a un taxi el otro 20% del
4 .6 5 Si P (A ) = 0.4, P (B ) = 0.5 y P (A o B) = 0.7, encuentra
tiem po. C uando tom a el subterráneo, llega al trabajo a tiempo
P(A y B).
70% de las veces, m ientras que llega a tiem po 90% de las ve
4 .6 6 Si P (A ) = 0.4, P(A o B) = 0.9 y P(A y B) = 0.1, encuentra ces cuando viaja en taxi.
P(B ).
a. ¿C uál es la probabilidad de que Juan tom e el subterráneo
4 .6 7 La industria de los deportes de entretenim iento em plea y llegue a tiem po al trabajo en cualquier día dado?
atletas, entrenadores, árbitros y trabajadores relacionados. De
b. ¿C uál es la probabilidad de que Juan tom e un taxi y lle
ellos, 0.37 trabajan tiem po parcial y 0.50 ganan m ás de $20 540
gue a tiem po al trabajo en cualquier día dado ?
al año. Si 0.32 de dichos em pleados trabajan tiem po com pleto
y ganan m ás de $20 540, ¿qué proporción de los em pleados de 4 .7 7 A nadie le gusta pagar im puestos, ¡pero el engaño no es la
la industria son de tiem po com pleto o ganan más de $20 540? form a de librarse de ellos! Se considera que 10% de todos los
contribuyentes intencionalm ente declaran algunas deduccio
4 .6 8 Jason asiste a la reunión de su bachillerato. De los asis
nes a las que no están autorizados. Si 9% de todos los contri
tentes, 50% son m ujeres. El conocim iento com ún reconoce
buyentes intencionalm ente declaran deducciones adicionales
que 88% de las personas son diestras. Al ser hom bre zurdo,
tanto com o niegan hacerlo cuando son auditados, encuentra la
Jason sabe que, de una m ultitud dada, sólo aproxim adam ente
probabilidad de que un contribuyente que realiza deducciones
6% son hom bres zurdos. Si Jason habla con la prim era persona
adicionales intencionalm ente, las niegue.
que encuentra en la reunión, ¿cuál es la probabilidad de que la
persona sea hom bre o zurda? 4 .7 8 Casey am a su café de m edia m añana y siem pre se de
4 .6 9 U na tienda de partes autom otrices vende partes tanto
nuevas com o usadas. Sesenta por ciento de las partes en el al
tiene en una de sus cafeterías favoritas p o r una taza. Cuando
consigue com ida para llevar, existe una posibilidad de 0.6 de
que tam bién conseguirá un pastel. L leva un café y un pastel
m acén son usadas. Sesenta y un por ciento son usadas o d efec
con una probabilidad de 0.48. ¿C uál es la probabilidad de que
tuosas. Si 5% de las partes de la tienda son defectuosas, ¿qué
sí lleve com ida?
porcentaje es tanto usada com o defectuosa? Resuelve con las
fórm ulas. C om para tu solución con tu respuesta al ejercicio 4 .7 9 Encuentra la probabilidad de g an ar S5 si juegas el juego
4.27. de feria descrito en el ejem plo 4.14.
4 .7 0 O ficiales sindicales reportan que 60% de los trabajadores a. C om pleta las ram as del diagram a de árbol iniciado en la
en una gran fábrica pertenecen al sindicato, 90% ganan más figura 4.5 y m enciona las probabilidades de todas las po
de $12 por hora y 40% pertenecen al sindicato y ganan más de sibles extracciones.
$12 por hora. ¿C rees en estos porcentajes? Explica. Resuelve
b. ¿C uál es la probabilidad de extraer una canica roja en la
con las fórmulas. C om para tu solución con tu repuesta al ejer
segunda extracción? ¿Q ué inform ación adicional se nece
cicio 4.28.
sita para encontrar la probabilidad? ¿Q ué “condiciones”
4.71 A y B son eventos definidos en un espacio m uestral, con podrían existir?
P (A) = 0.7 y P (tí | A) = 0.4. Encuentra P {A y B).
c. C alcula la probabilidad de ganar el prem io de $5.
4 .7 2 A y B son eventos definidos en un espacio m uestral, con
d. ¿C uál es más difícil de ganar, el prem io de S2 o el de $5?
P (A | B) = 0.5 y P (B ) = 0.8. Encuentra P (A y B).
¿C uál es más probable? Justifica tu respuesta.
4 .7 3 A y B son eventos definidos en un espacio m uestral, con
4 .8 0 Supon que las reglas para el ju eg o de feria del ejem plo
P (A) = 0.6 y P (A y B) = 0.3. Encuentra P {A | B).
4.14 se m odifican de m odo que la canica extraída cada vez se
4 .7 4 A y B son eventos definidos en un espacio m uestral, con regresa a la caja antes de la siguiente extracción.
P (B ) = 0.5 y P (A y B) = 0.4. Encuentra P (A | B).
a. V uelve a d ibujar el diagram a de árbol del ejercicio 4.79 y
4 .7 5 Se sabe que los esteroides brindan a los usuarios una m enciona las probabilidades para el ju eg o cuando ju eg a
ventaja en las com petencias atléticas, pero tam bién se sabe “con reem plazo” .
que el uso de esteroides está prohibido en los atletas. Com o
b. ¿C uál es la probabilidad de extraer una canica roja en la
resultado, se instituye un program a de pruebas de esteroides
segunda extracción? ¿Q ué inform ación adicional se nece
y los atletas se ponen a prueba al azar. Los procedim ientos de
sita para encontrar la probabilidad? ¿Q ué efecto tiene esto
prueba se consideran igualm ente efectivos tanto en usuarios
sobre P (rojo en la segunda extracción)?
com o en no usuarios y afirman ser 98% precisos. Si 90% de
los atletas afectados por este program a de pruebas está lim (c o n tin ú a en la p á g in a 202)
Page 223 of 418

.
.
.
c. C alcula la probabilidad de ganar el prem io de $2. 4 .8 5 D ado P (A o B) = 1.0, P (A y B) = 0.7 y P (B) = 0.4, en
cuentra:
d. C alcula la probabilidad de ganar el prem io de $5.
a. P (B ) b. P (A) c. P(A | B)
e. C uando el juego se juega con reem plazo, ¿cuál es más
difícil de ganar, el prem io de S2 o el de $5? ¿C uál es 4 .8 6 D ado P ( A o B) = 1.0, P (A ~ y B ) = 0.3 y P(B ) = 0.4, en
m ás probable? Justifica tu respuesta. cuentra:
4.81 Supon que A y B son eventos definidos en un espacio a. P (B ) b. P (A ) c. P(A | B)

m uestral com ún y que se conocen las siguientes probabilida
4 .8 7 La probabilidad de A es 0.5. La probabilidad condicional
des: P(A ) = 0.3, P (B ) = 0.4 y P{A | B) = 0.2. E ncuentra P(A
de que A ocurra dado que B ocurre es 0.25. La probabilidad
o B).
condicional de que B ocurra dado que A ocurre es 0.2.
4.8 2 Supon que A y B son eventos definidos en un espacio
a. ¿C uál es la probabilidad de que B ocurra?
muestral com ún y que se conocen las siguientes probabilidades:
P (A o B) = 0.7, P (B ) = 0.5 y P (A | B) = 0.2. Encuentra P (A). b. ¿C uál es la probabilidad condicional de que B no ocurra
dado que A no ocurre?
4 .8 3 Supon que A y B son eventos definidos en un espacio
m uestral com ún y que se conocen las siguientes probabilida 4 .8 8 La probabilidad de C es 0.4. La probabilidad condicional
des: P (A) = 0.4, P (B ) = 0.3 y P (A o B) = 0.66. Encuentra de que C ocurra dado que D ocurre es 0.5. La probabilidad
P(A | B). condicional de que C ocurra dado que D no ocurre es 0.25.
4 .8 4 Supon que A y B son eventos definidos en un espacio a. ¿C uál es la probabilidad de que D ocurra?
m uestral com ún y que se conocen las siguientes probabilida
b. ¿C uál es la probabilidad condicional de que D ocurra
des: P (A ) = 0.5, P (A y B) = 0.24 y P(AIB) = 0.4. Encuentra
dado que C ocurre ?
P (A o B).
|4 .4 Eventos m utuam ente ex c lu y en tes
Para im pulsar el estudio de los eventos com puestos, debe introducirse el concepto de “m u
tuam ente excluyente”.
Eventos mutuamente excluyentes Eventos no vacíos definidos en el mismo

espacio muestral, donde cada evento excluye la ocurrencia del otro. En otras
palabras, son eventos que no comparten elementos comunes.
En álgebra: P(A y B) = 0
En palabras: Existen muchas formas equivalentes de expresar el concepto

de mutuamente excluyente:
1. Si sabes que alguno de los eventos ocurrió, entonces el otro evento se

excluye o no puede ocurrir.
2. Si observas las listas de los elementos que constituyen cada evento, nin
guno de los elementos m encionados para algún evento aparecerán en la
lista del otro evento; "no hay elementos com partidos".
3. Si observas un dia gra m a de Venn, las áreas cerradas que representan

cada evento "no se intersecan"; esto es: "no hay elementos com parti
dos", o, dicho de otra form a, "son disjuntos".
4. La ecuación dice: "la intersección de los dos eventos tiene una p ro b a b i

lid a d de ce ro ", lo que significa "la intersección es un conjunto va cío" o
"no hay intersección".
Nota: el concepto de eventos m utuam ente excluyentes se basa en la relación entre los con
juntos de elem entos que satisfacen los eventos. M utuam ente excluyente no es un concepto
de probabilidad por definición; sólo resulta ser útil para expresar el concepto usando un
enunciado de probabilidad.
Page 224 of 418

.
.
.
Sección 4 .4 Eventos mutuamente excluyentes 203
O bserva algunos ejem plos.
\
E J E M P L O 4.15
COMPRENSION DE LOS EVENTOS
MUTUAMENTE EXCLUYENTES
A p a rtir de una encuesta de salida nacional de 1 0 0 0 votantes en 25 distritos
en el país el 4 de noviem bre de 2 0 0 8 , se tiene lo siguiente:

Educación por McCain por Obama por otros de votantes
N o bachillerato 19 20 1 40
G rado bachillerato 114 103 3 220
Universidad incompleta 172 147 1 320
Título universitario 135 119 6 260
Posgrado 70 88 _2_ 160
Total 510 477 13 1 000
C onsidera los dos eventos: "el votante seleccionado votó por M c C a in " y
"el votante seleccionado votó por O b a m a ". Supon que un votante se seleccio
na al azar de los 1 0 0 0 votantes resumidos en la tabla. Con la fin a lid a d de
que ocurra el evento "el votante seleccionado votó por M c C a in ", el votante
seleccionado debe ser 1 de los 5 1 0 votantes m encionados en la columna
"N úm ero por M c C a in ". Con la fin a lid a d de que ocurra el evento "el votante
seleccionado votó p or O b a m a ", el votante seleccionado debe ser 1 de los
4 7 7 votantes m encionados en la columna "N úm ero por O b a m a ". Puesto que
ningún votante m encionado en la columna M c C a in se m enciona tam bién en
la columna O b am a y d ad o que ningún votante m encionado en la columna
O b am a se m enciona tam bién en la columna M c C a in , estos dos eventos son
mutuamente excluyentes.
En form a de ecuación: Pjvotó por M cC a in y votó p or O bam a) = 0.
E J E M P L O 4.16
*
COMPRENSION DE EVENTOS N O MUTUAMENTE
EXCLUYENTES
A p artir de una encuesta de salida nacional de 1 0 0 0 votantes en 25 distritos
en el país, el 4 de noviem bre de 2 0 0 8 , se tiene lo siguiente:

Educación por McCain por Obama por otros de votantes
N o bachillerato 19 20 1 40
G rado bachillerato 114 103 3 220
Universidad incompleta 172 147 11 320
Título universitario 135 119 ó 260
Posgrado 70 88 2 160
Total 510 477 13 1 000
C onsidera los dos eventos: "el votante seleccionado votó por M c C a in "
y "el votante seleccionado tiene universidad incom pleta". Supon que un vo
tante se selecciona al a za r de los 1 0 0 0 votantes resumidos en la tabla.
Con la fin a lid a d de que ocurra el evento "el votante seleccionado votó por
Page 225 of 418

.
.
.
M c C a in ", el votante seleccionado debe ser 1 de los 5 1O votantes m enciona

dos en la columna "N ú m e ro por M c C a in ". Con la fin a lid a d de que ocurra
el evento "el votante seleccionado tiene universidad incom pleta", el votante
seleccionado debe ser 1 de los 3 2 0 votantes m encionados en la fila "U niversi
dad incom pleta". Puesto que los 172 votantes que se muestran en la intersec
ción de la columna "N ú m e ro por M c C a in " y la fila "U niversidad incom pleta"
pertenecen a am bos eventos ("el votante seleccionado votó por M c C a in " y "el
votante seleccionado tiene universidad incom pleta"), estos dos eventos N O
sen mutuamente excluyentes.
En form a de ecuación: P(votó por M c C a in y universidad incompleta) =
1 7 2 /1 0 0 0 = 0 .1 7 2 , que no es igual a cero.
E J E M P L O 4.17
EVENTOS DE NAIPES MUTUAMENTE EXCLUYENTES

Considera un m azo regular de naipes y los dos eventos "n a ip e extraído es
reina" y "n a ip e extraído es as". El m azo se b a ra ja y un naipe se extrae al
azar. Con la fin a lid a d de que ocurra el evento "n a ip e extraído es re in a ", el
naipe extraído debe ser una de las cuatro reinas: reina de corazones, reina
de diam antes, reina de espadas o reina de tréboles. Con la fin a lid a d de que
ocurra el evento "n a ip e extraído es as", el naipe extraído debe ser uno de
los cuatro ases: as de corazones, as de diam antes, as de espadas o as de
tréboles. O bserva que no hay un naipe que sea tanto reina como as. Por tan
to, estos dos eventos, "n a ip e extraído es re in a " y "n a ip e extraído es as", son
eventos mutuamente excluyentes.
En form a de ecuación: P(reina y as) = 0.
E J E M P L O 4.18
EVENTOS DE NAIPES NO MUTUAMENTE EXCLUYENTES

Considera un m azo regular de naipes y los dos eventos "n a ip e extraído es
reina" y "n a ip e extraído es co ra zó n ". El m azo se b a ra ja y un naipe se extrae
al azar. ¿Los eventos "re in a " y "c o ra z ó n " son mutuamente excluyentes? El
evento "n a ip e extraído es re in a " está constituido por las cuatro reinas: reina
de corazones, reina de diam antes, reina de espadas y reina de tréboles. El
evento "n a ip e extraído es c o ra zó n " está constituido por los 13 corazones: as
de corazones, rey de corazones, reina de corazones, sota de corazones y los
otros nueve corazones. O bserva que "reina de corazones" está en ambas lis
tas, lo que en consecuencia hace posible que ambos eventos, "n a ip e extraído
es re in a " y "n a ip e extraído es co ra zó n ", ocurran simultáneamente. Esto signi
fica: cuando uno de estos dos eventos ocurre, no excluye la p o s ib ilid a d de la
ocurrencia del otro. Estos eventos no son mutuamente excluyentes.
En form a de ecuación: P(reina y corazón) = 1 /5 2 , que no es igual a cero.
Page 226 of 418

.
.
.
Sección 4 .4 Eventos mutuamente excluyentes 205
E J E M P L O 4.19
*
PRESENTACION VISUAL Y COMPRENSION DE EVENTOS
© MUTUAMENTE EXCLUYENTES
C onsidera un experim ento donde se ruedan dos dados. Tres eventos se defi
nen del m odo siguiente:
A: La suma de los números en los dos dados es 7.
B: La suma de los números en los dos dados es 10.
C: C ad a uno de los dos dados muestra el mismo número.
Determina si estos tres eventos son mutuamente excluyentes.
Es posible dem ostrar que tres eventos son mutuamente excluyentes al de
m ostrar que cada p ar de eventos son mutuamente excluyentes. ¿Los eventos
A y B son mutuamente excluyentes? Sí, lo son, porque la suma en los dos
d ados no puede ser tanto 7 como 10 al mismo tiem po. Si ocurre una suma
de 7 , es im posible que la suma sea 10.
La fig ura 4 .6 presenta el espacio muestral p ara este experim ento. Este es
el mismo espacio muestral que se presenta en el ejem plo 4 .3 , excepto que,
en lugar de las im ágenes, se usan pares ordenados. Los óvalos, diam antes
y rectángulos muestran los pares ordenados que están en los eventos A,
B y C, respectivamente. Puedes ver que los eventos A y B no intersecan.
Por tanto, son mutuamente excluyentes. El punto (5, 5) en la fig ura 4 .6
satisface los eventos B y C. En consecuencia, B y C no son mutuamente
excluyentes. Dos dados pueden mostrar cada uno 5 , lo que satisface C y el
total satisface B. Puesto que se encuentra un par de eventos que no son mu
tuam ente excluyentes, los eventos A , B y C no son mutuamente excluyentes.
FIGURA 4 .6
Espacio muestral para la rodadura de dos dados
(2, 6) (3,6) < (4 ,6 ) > (5, 6) 1(676)1
- (b 5 ) (3,5) (4, 5) (6, 5)
2 4 (2, 4) (5, 4) ^ p )
o>
~u [2 , 3) (5, 3) (6, 3)
o
o>
- ( 1, 2) [ 2 , 2)1 (3,2) (4, 2) ^V 2h. (6, 2)
(2, 1) (3, 1) (4, 1) (5, 1)
3 4
Dado blanco
R eg la especial de la sum a
L a regla de la sum a se sim plifica cuando los eventos involucrados son m utuam ente exclu
yentes.
Si se sabe que dos eventos son m utuam ente excluyentes, entonces, al aplicar P(A y B)
= O, a la regla de la sum a para probabilidades, se sigue que
P (A o B) = P (A ) + P(B ) - P (A y B) se convierte en
P (A o B) = P (A ) + P(B ).
© T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n e e n g a g c b ra in .c o m
Page 227 of 418
.
.
.
20 6 Capítulo 4 P ro b a b ilid a d
Regla especial de la suma
Sean A y B dos eventos mutuamente excluyentes definidos en un espacio

muestral S.
En palabras: P robabilidad de A o B = p ro b a b ilid a d de A + p ro b a b ilid a d de B
En álgebra: P(A o B) = P(A) + P(B) (4.6)
Esta fórm ula puede expandirse para considerar más de dos eventos mutua
mente excluyentes:
P(A o B o C o ... o E) = P(A) + P(B) + P(C) + ... + P(E)
C on frecuencia esta ecu ació n es co n v en ien te para ca lc u lar p ro b ab ilid ad es, pero no
a>uda a en ten d e r la relación en tre los ev en to s A y B. Es la definición la que nos dice
cóm o d ebes p en sar acerca de los ev en to s m utu am en te ex clu y en tes. L os estu d ian tes
que entienden la ex clu siv id ad m u tu a de esta form a o b tien en co m p ren sió n de lo que
trata la ex clusividad m utua. E sto debe co n d u cirte a p en sar con m ás clarid ad acerca de
situaciones que tratan con ev en to s m u tu am en te ex clu y en tes y en co n secu en cia hacen
que tengas m enos p ro b ab ilid ad de co n fu n d ir el co n cep to de ev en to s m utu am en te ex c lu
yentes con eventos in d ep en d ien tes (que se definirán en la sección 4.5) o a co m eter otros
errores com unes co n cern ien tes al co n cep to de m utu am en te ex clu y en tes.
Notas:
1. Define los eventos m utuam ente excluyentes en térm inos de los conjuntos de elem entos
que satisfacen los eventos y pon a prueba la exclusividad m utua de esa m anera.
2. N o uses P(A y B) = O com o la definición de eventos m utuam ente excluyentes. Es una
propiedad que resulta de la definición. Puede usarse com o una prueba para los ev en
tos m utuam ente excluyentes; sin em bargo, com o enunciado, no m uestra significado o
com prensión del concepto de eventos m utuam ente excluyentes.
3. En form a de ecuación, la definición de eventos m utuam ente excluyentes afirma:
P (A y B) = O (A m b o s n o p u ed e n o c u rrir al m ism o tiem p o .)

P(A | B) = O y P (B | A ) = 0
(Si sabes que ocurrió uno, entonces el otro no ocurrió.)
V uelve a considerar el ejem plo 4.17, con los dos eventos “naipe extraído es reina” y
“naipe extraído es as” cuando se extrae exactam ente un naipe de un m azo de naipes regu
lares. El naipe extraído es una reina, o el naipe extraído es un as. D icho naipe no puede
ser al m ism o tiem po tanto una reina com o un as y p o r tanto hace que estos dos eventos
sean m utuam ente excluyentes. En consecuencia, la regla especial de la sum a se aplica a la
situación de encontrar P (reina o as).
P( reina o as) = P (reina) + P (as) = - i + i _ = JL = 2_

52 52 52 13
E J E R C I C I O S S E C C I O N 4 . 4
4 .8 9 D eterm ina si cada uno de los siguientes pares de eventos c. Un estudiante es seleccionado al azar de un cuerpo estu
es m utuam ente excluyem e. diantil: la persona seleccionada es “ hom bre” , la persona
seleccionada tiene “m ás de 21 años de edad”.
a. C inco m onedas se lanzan: “se observa una cara”, “se o b
serva al m enos una cara” . d. D os dados se ruedan: el total que m uestran es “ m enor que
7 ”, el total que m uestran es “ m ás que 9 ”.
b. Un vendedor llam a a un cliente y realiza una venta: “ la
venta supera $100” , “ la venta supera $1 000” .
Page 228 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 4 .4 Eventos mutuamente excluyentes 207
4 .9 0 D eterm ina si cada uno ce los siguientes conjuntos de b. Encuentra las probabilidades P(A o C ), P {A o E), y
eventos es m utuam ente excluyem e. P (C o E).
a. C inco m onedas se lanzan: “no se observa m ás de una 4 .9 8 Un acuario en una tienda de m ascotas contiene 40 peces
cara”, “se observan dos caras”, “se observan tres o espada anaranjados (22 hem bras y 18 m achos) y 28 espadas
m ás caras”. verdes (12 hem bras y 16 m achos). Al azar, atrapas uno de los
peces.
b. Un vendedor llam a a un cliente y realiza una venta: el im
porte de la venta es “ m enor que $100” , está “entre S I00 y a. ¿Cuál es la probabilidad de que sea un espada anaranjado?
$ 1 00 0 ”, es “m ayor que $500”.
b. ¿C uál es la probabilidad de que sea un m acho?
c. Un estudiante es seleccionado al azar de un cuerpo estu
c. ¿C uál es la probabilidad de que sea un espada anaranjado
diantil: la persona seleccionada es “mu jer” , es “ hom bre”,
hem bra?
tiene “ más de 21 años de edad”.
d. ¿C uál es la probabilidad de que sea una hem bra o un
d. D os dados se ruedan: los núm eros de puntos que m ues
espada verde?
tran los dados son “am bos im pares”, “am bos pares” ,
“total 7” , “total 11 ”. e. ¿L os eventos “m acho” y “hem bra” son m utuam ente
excluyentes?
4.91 Explica por qué P (A y B) = 0 cuando los eventos A y B
son m utuam ente excluyentes. f. ¿L os eventos “m acho” y “espada” son m utuam ente
excluyentes? Explica.
4 .9 2 Explica por qué P(A ocurre cuando B ocurre) = 0 cuando
los eventos A y B son m utuam ente excluyentes. 4 .9 9 ¿Las personas tom an clases de natación en interiores a
m ediados del cálido verano? En el C entro A cuático W ebster
4 .9 3 Si P (A ) = 0.3 y P (B) = 0.4, y si A y B son eventos m u
aseguran que sí. Sólo durante el m es de julio de 2009, 283
tuam ente excluyentes, encuentra:
a. P (A ) www.elsolucionario.net
c. P ( A o B )
personas participaron en varias form as de lecciones.
Categorías de natación Diurno Nocturno

b. P (B ) d. P (A y B) Preescolar 66 80
Niveles 69 56
4 .9 4 Si P (A) = 0.4 y P (B ) = 0.5 y si A y B son eventos m utua Adulto y buceo 10 2
m ente excluyentes, encuentra P (A o B). Total 145 138
4 .9 5 Un estudiante se selecciona al azar del cuerpo estudiantil

de tu universidad. Define los siguientes eventos: M: el estudian Si un nadador se selecciona al azar de los participantes de ju
te seleccionado es hom bre; F: el estudiante seleccionado es m u lio:
jer; S: el estudiante seleccionado está registrado en estadística.
a. ¿En los eventos el participante seleccionado es “diurno”
a. ¿Los eventos M y F son mutuamente excluyentes? Explica. y “nocturno” son m utuam ente excluyentes? Explica.
b. ¿Los eventos M y S son mutuamente excluyentes? Explica. b. ¿En los eventos el participante seleccionado es “ preesco-
lar” y “niveles” son m utuam ente excluyentes? Explica.
c. ¿L os eventos F y S son m utuamente excluyentes? Explica.
c. ¿En los eventos el participante seleccionado es “diurno” y
d. ¿Los eventos M y F son com plem entarios? Explica.
“preescolar” son m utuam ente excluyentes? Explica.
e. ¿Los eventos M y S son com plem entarios? Explica.
d. Encuentra P (preescolar).
f. ¿Los eventos com plem entarios tam bién son m utuam ente
e. Encuentra P(diurno).
excluyentes? Explica.
f. Encuentra P (n o niveles).
g. ¿Los eventos m utuam ente excluyentes tam bién son ev en
tos com plem entarios? Explica. g. Encuentra P (preescolar o nocturno).
4 .9 6 Un estudiante se selecciona al azar de un cuerpo estudian h. Encuentra P (preescolar y diurno).

til. Supon que la probabilidad de que este estudiante sea m ujer
i. Encuentra F (diurno | niveles).
es 0.5 y la probabilidad de que este estudiante trabaje tiempo
parcial es 0.6. ¿Los dos eventos “m ujer” y “trabajar tiem po par j. Encuentra P (adulto y buceo | nocturno).
cial” son m utuam ente excluyentes? Explica.
4 .1 0 0 Las lesiones son parte desafortunada de todos los de
4 .9 7 Dos dados se ruedan. Define los eventos del m odo si portes. El básquetbol de bachillerato no es la excepción, como
guiente: A: sum a de 7; C: dobles; E: sum a de 8. m uestra la tabla siguiente. Los porcentajes m encionados son
el porcentaje de lesiones reportadas que ocurren a hom bres y
a. ¿C uáles pares de eventos, A y C, A y E, o C y E, son m u
tuam ente excluyentes? Explica. (c o n tin ú a e n la p á g in a 208)
Page 229 of 418

.
.
.
208 Capítulo 4 Probabilidad
m ujeres de bachillerato que juegan básquetbol y la ubicación h. Encuentra ^ (ro d illa o rostro/cuero cabelludo | m ujer).
de la lesión en sus cuerpos.
i. E xplica por qué P (rodilla) para todos los jugadores de
Ubicación de la lesión Hombres Mujeres básquetbol de bachillerato no puede encontrarse al usar
Tobillo/pie 38.3% 36.0% la inform ación de la tabla. ¿Q ué inform ación adicional se
Cadera/muslo/pierna 14.7% 16.6% necesita?
Rodilla 10.3% 13.0%
Antebrazo/ muñeca/mano 11.5% 1 1 .2 % 4 .1 0 1 La m ayoría de los estadounidenses, 70% de hecho, d i
Rostro/cuero cabelludo 1 2 .2 % 8 .8 % cen que lavarse frecuentem ente las m anos es la m ejor form a
Otro 13.0% 14.4%
de defenderse contra la influenza. A pesar de ello, cuando usan
Total 1 0 0 .0 % 1 0 0 .0 %
baños públicos, las m ujeres se lavan las m anos sólo 62% de las
veces y los hom bres sólo 43% del tiem po. De los adultos que
Si un ju g ad o r se selecciona al azar de los incluidos en la tabla: usan los baños públicos en una gran cadena de superm ercados,
58% son m ujeres. ¿C uál es la probabilidad de que la siguiente
a. ¿En los eventos el ju g ad o r seleccionado era “hom bre” y
persona en entrar al baño en esta tienda se lave las m anos?
“ m ujer” son m utuam ente excluyentes? Explica.
4 .1 0 2 Él es la últim a persona que quieres ver en tu espejo re
b. ¿En los eventos la lesión del jugador seleccionado fue
trovisor cuando aceleras por la autopista, pero la investigación
“tobillo/pie” y “rodilla” son m utuam ente excluyentes?
m uestra que una infracción de tránsito reduce la posibilidad
Explica.
de un conductor de involucrarse en un accidente m ortal, al m e
c. ¿En los eventos “m ujer” y “rostro/cuero cabelludo” son nos durante algunas sem anas. Por grupos de edad, 13.3% de
m utuam ente excluyentes? Explica. todos los conductores son más jó v en es que 25 años, 58.6%
están entre las edades de 25 y 54, y 28.1% tienen 55 años o
d. Encuentra P (tobil lo/pie | hom bre).
más. Las estadísticas m uestran que 1.6% de los conductores
e. Encuentra P (tobillo/pie | mujer). m enores de 25 años, 2.2% de los que tienen entre 25 y 54 y
f. www.elsolucionario.net
Encuentra P (no pierna relacionada I hombre).
0.5% de los de 55 o m ás tendrán un accidente en el siguiente
mes. ¿C uál es la probabilidad de que un conductor identificado
g. Encuentra P (rodilla o rostro/cuero cabelludo | hombre). al azar tenga un accidente el siguiente m es?
|4 .5 Eventos in d e p e n d ie n te s
El concepto de eventos independientes es necesario para continuar el estudio de los even
tos com puestos.
Eventos independientes Dos eventos son independientes si la ocurrencia (o no

ocurrencia) de uno no p roporciona inform ación acerca de la p ro b a b ilid a d
de ocurrencia del otro. En otras palabras, si la p ro b a b ilid a d de A permane
ce invariable después de saber que B ocurre (o no ocurre), los eventos son
independientes.
En álgebra: P(A) = P(A | B) = P(AI no B)
En palabras: Existen muchas formas equivalentes de expresar el concepto de

independencia:
1. La p ro b a b ilid a d del evento A no es afectada por el conocim iento de que

un segundo evento, B, ocurrió, el conocim iento de que B no ocurrió o nin
gún conocim iento acerca del evento B.
2. La p ro b a b ilid a d del evento A no es afectada por el conocim iento, o no

conocim iento, acerca de un segundo evento, B, que ocurrió o no ocurrió.
3. La p ro b a b ilid a d del evento A (sin conocim iento acerca del evento B) es

la misma que la p ro b a b ilid a d del evento A , como conocim iento de que
ocurrió el evento B y ambas son la misma que la p ro b a b ilid a d del evento
A , con conocim iento de que el evento B no ocurrió.
Page 230 of 418

.
.
.
Sección 4.5 Eventos independientes 209
No todos los eventos son independientes.
Eventos dependientes Eventos que no son independientes. Esto es: la ocurren

cia de un evento tiene efecto sobre la p ro b a b ilid a d de ocurrencia del otro
evento.
O bserva algunos ejem plos.
E J E M P L O 4 . 2 0
COMPRENSIÓN DE LOS EVENTOS INDEPENDIENTES

Se rea lizó una encuesta estatal de 7 5 0 republicanos y dem ócratas regis
trados en 25 distritos del estado de N ueva York. C ada votante se identificó
como republicano o dem ócrata registrado y después se le preguntó: ¿está a
favor o en contra de la actual propuesta presupuestal que espera la firm a del
gobernador? A continuación se presentan los conteos resultantes.

Republicano 90 | 225
Demócrata 210
Totales 450 300 750
en la tabla anterior. Considera los dos eventos: "el votante seleccionado está
a fa vo r" y "el votante es republicano". ¿Estos dos eventos son independientes?
Para responder esto considera las siguientes tres p ro ba bilida de s: 1) p ro
b a b ilid a d de que el votante seleccionado esté a favor; 2 ) p ro b a b ilid a d de
que el votante seleccionado esté a favor, si sabes que el votante es republi
cano, y 3) p ro b a b ilid a d de que el votante seleccionado esté a favor, si sabes
que el votante no es republicano.
P ro ba bilid a d de que el votante seleccionado esté a favor P = P(a favor) =
4 5 0 /7 5 0 = 0 .6 0 .
P ro ba bilid a d de que el votante seleccionado esté a favor, si sabes que el

votante es republicano = P(en favor | republicano) = 1 3 5 /2 2 5 = 0.60
P roba bilid a d de que el votante seleccionado esté a favor, si sabes que el

votante no es republicano = P ro ba bilid a d de que el votante seleccionado esté
a favor, si sabes que el votante es dem ócrata = P(a favor | no republicano) =
P(a favor | dem ócrata) = 3 1 5 /5 2 5 = 0 .6 0 .
¿Saber que la a filia ció n política del votante tiene un efecto influyente so
bre la p ro b a b ilid a d de que el votante esté a favor de la propuesta presupues
tal? Sin inform ación acerca de la afilia ció n política , la p ro b a b ilid a d de estar
a favor es 0.60. La inform ación acerca del evento "re p u b lic a n o " no altera la
p ro b a b ilid a d de "a fa vor". Todas tienen el valor 0.60. En consecuencia, se
dice que estos dos eventos son eventos independientes.
Cuando com pruebas las tres probabilidades, P (A ), P (A | B ), y P(A | no B ), es nece

sario com parar sólo dos de ellas. Si dos de las tres probabilidades son iguales, la tercera
tendrá el m ism o valor. M ás aún, si dos de las tres probabilidades son distintas, entonces las
tres tendrán diferente valor.
Nota: determ ina los tres valores y usa el tercero com o com probación. T odos serán iguales
o todos serán diferentes; no hay otro posible resultado.
Page 231 of 418
.
.
.
E J E M P L O 4.21
COMPRENSIÓN DE LOS EVENTOS

NO INDEPENDIENTES
A p artir de una encuesta de salida nacional de 13 6 6 0 votantes en 2 5 0 dis
tritos a lo largo del país, el 4 de noviem bre de 2 0 0 8 , se tiene lo siguiente:
Porcentaje Porcentaje Porcentaje Porcentaje
de votantes por Obama por McCain por otros
Hombre 48 44 54 2
M jje r 52 56 43 1
Supon que un votante se selecciona al azar de los 13 6 6 0 resumidos

en la tabla. C onsidera los dos eventos: "el votante es m ujer" y "el votante
votó por O b a m a ". ¿Estos dos eventos son independientes? Para responder
esto, considera la pregunta: ¿saber que el votante es mujer tiene un efecto
influyente sobre la p ro b a b ilid a d de que el votante votó por O bam a? ¿Cuál
es la p ro b a b ilid a d de votar por O b a m a , si el votante es mujer? Tú dices:
"0 .5 6 " . A hora com para esto con la p ro b a b ilid a d de votar por O b a m a , si
el votante no es mujer. Tú dices que la p ro b a b ilid a d es 0 .4 4 Así que te
preguntan: ¿saber que el votante fue m ujer influyó en la p ro b a b ilid a d de
votar por O bam a? Sí, así es; es 0 .5 6 cuando el votante es mujer y 0 .4 4
cuando el votante no es mujer. La inform ación acerca del evento "m ujer"
altera la p ro b a b ilid a d de "votó por O b a m a ". Por tanto, estos dos eventos
no son independientes y se dice que son eventos dependientes.
En form a de ecuación:
Pjvotó p or O b am a | se sabe que el votante es mujer) = P [0 | W ) = 0 .5 6 y
Pjvotó por O bam a | se sabe que el votante no es mujer) = P (0 | W ) = 0 .44 .

Por tanto, PjO | W ) * P (0 | W ) y los dos eventos no son independientes.
E J E M P L O 4 . 2 2
EVENTOS DE NAIPES INDEPENDIENTES
Considera un m azo regular de naipes y los dos eventos: "n a ip e extraído es
reina" y "n a ip e extraído es c o ra zó n ". Supon que el m azo se b a ra ja , al azar
se extrae un naipe y, antes de m irar el naipe, te preguntan la p ro b a b ilid a d
de que sea "re in a ". Tú dices 4 / 5 2 , o 1 /1 3 . Después observan el naipe y
te dicen que es un "c o ra z ó n ". A hora: ¿cuál es la p ro b a b ilid a d de que el
naipe sea una "reina"? Tú dices que es 1/ 1 3, la misma que antes de saber
que el naipe era un "c o ra z ó n ".
La pista de que el naipe era un corazón te ofreció inform ación a d ic io
nal, pero dicha inform ación no cam bió la p ro b a b ilid a d de que el naipe
fuera una reina. Por tanto, "re in a " y "c o ra z ó n " son independientes. M ás
aún, supon que, después de extraer el naipe y m irarlo, te dicen que el naipe
"ro era un co ra zó n ". ¿Cuál sería la p ro b a b ilid a d de que el naipe sea una
"reina"? Tú dices 3 / 3 9 , o 1 /1 3 . N uevam ente, observa que saber que el
C e n g a g e L e a in in g
naipe "no es un c o ra zó n " pro po rcio na inform ación a d icio n a l, pero dicha
inform ación no cam bió la p ro b a b ilid a d de que fuera una "re in a ". Esto es
lo que significa que los dos eventos, "n a ip e es una re in a " y "n a ip e es un
co ra zón ", sean independientes.
Page 232 of 418

.
.
.
Sección 4.5 Eventos independientes 211
En form a de ecuación:
P(reina | naipe es corazón) = P(Q 1 H) = P(Q)
Pjreina | naipe no es corazón) = P(Q | no H) = P(Q)
Por tanto, P(Q) = P(Q | H) = P(Q | no H) y los dos eventos son inde
pendientes.
E J E M P L O 4 . 2 3
*
EVENTOS DE NAIPES N O INDEPENDIENTES
A h ora , considera los dos eventos: "n a ip e extraído es c o ra zó n " y "n a ip e extraí
do es ro jo ". ¿Los eventos "c o ra z ó n " y "ro jo " son independientes? A l seguir el
mismo escenario que en el ejem plo 4 .2 2 , se b a ra ja el m azo de 5 2 naipes, se
extrae un naipe al a za r y, antes de m irarlo, dices que la p ro b a b ilid a d de que el
n aipe desconocido sea "ro jo " es 2 6 / 5 2 = 1 /2 . Sin em bargo, cuando te dicen
la inform ación a dicion al de que el naipe es un "c o ra z ó n ", cam bias tu p ro b a
b ilid a d de que el naipe sea "ro jo " a 1 3 /1 3 , o 1. Esta inform ación a dicion al
resulta en una p ro b a b ilid a d diferente de "ro jo ".
P(rojo I naipe es corazón) = P(R | H) = 1 3 / 1 3 = 1, y P(rojo) = Pjrojo | no tie
nes inform ación adicional) = 2 6 /5 2 = 1 /2 . Por tanto, la inform ación a dicion al
cam bió la p ro b a b ilid a d del evento "ro jo ". Estos dos eventos no son indepen
dientes y en consecuencia se dice que son eventos dependientes.
En form a de ecuación, la definición establece:
A y B son independientes si y sólo si P(A | B) = P(A)
Nota: define independencia en térm inos de p ro b a b ilid a d cond icio na l y pon a

prueba la independencia de esa manera.
Regla especial de la multiplicación

La regla de la m ultiplicación se sim plifica cuando los eventos involucrados son indepen
dientes.
Si sabes que dos eventos son independientes, entonces, al aplicar la definición de inde
pendencia, P(B | A) = P (B ), a la regla de la m ultiplicación, se sigue que:
P(A y B) = P (A ) • P (B | A) se c o n v ie rte e n P(A y B) = P (A) X P(B )
Regla especial de la m ultiplicación
Sean A y B dos eventos independientes definidos en un espacio muestral S.
En palabras: pro b a b ilid a d de A y B = p ro b a b ilid a d de A x p ro b a b ilid a d de B
En álgebra: P(A y B) = P(A) • P(B) (4 . 7 )
Esta fórm ula puede expandirse para considerar más de dos eventos indepen
dientes:
P(A y B y C y ... y E) = P(A) • P(B) • P(C) • ... • P(E)
Page 233 of 418

.
.
.
Con frecuencia, esta ecuación es conveniente para calcular probabilidades, pero no
ayuda a entender la relación entre los eventos A y B. Es la definición la que te dice cóm o
debes pensar acerca de los eventos independientes. Los estudiantes que entienden la inde
pendencia de esta form a obtienen com prensión de lo que trata la independencia. Esto debe
conducirte a pensar con m ás claridad acerca de situaciones que tratan con eventos indepen
dientes y en consecuencia hacen que tengas m enos probabilidad de confundir el concepto
de eventos independientes con eventos m utuam ente excluyentes o a com eter otros errores
com unes concernientes a la independencia.
Nota: no uses P(A y B) = P (A) * P (B ) com o la definición de independencia. Es una pro

piedad que resulta de la definición. Puede usarse com o una prueba de independencia pero,
com o enunciado, no m uestra significado o com prensión por el concepto de eventos inde
pendientes.
4 . 10 3 D eterm ina si cada uno de los siguientes pares de even 4 .1 0 9 Si P (A) = 0.3 y P(B ) = 0.4 y A y B son eventos indepen
tos es independiente: dientes, ¿cuál es la probabilidad de cada uno de los siguientes?
a. La rodadura de un par de dados y observar un “ 1” en el a. P(AyB) b. P {B | A) c. P (A | B)

prim er dado y un “ 1” en el segundo dado
4 .1 1 0 Supon que Si P {A ) = 0.3, P (B ) = 0.4. y P (A y B) = 0.12.
b.
Extraer una “espada” de un m azo regular de naipes y des
pués extraer otra “espada” del m ism o m azo sin sustituir el
a. ¿Cuál es P (A | B)?
prim er naipe b. ¿C uál es P (B | A)?
c. Igual que el inciso b, excepto que el prim er naipe se d e c. ¿Son A y B independientes?

vuelve al m azo antes de extraer el segundo
4 .1 1 1 Supon que Si PÍA ) = 0.3, P (B) = 0.4 y P(A y B) = 0.20.
d. P oseer un autom óvil rojo y tener cabello rubio
a. ¿C uál es P (A | B)?
e. P oseer un autom óvil rojo y que se ponche un neum ático
h ¿C uál es P(R | A)?
hoy
c. ¿A y B son independientes?
f. E studiar para un exam en y aprobar el exam en
4 .1 1 2 U n estudiante se selecciona al azar de un grupo de 200
4 . 10 4 D eterm ina si cada uno de los siguientes pares de even
estudiantes que se sabe consiste en 140 estudiantes de tiem
tos es independiente:
po com pleto (80 m ujeres y 60 hom bres) y 60 estudiantes de
a. La rodadura de un par de dados y observar un “2” en un tiem po parcial(40 m ujeres y 20 hom bres). El evento A es “el
dado y tener un “ total de 10” estudiante seleccionado es de tiem po com pleto” y el evento C
es “el estudiante seleccionado es m ujer”.
b. Extraer un naipe de un m azo regular de naipes y tener
un naipe “rojo” y tener un “as” a. ¿L os eventos A y C son independientes? Justifica tu
respuesta.
c. Q ue llueva hoy y aprobar el examen de hoy
b. Encuentra la probabilidad P (A y C).
d. Q ue llueva hoy y ju g a r g o lf hoy
4 .1 1 3 Se extrae un solo naipe de un m azo estándar. Sea A el
e. C om pletar la tarea de hoy y llegar a tiem po a clase
evento de que “el naipe es un naipe cara” (sota, reina o rey),
4 . 10 5 A y B son eventos independientes y P{A) = 0.7 y P(B ) B es un “naipe rojo” y C es “el naipe es un corazón”. D eter
= 0.4. E ncuentra P (A y B). m ina si los siguientes pares de eventos son independientes o
dependientes:
4 . 10 6 A y B son eventos independientes y P (A) = 0.5 y P(B )
= 0.8. E ncuentra P {A y B). a. A yB b. A y C c. ByC
4 . 1 0 7 A y B son eventos independientes y P (A) = 0 .6 y

P {A y B) = 0.3. Encuentra P (B).
4 .1 0 8 A y B son eventos independientes y P{A) = 0.4

y P(A y B) = 0.5. Encuentra P(B ).
Page 234 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 4.5 Eventos independientes 213
4 .1 1 4 U na caja contiene cuatro fichas de póquer rojas y tres 4 .1 1 8 Un artículo del USA Today titulado “ Peso excesivo” (5
azules. Se seleccionarán tres fichas de póquer al azar, una a la de febrero de 2009) proporciona los resultados del resumen
vez. w eb de la V aloración N acional de Salud en Escuelas de Edu
cación Superior 2007, en la que 34% de los estudiantes dijo
a. ¿C uál es la probabilidad de que las tres fichas serán rojas,
que el “estrés” era el problem a de salud física y mental que
si la selección se hace con reem plazo?
con m ás frecuencia dificultaba su desem peño académ ico. Si
b. ¿C uál es la probabilidad de que las tres fichas sean rojas, cinco estudiantes universitarios se seleccionan al azar, ¿cuál
si la selección se hace sin reem plazo? es la probabilidad de que los cinco digan que el “estrés” es
el problem a de salud física y m ental que con m ás frecuencia
c. ¿Las extracciones son independientes en el inciso a o en
dificulta su desem peño académ ico?
el b? Justifica tu respuesta.
4 .1 1 9 El núm ero del 16 de ju n io de 2009 del D em ocrat and
4 . 1 15 Si se excluye la cobertura por prestaciones laborales,
C hronicle presentó el artículo “La m ayoría de las veces, los
aproxim adam ente 49% de los adultos com pran seguros de
niños tienen la razón”. De acuerdo con inform ación de CDC
vida. La probabilidad de que quienes tienen edad entre 18 y 24
(C entros para el C ontrol de E nferm edades) y Safe K ids USA,
años, sin seguro de vida, com prarán seguro de vida el próxi
un grupo de consultoría no lucrativo, 77% de los niños, con
m o año es de 15% y para quienes tienen edades de 25 a 34, es
edades de 19 a 35 m eses, reciben todas las vacunas recom en
de 25% . (O pinión R esearch)
dadas. Si tres niños, con edades de 19 a 35 m eses, se selec
a. Encuentra la probabilidad de que un adulto seleccionado cionan al azar, ¿cuál es la probabilidad de que los tres hayan
al azar no com pre seguro de vida. recibido todas las vacunas recom endadas?
b. ¿C uál es la probabilidad de que un adulto de 18 a 24 años 4 .1 2 0 Tú solicitas dos becas: una beca al m érito (M ) y una
com pre seguro de vida dentro del siguiente año? beca atlética (A). Supon que la probabilidad de que recibas
la beca atlética es 0.25, la probabilidad de que recibas ambas
c. Encuentra la probabilidad de que un adulto seleccionado
al azar esté entre 25 y 34 años de edad, no tenga
en la actualidad seguro de vida y com pre uno dentro
becas es 0.15 y la probabilidad de que consigas al m enos una
de las becas es 0.37. U sa un diagram a de V enn para responder
estas preguntas:
del próxim o año.
a. ¿C uál es la probabilidad de que recibas la beca al m érito?
4 . 1 16 El program a espacial estadounidense tiene una historia
de m uchos éxitos y m uchos fracasos. La fiabilidad de los vue b. ¿C uál es la probabilidad de que no recibas ninguna de las
los espaciales es de la m ayor im portancia en el lanzam iento de dos becas?
transbordadores espaciales. La fiabilidad de la m isión com ple
c. ¿C uál es la probabilidad de que recibas la beca al mérito,
ta se apoya en la fiabilidad de todos sus com ponentes. C ada
dado que te otorgaron la beca atlética?
una de las seis jun tas en el cohete propulsor del transborda
dor espacial C hallenger tiene una fiabilidad de 0.977. Las seis d. ¿C uál es la probabilidad de que recibas la beca atlética,
uniones funcionan de m anera independiente. dado que recibiste la beca al m érito?
a. ¿Q ué significa decir que las seis uniones funcionan e. ¿L os eventos “recibir una beca atlética” y “recibir una
de m anera independiente? beca al m érito” son eventos independientes? Explica.
b. ¿C uál fue la fiabilidad (probabilidad) de las seis 4 .1 2 1 L os dueños de un negocio de dos personas tom an sus
uniones al trabajar en conjunto? decisiones independientem ente una de otra y después com pa-
ran sus decisiones. Si están de acuerdo, la decisión se realiza;
4 .1 1 7 En un estudio de 2008 de Experian Autom otive, se
si no están de acuerdo, entonces es necesaria una m ayor consi
descubrió que el núm ero promedio de vehículos por hogar en
deración antes de alcanzar una decisión. Si cada persona tiene
Estados U nidos es de 2.28 vehículos. Los resultados también
el historial de tom ar la decisión correcta 60% de las veces,
m ostraron que casi 35% de los hogares tienen tres o m ás vehícu
¿cuál es la probabilidad de que, en conjunto, ellas:
los. http://w w w.autospies.com /
a. T om en la decisión correcta en el prim er intento?
a. Si dos hogares estadounidenses se seleccionan al azar,
encuentra la probabilidad de que am bos tendrán tres o b. T om en la decisión equivocada en el prim er intento?
m ás vehículos.
c. D em oren la decisión para estudio posterior?
b. Si dos hogares estadounidenses se seleccionan al azar,
4 .1 2 2 Las posibilidades en contra de rodar un par de dados y
encuentra la probabilidad de que ninguno de los dos
obtener un total de 5, son 8 a 1. Las posibilidades en contra de
tenga tres o m ás vehículos.
rodar un par de dados y obtener un total de 10, son 11 a 1. ¿Cuál
c. Si cuatro hogares estadounidenses se seleccionan al azar, es la probabilidad de rodar los dados dos veces y obtener un
encuentra la probabilidad de que los cuatro tendrán tres total de 5 en la prim era rodadura y 10 en la segunda rodadura?
o más vehículos.
Page 235 of 418

.
.
.
4 .1 2 3 C onsidera el conjunto de enteros 1, 2, 3, 4 y 5. 4 .1 2 5 De acuerdo con el D epartam ento de E ducación de Esta
dos U nidos, el porcentaje de estudiantes universitarios que se
a. Un entero se selecciona al azar. ¿Cuál es la probabilidad
gradúan en un periodo de 4 años de una institución privada es
de que sea im par?
79% . D icho porcentaje cae a 49% para instituciones públicas.
b. D os enteros se seleccionan al azar (uno a la vez, con U na de las razones para esto puede ser que 38% de los estu
reem plazo, de m odo que cada uno de los cinco está dispo diantes universitarios asiste sólo tiem po parcial.
nible para una segunda selección). Encuentra la probabi F u e n t e : h l t p : / / w w w .n c iic u . e d u /
lidad de que ninguno sea im par; exactam ente uno de ellos

¿Q ué inform ación adicional necesitas para determ inar la pro
sea im par; am bos sean impar.
babilidad de que un estudiante seleccionado al azar sea de
4.1 2 4 Una caja contiene 25 partes, de las cuales 3 son defec tiem po parcial y se gradúe dentro de 4 años?
tuosas y 22 no son defectuosas. Si 2 partes se seleccionan sin
4 .1 2 6 A partir de una encuesta de adultos, 48% planean com
reem plazo, encuentra las siguientes probabilidades:
prar dulces este año en Pascua. Los tipos de dulces que com pra
a. P (am bas defectuosas) rán se describen en la tabla siguiente.
b. P(exactam ente una es defectuosa) ¿Q ué inform ación adicional necesitas para determ inar la pro
babilidad de que un cliente seleccionado al azar com prará dul
c. P (ninguna es defectuosa)
ces y serán de chocolate ?
Tabla p a r a el ejercicio 4 .1 2 6
Malvaviscos
Chocolate No de chocolate Llenos de crema con licor Melcocha Malteada No sabe
30% 25% 13% 11% 8% 7% 6%
F u e n t e : in t& rn a tio n a l M a s s Rfetail A s s o c ia lio n
4.6 M utuam ente ex c lu y en te s

e in d e p e n d ie n te s ,
¿están relacio n ad o s?
Los eventos m utuam ente excluyentes y los eventos independientes son dos conceptos muy
diferentes con base en definiciones que parten de orientaciones muy diferentes. Los dos
conceptos pueden confundirse con facilidad porque interactúan m utuam ente y están entre
lazados por los enunciados de probabilidad que se usan para describir dichos conceptos.
Para describir estos dos conceptos y eventualm ente com prender la distinción entre
ellos, así com o la relación entre ellos, es necesario acordar que los eventos a considerar
sean dos eventos no vacíos definidos en el m ism o espacio m uestral y p o r tanto cada uno
tiene probabilidades distintas de cero.
Nota: con frecuencia, los estudiantes tienen m om entos difíciles al darse cuenta de que,
cuando dicen “el evento A es un evento no vacío” y escriben “P (A ) > O”, describen la
m ism a situación. Las palabras y el álgebra con frecuencia parecen no tener el m ism o signi
ficado. En este caso las palabras y el enunciado de probabilidad dicen am bos que el evento
A existe dentro del espacio m uestral.
Mutuamente excluyentes
Los eventos m utuam ente excluyentes son dos eventos no vacíos definidos en el m ism o
espacio m uestral y que no com parten elem entos com unes.
Page 236 of 418

.
.
.
Sección 4 .6 M utuam ente excluyentes e independientes, ¿están relacionados? 215
Esto significa:
1. En palabras: en este diagram a de
V enn, las áreas cerradas que repre
sentan cada evento “no intersecan” ;
en otras palabras: son conjuntos
disjuntos, o no ocurre intersección
entre sus respectivos conjuntos.
2. En álgebra: P (A y B) = O, que dice:
“ la intersección de los dos eventos
es un conjunto vacío” ; en otras palabras: no hay intersección entre sus respectivos
conjuntos.
N ota que el concepto de m utuam ente excluyem e se basa en la relación de los elem en
tos que satisfacen los eventos. M utuam ente excluyem e no es un concepto de probabilidad
por definición; sólo resulta ser útil para expresar el concepto usando un enunciado de
probabilidad.
In d e p e n d e n c ia
L os eventos independientes son dos eventos no vacíos definidos en el m ism o espacio
m uestral que se relacionan en tal form a que la ocurrencia de algún evento no afecta la
probabilidad del otro evento.
E sto significa que:
1. En palabras: si el evento A ya ocu rrió (o se sabe que ocu rrirá), la probabilidad del
evento B no se afecta (esto es: la probabilidad de B d espués de sab er que ocurrió
el evento A perm anece igual que antes de sab er que o cu rrió el ev en to A).
A dem ás, tam bién es el caso cuando A y B intercam bian papeles que si el evento
B ya ocurrió (o se sabe que ocurrirá), la probabilidad del evento A no es afectada
(es decir: la probabilidad de A todavía es la m ism a de antes, después de saber que el
evento B ocurrió).
É sta es una “relación m utua"; funciona en am bas vías.
2. En álgebra: P(B | A) = P(B | no A ) = P (B ) y

P (A | B) = P (A | no B ) = P (A )
O con algunas palabras para ayudar a interpretar el álgebra, P (B , si sabes que A
ocurrió) = P (B , si sabes que A no ocurrió) = P (B ) y P (A, si sabes que B ocurrió) =
P (A , si sabes que B no ocurrió) = P (A).
O bserva que el concepto de independencia se basa en el efecto que un evento (en
este caso, la falta de efecto) tiene sobre la probabilidad del otro evento.
O bserva las siguientes cuatro dem ostraciones que relacionan los eventos m utuam ente
excluyentes con los independientes:
D em o stra ció n I
D ados: P (A) = 0.4, P (B ) = 0.5, A y B son m utuam ente excluyentes; ¿son indepen
dientes?
R espuesta: si A y B son eventos m utuam ente excluyentes P (A | B) = 0.0 y dado que se

proporciona P (A) = 0.4, se ve que la ocurrencia de B tiene un efecto sobre la probabi
lidad de A. Por tanto, A y B no son eventos independientes.
C onclusión I: si los eventos son m utuam ente excluyentes, NO son independientes.
D em o stra ció n II
Dados: P (A) = 0.4, P(B ) = 0.5, y A y B son independientes; ¿los eventos A y B son
m utuam ente excluyentes?
Page 237 of 418

.
.
.
R espuesta: si A y B son eventos independientes, entonces P(A y B) = P (A ) • P (B ) =
0.4 • 0.5 = 0.20, y puesto que P (A y B) es m ayor que cero, los eventos A y B deben
intersecar, lo que significa que los eventos no son m utuam ente excluyentes.
C onclusión II: si los eventos son independientes, NO son m utuam ente excluyentes.
D em o stració n III
D ados: P(A ) = 0.4, P (B ) = 0.5, A y B no son m utuam ente excluyentes; ¿los eventos A
y B son independientes?
R espuesta: puesto que A y B no son eventos m utuam ente excluyentes, debe ser que
P( A y B) es m ayor que cero. A hora, si P (A y B) son exactam ente 0.20, entonces A y B
son independientes [P(A ) • P(B ) = 0.4 • 0.5 = 0.20], pero si P(A y B) es cualquier otro
valor positivo, por decir, 0.1, entonces los eventos A y B no son independientes. Por
tanto, los eventos A y B podrían ser independientes o dependientes; se necesita alguna
otra inform ación para hacer dicha determ inación.
C onclusión III: si los eventos no son m utuam ente excluyentes, PU ED EN ser indepen
dientes o dependientes; se necesita inform ación adicional para determ inar cuál.
D em o stració n IV
D ados: P (A ) = 0.4, P (B ) = 0.5, A y B no son independientes; ¿los eventos A y B son
m utuam ente excluyentes?
Respuesta: dado que A y B no son eventos independientes, debe ser que P(A y B) es
diferente de 0.20, el valor que sería si fueran independientes [P(A ) • P (B ) = 0.4 • 0.5
= 0.20]. A hora, si P(A y B) son exactam ente 0.00, entonces los eventos A y B son m u
tuam ente excluyentes, pero si P(A y B) es cualquier otro valor positivo, por decir, 0 .1 ,
entonces los eventos A y B no son m utuam ente excluyentes. Por tanto, los eventos A
y B podrían no ser m utuam ente excluyentes; se necesita alguna otra inform ación para
hacer dicha determ inación.
C onclusión IV: si los eventos NO son independientes, PU ED EN ser m utuam ente

excluyentes o no m utuam ente excluyentes; se necesita inform ación adicional para d e
term inar cuál.
C onsejo
T rabaja con m ucho cuidado, a partir de la inform ación que se proporciona y las defini
ciones de los conceptos involucrados.
Q ué n o h a c e r
N o te apoyes en el prim er ejem plo “de arriba” que pienses te conducirá a la respuesta
correcta. ¡Por lo general no lo hará!
Los siguientes ejem plos ofrecen m ayor práctica con estos conceptos de probabilidad.
E J E M P L O 4 . 2 4
CÓMO CALCULAR PROBABILIDADES

© Y LA REGLA DE LA SUMA
Se rueda un par de dados. El evento T se define como la ocurrencia de un
"total de 10 u 1 1 " y el evento D es la ocurrencia de "dob les". Encuentra la
p ro b a b ilid a d P(T o D ).
T n o r i a l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n e e n g a g c b ra in .c o m
Page 238 of 418
.
.
.
http://ebookgratisenpdf.blo9spot.com.ar/
S olució n
O bserva el espacio muestral de 36 pares ordenados para la rodadura de dos
dados en la figura 4 .6 (p. 2 05). El evento T ocurre si ocurre alguno de 5 pares
ordenados: (4, 6 ), (5, 5), (6 , 4), (5, 6 ) (6 , 5). Por tanto, P(T) = ¿ . El evento D
ocurre si ocurre alguno de 6 pares ordenados: (1, 1), (2, 2), (3, 3), (4, 4), (5,
5), (6 , 6 ). Por tanto, P(D) = Sin embargo, observa que estos dos eventos no
son mutuamente excluyentes.
Los dos eventos "co m pa rte n " el par ordenado (5, 5). Por tanto, la p ro
b a b ilid a d P(T y D) = Com o resultado, la p ro b a b ilid a d P(T o D) se encon
trará con la fórm ula ¡4.4).
P(T o D) = P(T) + P(D) - P(T y D)
5 _6 _ _ J _ = 10 = 5_
36 36 36 36 18
O bserva el espacio muestral de la figura 4 .6 y verifica P(T o D) =
E J E M P L O 4 . 2 5
USO DE PROBABILIDADES CONDICIONALES
© PARA DETERMINAR INDEPENDENCIA
En una muestra de 150 residentes, a cada persona se le pregunta si fa
vorece el concepto de tener una sola agencia p o licia ca en el condado.
El condado está compuesto de una gran ciudad y muchos suburbios. La
residencia (ciudad o fuera de la ciudad) y las respuestas de los residentes
se resumen en la tabla 4 .4 . Si uno de tales residentes se selecciona al
azar, ¿cuál es la p ro b a b ilid a d de que la persona: a) favorecerá el concep
to, b) favorecerá el concepto si la persona seleccionada es un residente
de la ciudad, c) favorecerá el concepto si la persona seleccionada es un
residente de fuera de la ciudad? y d) ¿Los eventos F (favorece el concepto)
y C (reside en la ciudad) son independientes?
TABLA 4.4
Resultados muéstrales para el ejem plo 4 .2 5
Residencia A favor (F) Se opone (F) Total
En ciudad (C) _ 80 40 120
Fuera de la ciudad (C) 20 10 30
Total 100 50 150
Solución
a) P(F) es la proporción de la muestra total que favorece el concepto.
Por tanto,
PfFl = I = 1QQ _ 2
U n(S) 150 3
T u io ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n e e n g a g c b ra in .c o m
Page 239 of 418
.
.
.
b) n r I C] es la p ro b a b ilid a d de que la persona seleccionada favorezca

el concepto, dado que vive en la ciudad. La condición, "es residente
de la ciud ad ", reduce el espacio muestral a los 1 2 0 residentes de la
ciudad en la muestra. De ellos, 8 0 favorecen el concepto; por tanto,
PíF i c i =
1 1
y
n(C)
Q - 8 0 _ 2_
120 3
c) P(F | C) es la p ro b a b ilid a d de que la persona seleccionada fa vorez

ca el concepto, si se sabe que la persona vive fuera de la ciudad.
La condición, "vive fuera de la c iu d a d ", reduce el espacio muestral
a los 3 0 que no residen en la ciudad; por tanto,
p (f i q = nlF y_c ) = -20 = _2

1 1 n(C) 30 3
d) Las tres p ro b a b ilid a d e s tienen el mismo valor, y. En consecuencia, es

posible decir que los eventos F (favor) y C (reside en la ciudad) son
independientes. La ubicación de residencia no afecta P(F).
E J E M P L O 4 . 2 6
DETERMINACIÓN DE INDEPENDENCIA Y USO

© DE LA REGLA DE LA MULTIPLICACION
Un estudiante se selecciona al
azar de un grupo de 2 0 0 que se
sebe consisten en 140 estudiantes
de tiem po com pleto (80 mujeres y
6 0 hombres) y 6 0 estudiantes de
tiempo parcial (40 mujeres y 2 0
hombres). El evento A es "el estu
diante seleccionado es de tiem po
com pleto" y el evento C es "el es
tudiante seleccionado es m ujer".
a) ¿Los eventos A y C son independientes?
b) Encuentra la p ro b a b ilid a d P(A y C) con la regla de la m ultiplicación.
Solución 1
a) Primero encuentra las pro
ba b ilid a d e s P(A), P(C), y
P(A | C):
PÍA) = = 140 = 0 7
1 1 n(S) 200
P(C) = 1 2 0 = o .ó
1 ' n(S) 200
T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n e e n g a g c b ra in .c o m
Page 240 of 418
.
.
.
http://ebookgratisenpdf.blo9spot.com.ar/
P(A|C) = = ,0.67
n(C) 120
A y C son eventos dependientes porque P(A) * P(A | C)
b lf|A y C |.P |C )-P |A |C |.1 2 2 .m ,m ,o .4
Solución 2
a) Primero encuentra las p ro b a b ili
dades P(A), P(C) y P(C | A):
P(A) = - ^ - = 0 .7
[ 1 n(S) 200
p in = n(^l = = 06
11 n(S) 200 U °
P IC A , - 4 £ x * U “ = 0 57
A y C son eventos dependientes porque P(C) * P(C | A).
b|P |C yA |.P |A |.f|C |A |.^» , m , o . 4
E J E M P L O 4 . 2 7
COMO USAR VARIAS REGLAS DE PROBABILIDAD

© Un proceso de producción produce miles de artículos. En p rom edio, 20% de
todos los artículos producidos son defectuosos. C ada artículo se inspecciona
antes de em barcarlo. El inspector clasifica mal un artículo 10% de las veces;
esto es,
PTI ¡La mala clasifica Pjclasificado bien | artículo defectuoso) = P(clasificado defectuoso | artículo bien)
ción puede ocurrir de
dos formasl = 0. 10
¿Qué propo rció n de los artículos será "cla sifica d o bien"?
Solución
¿Qué se entiende por el evento "cla sifica d o bien"?
G: El artículo es bueno.
D: El artículo es defectuoso.
CG : El artículo se clasifica bien por el inspector.
CD: El artículo se clasifica defectuoso por el inspector.
© T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c c n g a g c b ra in .e o m
Page 241 of 418
.
.
.
22 0 Capítulo 4 P ro b a b ilid a d
FIGURA 4 .7
C ó m o usar v a ria s re g la s d e p ro b a b ilid a d
Clasificación del
inspector
Artículo ________ .
0 .7 2 1
b ie n
0 .7 4
Defectuoso
B ie n " } 0 .0 2
\ D efectuoso
N ----------------------- 0 . 9
Defectuoso
C G consiste en dos p o s ib ilid a d e s : "e l a rtíc u lo es b u e n o y está c o rre c ta

m ente c la s ific a d o co m o b ie n " y "el a rtíc u lo es d e fe ctu o so y está m al c la s ifi
c a d o co m o b ie n ". Por ta n to ,
P(CG) = P[(C G y G) o (C G y D)]

D a d o que las dos p o s ib ilid a d e s son m utuam ente excluyentes, puedes co
m e n za r usando la re g la d e la sum a, fó rm u la (4.6):
P(CG) = P(CG y G ) + P (C G y D)
La c o n d ic ió n d e un a rtíc u lo y su c la s ific a c ió n p o r el in s p e c to r no son

in d e p e n d ie n te s . D ebes usar la re g la d e la m u ltip lic a c ió n p a ra eventos d e
pendientes. Por la n ío ,
P(CG) = P[(G) • P(CG | G )] + [P(D) • P(CG ID ) ]
A l sustituir las p ro b a b ilid a d e s c o n o c id a s en la fig u ra 4 .7 , se o b tie n e
P (C G )= [(0 .8 )(0 .9 )] + [(0 .2 )(0 .1 )]

= 0 .7 2 + 0 .0 2
= 0 .7 4
Esto es: 7 4 % d e los a rtícu lo s se c la s ific a n b ie n .
4 .1 2 7 a . D escribe con tus palabras qué entiendes por dos 4 .1 2 8 a. D escribe con tus palabras por qué dos eventos no
eventos que son m utuam ente excluyentes. pueden ser independientes si ya se sabe que son
m utuam ente excluyentes.
b. D escribe con tus palabras qué entiendes por dos
eventos que son independientes. b. D escribe con tus palabras p o r qué dos eventos no
pueden ser m utuam ente excluyentes si ya se sabe
c. E xplica cóm o m utuam ente excluyem e e indepen
que son independientes.
diente son dos propiedades muy diferentes.
Page 242 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Repaso del cap ítu lo 221
4 .1 2 9 P(G ) = 0.5, P(H ) = 0.4, y P(G y H ) = 0.1 (consulta el a. ¿C uál es la probabilidad de que am bas sem illas resultarán
diagram a). en flores rojas?
a. Encuentra P(G | H). b. ¿C uál es la probabilidad de que se seleccione una de cada

/ g ^ f h\
color?
b. E ncuentra P(H | G). ( 0 4 p
1 03 1
c. ¿C uál es la probabilidad de que am bas sem illas sean para
c. Encuentra P(H ).
flores blancas ?
d. Encuentra P(G o H).
PTI D ibuja un dia g ra m a de árbol.
e. Encuentra P(G o H).
f. ¿L os eventos G y H son m utuam ente excluyentes? E xpli

4.133 Se entrevistaron a 1 000 em pleados en la Russell Mi-
ca.
croprocessor Com pany acerca de la satisfacción laboral. Un
g. ¿L os eventos G y H son independientes? Explica. em pleado se selecciona al azar.
4.1 3 0 P (R) = 0.5, P (S ) = 0.3 y los eventos R y S son inde Hombre Mujer
pendientes. Calificado 1 lo calificado Calificado 1 lo calificado Total
Satisfecho 350 150 25 100 625

a. Encuentra P (R y S).
Insatisfecho 150 100 75 50 375
b. E ncuentra P (R o S). Total 500 250 100 150 1 OCO
c. Encuentra P (S). a. Encuentra la probabilidad de que un trabajador no califi

d. E ncuentra P (R | S). cado esté satisfecho con el trabajo.
e. Encuentra P (S | R). b. Encuentra la probabilidad de que una em pleada m ujer
f. www.elsolucionario.net
¿L os eventos R y S son m utuam ente excluyentes? Explica.
c.
calificada esté satisfecha con el trabajo.
¿L a satisfacción para las em pleadas m ujeres es indepen

4 .1 3 1 P (M ) = 0.3, P (N ) = 0.4 y los eventos M y N son m utua
diente de que sean calificadas o no calificadas?
m ente excluyentes.
4.1 34 Una com pañía que fabrica zapatos tiene tres fábricas.
a. Encuentra P (M y N). La fábrica 1 produce 25% de los zapatos de la com pañía, la
b. E ncuentra P(M o N). fábrica 2 produce 60% y la fábrica 3 produce 15%. Un por
centaje de los zapatos producidos p o r la fábrica 1 están mal
c. Encuentra P(M o N). etiquetados, 0.5% de los producidos por la fábrica 2 están tam
d. E ncuentra P(M | N. bién mal etiquetados y 2% de los producidos p o r la fábrica 3
igualm ente están mal etiquetados. Si com pras un par de zapa
e. Encuentra P (M | N). tos fabricados p o r esta com pañía, ¿cuál es la probabilidad de
f. ¿L os eventos M y N son independientes? Explica. que los zapatos estén m al etiquetados?
4 .1 3 2 Dos sem illas de flores se seleccionan al azar de un p a

quete que contiene cinco sem illas para flores rojas y tres sem i
llas para flores blancas.
> - <■>.
b 'ií
_£ u j _ * íS)
R ep as o d e l cap ítu lo
En retrospectiva
Estudiaste los conceptos básicos de probabilidad. N ecesitas el m ism o valor que la teórica? N o exactam ente, pero viste que,
dom inar estos fundam entos antes de continuar con el estudio a largo plazo, tiene aproxim adam ente el m ism o valor.
de la estadística. La probabilidad es el vehículo de la estadís AI com pletar este capítulo, debes com prender las propieda
tica y com ienzas a ver cóm o ocurren los eventos probabilísti- des de la exclusividad m utua y la independencia y poder aplicar
cos. E xploraste probabilidades teóricas y experim entales para las reglas de la m ultiplicación a eventos com puestos “y ” y “o” .
el m ism o evento. ¿L a probabilidad experim ental resulta tener Tam bién debes poder calcular probabilidades condicionales.
Page 243 of 418
.
.
.
En los siguientes tres capítulos observarás distribuciones de poder tener éxito en la “estadística inferencial”, donde la
asociadas con eventos probabilísticos. Esto te preparará para población se describe con base en los estadísticos m uéstrales
los estadísticos que siguen. D ebes poder predecir la variabi disponibles.
lidad que presentará la m uestra respecto a la población antes
COUr$eMate E1 sjti0 S(atjstics co urseM ate y ejem plos que tienen sus correspondientes recursos interacti
para este libro lleva a la vida los temas del capítulo, con he vos com o video y tutoriales animados que dem uestran, paso
de exám enes, incluidas preguntas rápidas y tarjetas de estudio ejercicios y ejem plos; Applets Skillbuilder para ayudarte a
para el vocabulario y los conceptos clave que aparecen a co n com prender m ejor los conceptos; manuales de tecnología y
tinuación. El sitio tam bién ofrece una versión eBook del texto, softw are para descargar que incluye Data Analysis Plus (una
con capacidades de subrayado y tom a de notas. A lo largo de suite de m acros estadísticos para Excel) y program as TI-83/84
los capítulos, el icono C ourseM ate señala los conceptos Plus; regístrate en www.cengagebrain.com

posibilidades (p. 182) eventos todos incluidos (p. 179) prom edio a largo plazo (p. 181)
diagram a de árbol (p. 175) frecuencia relativa observada (p. 173) puntos m uéstrales (p. 173)
diagram a de V enn (p. 177) independencia (p. 211) regla de la m ultiplicación (p. 198)
espacio m uestral (p. 173)
estadística (p. 183)
intersección (p. 202)
ley de los grandes núm eros (p. 181)
regla de la sum a (p. 196)
regla del com plem ento (p. 195)
evento (p. 173) par ordenado (p. 175) regla especial de la m ultiplicación
evento com plem entario (p. 195) probabilidad condicional (p. 190) (p-^ 2 1 1 )
evento com puesto (p. 195) probabilidad de un evento (p. 173) regla especial de la sum a (p. 206)
eventos dependientes (p. 209) probabilidad em pírica (p. 173) regla general de la m ultiplicación
eventos igualm ente probables (p. 173) probabilidad experim ental (p. 173) (p. 198)
eventos independientes (p. 208) probabilidad subjetiva (p. 178) regla general de la sum a (p. 196)
eventos mutuamente excluyentes (p. 202) probabilidad teórica (p. 174) resultado (p. 173)

• C om prender y poder describir el concepto básico de probabilidad. pp. 172-174
• C om prender y describir un evento simple. EJ. 4.1
• C om prender y poder describir las diferencias entre probabilidades em pírica, pp. 173-175, 178
teórica y subjetiva.
• C alcular e interpretar frecuencias relativas. Ej. 4 .5 ,4 .8 , 4 .9 ,4 .1 35
• Identificar y describir un espacio muestral para un experim ento. pp. 173-174; Ej. 4 .1 3 ,4.31
• C onstruir tablas, diagram as de árbol v/o diagram as de Venn EJ. 4.3, 4.4, 4.5, Ej. 4.12, 4.25
para ayudar en el cálculo y la interpretación de probabilidades.
• C om prender las propiedades de los núm eros de probabilidad: p. 179; Ej. 4 .2 3 ,4.37
1. 0 < C ada P (A ) < 1
2. 2 A A )= !
uxkis h» rcvuhttdíii
• C om prender, describir y usar la ley de los grandes núm eros EJ. 4.6, p. 180; Ej. 4.30, 4.32
para determ inar probabilidades.
• C om prender, calcular e interpretar cuotas de un evento. EJ. 4.8; Ej. 4.39, 4 .4 1, 4.122
• C om prender que los eventos com puestos involucran la ocurrencia Ex. 4.31, 4.53
de m ás de un evento.
• C onstruir, describir, c a lc u la re interpretar una probabilidad condicional. EJ. 4.10, Ej. 4.51, Ej, 4.55, 4.152
Page 244 of 418
.
.
.
C om prender y poder utilizar la regla del com plem ento. EJ. 4.11, Ej. 4 .6 1 ,4 .6 2
C alcular probabilidades de eventos com puestos con la regla de la suma. EJ. 4.12, Ej. 4.67, EJ. 4.24
C alcular probabilidades de eventos com puestos con la regla de la m ultiplicación. EJ. 4.13, Ej. 4.76
C om prender, describir y determ inar eventos m utuam ente excluyentes. p. 202, EJ. 4 .1 5 ,4 .1 6 , Ej. 4.89, 4.95
C alcular probabilidades de eventos com puestos con la regla de la sum a EJ. 4.19, Ej. 4.99
para eventos m utuam ente excluyentes.
C om prender, describir y determ inar eventos independientes. p. 208, EJ 4.20, 4.21, Ej. 4.103
O
[ KX(KMMW)| identifica el nombre de archivo de una base de datos en línea de un ejercicio; bases de datos disponibles a través de cengag eb rain.co m
C alcular probabilidades de eventos com puestos con la regla de la m ultiplicación EJ. 4.25, 4.26, Ej. 4 .1 1 6 ,4 .1 1 7
para los eventos independientes.
R econocer y com parar las diferencias entre eventos m utuam ente excluyentes pp. 214-216, Ej. 4 .1 2 9 ,4 .1 2 9 ,4 .1 5 7
y eventos independientes.
Q Ejercicios del capítulo

4 .1 3 5 El D epartam ento de Transportes de E stados U nidos y a. Verifica los porcentajes reportados en la tabla.
la Federal M otor C arrier Safety A dm inistration producen un
Si una persona se selecciona al azar de todas las personas re
reporte anual acerca de varias violaciones de tráfico. En 2008
presentadas en la tabla, ¿cuál es la probabilidad de los siguien
hubo 2 092 “violaciones de m ovim iento” en el estado de N ue
tes eventos?
va Y ork, según describe la siguiente tabla.
b. “Entre 18 y 24.” ¿C óm o se relaciona con el 10% m encio
Violaciones de movimiento Números 2008
nado en la tabla?
Seguir muy de cerca

Cam bio de carril inadecuado
N o obedecer el dispositivo de conlrol de tráfico 1 050
37
Ó7
c. “ M ayor que 17”
Paso inadecuado 9 d. “ Entre 18 y 24” y “m ayor que 17”
Conducir imprudentemente 4
Acelerar 857 e. “ Entre 18 y 24” o “m ayor que 17”
Vueltas prohibidas 33
N o respetar derecho de paso 13 f. “ Al m enos 25”
O perar un vehículo de motor mientras se 22
está enfermo o fatigado g. “N o m ás de 2 4 ”
Total 2 092
Si una violación se seleccicna al azar para revisión, ¿cuál 4 .1 3 7 A 1 000 personas tam izadas por cierta enferm edad se
es la probabilidad de que la violación de m ovim iento se deba a: les practica un exam en clínico. C om o resultado del exam en, la
m uestra de 1 000 personas se clasifica de acuerdo con estatura
a. A celerar?
y estado de enferm edad.
b. C onducir im prudentem ente? Estado de enfermedad
Estatura Ninguno Leve Moderado Severo Total
c. Paso o vueltas prohibidas?
Alto 122 78 139 61 400
d. Si dos violaciones se seleccionan para revisión, ¿éste se Mediano 74 51 90 35 250
Bajo 104 71 121 54 350
ría un ejem plo de m uestreo con o sin reem plazo? Explica
Total 300 200 350 150 1000
por qué.
U sa la inform ación de la tabla para estim ar la probabilidad de
4 . 1 3 6 [EX04-136] El núm ero de personas que vivían en los
ser m ediano o bajo y de tener un estado de enferm edad m ode
50 estados de E stados U nidos y el D istrito de C olum bia en
rado o severo.
septiem bre de 2004 se reportó por grupos etáreos en la si
guiente tabla. 4 . 1 3 8 [EX04-138] L a Federal H ighw ay A dm inistration ras
Grupo etáreo Porcentaje Número (miles) trea periódicam ente el núm ero de los conductores con licencia
017 25% 73 4 4 7 .7 por sexo y por edad. La siguiente tabla m uestra los resultados
18-24 10% 28 85 5 .7 de los hallazgos de la adm inistración en 2007:
25-34 13% 3 9 8 9 2 .5
34-49 23% 6 6 6 2 0 .3
50 29% 8 4 1 19.8
F u e n t e : Encuesta d e p o d er adq u isitivo d e EUA d e S a k s M arketin g M a n a g e
ment, septiem bre d e 2 0 0 - 1 . p a ia los S O e s b d o s d e EUA y e l Distrito a e Colam bici
Page 245 of 418
.
.
.
Grupo edad (años) Hombre M ujer 4 .1 4 1 E je rc icio A p p let
19 y menos 5 077141 4 843 033 S k illb u ild e r Sim ula la ge
20-24 8 6 6 9 1 14 8 ,5 2 0 4 8 2 neración de una familia. La
25-29 9 0 7 2 59 5 9077275 “ fam ilia” dejará de tener
30-34 8 852 063 8 766 584
hijos cuando tenga un niño
35-39 9 762 96 6 9 9 3 5 291
40 -44 10 1 1 7 0 8 4 10 0 4 1 6 3 4 0 tres niñas, lo que suceda
45-49 1 0 5 8 3 203 10641 856 prim ero. Si supones que una
50 -54 9 869 590 9 9 9 4 330 m ujer tiene igual probabi
55-59 8 5 8 1 1 10 8 723 67 3 lidad de dar a luz un niño o
60 -6 4 6 891 0 3 2 6 9 7 6 462
una niña, realiza la sim ulación 24 veces. ¿C uál es la probabili
65 -69 4 9 8 1 745 5 095 436
70-74 3 73 3 751 3 8 7 7 392 dad de que la fam ilia tenga un niño?
75-79 2 9 3 3 321 3187834
80-84 1 9 9 9 765 2 305 836 4 .1 4 2 U na m oneda se lanza tres veces.
85 y más 1 340 456 1 5 8 9 791
a. D ibuja un diagram a de árbol que represente todos los
Total 102 4 6 4 9 3 6 103 5 7 6 9 0 9
Fuente: U .S D eparlm enl o f Transportation. F e d e ra l Hghway Ad ministra lion
posibles resultados.
g H ighi.vay SlalisHcs 2 0 0 7
O b. Identifica todas las ram as que representan el evento
Supon que encuentras un conductor de un vehículo al azar.
Applets Skillbuilder disponibles a través d e c e n g a g e b ra in .
“ocurre exactam ente una cara”.

E ncuentra las probabilidades de los siguientes eventos:
a. El conductor es hom bre y m ayor de 59 años de edad. c. Encuentra la probabilidad de “ocurre exactam ente una
cara”.
b. El conductor es m ujer o m enor de 30.
4 .1 4 3 U na encuesta reciente de fam ilias del estado de N ueva
c. El conductor es m enor de 25.
d. El conductor es mujer. www.elsolucionario.net York preguntó acerca de los hábitos de vacaciones. La siguien
te tabla de dos vías m uestra el núm ero de fam ilias de acuerdo
e. El conductor es hom bre entre las edades de 35 y 49. con dónde viven (rural, suburbana, urbana) y la duración de
sus últim as vacaciones (1 a 7 días, 8 días o más).
f. El conductor es m ayor de 69.
Rural Suburbana Urbana Total
g. El conductor es m ujer, dado que el conductor está entre
1 a 7 días 90 57 52 199
las edades de 25 y 44.
8 días o más 74 38 21 133
h. El conductor está entre las edades de 25 y 44, dado que el Tbtaí Í6 4 95 73 332
conductor es mujer.
Si una fam ilia se selecciona al azar de estas 332 fam ilias, ¿cuál
4 . 1 3 9 Supon que existen tres semáforo* entre tu casa y la casa es la probabilidad de lo siguiente?
de un am igo. Conform e llegas a cada sem áforo, puede ser rojo
a. Pasan 8 días o m ás de vacaciones.
(R) o verde (V).
b. Es una fam ilia rural.
a. M enciona el espacio m uestral que presente todas las
posibles secuencias de luces rojas y verdes que pudieran c. Es una fam ilia urbana y pasa 8 días o m ás de vacaciones.
ocurrir en un viaje desde tu casa hasta la casa de tu am i
d. Es una fam ilia rural o pasa de 1 a 7 días de vacaciones.
go. (RV V representa rojo en la prim era luz y verde en las
otras dos.) Supon que cada elem ento del espacio muestral e. Pasan 8 días o m ás de vacaciones, dado que es una
es igualm ente probable que ocurra. fam ilia suburbana.
b. ¿C uál es la probabilidad de que, en tu siguiente viaje a la f. Es una fam ilia rural, dado que pasan 1 a 7 días de
casa de tu am igo, tengas que detenerte exactam ente vacaciones.
en una luz roja?
4 .1 4 4 La dem ografía de edad y género para los estudiantes
c. ¿C uál es la probabilidad de que tengas que detenerte de tiem po com pleto del M onroe C om m unity C ollege en o to
durante al m enos una luz roja? ño de 2008 se destacan en la tabla siguiente.
4 . 1 4 0 Si supones que es igualm ente probable que una m ujer 19 y menos 2 0 -24 2 5 -29 3 0 y más
dé a luz un niño o una niña, usa un diagram a de árbol para Mujer 29 2 8 16 5 8 420 649
calcular la probabilidad de que una fam ilia de cuatro hijos con Hombre 2 88 3 1705 377 43 8
sista en un niño y tres niñas. Tbtaí 5 811 3 363 797 1 087
Page 246 of 418

.
.
.
Si uno de dichos estudiantes se selecciona al azar, ¿cuál es la
probabilidad de que el estudiante
a. sea hom bre?
b. tenga entre 20 y 24 años de edad?
c. sea m ujer y de 30 o m ás?
d. sea hom bre o tenga 19 años y m enos?
e. tenga entre 25 y 29 años de edad, dado que el estudiante

es m ujer?
4 . 1 4 7 D em uestra que, si el evento A es un subconjunto del
f. sea estudiante hom bre, dado que el estudiante tiene 20 o
evento B, entonces P (A o B) = P(B ).
m ás?
4 . 1 4 8 Explica por qué estas probabilidades no pueden ser le
4.145 Esta gráfica de barras m uestra el núm ero de autom óvi
gítim as: P (A) = 0.6, P (B ) = 0.4, P (A y B) = 0.7.
les registrados en cada uno de varios países.
4 . 1 4 9 L lega un em barque de uvas que contiene las siguientes
a. M enciona al m enos dos países no incluidos en la infor
proporciones de tipos: 10% sin sem illa rosa, 20% sin semilla
mación.
blanca, 30% con sem illa rosa y 40% con sem illa blanca. Una
b. ¿P or qué todas las probabilidades resultantes de esta uva se selecciona al azar del em barque. E ncuentra la probabi
inform ación son probabilidades condicionales? lidad de estos eventos:
C on base en la inform ación de la gráfica; a. N o tiene semillas.
c. ¿Q ué porcentaje de todos los autom óviles en dichos b. Es blanca.

países está registrado en Estados U nidos?
c. Es rosa y sin sem illas.
N úm ero de autom óviles d Es rosa o sin sem illas.
e. Es rosa, d ado que no tiene sem illas.

140
f. Es sin sem illas, dado que es rosa.
120
100 4 . 15 0 Un análisis de tráfico en una transitada glorieta en W as

</J hington, DC, m ostró que 0.8 de los autom óviles que usan la
2 80
glorieta entran desde C onnecticut A venue. De los que entran
^ 60
a la glorieta desde C onnecticut A venue, 0.7 siguieron sobre
40 C onnecticut A venue en el lado opuesto de la glorieta. ¿Cuál
20 es la probabilidad de que un autom óvil seleccionado al azar
0 observado en la glorieta entre desde C onnecticut y continúe
Japón Alemania Reino Unido México
Francia Suecia Canadá EUA sobre Connecticut?
4 . 1 5 1 Supon que, cuando un candidato a un em pleo se en

d. Si un autom óvil registrado se selecciona al azar de entre trevista en RJB Enterprises, la probabilidad de que querrá el
todos estos autom óviles, ¿cuál es la probabilidad de que puesto (A) después de la entrevista es 0.68. A dem ás, la pro
esté registrado en E stados U nidos? babilidad de que RJB querrá al candidato (B) es 0.36. La pro
babilidad P(A | B) es 0.88.
e. Explica la relación entre tus respuestas a los incisos c y d.
a Encuentra P(A y B).
4.146 Las probabilidades para los eventos A, B y C se d istri
buyen com o se m uestra en la figura. Encuentra: b. Encuentra P (B | A).
a. P (A y B ) b. P ( A o C ) c. P (A | C) c. ¿L os eventos A y B son independientes? Explica.
Page 247 of 418

.
.
.
d. ¿Los eventos A y B son mutuamente excluyentes? Explica. c. ¿C uál es la probabilidad de que la m arca se califique
satisfactoria si 40% de los televisores realm ente son
e. ¿Q ué significaría decir que A y B son eventos m utuam en
defectuosos?
te excluyentes en este ejercicio?
4 .1 5 6 Supon que cierto rasgo oftálm ico se asocia con el color
4 .1 5 2 La probabilidad de que haya torm entas en la vecindad
de ojos. Se estudian 300 individuos seleccionados al azar, con
de un aeropuerto particular en el medio oeste en un día de
los resultados dados en la siguiente tabla.
agosto es 0.70. C uando hay torm entas sn la vecindad, la pro
Color de ojos
babilidad de que un avión aterrice a tiempo es 0.80. Encuentra
Rasgo Azul Café Otro Total
la probabilidad de que haya torm entas en la vecindad y que el
Si 70 30 20 120
avión aterrice a tiem po.
No 20 1 10 50 180
4 .1 5 3 Llantas rescatadas de un choque de trenes están a la Total 90 140 70 300
venta en G etrich T ire C om pany. De las 15 llantas ofrecidas en a. ¿C uál es la probabilidad de que una persona seleccionada
venta, 5 sufrieron daño interno y las 10 restantes están libres al azar tenga ojos azules?
de daño. Tú seleccionas al azar y com pras dos de las llantas.
b. ¿C uál es la probabilidad de que una persona seleccionada
a. ¿C uál es la probabilidad de que am bas llantas que al azar tenga el rasgo?
com praste estén libres de daño?
c. ¿Los eventos A (tiene ojos azules) y B (tiene el rasgo) son
b. ¿C uál es la probabilidad de que exactam ente una independientes ? Justifica tu respuesta.
de las llantas que com praste esté libre de daño?
d. ¿C óm o se relacionan los dos eventos, A (tiene ojos azu
c.
¿C uál es la probabilidad de que al m enos una de las
llantas que com praste esté libre de daño?
les) y C (tiene ojos cafés): independientes, m utuam ente
excluyentes, com plem entarios o todos incluidos? Explica
4 .1 5 4 De acuerdo con estadísticas de accidentes autom ovi por qué sí o por qué no se aplica cada térm ino.
lísticos, uno de cada seis accidentes resulta en un reclam o de 4 .1 5 7 Com o se m enciona en The W orld F acthook, 2009, la
seguro de $100 o m enos en daño a la propiedad. Tres autom ó estructura etárea de la población estadounidense se m uestra
viles asegurados por una com pañía aseguradora se involucran en la tabla.
en diferentes accidentes. C onsidera estos dos eventos: Hombre Mujer
A: La m ayoría de las reclam aciones supera $100. 0 a 14 años 3 1 6 3 9 12 7 3 0 30 5 7 0 4

15 a 6 4 años 102665043 103 1 2 9 3 2 1
B : E xactam ente dos reclam aciones son de $ 100 6 5 añosy más 16901 232 22571 696
F u e n t e : The- W orld Faclbook. julio d e 2 0 0 0 . h ttp s://w w w .cia.g o v/
o menos.
Si un ciudadano estadounidense se seleccionara al azar de esta
a. M enciona los puntos m uéstrales para este experim ento.
población, ¿cuál es la probabilidad de que la persona selec
b. ¿Los puntos m uéstrales son igualm ente probables? cionada
c. Encuentra P (A) y P(B ). a. sea m ujer?
d. ¿Los eventos A y B son independientes? Justifica tu b. tenga 0 a 14 años de edad ?

respuesta.
c. sea hom bre y tenga 15 a 64 años de edad?
4 .1 5 5 U na organización de pruebas quiere calificar una m arca
d. sea m ujer o tenga 65 años y m ás?
particular de televisores. Se seleccionan al azar seis televisores
del inventario. Si nada se encuentra defectuoso con alguno de e. tenga m enos de 15 años de edad, si sabes que la persona
los seis, la m arca se ju z g a satisfactoria. es m ujer?
a. ¿C uál es la probabilidad de que la m arca se califique f. sea hom bre, dado que la persona tiene 15 a 64 años de
satisfactoria si 10% de los televisores realm ente edad?
son defectuosos? g. ¿Los eventos “persona seleccionada es hombre*' y “per
b. ¿C uál es la probabilidad de que la m arca se califique sona seleccionada es m ujer” son eventos independientes?
satisfactoria si 20% de los televisores realm ente son Justifica tu respuesta. ¿C uál es la relación entre m ujer y
defectuosos? hom bre en esta situación?
Page 248 of 418
.
.
.
4 . 1 5 8 La siguiente tabla m uestra los sentim ientos de 2 500 ventas. En la tabla se presenta el espacio m uestral que m encio
em pleados asalariados en la Spruce C om pany acerca de una na el núm ero de posibles ventas para cada persona en un día
propuesta para enfatizar las prestaciones com plem entarias en dado. (3, 1 representa 3 ventas de Jones y 1 venta de Adam s.)
lugar del aum ento salarial durante las inm inentes discusiones Jones
Adams 0 1 2 3 4
de contrato.
0 0,0 LO 2,0 3,0 4,0
Opinión
1 0, 1 1, 1 2, 1 3, 1 4, 1
Empleado Favor Neutral O pone Total
2 0,2 1,2 2,2 3,2 4,2
Hombre 800 200 500 1500 3 0,3 1,3 2,3 3,3 4,3
Mujer 400 100 500 1000
Supon que cada punto m uestral es igualm ente probable. C on
Total 1 200 300 1000 2500
sidera estos eventos:
a. C alcula la probabilidad de que un em pleado seleccionado
A: Al m enos uno de los vendedores no realiza ventas.
al azar de este grupo se oponga.
B. En conjunto hacen exactam ente tres ventas.
b. C alcula la probabilidad de que un em pleado seleccionado
C: C ada uno hace el m ism o núm ero de ventas.
al azar de este grupo sea mujer.
D: A dam s hace exactam ente una venta.
c. Calcula la probabilidad de que un em pleado seleccionado al
Encuentra las probabilidades al contar los puntos muéstrales:
azar de este grupo se oponga, dado que la persona es mujer.
a. P( A) b. P(B ) c. P(C)
d. ¿L os eventos “opone” y “m ujer” son independientes?
Explica. d. P( D) e. P(A y B) f. P(B y C)
4 . 1 5 9 Los eventos R y S se definen en un espacio m uestral.
Si P(R ) = 0.2 y P (S ) = 0.5, explica por qué cada uno de los
g-
j-
P( A o B)
P( B | D)
h. P ( B o C )
k. P(C | B)
i. P( A | B)
1. P(B | Á)
siguientes enunciados es o verdadero o falso:
m. P(C | Á) n. P(A o B o C)
a. Si R y S son m utuam ente excluyentes, entonces
P (R o S) = 0.10. ¿Los siguientes pares de eventos son m utuam ente excluyen-
tes? Explica.
b. Si R y S son independientes, entonces P(R o S) = 0.6.
o. Ay B p. B y C q. B y D
c. Si R y S son m utuam ente excluyentes, entonces
P(R y S) = 0.7. ¿L os siguientes pares de eventos son independientes? Explica,
r. A yB s. B y C t. By D
d. Si R y S son m utuam ente excluyentes, entonces P (R o S)
= 0.6. 4 . 1 6 3 A lex. Bill y Chen, cada uno, a la vez, lanzan una m one
da balanceada. G ana el prim ero en lanzar una cara.
4 .1 6 0 Se considera que 3% de los pacientes de una clínica tie
nen cáncer. U na prueba de sangre particular produce un resulta a. ¿C uáles son sus respectivas probabilidades de ganar si
do positivo para 98% de los pacientes con cáncer, pero también cada uno lanza una sola vez?
m uestra positivo para 4% de los pacientes que no tienen cáncer.
b. ¿C uáles son sus respectivas probabilidades de ganar si
Un paciente se elige al azar de la lista de pacientes de la clínica
continúan lanzando un m áxim o de dos veces cada uno?
y se som ete a la prueba. ¿C uál es la probabilidad de que, si la
prueba resulta positiva, la persona realm ente tenga cáncer? PTI D ibuja un d ia g ra m a de árbol.
4 .1 6 1 La caja 1 contiene dos bolas rojas y tres bolas verdes 4 . 1 6 4 La m oneda A está cargada en tal form a que P (caras) es
y la caja 2 contiene cuatro bolas rojas y una bola verde. U na 0.6. La m oneda B es una m oneda equilibrada. A m bas m onedas
bola se selecciona al azar de la caja 1 y se coloca en la caja 2.
se lanzan. Encuentra:
D espués una bola se selecciona al azar de la caja 2. ¿Cuál es la
a. El espacio m uestral que representa este experim ento;
probabilidad de que la bola seleccionada de la caja 2 sea verde?
asigna una m edida de probabilidad a cada resultado.
4 .1 6 2 Los vendedores A dam s y Jones llam an a tres y cuatro
b. P (am b as m uestran caras).
clientes, respectivam ente, un día dado. A dam s podría hacer 0,
1, 2 o 3 ventas, m ientras que Jones podría hacer 0, 1, 2, 3 o 4 (c o n tin ú a e n la p á g in a 228)
Page 249 of 418

.
.
.
c. ^ (m u estra exactam ente una cara). c. El p rim er lecto r seleccio n a al az ar una p ágina para
leer y d esp u és el seg u n d o lecto r seleccio n a al azar una
d. P (ninguna m oneda m uestra una cara).
p ágina, sin estar al tanto de cuál p ág in a se seleccion ó
e. P (am bas m uestran caras | m oneda A m uestra cara). prim ero.
f. P (am bas m uestran caras | m oneda B m uestra cara). 4 .1 6 9 En deportes, los cam peonatos con frecuencia se d eci
g. P (caras en m oneda A | m uestra exactam ente una cara). den entre dos equipos que ju eg an una serie de cam peonato.
C on frecuencia los fanáticos del equipo perdedor afirm an que
4 .1 6 5 El profesor French olvida lijar su alarm a con una p ro no tuvieron suerte y su equipo en realidad es el m ejor equipo.
babilidad de 0.3. Si fija la alarm a, suena con una probabilidad
Supon que el equipo A es el m ejor equipo y la probabilidad de
de 0.8. Si la alarm a suena, se despierta a tiem po para dar su pri
que vencerá al equipo B en cualq u ier ju e g o es 0.6.
m era clase con una probabilidad de 0.9. Si la alarm a no suena,
a. ¿C uál es la probabilidad de que el m ejor equipo, eleq u i
se despierta a tiem po para su prim era c!ase con una probabili
dad de 0.2. ¿C uál es la probabilidad de que el profesor French po A, gane la serie, si es una serie de un juego?
despierte a tiem po para im partir su prim era clase m añana? b. ¿C uál es la probabilidad de que el m ejor equipo, eleq u i
po A, gane la serie, si es el m ejor en una serie de tres?
4 .1 6 6 La probabilidad de que cierta puerta se cierre es 0.6.
L a llave para la puerta es una de cinco llaves no identificadas c. ¿C uál es la probabilidad de que el m ejor equipo, eleq u i
que cuelgan de un llavero. Tu seleccionas dos llaves antes de po A, gane la serie, si es una serie de siete?
aproxim arte a la puerta. ¿C uál es la probabilidad de que pue
d. Supon que la probabilidad de que A derrote a B en cu al
das abrir la puerta sin regresar por otra llave?
qu ier ju eg o en realidad es 0.7. V uelve a calcular los
4 . 1 6 7 Tu m useo de arte local planeó el calendario de 52 se
m anas del próxim o año al program ar una m ezcla de exp o si
e.
incisos a-c.
Supon que la probabilidad de que A venza a B en cual

ciones de 1 y 2 sem anas que presentan las obras de 22 p in
qu ier ju eg o dado en realidad es 0.9. V uelve a calcular los
tores y 20 escultores. H ay una exposición program ada para
incisos a-c.
cada sem ana del año y sólo un artista se presenta a la vez.
H ay 42 diferentes exposiciones program adas para el próxim o f. ¿C uál es la relación entre el “m ejor* equipo que gana y el
año. Tú eliges una sem ana al azar para asistir y te dicen que núm ero de ju eg o s ju g ad o s? ¿El m ejor equipo que gana y
la probabilidad de que sea una exposición de escultura de 2 las probabilidades de que cada uno gane?
sem anas es 3/13.
4 .1 7 0 U na m ujer y un hom bre (no relacionados) cada uno tie
a. ¿C uál es la probabilidad de que la exposición que nen d o s hijos. Al m enos uno de los hijos de la m ujer es un niño
seleccionaste sea la exposición de un pintor? y el hijo m ayor del hom bre es niño. ¿L a probabilidad de que
la m ujer tenga dos niños es m ayor que, igual a o m enor que la
b. ¿C uál es la probabilidad de que la exposición que
probabilidad de que el hom bre tenga dos niños?
seleccionaste sea la exposición de un escultor?
a. D em uestra la veracidad de tu respuesta usando una m ues
c. ¿C uál es la probabilidad de que la exposición que
tra sim ple para representar a cada familia.
seleccionaste sea una exposición de una sem ana?
b. D em uestra la veracidad de tu respuesta al tom ar dos
d. ¿C uál es la probabilidad de que la exposición que
m uestras, una de hom bres con fam ilias de dos hijos y una
seleccionaste sea una exposición de 2 sem anas?
de m ujeres con fam ilias de dos hijos.
4 .1 6 8 Un reporte escrito de dos páginas contiene un error en
c. D em uestra la veracidad de tu respuesta usando sim ula
una de las páginas. Dos lectores de pruebas revisan el escrito.
ción por com putadora. C on la función de probabilidad de
C ada uno tiene una oportunidad de 80% de pescar el error.
B em oulli, con p = 0.5 (sea 0 = niña y 1 = niño), genera
¿C uál es la probabilidad de que el error se identifique en los
500 “ fam ilias de dos hijos” para el hom bre y la mujer.
siguientes casos?
D eterm ina cuál de las 500 satisface la condición para
a. C ada uno lee una página diferente. cada una y determ ina la proporción observada con dos
b. C ada uno lee am bas páginas. niños.
Page 250 of 418

.
.
.
d. D em uestra la veracidad de tu respuesta al repetir la sim ula 4.1 71 T res m onedas equilibradas se lanzan sim ultáneam ente.
ción por com putadora varias veces. Repite la simulación E ncuentra la probabilidad de obtener tres caras, dado que al
del inciso c varias veces. m enos una de las m onedas m uestra caras.
e. ¿Los procedim ientos anteriores parecen producir los a. Resuelve usando un espacio muestral igualmente probable.
m ism os resultados? Explica.
b. Resuelve usando la fórm ula para probabilidad condicional.
E x a m e n de p ráctica del cap ítu lo

P A R T E I: C o n o c im ien to d e las definiciones o. ¿L os eventos B y C son m utuam ente excluyentes?
Responde “ verdadero” si el enunciado siem pre es verdadero. Explica.
Si el enunciado no siem pre es verdadero, sustituye las palabras p. ¿L os eventos A y C son m utuam ente excluyentes?
en negrillas con las palabras que hagan al enunciado siempre Explica.
verdadero. q. ¿L os eventos A y B son independientes? Explica,
4.1 La probabilidad de un evento es un n ú m e ro e n tero . r. ¿L os eventos B y C son independientes? Explica,
4 .2 Los conceptos de probabilidad y frecuencia relativa, s. ¿L os eventos A y C son independientes? Explica.
com o se relacionan con un evento, son m u y sim ilares. 4.1 2 Los eventos A y B son m utuam ente excluyentes y
4 .3 El esp acio m u e stra l es la población teórica para pro P (A ) = 0.4 y P (B ) = 0.3
blem as de probabilidad a. E ncuentra P(A y B).
4 .4 Los puntos m uéstrales de un espacio m uestral son b. E ncuentra P(A o B).
eventos ig u a lm e n te p ro b ab les. c. E ncuentra P(A | B).
4 .5 El valor que se encuentra para la probabilidad experi d. ¿L os eventos A y B son independientes? Explica.
m ental sie m p re s e rá exactam ente igual a la probabili
dad teórica asignada al m ism o evento. 4 .1 3 Los eventos E y F tienen probabilidades P (E ) = 0.5,
P (F ) = 0.4 y P (E y F) = 0.2.
4 .6 Las probabilidades de los eventos com plem entarios
siem pre son iguales. a. E ncuentra P (E o F).
4 .7 Si dos eventos son m utuam ente excluyentes, tam bién b. E ncuentra P (E | F).
so n in d e p en d ie n te s. c. ¿L os eventos E y F son m utuam ente excluyentes?
4 .8 Si los eventos A y B son m u tu a m e n te ex cluyentes, la Explica.
sum a de sus probabilidades debe ser exactam ente 1. d ¿L os eventos E y F son independientes? Explica.
4 .9 Si los conjuntos de puntos m uéstrales que pertenecen e. ¿L os eventos G y H son independientes? Explica.
a dos diferentes evento-» no se intersecan, los eventos
4 .1 4 Janice quiere convertirse en oficial de policía. Ella
son in d e p en d ie n te s. debe aprobar un exam en físico y después un examen
4 .1 0 Un evento com puesto, form ado con la palabra “y” , re escrito. Los registros m uestran que la probabilidad de
quiere el uso de la reg la d e la su m a . aprobar el exam en físico es 0.85 y que, una vez apro
P A R T E II: A plicación d e los conceptos bado el exam en físico, la probabilidad de aprobar el
4 .1 1 U na com putadora se program a para generar los ocho exam en escrito es 0.60. ¿C uál es la probabilidad de
enteros de un solo dígito 1 , 2 , 3 , 4 , 5 , 6 , 7 y 8, con igual que Janice apruebe am bos exám enes?
frecuencia. C onsidera el experim ento “el siguiente en P A R T E III: C o m p re n d e r los co n cep to s
tero generado” y estos eventos:
4 .1 5 El estudiante A dice que independientes y m utuam ente
A: núm ero im par, { 1 ,3 , 5 ,7 }
excluyentes básicam ente son la m ism a cosa; a saber:
B: núm ero m ayor que 4, {5, 6, 7, 8} am bos significan que ningún evento tiene que ver con
C: 1 o 2 , { l , 2 } el otro. El estudiante B argum enta que, aunque la afir
a. E ncuentra P (A). b. Encuentra P(B ). m ación del estudiante A tiene cierta verdad, el estu
c. E ncuentra P(C). d. Encuentra P(C ). diante A no com prende el punto principal de estas dos
e. E ncuentra P( A y B). f. Encuentra P( A o B). propiedades. El estudiante B tiene la razón. Explica
cuidadosam ente por qué.
g- E ncuentra P(B y C). h. Encuentra P(B o C).
4 .1 6 C on oraciones com pletas, describe lo siguiente con tus
i. E ncuentra P( A y C). j- Encuentra P(A o C).
palabras:
k. E ncuentra P (A | B). 1. Encuentra P(B | C).
a. E ventos m utuam ente excluyentes
m. E ncuentra P{ A \ C)
b. E ventos independientes
n. ¿L os eventos A y B son m utuam ente excluyentes?
c. La probabilidad de un evento
Explica.
d. U na probabilidad condicional
Page 251 of 418
.
.
.
Distribuciones de probabilidad
5 (variables discretas)
5.1 Variables aleatorias

Un valor num érico asignado a cada resultado
5.2 D istribuciones de probabilidad
de una variable aleatoria discreta
La pro b a b ilid a d para cada valor de la variable
aleatoria se m enciona en una distribución de
probabilidad
5.3 D istribución de probabilidad binom ial
Las situaciones binom iales ocurren cuando cada
Sh a t e , 2 0 1 2 . U sa d a b a jo licencia d e Shulte iskxzk.com
ensayo tiene dos posibles resultados
1 5.1 Variables a le a to ria s
EUA y sus automóviles
Los estadounidenses están muy enam orados del automóvil y m uchos tienen más de uno
disponible para ellos. El prom edio nacional es 2.28 vehículos por hogar, con casi 34% con un solo
vehículo y 31% con dos vehículos en el hogar. Sin em bargo, casi 35% de todos los hogares tienen tres
o m ás vehículos.
V ehículos, x 1 2 3 4 5 6 7 8
P (x ) 0 .3 4 0.31 0 .2 2 0 .0 6 0.0 3 0 .0 2 0.01 0.01
Al aparear el núm ero de vehículos por hogar com o la variable x , con la probabilidad para cada valor de
jt, se crea una distribución de probabilidad. Esto es muy parecido a la distribución de frecuencias relativas
que estudiaste en el capítulo 2.
Si a cada resultado de un e x p e rim e n to de probabilidad se le asigna un valor num érico, entonces,
cuando revisas los resultados del experim ento, observas los valores de una variable aleatoria. Este valor
num érico es el valor de la variable aleatoria.
Variable aleatoria V a ria b le que asum e un v a lo r n u m é rico único p a ra c a d a uno d e los resul
ta d o s en el e spacio m uestral d e un e x p e rim e n to de p ro b a b ilid a d .
En otras palabras, una variable aleatoria se usa para denotar los resultados de un experim ento de pro
babilidad. La variable aleatoria puede tom ar cualquier valor num érico que pertenezca al conjunto de todos
los posibles resultados del experim ento. (Se le llam a “aleatoria” porque el valor que asum e es resultado
de un evento de posibilidad o aleatorio.) C ada evento en un experim ento de probabilidad tam bién debe
definirse en tal forma que sólo se le asigne un valor de la variable aleatoria (ev en to s m u tu a m e n te ex c lu
y en tes) y cada evento debe tener un valor asignado (ev en to s to d o incluido).
Page 252 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5.1 V ariables alea to rias 231
El siguiente ejem plo m uestra variables aleatorias.
E J E M P L O 5.1
VARIABLES A LE A TO R IA S
a. Lanza c in c o m o n e d a s y o b se rva el "n ú m e ro de c a ra s " visib le s. La v a
ria b le a le a to ria x es el núm ero d e c a ra s o b s e rv a d a s y p u e d e to m a r
v a lo re s enteros d e O a 5 .
b. Sea "n ú m e ro d e lla m a d a s te le fó n ic a s re c ib id a s " p o r día p o r una
c o m p a ñ ía la v a ria b le a le a to ria . V alores enteros que v a ría n de cero
a a lg ú n núm ero m uy g ra n d e son p o sib le s valores.
c. Sea "lo n g itu d del c o rd ó n " en un e le c tro d o m é s tic o una v a ria b le a le a
to ria . La v a ria b le a le a to ria es un v a lo r n u m é rico entre 12 y 7 2 p u l
g a d a s p a ra la m a y o ría d e los e le ctro d o m é stico s.
d. Sea "v e lo c id a d d e c a lific a c ió n " p a ra a u to m ó vile s de c a rre ra s que
tra ta n d e c a lific a r p a ra In d ia n á p o lis 5 0 0 una v a ria b le a le a to ria . De
p e n d ie n d o de cuán rá p id o v a y a el co n d u c to r, las v e lo c id a d e s son
a p ro x im a d a m e n te 2 2 0 y más rá p id o y se m id e n en m illa s p o r h o ra
(hasta la m ilésim a m ás ce rca n a ).
Las variables aleatorias num éricas pueden subdividirse en dos clasificaciones: varia
bles aleatorias discretas y variables aleatorias continuas.
PTI Las variab les discre

tas y continuas se defi V a ria b le a le a to ria d iscre ta V a ria b le a le a to ria c u a n tita tiv a que p u e de asum ir
nieron en la p á g in a 8 un núm ero c o n ta b le d e valores.
V a ria b le a le a to ria co n tin u a V a ria b le a le a to ria c u a n tita tiv a q u e p u e de asum ir

un núm ero in c o n ta b le d e valores.
Las variables aleatorias “ núm ero de caras” y “núm ero de llam adas telefónicas reci
bidas” en el ejem plo 5.1 incisos a y b son discretas. C ada una representa un conteo y por
tanto existe un núm ero contable de posibles valores. Las variables aleatorias “ longitud del
cordón” y “ velocidad de calificación” en el ejem plo 5.1 incisos c y d son continuas. Cada
una representa m ediciones que pueden asum ir cualquier valor a lo largo de un intervalo y
por tanto existe un núm ero infinito de posibles valores.
© E J E R C I C I O S S E C C I Ó N 5.1
5.1 Consulta la tabla que acom paña a “ EUA y sus autom óvi 5 . 2 Con base en la inform ación que se m uestra en “EU A y sus
les” en la pagina 230. autom óviles” de la página 230,
a. ¿Q ué porcentaje de hogares tiene tres vehículos? a. ¿qué gráfica estadística podría usarse para m ostrar esta
inform ación? D ibújala.
b. ¿Q ué núm ero de vehículos por hogar tiene la m ayor
probabilidad? b. ¿qué otros m étodos estadísticos podrían usarse para
describir esta inform ación ?
c. ¿Q ué variable podría usarse para describir los ocho
eventos que se m uestran en la tabla? 5 . 3 E ncuesta a tus com pañeros de clase acerca del núm ero de
herm anos que tienen y la duración de la últim a conversación
d. ¿Los eventos son m utuam ente excluyentes? Explica.
que tuvieron con su m adre. Identifica las dos variables aleato
rias de interés y m enciona sus posibles valores.
Page 253 of 418
.
.
.
232 Copítulo 5 Distribuciones ae p ro b a b ilid a d (variables discretas)
5 . 4 a. E xplica por qué la variable “cantidad de núm eros tele 5 . 1 0 Un artículo del USA Today titulado “En qué ‘m algas
fónicos guardados en el teléfono celular de una perso ta n ’ las m ujeres” (21 de ju lio de 2009) reportó que 34% de las
na” es discreta. m ujeres dicen “zapatos” ; 22% dicen “ bolsas de m ano” ; 15%
dicen “ ropa de trabajo” ; 12% dicen “vestir form al” y 10% d i
b. Explica por qué la variable “peso de un libro de texto
cen “jo y e ría”.
de estadística” es continua.
a. ¿C uál es la variable involucrada y cuáles son los posibles
5 . 5 a. Las variables del ejercicio 5.3 son o discretas o co n
valores?
tinuas. ¿C uáles son y por qué?
(EXOO-OOO) identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cengagebrain.<
b. ¿P or qué esta variable no es una variable aleatoria?

b. E xplica por qué la variable “número de invitados
a cenar el D ía de A cción de G racias” es discreta. 5. 11 Un artículo del USA Today del 11 de m arzo de 2009,
titulado “E studiantes de prim er año de universidad estudian
c. E xplica por qué la variable “número de m illas hasta
borracheras m ás que libros” , presenta el siguiente cuadro que
la casa de tu abuela” es continua.
m uestra horas prom edio por sem ana em pleadas en varias ac
5 . 6 U na trabajadora social está involucrada en un estudio tividades p o r estudiantes de prim er año de universidad. El
acerca de estructura fam iliar. Ella obtiene inform ación con patrocinador del estudio, O utside the C lassroom , entrevistó a
cerniente al núm ero de hijos por fam ilia en cierta com unidad m ás de 30 000 estudiantes de prim er año de 76 cam pus.
a partir de datos censales. Identifica la variable aleatoria de
interés, determ ina si es discreta o continua y m enciona sus po
Actividad Cantidad promedio de tiempo/semana
sibles valores.
Fiestas 10.2 horas
5 . 7 La bolsa de trabajo de una universidad dio a conocer su Estudiar 8 4 horas
Ejercicio 5 .0 horas
lista de las 100 m ejores com pañías para trabajar de febrero
Red social en línea o jugar videojuegos 4.1 horas
de 2011. M uchas de las em presas de la lista planean contratar Red social 2 .5 horas
pleados se encuentran:
Número Comparía
personal este año. D entro de las que planean contratar más em
Nuevos empleos
Trabajar por paga
a.
2 .2 horas
¿C uál es la variable aleatoria involucrada en este estudio?

51 Ropa para jóvenes 2 800
b. ¿L a variable aleatoria es discreta o continua? Explica.
5 Juegos sanos 2 000
2 Grupo banquero 1 040 5 . 1 2 E X 05-012] Si pudieras detener el tiem po y vivir por
Fuente: h H p :/ / «ioney.cnn .com siem pre con buena salud, ¿qué edad elegirías? Las respuestas
a esta pregunta se reportaron en un artículo del USA Today. La
a. ¿Cuál es la variable aleatoria que participa en este estudio?
edad ideal prom edio para cada grupo etáreo se m enciona en la
b. ¿E s la variable aleatoria discreta o continua? Explica. siguiente tabla; se descubrió que la edad ideal prom edio para
todos los adultos era de 41 años. C uriosam ente, los m enores
5 . 8 Un clim a cálido por arriba del prom edio se extendió sobre
a 30 años de edad querían ser más viejos, m ientras que los
el noroeste el 3 de agosto de 2009. Las altas tem peraturas pre-
m ayores a 30 años querían ser m ás jóvenes.
dichas para el día en cuatro ciudades del área afectada fueron:
Ciudad Temperatura
Grupo etáreo 18-24 25-29 30-39 40-49 5 0 -6 4 65+
Boise, ID 1 00°
Edad ideal 27 31 37 40 44 59
Spokane, W A 95 °
Porlland, OR 91 °
Helena, MT 91 ° La edad se usa com o una variable dos veces en esta aplicación.
a. ¿C uál es la variable aleatoria involucrada en este estudio? a. La edad de la persona entrevistada no es la variable alea
toria en esta situación. E xplica por qué y describe cóm o
b. ¿L a variable aleatoria es discreta o continua? Explica. la “edad” se usa respecto al grupo etáreo.
©
5 . 9 Un arquero dispara flechas a la diana de un blanco y mide b. ¿C uál es la variable aleatoria involucrada en este estudio?
la distancia desde el centro del blanco hasta la flecha. Identi D escribe su papel en esta situación.
fica la variable aleatoria de interés, determ ina si es discreta o
continua y m enciona sus posibles valores. c. ¿L a variable aleatoria es discreta o continua? Explica.
Page 254 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5 .2 D istribuciones de p ro b a b ilid a d de una v a ria b le a le a to ria discreta 233
5.2 Distribuciones d e p ro b a b ilid a d

d e una variab le a le a to ria discreta
C onsidera un experim ento de lanzam iento de m onedas, donde dos m onedas se lanzan y se
observan no caras, una cara o dos caras. Si defines la variable aleatoria x com o el número
de caras observadas cuando se lanzan dos m onedas, x puede tom ar el valor O, 1 o 2. La pro
babilidad de cad a uno de estos tres eventos puede calcularse con las técnicas del capítulo 4:
P (x = 0) = P(OH) = P(T T ) = i • | = -i = 0.25
P (x = l) = / >( lH ) = / )( H T o T H ) = ^ * | + - ! - * | = Jr = 0.50
2 2 2 2 2
P (x = 2) = P(2 H) = P(H H ) = i * 0.25
TABLA 5 1 D ichas probabilidades pueden citarse en cualquier núm ero de form as. U na de las más
D is trib u c ió n d e p r o b a b ilid a d ' convenientes es un form ato de tabla conocido com o distribución de probabilidad (véase
la n z a m ie n to d e d o s m o n e d a s *a tab,a
PM
0 0 .2 5
Distribución de p ro b a b ilid a d U na d is trib u c ió n d e las p ro b a b ilid a d e s a s o c ia
2
1
0 .5 0
0 .2 5
d as con c a d a uno de los va lo re s de una v a ria b le a le a to ria . La d istrib u ció n
d e p ro b a b ilid a d es una d is trib u c ió n te ó ric a ; se usa p a ra re p re se nta r p o b la
ciones.
En un experim ento en el que se rueda un solo dado y se observa el núm ero de puntos en
la superficie, la variable aleatoria es el núm ero observado. La distribución de probabilidad
para esta variable aleatoria se m uestra en la tabla 5.2.
PTI ¿Puedes ver por

qué se usa el nom bre TABLA 5 .2
"d istrib u ció n de D is trib u c ió n d e p r o b a b ilid a d : r o d a d u r a d e un d a d o
p ro b a b ilid a d "?
En ocasiones es conveniente escribir una regla que exprese algebraicam ente la pro
babilidad de un evento en térm inos del valor de la variable aleatoria. Esta expresión se
escribe usualm ente en form a de fórm ula y se llam a fu n c ió n de probabilidad.
Función de p ro b a b ilid a d R egla q u e a s ig n a p ro b a b ilid a d e s a los v a lo re s de

las v a ria b le s a le a to ria s.
U na función de probabilidad puede ser tan sim ple com o una lista que em pareje los
valores de una variable aleatoria con sus probabilidades. Las tablas 5.1 y 5.2 m uestran dos
de tales listas. Sin em bargo, una función de probabilidad se expresa con m ás frecuencia en
form a de fórm ula.
C onsidera un dado que se m odificó de m odo que tenga una cara con un punto, dos caras
con dos puntos y tres caras con tres puntos. Sea x el núm ero de puntos observados cuando
este dado se rueda. La distribución de probabilidad para este experim ento se presenta en la
tabla 5.3.
Page 255 of 418

.
.
.
TABLA 5 .3
Cada una de las probabilidades pueden representarse m ediante el valor de x dividido
D is trib u c ió n d e p r o b a b ilid a d :
entre 6; esto es: cada P (x) es igual al valor de x dividido entre 6, donde x = 1 ,2 o 3. Por tanto.
ro d a d u r a d e d a d o m o d ific a d o
para .v= 1 ,2 ,3
es la fórm ula para la función de probabilidad de este experim ento.

La función de probabilidad para el experim ento de rodar un dado ordinario es
para x = 1 ,2 , 3, 4, 5, 6
Esta función particular se llam a fu n ció n c o n s ta n te porque el valor de P(x) no cam bia
conform e .v cam bia.
T oda función de probabilidad debe m ostrar las dos propiedades básicas de la probabi
lidad (véase la p. 179). Estas dos propiedades son: 1) la probabilidad asignada a cada valor
de la variable aleatoria debe estar entre cero y uno, inclusive y 2) la sum a de las probabi
lidades asignadas a todos los valores de la variable aleatoria debe ser igual a uno; esto es,
PTI Estas pro pieda de s
se presentaron en el
cap ítu lo 4
P ro p ie d a d 1 O < cada P (x) < 1
P ro p ie d a d 2 2 P (x) = 1
E J E M P L O www.elsolucionario.net
5.2
DETERM INACIÓN DE U N A FU N CIÓ N DE PROBABILIDAD
TABLA 5 4 ................................... ¿P(x) = -¡^ p a ra x = 1f 2 , 3 , 4 es una fu n c ió n d e p ro b a b ilid a d ?
D is trib u c ió n d e .
p ro b a b ilid a d p a ra P(x) Solución
1 2 3 4
p a ra x - ,, , Para re s p o n d e r esta p re g u n ta sólo es n e c e s a rio p o n e r a p ru e b a la fu n c ió n en
■ < T ,M térm inos d e las do s p ro p ie d a d e s b á sica s. La d is trib u c ió n de p ro b a b ilid a d se
muestra en la ta b la 5 .4 .
1 ¿ í - a i * ' La p ro p ie d a d 1 se satisfa ce , p o rq u e 0 .1 , 0 .2 , 0 .3 y 0 .4 , son to d o s v a
lores n u m é rico s entre ce ro y uno. (O b s e rv a la ✓ que in d ic a q u e c a d a v a lo r
2
r e - 0 -2 ' se c o m p ro b ó .) La p ro p ie d a d 2 ta m b ié n se satisface p o rq u e la suma d e las
cuatro p ro b a b ilid a d e s es e x a c ta m e n te uno. (O b s e rv a el @ qu e in d ic a qu e la
3
w = 0 3 ' suma se c o m p ro b ó .) D a d o q u e a m b a s p ro p ie d a d e s se satisfacen, es p o s ib le
4 c o n c lu ir que P(x) = p a ra x = 1, 2 , 3 , 4 es una fu n c ió n d e p ro b a b ilid a d .
iT> = 0 4 '
¿Y q u é h a y d e P(x = 5 ) (o c u a lq u ie r o tro v a lo r d is tin to d e x = 1 , 2 , 3 o
4 ) p a ra la fu n c ió n P(x) = p a ra x = 1 , 2 , 3 , 4 ? P(x = 5) se c o n s id e ra que
(I
o |o
II
o
es c e ro . Esto es: la fu n c ió n d e p ro b a b ilid a d p ro p o rc io n a una p ro b a b ilid a d

de c e ro p a ra to d o s los v a lo re s d e x d is tin to s d e los v a lo re s e s p e c ific a d o s
com o p a rte d e l d o m in io .
Las d is trib u c io n e s d e p ro b a b ilid a d pu e d e n presentarse g rá fic a m e n te . Sin
im p o rta r la re p re s e n ta c ió n g rá fic a e s p e cífica u sa d a , los v a lo re s d e la v a ria
ble a le a to ria se g ra fic a n en la escala h o riz o n ta l y la p r o b a b ilid a d a s o c ia d a
con c a d a v a lo r d e la v a ria b le a le a to ria se g rá fic a so b re la escala v e rtic a l. La
d is trib u c ió n de p ro b a b ilid a d d e una v a ria b le a le a to ria d iscre ta p o d ría p re
sentarse m e d ia n te un co n ju n to d e segm entos d e recta d ib u ja d o s en los v a lo
res d e x con lo n g itu d e s qu e representan la p ro b a b ilid a d d e c a d a x. La fig u ra
5.1 m uestra la d is trib u c ió n d e p r o b a b ilid a d d e P(x) = - jip a r a x = 1, 2 , 3 , 4 .
Se u tiliz a un h is to g ra m a re g u la r con m ás fre c u e n c ia p a ra p re s e n ta r las
d is trib u c io n e s d e p r o b a b ilid a d . La fig u ra 5 .2 m uestra la d is trib u c ió n de
Page 256 of 418

.
.
.
Sección 5 .2 D istribuciones de p ro b a b ilid a d de una v a ria b le a le a to ria discreta 235
FIG U R A 5.1 F IG U R A 5 .2
© R epresentación lin e a l:
D is trib u c ió n d e p ro b a b ilid a d
p a ra P(x) = - jip a r a x = \ , 2 , 2 , A
H is to g ra m a : D is trib u c ió n de
p ro b a b ilid a d p a ra P(x) = - jip a r a
x = 1, 2 , 3 , 4
P|*U
0.4
0.3
PTI La g rá fic a en la 0.2

figu ra 5.1 en ocasiones
se llam a g rá fic a de 0.1
aguja.
O
p r o b a b ilid a d d e la fig u ra 5 .1 co m o histogram a de p ro b a b ilid a d El his

to g ra m a d e una d is trib u c ió n d e p r o b a b ilid a d usa el á re a fís ic a d e c a d a
b a rra p a ra re p re s e n ta r su p r o b a b ilid a d a s ig n a d a . La b a rra p a ra x = 2
tie n e 1 u n id a d d e a n c h o (de 1.5 a 2 .5 ) y 0 .2 u n id a d d e a lto . Por ta n to ,
su á re a (lo n g itu d x a n c h o ) es (0 . 2 ) ( 1) = 0 . 2 , la p r o b a b ilid a d a s ig n a d a a
x = 2. Las á re a s d e las o tra s b a rra s p u e d e n d e te rm in a rs e en fo rm a sim ilar.
Esta re p re s e n ta c ió n d e á re a será un c o n c e p to im p o rta n te en el c a p ítu lo 6 ,
c u a n d o c o m ie n c e s a tr a b a ja r co n v a ria b le s a le a to ria s c o n tin u a s .
G E N E R A R D A T O S A L E A T O R I O S
Escribe los posibles valores de la variable aleatoria en C1 y las correspondientes probabilidades

MINITAB en C2; luego continúa con:
Elige: Cale > R a n d o m D a ta > D ísc re te

Escribe: N ú m e r o de filas d e d a t o s a g e n e r a r : 25 ( n ú m e r o d e s e a d o )
A l m a c e n a r e n c o lu m n a (s): C3
V alores (de x) en: C1
P ro b a b ilid a d e s en: C2 > OK
Escribe los posibles valores de la variable aleatoria en la columna A y las correspondientes pro
Excel babilidades en la columna B; luego continúa con:
Elige: D a ta > D a ta A n a ly s is > R a n d o m n u m b e r G e n e r a tío n > OK

Escribe: N ú m e r o d e v a ria b le s : 1
N ú m e r o d e n ú m e r o s a le a to rio s : 25 ( n ú m e r o d e s e a d o )
D istrib u c ió n : D isc re ta
R ango e n t r a d a . V alor y Prob.: (A2:B5 s e le c c io n a c e ld a s de d a t o s ,
no e t iq u e t a s )
Selecio na: O u t p u t R a nge
Escribe: (C1 o s e le c c io n a celd as)
T u to rial en video d isponible; ingresa y ap rende m ás e n een gagcbrain.com

Page 257 of 418
.
.
.
23 6 Capítulo 5 Distribuciones ae p ro b a b ilid a d (variables discretas)
*
Estudiantes hacen SOLICITUD DE ADMISION
sus apuestas
La mayoría de los estudiantes
solicitan más de una escuela, loque
UNIVERSIDADES LUCHAN POR LLENAR DORM ITORIOS
dificulta a las universidades predecir Por M ary Beth M arklein, USA Today
cuántos realmente se inscribirán
A la clase de primer año del otoño U niversidades y escuelas de la econom ía y tem ores residuales
pasado se le preguntó:
educación superior enviarán por c o acerca de los viajes y la seguridad
¿A cuántas universidades,
además de en donde rreo su últim o lote de ofertas de ad desde el 11 de septiem bre, m uchos
se inscribió, solicitó admisión misión dentro de los próxim os días, funcionarios de adm isiones tienen
este año?
pero el proceso está lejos de acabar. m enos posibilidades este año de
A hora, los estudiantes tienen predecir cóm o responderán los e s
hasta el 1 de m ayo para decidir a tudiantes.
dónde em igrarán este otoño. Y con
duraderas preocupaciones acerca de
O b s e rv a la d is trib u c ió n q u e se muestra en la g rá fic a d e b a rra s . Tiene las

hechuras d e una d is trib u c ió n d e p ro b a b ilid a d d iscre ta . La v a ria b le a le a to ria ,
"n ú m e ro d e u n iv e rs id a d e s s o lic ita d a s ", es una v a ria b le a le a to ria d iscre ta con
1 1 o más ■ i 4 <»¿
Fuente: The A n e ric a n Freshman: n o m o s www.elsolucionario.net

n o cio n ales p a ta o l o r o d e 2 0 0 1 . encuesta
valores d e cero a l i o más. C a d a uno d e los v a lo re s tie n e una p ro b a b ilid a d
co rre s p o n d ie n te y la suma de las p ro b a b ilid a d e s es ig u a l a 1 .
d e 2 8 1 0 0 4 esta d ¡ante-s d e primer o r o que

ingresan a 4 2 1 u n iversid ad es y e sc u e la s d e
cuatro a r o s .
C k to d riii» - Snfck». © 2 0 0 2 USA í<xk..
M e d ia y v a r ia n z a d e un a distribución
de p ro b a b ilid a d discreta
Recuerda que, en el capítulo 2 se calcularon varios estadísticos m uéstrales num éricos (m e
dia, varianza, desviación estándar y otros) para describir conjuntos de datos em píricos.
Las distribuciones de probabilidad pueden usarse para representar poblaciones teóricas, la
contraparte a las m uestras. Los p a rá m e tro s p o b lacio n ales (m edia, varianza y desviación
estándar) se usan para describir dichas distribuciones de probabilidad tal com o se usan
los estadísticos m u é stra le s para describir muestras.
Notas:
1. x es la m edia de la muestra.
2. s2 y s son la varianza y la desviación estándar de la m uestra, respectivam ente.
3. x, s 2 y s se llam an estadísticos m uéstrales.
4. /x (letra griega mu m inúscula) es la m edia de la población.
5. cr (sigm a al cuadrado) es la varianza de la población.
6. cr (letra griega sigm a m inúscula) es la desviación estándar de la población.
7. /x, c r y <j se llam an pa rám etros poblacionales. (U n parám etro es una constante; /x, c r
y <r por lo general son valores desconocidos en problem as estadísticos reales. Más o
m enos la única vez en que se conoce es en problem as de libro de texto configurados
con el propósito de aprendizaje y com prensión.)
La m edia de la distribución de p ro babilidad de una variable aleatoria discreta, o la

m edia de una variable aleatoria discreta, se encuentra en una form a que saca plena ventaja
del form ato de tabla de una distribución de probabilidad discreta. La m edia de una variable
aleatoria discreta con frecuencia se conoce com o valor esperado.
Page 258 of 418
.
.
.
M e d ia de una v a ria b le a le a to ria d iscre ta (v a lo r e s p e ra d o ) La m e d ia , /u., de
una v a ria b le a le a to ria d iscreta x se encuentra al m u ltip lic a r c a d a p o sib le
v a lo r d e x p o r su p ro p ia p ro b a b ilid a d y lu ego sum ar to d o s los pro ducto s:
m edia de x: mu = suma de (cada x m ultiplicada p o r su p ro p ia p ro b a b ilid a d )
/x = X[xP(x)] (5.1)
L a varianza de una variable aleatoria discreta se define en gran form a de la misma

m anera que la varianza de los datos m uéstrales, la m edia de las desviaciones de la media
al cuadrado.
V a ria n z a de una v a ria b le a le a to ria d iscre ta La v a ria n z a , cr2, d e una v a ria b le

a le a to ria discreta x se encuentra al m u ltip lic a r c a d a p o s ib le v a lo r de la des
v ia c ió n de la m e d ia al c u a d ra d o , ( x - p,)2, p o r su p ro p ia p ro b a b ilid a d y lu ego
sum ar to d o s los p roductos:
varianza: sigma al cuadrado = suma de (desviación al cuadrado por probabilidad)
o2 = 2 [( x - m .)2 P ( x )] ( 5 .2 )
Con frecuencia no es conveniente usar la fórm ula (5.2); puede reform ularse de las siguien
tes m aneras:
varianza: sigm a al cuadrado = sum a de (x2 p o r probabilidad)
- [suma de (x p o r probabilidad)]2
<r = S [.rP (x )] - (S [x P (x )]} 2 (5.3a)
o
<r = X[x2P ( x ) ] - / x 2
(5.3b)
Del m ism o m odo, la desviación estándar de una variable aleatoria se calcula en la mis
m a form a que la desviación estándar de datos m uéstrales.
D esviación e s tá n d a r de una v a ria b le a le a to ria d iscre ta La ra íz c u a d ra d a p o

sitiva de la v a ria n z a .
d e s v ia c ió n e stándar: <r= ,cP (5.4)
E J E M P L O 5.4
ESTADISTICOS PARA U N A FU N CIO N
DE PROBABILIDAD (DISTRIBUCIÓN)
E ncuentra la m e d ia , v a ria n z a y d e s v ia c ió n e s tá n d a r d e la fu n c ió n d e p ro b a
b ilid a d
P(x) = A p a r a x = 1, 2 , 3 , 4
Solución
La m e d ia se e n cuentra con la fó rm u la (5 .1 ), la v a ria n z a con la fó rm u la (5 .3 a )
y la d e s v ia c ió n e s tá n d a r con la fó rm u la (5 .4 ). La fo rm a más c o n ve n ie n te de
o rg a n iz a r los p ro d u c to s y e n c o n tra r los to ta le s n e ce sa rio s es e x p a n d ir la d is
trib u c ió n d e p r o b a b ilid a d en una ta b la d e extensiones (véase la ta b la 5 .5 ).
Page 259 of 418

.
.
.
238 Capítulo 5 Distribuciones ae p ro b a b ilid a d (variables discretas)
TABLA 5 .5
Tobla d e extensiones: d is trib u c ió n de p ro b a b ilid a d , P(x) = p a ra x = 1,
2 ,3 ,4 10
X P(x) xP[x) X2 jó PÍx)
1 0.1 1 0.1
R> = 0 1 '
2 0 .4 4 0.8
ÍL> = 0 2 '
3 0 .9 9 2 .7
ro=03'
4 1. 6 16 6 .4
í k '0 4 '
Y=!r = 1 0 @ ) S [x P (x )] = 3 .0 X ^ P íx )] = 10.0
Encuentra la m e d ia d e x: la co lu m n a xP(x) co n tie n e c a d a v a lo r d e x

m u ltip lic a d o p o r su c o rre s p o n d ie n te p ro b a b ilid a d y la suma en el fo n d o es
el v a lo r n e ce sa rio en la fó rm u la (5 .1 ):
p, = S [xP (x)] = 3 .0
Encuentra la v a ria n z a d e x: los to ta le s en el fo n d o d e las c o lu m n a s xP(x)
y x 2P(x) se sustituyen en la fó rm u la (5 .3 a ):
o ’ = X [x> P \x )]-{X [x P (x)W

= 10 .0 - ( 3 .0 }2 = 1.0
Encuentra la d e s v ia c ió n e s tá n d a r d e x: usa la fó rm u la (5 .4 ):
cr = v o-2 = v 1 .0 = 1 .0
N otas:
1. El propósito de la tabla de extensiones es organizar el proceso de encontrar los

totales de las tres colum nas: X [P(x)], X[xP(.v)] y X[jt P(.v)].
2. L as otras colum nas, x y x 2, no deben totalizarse; no se usan.
3. X[P(.v)] siem pre será 1.0; usa esto sólo com o com probación.
4. X[.vP(.v)] y X [ a" P ( . v)] se usan para encontrar la m edia y la varianza de x.
E J E M P L O 5.5
MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR
© DE UNA VARIABLE ALEATORIA DISCRETA
Una m o n e d a se la n z a tres veces. Sea "n ú m e ro de c a ra s (H )" que ocurren
en d ic h o s tres la n z a m ie n to s la v a ria b le a le a to ria , x. Encuentra la m e d ia ,
v a ria n z a y d e s v ia c ió n e s tá n d a r de x.
o T utorial en video d isponible; in g resa y aprende m ás e n cen gagcbrain.com

Page 260 of 418
.
.
.
Solución
Existen ocho po sib le s resultados (todos ig u a lm e n te pro b a b le s) a este experim ento
(H = c a ra ; T = cruz): {H H H , HHT, HTH, HTT, TH H , THT, TTH, TTT}. Un resultado
es x = O, tres en x = 1, tres en x = 2 y uno en x = 3 . Por tanto, las p ro b a b ilid a
des p a ra esta v a ria b le a le a to ria son -J-, | > | - y -j-. La d is trib u c ió n d e p ro b a b ilid a d
a s o c ia d a con este e xp e rim e n to se muestra en la fig u ra 5 .3 y en la ta b la 5 .6 . Las
extensiones y sumas necesarias p a ra el cá lcu lo de m e d ia , v a ria n z a y d esviación
ta m b ié n se muestran en la ta b la 5 .6 .
F IG U R A 5 .3
D is trib u c ió n de p ro b a b ilid a d : núm ero de
c a ra s en tres la n z a m ie n to s d e m o n e d a
TABLA 5 . 6 Tabla de extensiones de d is trib u c ió n d e p ro b a b ilid a d del núm ero
d e c a ra s en tres la n z a m ie n to s d e m o n e d a
* PW xP(x) x2 x2P(x)
0 0
i ' 8 í
3 , 3 3
1
8 8 8
2
3 „ ó 12
~8~ ' 8 4 T
3
3 9 ^8
i ' 8
2[PM]-f- - 1 . 0 © S[xP|x)] 2[x*P(xO = 3 .0
La m e d ia se encuentra con la fó rm u la (5 .1 ):
/x = S [xP (x)] = 1 .5
Este re s u lta d o , 1 .5 , es la m e d ia de la d is trib u c ió n te ó ric a p a ra la v a ria b le

a le a to ria "n ú m e ro d e c a ra s " o b s e rv a d o p o r co n ju n to d e tres la n z a m ie n to s de
m o n e d a . Se espera que la m e d ia p a ra m uchos v a lo re s o b s e rv a d o s de la v a ria
b le a le a to ria ta m b ié n sea a p ro x im a d a m e n te ig u a l a este valor.
La v a ria n z a se encuentra con la fó rm u la (5 .3 a ):
o> = l[x*P(x)]-{l[xP\x))Y
= 3 . 0 - ( 1 . 5 )2 = 3 . 0 - 2 . 2 5 = 0 . 7 5
Page 261 of 418

.
.
.
La d e s v ia c ió n e s tá n d a r se e n cuentra con la fó rm u la (5 .4 ):
cr = , ^ = , 0 7 5 = 0 .8 6 6 = 0 .8 7
Esto es, 0 . 8 7 es la d e s v ia c ió n e s tá n d a r d e la d is trib u c ió n te ó ric a p a ra la

v a ria b le a le a to ria "n ú m e ro d e c a ra s " o b s e rv a d o p o r el co n ju n to de tres m o
nedas la n z a d a s . Se espera qu e la d e s v ia c ió n e stá n d a r p a ra m uchos v a lo re s
o b s e rv a d o s de la v a ria b le a le a to ria ta m b ié n sea a p ro x im a d a m e n te ig u a l a
este v a lo r.
5.1 3 Expresa el lanzam iento de una m oneda com o una distri S(x) = - — ' * 7 1 ,p a r a * = 2 , 3 , 4 , 5 , 6 , 7 ........ 11, 12
36
bución de probabilidad de .v, el número de caras que ocurren
(esto es: x = 1 si ocurre cara y x = O si ocurre cruz).
a. M enciona la distribución de probabilidades y bosqueja un
5 .1 4 a. Expresa P (x) =
de distribución.
para x = 1, 2, 3, 4, 5, 6, en form a histogram a.
b. ¿R econoces S (x )l Si sí, identifícala.

b. Construye un histogram a de la distribución de pro
5 .1 9 C on frecuencia, los datos censales se usan para obtener
babilidad P(x) = para x = 1, 2, 3 ,4 , 5, 6.
distribuciones de probabilidad para varias variables aleatorias.
c. D escribe la form a del histogram a en el inciso b. Los datos censales para fam ilias en un estado particular con
un ingreso com binado de S50 000 o más m uestran que 20%
5 .1 5 a. Explica cóm o los diversos valores de jv en una d is
de dichas fam ilias no tienen hijos, 30% tienen un hijo, 40%
tribución de probabilidad forman un conjunto de
tienen dos hijos y 10% tienen tres hijos. A partir de esta in
eventos m utuam ente excluyentes.
form ación, construye la distribución de probabilidad para .v,
b. Explica cóm o los diversos valores de x en una donde x representa el núm ero de hijos por fam ilia para este
distribución de probabilidad forman un conjunto grupo de ingreso.
de eventos “ todo incluido”.
5 .2 0 En un artículo del USA Today (1 de ju n io de 2009), se re
5 .1 6 Pon a prueba la siguiente función para determ inar si es portaron las siguientes estadísticas acerca del núm ero de horas
una función de probabilidad. Si no lo es, trata de convertirla de sueño que tienen los adultos.
en una función de probabilidad. Número de horas Porcentaje
R (x) = 0.2, para .v = 0, 1. 2, 3 ,4 5 o menos 12%

Ó 29%
a. M enciona la distribución de probabilidades. 7 37%
8 o más 24%
b. B osqueja un histogram a.
Fuente: Encuesta de StrategvOne para Tenpur-Pedic
de 1 004 adultos en abril
5.1 7 Pon a prueba la siguiente función para determ inar si es
una función de probabilidad. a. ¿E xisten otros valores que pueda adquirir el núm ero de
horas?
P(x) = A 5 . para x = 1, 2, 3, 4
b. E xplica por qué el total de los porcentajes no es 100%.
a. M enciona la distribución de probabilidad. c. ¿É sta es una distribución de probabilidad discreta? ¿Es

una distribución de probabilidad ? Explica.
b. B osqueja un histogram a.
5 .2 1 V erifica que las fórm ulas (5.3a) y (5.3b) son equivalentes
5.1 8 Pon a prueba la siguiente función para determ inar si es
a la fórm ula (5.2).
una función de probabilidad. Si no lo es, trata de convertirla
en una función de probabilidad.
Page 262 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5 .2 D istribuciones de p ro b a b ilid a d de una v a ria b le a le a to ria discreta 241
5 . 2 2 a. Form a la tabla de distribución de probabilidad para a. ¿L a distribución de probabilidad es discreta? Explica.
P{x) = -3- para x = 1 ,2 ,3 .
b. D ibuja un histogram a para la distribución de x, el núm em
b. Encuentra las extensiones xP (x) y x?P(x) para cada .v. de hijos p o r hogar.
c. Encuentra £[.vP(.v)] y X[.v:P(.v)]. c. Al sustituir “5 + ” con exactam ente “5” , encuentra la m e

dia y la desviación estándar.
d. Encuentra la m edia para P(x) =-£- para x = 1, 2, 3.
5 . 2 9 ¿U n perro es “el m ejor am igo del hom bre” ? U no pen
e. Encuentra la varianza para P(x) =-£- para x = 1, 2, 3.
saría que sí, con 60 m illones de perros m ascota en toda la na
f. E ncuentra la desviación estándar para P(x) =-£- para ción. Pero, ¿cuántos am igos se necesitan? En la N ational Pet
jc= 1 ,2 ,3 . O w ners Survey (Encuesta N acional de D ueños de M ascotas)
2007-2008 de la A m erican Pet Products A ssociation (A socia
5 . 2 3 Si encuentras la sum a de las colum nas .v y x 2 en la tabla
ción Estadounidense de Productos para M ascotas), se reporta
de extensiones, ¿exactam ente qué encontraste?
ron las siguientes estadísticas.
5 . 2 4 D ada la función de probabilidad P(x) paran: = 1 ,2 ,
Número de perros mascota Porcentaje
3, 4, encuentra la m edia y la desviación estándar.
Uno 63
5 . 2 5 D ada la función de probabilidad R(x) = 0.2 para x = O, 1, Dos 25
2, 3, 4, encuentra la m edia y la desviación estándar. Tres o más 12
Fuente! A P P M A 2 0 0 7 - 2 0 0 8 I la liona I Peí O.vn&ns
5 . 2 6 El núm ero de em barcaciones por llegar a un muelle en Survey
cualquier día dado, es una variable aleatoria representada por

a. ¿L a distribución de probabilidad es discreta? Explica.
.v. La distribución de probabilidad para .v es la siguiente:
b. D ibuja un histogram a de frecuencias relativas para m os
X 10 11 12 13 14 trar los resultados que se citan en la tabla.
P(x) 0 .4
0 .2 0 .2
Encuentra la m edia y la desviación estándar del núm ero de

0.1 0.1
c. Al sustituir la categoría “ 3 o m ás” con exactam ente “3” ,
encuentra la m edia y la desviación estándar del núm ero
em barcaciones que llegan a un muelle en un día dado. de perros m ascota por hogar.
5 . 2 7 El sitio web del College Board ofrece m ucha inform a d. ¿C óm o interpretas la m edia?
ción a estudiantes, padres y profesionales respecto a los m u e. E xplica el efecto que tiene sobre la m edia y la desviación
chos aspectos involucrados en !os cursos y exám enes A dvan
estándar el cam biar la categoría “ 3 o m ás” con “3” .
ced Placem ent (AP). Un reporte anual particular proporciona
el porcentaje de estudiantes que obtienen cada una de las posi 5 . 3 0 C om o se reportó en el inicio del capítulo “EU A y sus au
bles calificaciones A P (del 1 al 5). La distribución de califica tom óviles”, los estadounidenses están enam orados del autom ó
ciones 2008 para todas las m aterias fue la siguiente: vil y la m ayoría tienen más de un vehículo por hogar. De hecho,
el prom edio nacional es 2.28 vehículos por hogar. El número
Calificación AP Porcentaje de vehículos por hogar en Estados U nidos puede describirse del
1 209 m odo siguiente:
2 21 3
3 24.1 Vehículos, x P(x)
4 19.4 1 0 .3 4
5 14.3 2 0.31
3 0 .2 2
4 0 .0 6
a. Expresa esta distribución com o una distribución de pro 5 0 .0 3
babilidad discreta. 6 0 .0 2
7 0.01
b. E ncuentra la m edia y la desviación estándar de las califi 8 0 más 0.01
caciones del exam en A P para 2008.
a. Al sustituir la categoría “ 8 o m ás” con exactam ente “ 8”,
5 . 2 8 El núm ero de hijos por hogar, x, en E stados U nidos en
encuentra la m edia y la desviación estándar del núm ero
2008 se expresa aquí com o una distribución de probabilidad.
de vehículos por hogar en E stados Unidos.
x O 1 2 3 4 5+ b. ¿C óm o la m edia calculada en el inciso a corresponde al
P(x) O 290 O 384 0 .2 4 9 0 .1 0 6 0032 0.020
prom edio nacional de 2.28?
Fuente! U .S. C e n su s But^ciu
Page 263 of 418

.
.
.
c. Explica el efecto que tiene sobre la m edia y la desviación P(x)
estándar el sustituir la categoría “ 8 o m ás” con “ 8”. $3 0.2
-$1 0.8
5 .3 1 La variable aleatoria A tiene la siguiente distribución de
c. ¿C óm o se com paran tus respuestas a los incisos a y b?
probabilidad:
¿C onsiderarías éste un ju eg o justo? ¿P or qué?
A 2 3 4 5 .3 5 Un artículo del USA Today (4 de m arzo de 2009) presen
P(A) 0.6 0.1 0.1 0.1
tó una gráfica de pastel que m uestra cóm o los trabajadores d a
ñan sus laptops. Los estadísticos se derivaron de una encuesta
a. Encuentra la m edia y la desviación estándar de A.
realizada por Ponem on Institute para D ell, de 714 gerentes de
b. ¿C uánto de la distribución de probabilidad está dentro de TI. ¿É sta es una distribución de probabilidad? Explica.
2 desviaciones estándar de la media?
Razón de daño a laptop Porcentaje (%)
c. ¿C uál es la probabilidad de que A esté entre /x - 2o- y Derramar alimento o líquido 34
/x + 2o-? Dejarb caer 28
l io protegerla durante viaje 25
5 .3 2 La variable aleatoria .v tiene la siguiente distribución de Trabajador enojado 13
probabilidad:
5 .3 6 a. U sa una com putadora (o tabla de núm eros aleatorios)
5 x 2 3 4
para generar una m uestra aleatoria de 25 observacio
Applets Skillhuilder disponibles en línea através de cengagebrain.'
P(x) 0.6 0.1 0.1 0.1

nes extraídas de la siguiente distribución de probabi
a. Encuentra la m edia y la desviación estándar de (.v). lidad discreta.
x 2 3 4 5
b. ¿C uál es la probabilidad de que esté x entre /x - cr y
P(x) 0.2 0.3 0.3 0.1 0.1
/x + o-?
5 .3 3 a. D ibuja un histogram a de la distribución de probabi
lidad para los núm eros aleatorios de un solo dígito O,
C om para los datos resultantes con tus expectativas.
b. Form a una distribución de frecuencias relativas de los

1 ,2 ,..., 9. datos aleatorios.
b. C alcula la m edia y la desviación m edia asociadas
c. C onstruye un histogram a de probabilidad de la distribu
con la población de núm eros aleatorios de un dígito.
ción dada y un histogram a de frecuencias relativas de los
c. Representa: 1) la ubicación de la m edia en el histo datos observados usando puntos m edios de clase de 1 , 2,
gram a con una recta vertical y 2 ) la m agnitud de la 3 ,4 y 5.
desviación estándar con un segm ento de recta. d. C om para los datos observados con la distribución teórica.
d. ¿C uánto de esta distribución de probabilidad está D escribe tus conclusiones.
dentro de 2 desviaciones estándar de la m edia?
e. Repite los incisos a al d varias veces, con /i = 25. D escri
5 .3 4 E je rc icio A p p let be la variabilidad que observas entre las muestras.
S k illh u ild e r Sim ula el ju e f. Repite los incisos a al d varias veces, con n = 250. D escri
o
go donde un jugador tiene be la variabilidad que observas entre las m uestras de este
una probabilidad de 0.2 de tam año m ucho m ás grande.
ganar S3 y una probabili
dad de 0.8 de perder $ 1 .
* ** r n im lll
R epite las sim ulaciones n» im ..i •tsrti— el v t n >í MINITAB
para varios conjuntos de lira jm ifi •15
M l « . J.IVfelfe •a:
100 ju egos con el botón a. Escribe los valores x de la variable aleatoria en C1 y sus co
rrespondientes probabilidades, P(x), en C2; luego continúa con
“ Play 25 tim es” (jugar 25 los comandos MINITAB de generación de datos aleatorios de
veces). la página 235.
a. ¿Q ué estim arías para tu valor esperado (ganancia o pérdi b. Para obtener la distribución de frecuencias, continúa con
da prom edio) a partir de los resultados? Elige: S ta t > T a b le s > C ro ss T a b u l a tío n

b. C on la siguiente distribución de probabilidad calcula la Escribe: V aria bles c a te g ó ric a s : P ara filas: G3
m edia. S ele cc iona: D isplay: T o ta l p e r c e n t s > OK
Page 264 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5.3 Distribución de p ro b a b ilid a d Dinom ial 243
c. Para construir el histoarama de los datos generados en C3, con b. Form a una distribución de frecuencias relativas de
tinúa con I 0 3 comandos MINITAB de histograma de la página los datos aleatorios.
5 3 y selecciona scale > Y-Sccle Type > Percent. (Usa Binning
seguido por punto medio y posiciones de punto medio 1: 5 / l si c. Form a una distribución de probabilidad de la distri
es necesario.) bución de probabilidad esperada. C om para los datos
Para construir una gráfica de barras de la distribución dada: resultantes con tus expectativas.
Elige: G ra p h > Bar C h a r t > Bars r e p r e s e n t:
d. Construye un histogram a de probabilidad de la dis
V a lú e s from a ta b le >
tribución dada y un histogram a de frecuencias rela
O n e C o l u m n of v a lú e s: S im p le > OK
tivas de los datos observados usando puntos medios
Escribe: V ariables gráficas: G2 V aria b les de clase de 1, 2, 3 y 4.
c a te g ó ric a s : C1
e. C om para los datos observados con la distribución
S ele cc io n a: L ab e ls > D a ta L ab e ls > L a b e liy p e :
teórica. D escribe tus conclusiones.
U s e y - v a lu e labels > OK
S ele cc io n a: D a ta V tew > D ata Display: Bars f. Repite los incisos a-d varias veces con n = 100. Des
> OK > OK cribe la variabilidad que observas entre las muestras.
5 .3 8 T odos los m artes, Ja so n ’s V ideo tiene días de “rueda el

Excel dado’*. U n cliente puede rodar dos dados equilibrados y rentar
a. Escribe los valores x de la variable aleatoria en la columna A una segunda película por un im porte (en centavos) determ ina
y sus correspondientes probabilidades, P(x), en la columna B; do por los núm eros que m uestre el dado, el núm ero m ayor pri
luego continúa con los comandos Excel para generación de mero. Por ejem plo, si el cliente rueda un uno y un cinco, una
datos aleatorios de la página 235, para n = 25.
segunda película puede rentarse por S0.51. Sea x el importe
b. y e . La distribución de frecuencias está dada con el histograma
pagado por una segunda película el m artes de “rodar el dado” .
de los datos generados. Usa los comandos Excel de histo
gram a de la página 53 y usa los datos en la columna C y a. U sa el espacio m uestral para la rodadura de un par de
el rango de ca ja en la columna A.
dados y expresa el costo de renta de la segunda película,
Para construir un histograma de la distribución dada, activa A l :B6
.v, com o una distribución de probabilidad.
o selecciona celdas y continúa con:
b. ¿C uál es la m edia del costo de renta esperado (m edia de
Elige: In sert > C olum n > l st picture (por lo general) x) de la segunda película los m artes de “rodar el dado” ?
C ha rt Layouts > Layout 9
c. ¿C uál es la desviación estándar de x?
Elige: Selct Data > Serles 1 > Remove > OK
Escribe: C hart a n d ax e s tltles (Edita según necesites) d. Con una com putadora y la distribución de probabilidad
que encontraste en el inciso a, genera una m uestra alea
toria de 30 valores para x y determ ina el costo total de
5 .3 7 a. U sa una com putadora (o tabla de núm eros aleatorios) rentar la segunda película para 30 rentas.
y genera una m uestra aleatoria de 100 observaciones
extraídas de la población de probabilidad discreta e. Con una com putadora obtén una estim ación para la pro
P(x) = para x = 1, 2, 3, 4. M enciona la m uestra babilidad de que el im porte total pagado por 30 segundas
resultante. (U sa los com andos de com putadora del películas superará $15.00 al repetir el inciso d 500 veces
ejercicio 5.36; sólo cam bia los argum entos.) y usar los 500 resultados.
5.3 Distribución d e p ro b a b ilid a d

binom ial
C onsidera el siguiente experim ento de probabilidad. Tu profesor aplica un exam en sorpre
sa de cuatro preguntas de opción m últiple. Tú no estudiaste el m aterial y por tanto decides
responder las cuatro preguntas al suponer al azar las respuestas sin leer las preguntas o
las respuestas.
Page 265 of 418
.
.
.
P á g in a d e respuestas a l e x a m e n
Instrucciones: encierra en un círculo la m ejor respuesta a cada pregunta.
1. a
2. a
3. a
4. a
Encierra en un círculo tus respuestas antes de continuar.

PTI Es correcto
(ad ivin a I
A ntes de m irar las respuestas correctas al exam en y descubrir cóm o te fue, piensa en
algunas de las cosas que pueden suceder si respondes un exam en de esta forma.
1. ¿C uántas de las cuatro preguntas es probable que respondas correctam ente?

2. ¿C uán probable es que tengas m ás de la m itad de las respuestas correctas?
3. ¿C uál es la probabilidad de que selecciones las respuestas correctas a las cu a
tro preguntas?
4. ¿C uál es la probabilidad de que selecciones las respuestas equivocadas a las cuatro
preguntas?
5. Si toda una clase responde las preguntas m ediante “adivinación”, ¿cuál crees que
sea el núm ero “prom edio” de respuestas correctas de la clase?
Para encontrar las respuestas a estas preguntas, com ienza con un diagram a de árbol
del espacio m uestral y presenta las 16 posibles form as de responder el exam en de cuatro
preguntas. C ada una de las cuatro preguntas se responde con la respuesta correcta (C) o
ccn una respuesta equivocada (E). O bserva la figura 5.4.
F IG U R A 5 .4 Pregunta Pregunta Pregunta

D ia g ra m a de á rb o l: Resultado x
p o sib le s respuestas a
un exam en d e cuatro
cccc 4
pre g u n ta s
CCCE 3
CCEC 3
CCEE 2
CECC 3
CECE 2
CEEC 2
CEEE 1
PTI ¿EEEE? representa ECCC 3
equivocad o en 1, eq ui ECCE 2
vo ca d o en 2, eq uivoca ECEC 2
do en 3 y equivocado
ECEE 1
en 4; por tanto, su p ro
EECC 2
b a b ilid a d se encuentra
al usar la reg la de la EECE 1
m u ltip lica ció n , fórm ula EEEC 1
(4.7). EEEE O
Puedes convertir la inform ación del diagram a de árbol en una distribución de proba
bilidad. Sea x el “núm ero de respuestas correctas” en el exam en de una persona cuando
el exam en se resuelve m ediante adivinación aleatoria. La variable aleatoria .v puede tom ar
cualquiera de los valores O, 1, 2, 3 o 4 para cada pregunta. La figura 5.4 m uestra 16 ra
mas que representan cinco diferentes valores de x. O bserva que el evento x = 4, “cuatro
respuestas correctas”, se representa m ediante la ram a superior del diagram a de árbol y el
Page 266 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5 .3 Distribución de p ro b a b ilid a d Dinom ial 245
evento x = O, “cero respuestas correctas”, se m uestra en la ram a inferior. Los otros even
tos, “ una respuesta correcta”, “dos respuestas correctas” y “tres respuestas correctas”, se
representan cada uno m ediante varias ram as del árbol. Se descubre que el e v e n to * = 1 ocu
rre en cuatro diferentes ram as, el e v e n to x - 2 ocurre en seis ram as y el evento.v = 3 ocurre
en cuatro ram as.
C ada pregunta individual tiene sólo una respuesta correcta entre las tres respuestas
posibles, de m odo que la probabilidad de seleccionar la respuesta correcta a una pregunta
adicional es 1/3. La probabilidad de que una respuesta equivocada sea seleccionada en una
pregunta adicional es 2/3. La probabilidad de cada valor de * puede encontrarse al calcular
las probabilidades de todas las ram as y luego com binar las probabilidades para las ramas
que tienen los m ism os valores x. Los cálculos continúan y la distribución de probabilidad
resultante aparece en la tabla 5.7.
P (x = 0) es la probabilidad de que cero preguntas reciban respuestas correctas y para
TABLA 5 .7
cuatro preguntas se den respuestas equivocadas (sólo hay una ram a en la figura 5.4 donde
D is trib u c ió n d e p ro b a b ilid a d
las cuatro son equivocadas: EEEE):
p a ra el exam en de cuatro
pre g u n ta s / > (A = 0 ) = |- x |- x |x |- = (!) = i|= 0 .1 9 8
- PM 1
0 0 .1 9 8 N ota: responder cada pregunta individual es un evento separado e independiente, lo que
1 0 .3 9 5
por tanto perm ite usar la fórm ula (4.7), lo que afirm a que debes m ultiplicar las probabili
2 0 .2 9 6
3 0 .0 9 9 dades.
4 0 .0 1 2
P (x = 1) es la probabilidad de que la respuesta correcta sea dada para exactam ente una
1 000 0 pregunta y las otras tres reciban respuestas equivocadas (existen cuatro ram as en la figura
5.4 donde esto ocurre, a saber: -C E E E , ECEE, E E C E , E E E C - y cada una tiene la misma
probabilidad):
P U = 1) = (4) X | X| X| X | = (4) ( i ) ' ( ! ) ’ = 0.395
P (x = 2) es la probabilidad de que exactam ente dos preguntas reciban respuestas co

rrectas y las otras dos reciban respuestas equivocadas (en la figura 5.4 existen seis ramas
donde esto ocurre -C C E E , C E C E , C E E C , EC C E, E C E C , E E C C - y cada una tiene la mis
ma probabilidad):
P(.v = 2 ) = (6) X i X - i X | X | = (6 ) ( i ) 2 ( |) ! = 0.296
P (x = 3) es la probabilidad de que exactam ente tres preguntas reciban respuestas co

rrectas y la otra pregunta reciba una respuesta equivocada (en la figura 5.4 existen cuatro
ram as donde esto ocurre -C C C E , C C E C , CEC C , E C C C - y cada una tiene la m ism a pro
babilidad):
P (x = 3) = (4) X i X i - X 1 X | = (4) (1) ( ! ) ' = 0.099
P (x = 4) es la probabilidad de que las cuatro preguntas reciban respuestas correctas

(en la figura 5.4 sólo hay una ram a donde las cuatro son correctas: CCCC):
p ( j = 4) = ! x ± x ! x ! = ( ! ) 4 4 = o. ° i 2
A hora puedes responder las cinco preguntas que se plantearon acerca del exam en de
cuatro preguntas (p. 244).
R espuesta 1: La ocurrencia m ás probable sería obtener una respuesta correcta; tiene

una probabilidad de 0.395. C ero, una o dos respuestas correctas se espera que resulten
aproxim adam ente 89% de las veces (0.198 + 0.395 + 0.296 = 0.889).
Page 267 of 418

.
.
.
Respuesta 2: T ener m ás de las respuestas correctas se representa x = 3 o 4; su proba
bilidad total es 0.099 + 0.012 = 0 .1 1 1. (Sólo aprobarás este exam en 11% de las veces
al adivinar al azar.)
Respuesta 3: /^ c u a tro correctas) = P (x = 4) = 0.012. (Todas correctas sólo ocurre 1%
de las veces.)
Respuesta 4: P {todas equivocadas) = P (x = 0) = 0.198. (Esto es casi 20% de las veces.)
R espuesta 5: Se espera que el prom edio de la clase sea 1/3 de 4, o 1.33 respuestas
correctas.
Las respuestas correctas al exam en son b, c, b, a. ¿C uántas respuestas correctas tuvis

te? ¿C uál ram a de las tres, en la figura 5.4, representa los resultados de tu exam en? Pue
des pedir a varias personas que respondan este m ism o exam en al adivinar las respuestas.
Luego construye una distribución de frecuencias relativas observadas y com párala con la
distribución que se m uestra en la tabla 5.7.
M uchos experim entos se com ponen con ensayos repetidos cuyos resultados pueden
clasificarse en una de dos categorías: éx ito o fra ca so . Los ejem plos de tales experim entos
son lanzam ientos de m onedas, respuestas de exam en correcto/equivocado y otros experi
m entos m ás prácticos, com o determ inar si un producto hace o no su labor prescrita y si
un candidato es electo o no. Existen experim entos en los que los ensayos tienen m uchos
resultados que, ba jo las condiciones correctas, pueden encajar en esta descripción general
de clasificarse en una de dos categorías. Por ejem plo, cuando ruedas un solo dado, por
lo general consideras seis posibles resultados. Sin em bargo, si sólo estás interesado en
saber si se m uestra o no un “ uno”, en realidad sólo existen dos resultados: el “ uno” que
se m uestra o el “algo m ás” que se m uestra. Los experim entos recién descritos se llaman
experim entos de p ro babilidad binom ial.
Experimento de p ro b a b ilid a d binom ial Un e xp e rim e n to q u e se construye con

ensayos re p e tid o s que posee las siguientes p ro p ie d a d e s : 1. Existen n en
sayos in d e p e n d ie n te s id é n tic o s repetidos.
2. C a d a ensa yo tie n e do s po sib le s resultados (éxito o fracaso).
3. P(éxito) = p , P (fracaso) = q y p + q = 1 .
4 . La variable aleatoria binom ial x es el conteo del núm ero de ensayos e x ito
sos qu e o curren; x p u e d e to m a r c u a lq u ie r v a lo r entero d e sd e cero hasta n.
Notas:
1. Las propiedades 1 y 2 describen las dos características básicas de cualquier experim en
to binom ial.
2. E nsay o s in d e p e n d ie n te s significan que el resultado de un ensayo no afecta la pro
babilidad de éxito en cualquier otro ensayo en el experim ento. En otras palabras: la
probabilidad de éxito perm anece constante a lo largo de todo el experim ento.
3. La propiedad 3 ofrece la notación algebraica para cada ensayo.
4. La propiedad 4 tiene que ver con la notación algebraica para el experim ento com pleto.
5. Es de sum a im portancia que tanto x com o p se asocien con “éx ito ”.
El exam en de cuatro preguntas califica com o experim ento binom ial constituido de
cuatro ensayos cuando las cuatro respuestas se obtienen por adivinación al azar.
Propiedad 1: Un en say o es la re sp u e sta d e u n a p re g u n ta y se repite n = 4 veces. Los

ensayos son in d e p e n d ie n te s porque la probabilidad de una respuesta correcta a cual
quier pregunta no es afectada por las respuestas a otras preguntas.
Propiedad 2: Los dos posibles resultados en cada ensayo son éxito = C , respuesta co
rrecta y fra c a so = E , respuesta equivocada.
Page 268 of 418

.
.
.
Sección 5 .3 D istribución de p ro b a b ilid a d b in o m ia l 247
Propiedad 3: Para cada ensayo (cada pregunta): p - P ( c o r r e c ta ) = y y q = P (incorrecta)
= T* IP + cl = 1 @ 1
Propiedad 4: Para el experim ento total (el exam en): x = n ú m e ro d e re sp u e sta s c o rre c
ta s y puede ser cualquier valor entero entre cero hasta n = 4.
E J E M P L O 5.6
D EM O STRACIO N DE LAS PROPIEDADES DE

UN EXPERIMENTO DE PROBABILIDAD BINOMIAL
C o n s id e ra el e x p e rim e n to d e ro d a r un d a d o 12 veces y o b s e rv a r un " u n o " o
" a lg o m á s". A l fin a l d e las 12 ro d a d u ra s , re p o rta s el núm ero de "u n o s ". La
v a ria b le a le a to ria x es el núm ero d e veces qu e se o b se rva un " u n o " en los n =
1 2 ensayos. D a d o qu e " u n o " es el re su lta d o d e interés, se c o n s id e ra "é x ito ";
p o r ta n to , p = P(uno) = 1 y q = P(no uno) = | . Este e x p e rim e n to es b in o m ia l.
E J E M P L O
* 5.7
D EM O STRACIO N DE LAS PROPIEDADES DE

UN EXPERIMENTO DE PROBABILIDAD BINOMIAL
Si fu e ra s in sp e cto r en una línea d e p ro d u c c ió n en una p la n ta d o n d e se fa b r i
can televisores, estarías p re o c u p a d o p o r id e n tific a r el núm ero d e televisores
d efectuosos. P ro b a b le m e n te d e fin iría s " é x ito " co m o la o c u rre n c ia de un tele
v is o r defectuoso. Esto no es lo que usualm ente se c o n s id e ra un é x ito , p e ro , si
cuentas televisores "d e fe c tu o s o s " en un e x p e rim e n to b in o m ia l, d e b e s d e fin ir
" é x ito " co m o un "d e fe c tu o s o ". La v a ria b le a le a to ria x in d ic a el núm ero de
televisores defectuosos e n c o n tra d o s p o r lo te de n televisores; p = P(televisor
defectuoso) y q = P jtelevisor bueno).
L a clave para trabajar con cualquier experim ento de probabilidad es su distribución

de probabilidad. T odos los experim entos de probabilidad binom ial tienen las m ism as pro
piedades y por tanto puedes usar el m ism o esquem a de organización para representarlos
todos. La función de p ro babilidad binom ial perm ite encontrar la probabilidad para cada
posible valor de x.
Función de p ro b a b ilid a d binom ial Para un e xp e rim e n to b in o m ia l, sea p la

p ro b a b ilid a d d e un "é x ito " y q la p ro b a b ilid a d d e un "fra c a s o " en un solo
ensayo. Entonces P(x), la p ro b a b ilid a d de que h a b rá exacta m e n te x éxitos en
n ensayos es
P(x) = ( " ) ( p i( q ” ' x) p a ra x = O, 1, 2 , . . . , n (5.5)
Page 269 of 418

.
.
.
C uando observas la función de probabilidad, notas que es el producto de tres factores
básicos:
1. El núm ero de formas en que exactam ente pueden ocurrir x éxitos en n ensayos, (J?)
2. La probabilidad de exactam ente x éxitos, p x
3. La probabilidad de que el fracaso ocurra en los restantes (n - x) ensayos, c f x
El núm ero de form as en que exactam ente pueden ocurrir x éxitos en un conjunto de n
ensayos se representa m ediante el sím bolo (*!), que siem pre debe ser un entero positivo.
Este térm ino se llam a coeficiente b in o m ia l y se encuentra al usar la fórm ula
(” ) = Ul__
\x l .v!(/7 —a)! (5.6)
Notas:
1. n\ (“« fa c to ria l”) es una abreviatura para el producto de la secuencia de enteros que
com ienza con n y term ina con uno. P or ejem plo, 3! = 3 • 2 • 1 = 6 y 5 ! = 5 * 4 * 3 *
2 * 1 = 120. E xiste un caso especial, 0!, que por definición es 1. Para m ás inform ación
acerca de la n o ta ció n fa c to ria l, consulta el M anual de soluciones d el estudiante.
2. Los valores para ni y (^) pueden encontrarse fácilm ente con la m ayoría de las calcu
ladoras científicas.
3. El coeficiente binom ial ) es equivalente al núm ero de com binaciones C , el sím bo
lo que más probablem ente se encuentra en tu calculadora.
4. Consulta el M anual de soluciones d el estudiante para inform ación general acerca del
coeficiente binom ial.
V uelve a considerar el ejem plo 5.5 (pp. 238-240): una m oneda se lanza tres veces y se
observa el núm ero de caras que ocurre en los tres lanzam ientos. Éste es un experim ento
binomial porque m uestra todas las propiedades de un experim ento binom ial:
1. Existen // = 3 ensayos in d e p e n d ie n te s repetidos (cada lanzam iento de m oneda

es un ensayo separado y el resultado de cualquier ensayo no tiene efecto sobre la
probabilidad de otro ensayo).
2. C ada ensayo (cada lanzam iento de la m oneda) resulta en uno de dos posibles resul
tados: éxito = c a r a s (las que se cuentan) o fracaso = ensayos.
3. La probabilidad de éxito es p = P (H ) = 0.5 y la probabilidad de fracaso es q - P(T )
= 0.5. [p + q = 0.5 + 0.5 = 1 ® J
4. La variable aleatoria x es el n ú m e ro de c a r a s que ocurren en los tres ensayos, x
asum irá exactam ente uno de los valores 0, 1, 2 o 3 cuando el experim ento esté
com pleto.
La función de probabilidad binom ial para el lanzam iento de tres m onedas es
P(.x) = (2) (p') (q "*) = Q (0.5)* (0.5 )3 * para a = 0 , 1 , 2 , 3
E ncuentra la probabilidad de x - 1 con la función de probabilidad binom ial anterior:
PTI En la ta b la 5 .6
(p. 2 3 9 ), P | l ) = § , P(X = 1) = 0 (0 .5 )'(0 .5 )! = 3(0.5)(0.25) = 0.375
A quí, P (l) = 0 .3 7 5 y
| = 0 .3 7 5 .
N ota que éste es el m ism o valor que encontraste en el ejem plo 5.5 (p. 238).
Page 270 of 418

.
.
.
Sección 5 .3 Distribución de p ro b a b ilid a d Dinom ial 249
E J E M P L O 5. 8
DETERM INACION DE UN EXPERIMENTO

© BINOMIAL Y SUS PROBABILIDADES
C o n sid e ra un exp e rim e n to q u e te p id e extraer cinco na ip es, uno a la ve z con
re e m p la zo , de un m a zo d e n a ip es bien b a ra ja d o . El n a ip e e xtra íd o se id en
tific a com o esp a d a o no e sp a d a , se regresa al m a zo , el m a zo se vuelve a
b a ra ja r, etcétera. La v a ria b le a le a to ria x es el núm ero de espadas o b servad as
en el conjunto d e cin co extracciones. ¿Se trata d e un experim ento binom ial?
Id e n tifica las cuatro p ro p ie d a d e s.
1. Existen cinco extracciones repartidas; n = 5. Estos ensayos in d iv id u a

les son independientes p o rq u e el n a ip e e x tra íd o se d e vu e lve al m a z o
y el m a z o se vuelve a b a ra ja r antes de la sig u ie n te e x tra c c ió n .
2. C a d a e x tra c c ió n es un e nsayo y c a d a e x tra c c ió n tie n e dos resultados:
espada o no espada
3 . p = P(espada) = 37 y q = P[no espada) = 3 ^
4 . x es el núm ero de espadas re g is tra d a s al c o m p le ta r los c in c o ensayos;
los p o sib le s v a lo re s son O, 1 ,2 , ..., 5.
La fu n c ió n d e p ro b a b ilid a d b in o m ia l es
www.elsolucionario.net ■ @ ( í $ © ’“ ‘ @ ( j ) '( f T ' ( > 25H 07 5 1 -

p a r a x = O, 1, ..., 5
P(0) = (£ ) ( 0 .2 5 ) ° ( 0 .7 5 ) ’ = (1 )(1 )(0 .2 3 7 3 ) = 0 .2 3 7 3
P (l) = ( f) ( 0 .2 5 ) '( 0 .7 5 ) “ = (5 ) (0 .2 5 ) (0 .3 1 6 4 ) = 0 .3 9 5 5
P(2) = ( ^ ) ( 0 .2 5 ) 2( 0 .7 5 p = (1 0 ) (0 .6 2 5 )( 0 .4 2 1 8 7 5 ) = 0 .2 6 3 7
P{3) = 0 ( O . 2 5 p ( O . 7 5 ) 2 = (1 0 ) ( 0 .1 5 6 2 5 ) ( 0 .5 6 2 5 ) = 0 .0 8 7 9
Las do s p ro b a b ilid a d e s restantes se d e ja n p a ra que las ca lcu le s en el

e je rc ic io 5 .5 2 .
La anterior distribución de probabilidades indica que el valor individual m ás probable

DT, D . de x es uno, el evento de observar exactam ente una espada en una m ano de cinco naipes,
r í l Respuesta: cinco _ v v
¿Cuál es el núm ero m enos probable que observarías?
E J E M P L O 5.9
PROBABILIDAD BINOMIAL DE "HUEVO S MALOS"

El g e re n te d e Steve's Food M a rk e t g a ra n tiz a q u e n in g u n o d e sus c a rto n e s de
una d o c e n a d e huevos co n te n d rá más d e un huevo m a lo . Si un c a rtó n co n
tie n e m ás d e un huevo m a lo , re e m p la z a rá to d a la d o c e n a y p e rm itirá que el
clie n te co nserve los huevos o rig in a le s . Si la p ro b a b ilid a d d e q u e un huevo in
d iv id u a l sea m a lo es 0 .0 5 , ¿cuál es la p ro b a b ilid a d d e qu e el g e re n te te n d rá
qu e re e m p la z a r un c a rtó n d e huevos d a d o ?
o Tutorial en video disponible; ingresa y aprende más en eengagcbrain.com

Page 271 of 418
.
.
.
Solución
A p rim e ra vista , la situ a ció n del g e re n te p a re c e e n c a ja r en las p ro p ie d a d e s
de un e x p e rim e n to b in o m ia l si se h a c e x el núm ero de huevos m a lo s e n co n
tra d o s en un c a rtó n d e una d o c e n a d e huevos, sea p = P[malo) = 0 .0 5 y sea
la in s p e c c ió n d e c a d a huevo un ensayo q u e resulta en e n c o n tra r un huevo
" n a lo " o "n o m a lo ". H a b rá n = 12 e nsayos p a ra c o n ta r los 12 huevos en
un ca rtó n . Sin e m b a rg o , los ensayos d e un e x p e rim e n to b in o m ia l d e b e n ser
in d e p e n d ie n te s ; p o r ta n to , se su p o n d rá qu e la c a lid a d d e un huevo en un
cartón es in d e p e n d ie n te de la c a lid a d de a lg u n o d e los otros huevos, (jEsta
p u e d e ser una g ra n su p o s ic ió n ! Pero con esta s u p o sició n p o d rá s usar la
d is trib u c ió n de p ro b a b ilid a d b in o m ia l co m o m o d e lo .) A h o ra , con base en
esta s u p o sició n p o d rá s e n c o n tra r/e s tim a r la p ro b a b ilid a d d e qu e el g e re n te
te n g a que h a c e r e fe ctiva su g a ra n tía . La fu n c ió n d e p ro b a b ilid a d a s o c ia d a
con este e x p e rim e n to será:
P(x) = ( 1x2 )( 0 .° 5 ) - ( 0 . 9 5 ) 'j - ' p a ra x = O, 1 , 2 , . . . , 12
La p ro b a b ilid a d d e qu e el g e re n te sustituya una d o c e n a d e huevos es la

p ro b a b ilid a d d e q u e x = 2 , 3 , 4 , ..., 12. R ecuerda q u e SP(x) = 1; esto es:
P (0) + P ( l ) + P[ 2) + ••• + P (12) = 1
P (reem plazo) = P (2) + P (3) + + P (1 2 )= 1 - [P(0) + P (l)]
Es m ás fá c il e n c o n tra r la p ro b a b ilid a d d e re e m p la z o al e n c o n tra r P(x = 0)

y P(x = 1) y restar su to ta l d e 1, q u e e n c o n tra r to d a s las otras p ro b a b ilid a d e s .
Se tie n e
P(x ) = ( 1x2 ) ( 0 . 0 5 H 0 . 9 5 ) - »
P(0) = ( 1 2 ) ( 0 .0 5 ) " ( 0 . 9 5 ) ':‘ = 0 . 5 4 0
P ( I) = ( 1 2 ) ( 0 . 0 5 ) '( 0 . 9 5 ) " = 0 . 3 4 1
P (re e m p la zo ) = 1 - (0 .5 4 0 + 0 .3 4 1 ) = 0 . 1 1 9
Si p = 0 .0 5 es co rre c to , entonces el gerente estará o c u p a d o en reem

p la z a r ca rto n e s d e huevos. Si él re e m p la z a 1 1 .9% de to d o s los ca rto n e s de
huevos q u e ve n d e , cie rta m e n te te n d rá que deshacerse d e una p ro p o rc ió n
sustancial de sus huevos. Esto su g ie re que d e b e ajustar su g a ra n tía (o ve n d e r
m ejores huevos). Por e je m p lo , si tuviera que sustituir un ca rtó n d e huevos sólo
c ia n d o cu a tro o más se encuentren m alos, e sp e ra ría sustituir sólo 3 de c a d a
1 0 0 0 cartones [1 .0 - (0 .5 4 0 + 0 .3 4 1 + 0 .0 9 9 + 0 .0 1 7 ) ], o 0 .3 % d e los
cartones v e n d id o s . O b s e rv a que el gerente p o d rá c o n tro la r su "rie s g o " (pro
b a b ilid a d d e re e m p la z o ) si ajusta el v a lo r de la v a ria b le a le a to ria que postula
en su g a ra n tía .
Nota: el valor de m uchas probabilidades binom iales para valores de n < 15 y valores co
munes de p, se encuentran en la tabla 2 del apéndice B. En este ejem plo, se tiene n = 12 y
p = 0.05 y se quieren las probabilidades para x = 0 y 1. Es necesario ubicar la sección de la
tabla 2 donde n = 12, encontrar la colum na encabezada p = 0.05 y leer los núm eros a través
de -v = 0 y x = 1. Se encuentra .540 y .341, com o se m uestra en la tabla 5.8. (Busca estos
valores en la tabla 2 del apéndice B.)
Page 272 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5 .3 Distribución de p ro b a b ilid a d b in o m ia l 251
TABLA 5 .8
E xtracto de la ta b la 2 del a p é n d ic e B, p ro b a b ilid a d e s b in o m ia le s
n X 0.01 0.05 | 0.1 0 0 .2 0 0.3 0 0.4 0 0.5 0 0.6 0 0.7 0 0.8 0 0.9 0 0.95 0.9 9 X
Y
12 0 886 .5 4 0 282 069 .0 1 4 002 0+ 0+ 0+ 0+ 0+ 0+ 0+ 0
1 10 7 > .341 .3 7 7 .2 0 6 .071 017 003 0+ 0+ 0+ 0+ 0+ 0+ 1
2 OOó .0 9 9 230 283 .168 064 .0 1 6 .0 0 2 0+ 0+ 0+ 0+ 0+ 2
3 0+ .01 7 085 236 .2 4 0 142 054 012 .001 0+ 0+ 0+ 0+ 3
4 0+ .002 .021 133 .231 213 121 .0 4 2 008 .001 0+ 0+ 0+ 4
N o ta : una notación conveniente para identificar la distribución de probabilidad binomial

para un experim ento binom ial con n = 12 y p = 0.05 es # (1 2 , 0.05). # (1 2 , 0.05), léase
“distribución binom ial para n = 12 y p = 0.0 5 ”, representa la distribución com pleta o
“bloque” de probabilidades que se m uestran en azul oscuro en la tabla 5.8. C uando se usa
en com binación con la notación P (x), P (x = 1 1# (1 2 ,0.05)) indica la probabilidad de x = l
a partir de esta distribución o 0.341, com o se m uestra en la tabla 5.8.
P R O B A B I L I D A D E S B I N O M I A L
Y B I N O M I A L A C U M U L A D A
Para probabilidades binomiales, escribe los valores x en C 1 ; luego continúa con:

MINITAB
Elige: Cale > P ro b a b tltty D í s tr íb u tí o n s > B in o m ia l
S ele cc io n a: Probabilíty*
Escribe: N ú m e r o de e n s a y o s : n
P ro b a b ilid a d d e l e v e n to : p
S ele cc io n a: In p u t colum n
Escribe: C1
A l m a c e n a m i e n t o opcio n al: C2 (no n e c e s a r io ) > OK
O
S ele cc io n a: Input co n stan t
Escribe: O n e s in g l e x v a l u é > OK
*Para probabilidades binomiales acumuladas, repite los comandos anteriores pero sustituye la selección de
probabilidad con
Selecciona: Cumulative Probability
Para probabilidades binomiales, escribe los valores x en la columna A y activa la celda de la

columna B a través del primer valor x; luego continúa con:
Elige: I n s e r t f u n c ti o n , fx > S ta tis tic a l > BINOMDIST > OK

Escribe: N ú m e r o _ s : (A1:A4 o s e le c c io n a c e ld a s “v a l o r x ”)
E nsayos: n
P ro b a b ilid a d : p
A c u m u l a d a : falso* ( p r o p o r c i o n a p r o b a b i l i d a d e s in d iv i d u a le s ) > OK
Page 273 of 418

.
.
.
A rrastra : E s q u i n a I n fe rio r d e r e c h a de la c e ld a d e l v a l o r de p r o b a b i l i d a d en
la c o l u m n a B p a r a o b t e n e r la s o tr a s p r o b a b i l i d a d e s
‘ Para p ro b a b ilid a d e s b in o m ia le s a c u m u la d a s , repite los c o m a n d o s a n te rio re s p ero sustituye e l a c u m u la d o

falso co n:
Acumulada: true (proporciona probabilidades acumuladas) > OK
Pera obtener una lista completa de probabilidades para n y p particulares, continúa con
T I-8 3 /8 4 Plus
Elige: 2 n d > DISTR > O :bin om pdf(
Escribe: n ,p )
Usa la tecla de flecha derecha para navegar a través de las probabilidades.

Pera navegar a través de una lista vertical en L1:
Elige: STO >L1 > ENTER

STAT > EDIT > l:E d i t
Pera obtener probabilidades individuales para n, p y x particulares, continúa con:
Elige: 2 n d > DISTR > A :b in o m c d f(

Escribe: n , p , x)
Pera obtener probabilidades acumuladas para x = O y x = n para n y p particulares, continúa con:
Elige:
Escribe:
2 n d > DISTR > A :b in o m c d f(
n, p)* (co nsulta líneas arriba p a ra n a v e g a r a trav é s de probabilidades)
*Fara obtener probabilidades acumuladas individuales para n, p y x particulares, repite los

ccmandos anteriores pero sustituye el escribir con:
Escribe: n ,p , x
VIVIR C O N LA LEY
¿QUÉ ES UN PROGRAMA DE ACCIÓN AFIRMATIVA (AAP)?

C o m o c o n d ic ió n p a ra re a liz a r n e g o c io s d o d e un A A P co n b a s e e n la s re g u la c io n e s
con el g o b ie rn o fe d e ra l, lo s c o n tra tis ta s d e l fe d e ra le s ( 4 1 C F R 6 0 -2 .1 0 ), e s el sig u ie n te :
g o b ie rn o q u e se re ú n e n p a ra c ie rto c o n tra to L o s A A P d e b e n d e s a rro lla rs e p ara
y e m p le a n n iv e le s d e p o b la c ió n a c u e rd a n • M in o ría s y m u je re s (41 C F R 60-1 y
en p re p a ra r, e n c o n c o rd a n c ia c o n las re g u - 6 0 -2 )
lacio n es fe d e ra le s 41 C F R 6 0 -1 , 6 0 -2 , ct- • V e te ra n o s c o n d is c a p a c id a d e s c s p e c ia -
c é tc ra . un P ro g ra m a d e A c c ió n A firm a tiv a le s, v e te ra n o s d e la e ra d e V ie tn a m y
(A A P , p o r su s sig la s e n in g lé s). E l A A P d e o tro s v e te ra n o s c u b ie rto s (41 C F R 60-
un c o n tr a tis ta e s u n a c o m b in a c ió n d e re p o r- 250)
tes n u m é ric o s , c o m p ro m is o s d e a c c ió n y • In d iv id u o s co n d isc ap acid ad es (41 C F R
d e s c rip c ió n d e p o lític a s. U n p a n o ra m a ráp i- 6 0 -7 4 1 )
Fuente: h ttp ://e e o s o u rc c .p e o p lc c lic k .c o m /a a p /
Los re g u la c io n e s A AP no ju stifica n el uso d e una p ru e b a e s p e cífica p a ra

d e te rm in a r si el p o rc e n ta je d e m in o ría s o m ujeres es m e n o r del q u e se espe
ra ría ra z o n a b le m e n te . Sin e m b a rg o , usualm ente se u tiliz a n m uchas p ru e b a s.
Una d e las p ru e b a s se lla m a p ru eb a b in o m ia l exacta, co m o se d e fin e a
co n tin u a c ió n .
Page 274 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5 .3 D istribución de p ro b a b ilid a d b in o m ia l 253
PRUEBA BINOMIAL EXACTA

L a s v a ria b le s u sa d a s son: e s m e n o r q u e o ig u al a 0 .0 5 , el p o rc e n ta je
T = N ú m e ro to ta l d e e m p le a d o s e n el d e m in o ría s o m u je re s se c o n s id e ra “ m e
g ru p o d e tra b a jo n o r d e l q u e se e s p e ra ría ra z o n a b le m e n te " .
M = N ú m e ro d e m u je re s o m in o ría s en L a fó rm u la p a ra c a lc u la r P e s la sig u ie n te :
e l g ru p o d e tra b a jo 1. C a lc u la la p ro b a b ilid a d , Q , la p r o b a
A = P o rc e n ta je d is p o n ib le d e m u je re s b ilid a d b in o m ia l a c u m u la d a p a ra la
o m in o ría s p a ra el g ru p o d e tra b a jo d is trib u c ió n d e p ro b a b ilid a d b in o m ia l
E sta p ru e b a in v o lu c ra el c á lc u lo d e u n a c o n n = T , x = M y p = A / 100.
p ro b a b ilid a d , d e n o ta d a c o m o P y la c o m p a 2. S i Q e s m e n o r q u e o ig u al a 0 .0 5 , e n
ra c ió n d e d ic h a p ro b a b ilid a d co n 0 .0 5 . Si P to n c e s P = 2 Q; d e o tro m o d o , P = Q.
Por e je m p lo , si T = 5 0 e m p le a d o s y M = 2 m ujeres, A = 6 % d is p o n ib ilid a d

fe m e n in a .
C on una c o m p u ta d o ra , e n cuentra el v a lo r Q: Q = 0 .4 1 6 2 5 . D a d o que Q
es m e n o r q u e 0 .5 , P = 2 Q = 0 .8 3 2 5 . P, 0 .8 3 2 5 , es m a y o r que 0 .0 5 , d e m odo
q u e el p o rc e n ta je de m ujeres "no es el q u e se e sp e ra ría ra z o n a b le m e n te ".
¿SABÍAS QUE...? www.elsolucionario.net

Huellas digitales
A sir Francis G a lto n se le
a c re d ita el "d e s c u b rim ie n
to " d e las huellas d ig ita le s
M e d ia y desviació n e s tá n d a r de la distribución b in o m ia l
(es d e c ir que las huellas La m edia y la desviación estándar de una distribución de probabilidad binom ial teórica
d ig ita le s son ú n ica s p a ra pueden encontrarse al usar estas dos fórm ulas:
cada in d iv id u a ) y fu e
G a lto n quien d e s a rro lló
M edia de distribución binom ial
los m étodos usados p a ra
id e n tific a rla s . Es la ocu fx = np (5.7)
rre n cia d e m a rca s irre g u
lares y cortes en los p a tro
nes del d e d o lo q u e hace y
ún ica a c a d a huella. D i
chas m arcas se co n o ce n Desviación estándar de distribución binom ial
co m o M a rc a s d e G a lto n .
< r = y¡npq
El sistem a G a lto n -H e n ry (5.8)
de c la s ific a c ió n d e huellas
d ig ita le s se p u b lic ó en ju
nio d e 1 9 0 0 y c o m e n z ó a La fórm ula para la m edia, ¡j „ parece adecuada: el núm ero de ensayos m ultiplicado
por la probabilidad de “éx ito ”. (R ecuerda que el núm ero m edio de respuestas correctas
en el exam en binom ial (respuesta 5, p. 246) se esperaba que fuera 1/3 de 4, 4(1/3) o np.]
La fórm ula para la desviación estándar, cr, no se entiende tan fácilm ente. Por tanto, en
este punto es adecuado observar un ejem plo que dem uestre que las fórm ulas (5.7) y (5.8)
producen los m ism os resultados que las fórm ulas (5.1), (5.3a) y (5.4).
En el ejem plo 5.5 (pp. 236-238), x es el núm ero de caras en tres lanzam ientos de mone-
da, n = 3 y p = 4 = 0.5. Al usar la fórm ula (5.7), se encuentra que la m edia de x es
¿i, = np = (3)(0.5) = 1.5

(c o n tin ú a )
Page 275 of 418

.
.
.
Al usar la fórm ula (5.8), se encuentra que la desviación estándar de x es
[c o n tin u a c ió n ]
usarse en S cotland Yard

cj — s npq = v (3)(0.5)(0.5) = ,0 .7 5 = 0.866 = 0.87
en 1901 y p ro n to se
usó en to d o el m un d o
A hora observa nuevam ente la solución para el ejem plo 5.5 (p. 237). N ota que los resul
com o un id e n tific a d o r
tados son ¡guales, sin im portar cuál fórm ula uses. Sin em bargo, las fórm ulas (5.7) y (5.8)
en in v e s tig a cio n e s c ri
son m ucho m ás fáciles de usar cuando x es una variable aleatoria binom ial.
m inales.
fe
E J E M P L O 5.11
CALCULO DE LA MEDIA Y DE LA D ESVIA CIO N ESTANDAR

© DE U N A DISTRIBUCIÓN BINOMIAL
E ncuentra la m e d ia y la d e s v ia c ió n e stá n d a r d e la d is trib u c ió n b in o m ia l c u a n
do n = 2 0 y p = 3- (o 0 .2 , en fo rm a d e c im a l). R ecuerda q u e la "d is trib u c ió n
b in o m ia l d o n d e n = 2 0 y p = 0 . 2 " tie n e la fu n c ió n de p ro b a b ilid a d
P{x) = ( 2x° )(0 .2 )« (0 .8 )m -» p a ra x = 0 , 1, 2 , ..., 2 0
y una d is trib u c ió n c o rre s p o n d ie n te con 21 v a lo re s x y 21 p ro b a b ilid a d e s ,

com o se muestra en el c u a d ro de d is trib u c ió n , ta b la 5 .9 y en el h is to g ra m a
TABLA 5 .9
de la fig u ra 5 .5 .
FIG UR A 5 5 Distribución binomial, n= 20 , p =0 . 2
D istribución b in o m ia l: n = 2 0 , H is to g ra m a de d is trib u c ió n
p = 0.2 b in o m ia l 8 (2 0 , 0 . 2 )
- PM
0 0 .0 1 2
1 0 .0 5 8
2 0 .1 3 7
3 0 .2 0 5
4 0 .2 1 8
5 0 .1 7 5
ó 0 .1 0 9
7 0 .0 5 5
8 0 .0 2 2
Encuentra la m e d ia y la d e s v ia c ió n e s tá n d a r d e esta d is trib u c ió n d e x con
9 0 .0 0 7
10 0 .0 0 2 las fó rm u la s (5 .7 ) y (5 .8 ):
11 0+
12 0+ P = n p = (2 0 )(0 .2 ) = 4 . 0
13 0+
<j = ,n p q = v (20) (0 .2 ) (0 .8 ) = , 3 . 2 = 1 .7 9
20 0+ Distribución binomial, n = 20, p = 0.2

FIG U R A 5 .6
H is to g ra m a de d is trib u c ió n
0.2 -
b in o m ia l 8 (2 0 , 0 . 2 )
tr
0.1 -
0.0 -
□
~1 T
A 10 20
Q Tutorial en video disponible; ingresa y aprende más en cengagebrain.com

Page 276 of 418
.
.
.
La fig u ra 5 .6 m uestra la m e d ia , p, = 4 (que se muestra con la u b ic a c ió n

d e la recta v e rtic a l a z u l c la ro a lo la rg o del eje x), en re la c ió n con la v a ria b le
x. Este 4 .0 es el v a lo r m e d io e s p e ra d o p a ra x, el núm ero d e éxitos en ca d a
m uestra a le a to ria d e ta m a ñ o 2 0 e x tra íd a de una p o b la c ió n con p = 0 .2 . La
fig u ra 5 .6 ta m b ié n m uestra el ta m a ñ o de la d e s v ia c ió n estándar, cr = 1 .7 9
(com o se enseña p o r la lo n g itu d del segm ento d e la re cta h o riz o n ta l azul
oscuro). Es la d e s v ia c ió n e s tá n d a r e s p e ra d a p a ra los v a lo re s d e la v a ria b le
a le a to ria x q u e o cu rre n en m uestras d e ta m a ñ o 2 0 e x tra íd a s d e esta misma
p o b la c ió n .
5 . 3 9 C onsidera el exam en de cuatro preguntas de opción m úl 5 . 4 5 Se revisa una caja que contiene 100 cam isetas. C ada ca
tiple que se presentó al inicio de esta sección (pp. 244-246). m iseta se califica “prim era calidad” o “ irregular”. D espués de
inspeccionar las 100 cam isetas, el núm ero de irregulares se
a.
ensayos independientes. www.elsolucionario.net
Explica por qué las cuatro preguntas representan cuatro
reporta com o una variable aleatoria. E xplica por qué x es una
variable aleatoria binomial.
b. Explica por qué el núm ero 4 se m ultiplica en P (x = 1).
5 . 4 6 Un dado rueda 20 veces y el núm ero de “cincos” que
c. En la respuesta 5 de la página 246, ¿de dónde provienen ocurren se reporta com o la variable aleatoria. Explica por
1/3 y 4 ? ¿P or qué m ultiplicarlos para encontrar un pro qué x es una variable aleatoria binomial.
m edio esperado?
5 . 4 7 C uatro naipes se seleccionan, uno a la vez, de un mazo
5 . 4 0 Identifica las propiedades que hacen de lanzar una m one estándar de 52 naipes. Sea x el núm ero de ases extraídos en el
da 50 veces y guardar el registro de las caras un experim ento conjunto de cuatro naipes.
binom ial.
a. Si este experim ento se com pleta sin reem plazo, explica
5. 41 E nuncia una razón muy práctica de por qué el artículo por qué x no es una variable aleatoria binom ial.
defectuoso en una situación industrial puede definirse com o el
b. Si este experim ento se com pleta con reem plazo, explica
“éxito” en un experim ento binomial.
por qué .v es una variable aleatoria binom ial.
5 . 4 2 ¿Q ué significa que los ensayos sean independientes en
5 . 4 8 U na planta de ensam blado de G eneral M otors entrevista
un experim ento binom ial?
a los em pleados conform e salen del trabajo. A cada uno se le
5 . 4 3 Evalúa cada uno de los siguientes. pregunta: ¿En qué m arca de autom óvil conduce a casa? La
variable aleatoria a reportar es el núm ero de cada m arca m en
a. 4! b. 7! c. 0! d.
cionada, ¿x es una variable aleatoria binom ial? Justifica tu res
puesta.
C' 2 !3 Í '■ 4!(6 - 4)! g' (° ‘3)4 h ' (3 )
5 . 4 9 C onsidera un experim ento binom ial constituido de tres
i. g) j. g ) k. ( > . 2 ) '( 0 .8 ) > ensayos con resultados de éxito, E y fracaso, F , donde P(E) =
p y P(F) = q.
I. g )(0.3 )» (0 .7)5
a. C om pleta el diagram a de árbol. E tiqueta por com pleto
5 . 4 4 D em uestra que cada uno de los siguientes es verdadero todas las ramas.
para cualquier valor de n y k. Usa dos conjuntos específicos b. En la colum na b) del diagram a de árbol, expresa la pro
de valores para n y k para mostrar que cada uno es verdadero. babilidad de cada resultado representado por las ram as
*■ffl-'vQ" com o un producto de potencias de p y q.
Page 277 of 418

.
.
.
25 6 Copítulo 5 Distribuciones ae p ro b a b ilid a d (variables discretas)
Ensayo Ensayo Ensayo aproxim adam ente 11% de la población es zurda. Al escribir
(b) (c)
n = 30 y /; = 0 .1 1, calcula lo siguiente:
1 Probabilidad x
a. La probabilidad de que exactam ente cinco estudiantes
sean zurdos
p2q b. La probabilidad de que cuando m ucho cuatro estudiantes

sean zurdos
c. La probabilidad de que al m enos seis estudiantes sean

Inicio zurdos
5 . 5 5 Si .re s una variable aleatoria binom ial, calcula la proba

bilidad de x para cada caso.
a. n = 4 , x = l , p = 0.3 b. n = 3, x = 2 , p = 0.8
c. Sea x la variable aleatoria, el número de éxitos observa
dos. En la colum na c), identifica el valor de .v para cada c. n = 2, .v = 0, p = d. n = 5, x = 2 , p = \
4 3
ram a del diagram a de árbol.
e. n = 4, x = 2, p = 0.5 f. n = 3 ,x = 3,/? =-^
Applets Skillbuilder disponibles en línea a través de cengag eb rain .co m .
d. O bserva que todos los productos en la colum na b) están

constituidos por tres factores y que el valor de la variable 5 . 5 6 Si x es una variable aleatoria binom ial, usa la tabla 2 del
aleatoria es la m ism a que el exponente para el núm ero p. apéndice B para determ inar la probabilidad de x para cada uno
E scribe la ecuación para la función de probabilidad bino de los siguientes:
mial para esta situación.
a. n = 10, x = 8, p = 0.3 b. n = 8, x = 7, p = 0.95
5 .5 0 D ibuja un diagram a de árbol que m uestre un experim en
to binom ial de cuatro ensayos.
5 .5 1 Usa la función de probabilidad para lanzam ientos de tres
c. n = 1 5 ,x = 3 ,/? = 0.05
e. n = 9 ,* = 0 ,p = 0.5
d. n = 1 2 ,* = 12,/? = 0.99
f. n = 6, * = l , p = 0.01
m onedas, com o se dem ostró en la página 239 y verifica las g. E xplica el significado del sím bolo 0+ que aparece en la
probabilidades para x = O, 2 y 3. tabla 2 .
5 .5 2 a. C alcula P(4) y P (5) para el ejem plo 5.8 de la página 5 . 5 7 Pon a prueba la siguiente función para determ inar si se
249. trata o no de una función de probabilidad binom ial. M enciona
la distribución de probabilidades y bosqueja un histogram a.
b. Verifica que las seis probabilidades P(0), P (l) ,
P(2 ),..., P (5) forman una distribución de probabilidad. ™ = ( * ) ( í) ' ( F * Para * = 0 , 1 , 2 . 3 ,4 , 5
5 .5 3 E je rc icio A p p let S k i
5 .5 8 Sea x una variable aleatoria con la siguiente distribución
llb u ild e r D em uestra cóm o
de probabilidad:
calcular una probabilidad
—^ binom ial junto con una in- X 0 1 2 3
P(x) 0 .4 0.3 0.2 0.1
™ terpretación visual. Supon
que com pras 20 plantas de
¿x tiene una distribución binom ial? Justifica tu respuesta.
un criadero y el criadero afir
m a que 95% de sus plantas 5 .5 9 De acuerdo con una encuesta en línea de la revista Self,
sobreviven cuando se plantan. Al escribir n = 20 y /; = 0.95, en diciem bre de 2008, 66% respondieron “sí” a: “¿quieres
calcula lo siguiente: revivir tus días de universidad?”. ¿C uál es la probabilidad
de que exactam ente la m itad de los próxim os 10 participantes
a. La probabilidad de que las 20 sobrevivirán
en la encuesta, seleccionados al azar, responderán “sí” a esta
b. La probabilidad de que cuando mucho sobreviven 16 pregunta?
c. La probabilidad de que al m enos sobreviven 18 5 .6 0 De acuerdo con un reporte del C onsejo de Seguridad
N acional, hasta 78% de las colisiones autom ovilísticas son
5 .5 4 E je rc icio A p p let S k i
resultado de distracciones com o enviar m ensajes de texto, lla
llb u ild e r D em uestra cóm o
m ar po r teléfono o rebuscar en el estéreo. C onsidera un grupo
calcular una probabilidad
seleccionado al azar de 18 colisiones reportadas.
binom ial junto con una in
0 3 4 1 8 1*
terpretación visual. Supon Fuente: Revista S e íf diciem b re d e 2 0 0 8 , C iu ise Control
que estás en una clase de 30 .» p.Iíí

estudiantes y se supone que
Page 278 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5 .3 Distribución de p ro b a b ilid a d B inom ial 257
a. ¿C uál es la probabilidad de que todas las colisiones se 5 . 6 5 La tasa de supervivencia durante una operación riesgo
deban a las distracciones m encionadas? sa para pacientes sin otra esperanza de sobrevivencia es 80%.
¿C uál es la probabilidad de que exactam ente cuatro de los
b. ¿C uál es la probabilidad de que 15 de las colisiones se
próxim os cinco pacientes sobrevivan a esta operación?
deban a las distracciones m encionadas?
5 . 6 6 De todos los árboles plantados por una em presa de pai-
5. 61 De acuerdo con el articulo “ S eason’s C leaning”, el D e
sajism o, 90% sobreviven. ¿C uál es la probabilidad de que 8 o
partam ento de E nergía de EUA reporta que 25% de los hoga
m ás de los 10 árboles que plantan sobrevivirá? (E ncuentra la
res con garaje para dos autos no tienen espacio para estacionar
respuesta al usar una tabla.)
ningún auto adentro.
Fuente: 1 de enero de 2000. Rochester DAC 5 . 6 7 En el evento de biatlon de los Juegos O lím picos, un par
ticipante de esq u í a cam po traviesa y en cuatro ocasiones inter
Si supones que esto es verdadero, ¿cuál es la probabilidad de
m itentes se detiene en un coto de tiro y dispara un conjunto de
lo siguiente?
cinco m uniciones. Si golpea el centro del blanco, no se asignan
a. E xactam ente 3 hogares con garaje para dos autos, de una puntos de penalización. Si un hom bre particular tiene una his
m uestra aleatoria de 5 hogares con garaje para dos autos, toria de acertar al centro del blanco con 90% de sus disparos,
no tienen espacio para estacionar ningún auto adentro. ¿cuál es la probabilidad de lo siguiente?
b. E xactam ente 7 hogares con garaje para dos autos, de una a. G olpeará el centro del blanco con los cinco de su siguien
m uestra aleatoria de 15 hogares con garaje para dos autos, te conjunto de cinco disparos.
no tienen espacio para estacionar ningún auto adentro.
b. G olpeará el centro del blanco con al m enos cuatro de
c. Exactam ente 20 hogares con garaje de dos autos, de una su siguiente conjunto de cinco disparos. (Supon indepen
m uestra aleatoria de 30 hogares con garaje de dos autos, dencia.)
no tienen espacio para estacionar ningún auto adentro.
5 . 6 8 El artículo del USA Today del 26 de m ayo de 2009, “Su
5 . 6 2 ¿Ju g ar videojuegos com o niño o adolescente puede co n
ducir a una adicción por el juego o por sustancias? De acuerdo
perar el robo de identidad” , reportó los resultados de una en
cuesta de víctim as de robo de identidad. De acuerdo con la
con el artículo del USA T oday del 1 1 de abril de 2009, “N iños fuente, Affinion Security C enter, 20% de las víctim as afirmó
m uestran síntom as de adicción” , la investigación publicada que le tom ó “de una sem ana a un m es” recuperarse del robo
en P sychologica l Science descubrió que 8.5% de los niños de identidad. Un grupo de 14 víctim as de robo de identidad se
y adolescentes que juegan videojuegos m uestran signos de seleccionan al azar en tu ciudad.
com portam iento que pueden indicar adicción. Supon que se
a. ¿Cuál es la probabilidad de que ninguna de ellas pueda re
selecciona al azar un grupo de 30 videojugadores de octavo
cuperarse del robo de identidad en una sem ana a un mes?
grado.
b. ¿C uál es la probabilidad de que exactam ente 3 puedan re
a. ¿C uál es la probabilidad de que exactam ente 2 m uestren
cuperarse del robo de identidad en una sem ana a un mes?
síntom as de adicción ?
c. ¿C uál es la probabilidad de que al m enos 5 puedan recu
b. Si el estudio tam bién indica que 12% de los niños video
perarse del robo en una sem ana a un mes?
jugadores m uestran síntom as de adicción, ¿cuál es la
probabilidad de que exactam ente 2 de los 17 niños en el d. ¿C uál es la probabilidad de que no m ás de 4 puedan recu
grupo m uestren síntom as de adicción? perarse del robo en una sem ana a un mes?
c. Si el estudio tam bién indica que 3% de las niñas videoju 5 . 6 9 U na encuesta de m otociclistas en enero de 2005, com i
gadoras m uestran síntom as de adicción, ¿cuál es la proba sionada por el G rupo Progresivo de C om pañías A seguradoras,
bilidad de que exactam ente 2 de las 13 niñas en el grupo dem ostró que 40% de los m otociclistas tienen arte corporal,
m uestren síntom as de adicción? com o tatuajes y perforaciones. U n grupo de 10 m otociclistas
están en el proceso de com prar un seguro para m otocicleta.
5 . 6 3 De las partes producidas por una m áquina particular,
0.5% son defectuosas. Si una m uestra aleatoria de 10 partes Fuente: h ttp://w w w .syicicuse.coti/
producidas por esta m áquina contiene 2 o m ás partes defectuo

a. ¿C uál es la probabilidad de que ninguno de los 10 tenga
sas, la m áquina se desconecta para su reparación. Encuentra la
algún arte corporal?
probabilidad de que la m áquina se desconectará para repara
ciones con base en este plan de m uestreo. b. ¿C uál es la probabilidad de que exactam ente 3 tengan
algún arte corporal?
5 . 6 4 C om o inspector de control de calidad de cam iones de
juguete, observas que 3% de las veces, las ruedas de m adera se c. ¿C uál es la probabilidad de que al m enos 4 tengan algún
perforan fuera del centro. Si en cada cam ión se usan seis ru e arte corporal?
das de m adera, ¿cuál es la probabilidad de que un cam ión de (c o n tin ú a en la p á g in a 258)
juguete seleccionado al azar tenga ruedas no fuera del centro?
Page 279 of 418

.
.
.
d. ¿C uál es la probabilidad de que no más de 2 tengan algún vial para inspección (supon que 6% de todos los au to
arte corporal? m óviles tienen uno o m ás neum áticos no seguros).
5 . 7 0 C onsidera al gerente de S teve’s Food M arket que se pre d. El núm ero de sem illas de m elón que germ inan cuando se
sentó en el ejem plo 5.9. ¿C uál seria el “riesgo” del gerente si planta un paquete de 50 sem illas (el paquete afirm a que la
com prara “ m ejores” huevos, por decir con P (m alo) = 0 .0 1 , con probabilidad de germ inación es 0 .88).
la garantía “ más de uno”?
5 .7 8 E ncuentra la m edia y la desviación estándar para cada
5. 71 Si niños y niñas tienen igual probabilidad de nacer, ¿cuál una de las siguientes variables aleatorias binom iales en los in
es la probabilidad de que, en una familia seleccionada al azar cisos a-c:
de seis hijos, habrá al m enos un niño? (Encuentra la respuesta
a. El núm ero de seises vistos en 50 rodaduras de un dado.
usando una fórm ula.)
b. El núm ero de televisores defectuosos en un em barque de
5 . 7 2 Un cuarto de cierta raza de conejos nace con pelo largo.
125 (el fabricante afirm a que 98% de los televisores son
¿C uál es la probabilidad de que en una cam ada de seis conejos,
operativos).
exactam ente tres tendrán pelo largo? (Encuentra la respuesta
usando una fórm ula.) c. El núm ero de televisores operativos en un em barque de
125 (el fabricante afirm a que 98% de los televisores son
5 . 7 3 E ncuentra la m edia y la desviación estándar para la va
operativos).
riable aleatoria binom ial x con n = 30 y p = 0.6, con las fórm u
las (5.7) y (5.8). d. ¿C óm o se relacionan los incisos b y c ? Explica.
5 . 7 4 C onsidera la distribución binomial donde n = 11 y p - 5 .7 9 De acuerdo con United M ileage Plus Visa (22 de no
0.05. viembre de 2004), 41% de los pasajeros dicen que se “ponen
los audífonos” para evitar ser molestados por sus com pañeros
a. Encuentra la m edia y la desviación estándar con las
de asiento durante los vuelos. Para m ostrar cuán importantes, o
fórm ulas (5.7) y (5.8).
b. C on la tabla 2 del apéndice B, m enciona la distribución
no, son los audífonos para las personas, considera la variable x
com o el número de personas en una m uestra de 12 que dice se
de probabilidad y dibuja un histograma. “ponen los audífonos” para evitar a sus com pañeros de asiento.
Supon que 41% es verdadero para toda la población de viajeros
c. U bica ¡X y eren el histogram a.
de avión y que se selecciona una m uestra aleatoria.
5 . 7 5 C onsidera la distribución binomial donde n = 11 y p =
a. ¿.v es una variable aleatoria binomial? Justifica tu respuesta.
0.05 (consulta el ejercicio 5.74).
b. Encuentra la probabilidad de que x = 4 o 5.
a. U sa la distribución [ejercicio 5.74b o la tabla 2] y encuen
tra la m edia y la desviación estándar con las fórm ulas c. Encuentra la m edia y la desviación estándar de .v.
(5.1), (5.3a) y (5.4).
d. D ibuja un histogram a de la distribución de x: etiquétala
b. C om para los resultados del inciso a con las respuestas por com pleto, destaca el área que representa x = 4 y x = 5,
que encontraste en el ejercicio 5.74a. dibuja una recta vertical en el valor de la m edia y m arca
la ubicación de .v que sea 1 desviación estándar m ás larga
5 . 7 6 Dada la función de probabilidad binomial
que la media.
P M = © • ({>' • ( | ) 5 ' para a: = 0, !, 2, 3 , 4 , 5
5 .8 0 De acuerdo con el artículo del USA Today titulado
a. C alcula la m edia y la desviación estándar de la variable “ A dictos a la droga conocidos”, 45% de los estadounidenses
aleatoria con las fórm ulas (5.1), (5.3a) y (5.4). conocen a alguien que se volvió adicto a una droga distinta del
alcohol. Si supones que esto es verdadero, ¿cuál es la probabi
b. C alcula la m edia y la desviación estándar con las fórm u
lidad de lo siguiente?
las (5.7) y (5.8).
a. E xactam ente 3 personas de una m uestra aleatoria de 5
c. C om para los resultados de los incisos a y b.
conocen a alguien que se volvió adicto. C alcula el valor.
5 . 7 7 E ncuentra la m edia y la desviación estándar de x para
b. E xactam ente 7 personas de una m uestra aleatoria de 15
cada una de las siguientes variables aleatorias binom iales:
conocen a alguien que se volvió adicto. Estim a a partir de
a. El núm ero de cruces que se ven en 50 lanzam ientos de la tabla 2 del apéndice B.
una moneda.
c. Al m enos 7 personas de una muestra aleatoria de 15 conocen
b. El núm ero de estudiantes zurdos en un salón con 40 estu a alguien que se volvió adicto. Estim a a partir de la tabla 2.
diantes (supon que 1 1 % de la población es zurda).
d. N o más de 7 personas de una m uestra aleatoria de 15
c. El núm ero de autom óviles que tienen neum áticos no se conocen a alguien que se volvió adicto. Estim a a partir de
guros entre los 400 autom óviles detenidos en un control la tabla 2 .
Page 280 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 5 .3 Distribución de p ro b a b ilid a d B inom ial 259
5.81 a. U sa una calculadora o com putadora para encontrar la Continúa con los comandos MINITAB de probabilidad binomial
probabilidad de que * = 3 en un experim ento binom ial donde acumulada en la página 25 1 y usa n - 45, p - 0. 125 y C2 como
almacenamiento opcional.
n = 12 y p = 0.30: P (x = 3 | fi(12, 0.30)). (C onsulta la N ota
acerca de esta notación en la p. 251.)
Excel
b. U sa la tabla 5.8 para verificar la respuesta en el inciso a. Escribe: 0, 1, 2, . . . , 45 e n la c o l u m n a A
5.82 Si el binom io (q + p) se eleva al cuadrado, el resultado es Continúa con los comandos Excel de pro ba bilida d binomial
(q + p)~ = q2 + 2qp + p~. Para el experim ento binom ial con n = a c u m u la d a de las páginas 251-2 52 y usa n = 45 y p = 0.125.
2 , la probabilidad de no éxitos en dos ensayos es q 2 (el prim er

térm ino en la expansión), la probabilidad de un éxito en dos T I-8 3 /8 4 Plus
ensayos es 2qp (el segundo térm ino en la expansión) y la pro Usa los comandos TI-83 de pro ba bilida d binom ial acumulada en
babilidad de dos éxitos en dos ensayos es p~ (el tercer térm ino la página 2 5 2 y usa n = 45 y p = 0 .1 2 5
en la expansión). Encuentra (q + p Y y com para sus térm inos
con las probabilidades binom ia.es para n = 3 ensayos.
5.85 ¿A dónde van todos los dulces de H allow een? El número
5.83 Usa una com putadora para encontrar las probabilidades de octubre de 2004 del R e a d e rs’ D igest cita que “ 90% de los
para todos los posibles valores x para un experim ento binom ial padres adm iten tom ar dulces de H allow een de las bolsas de sus
donde n = 30 y p = 0.35. hijos”. La fuente de inform ación fue la N ational Confectioners
A ssociation. Supon que entrevistas a 25 padres. ¿C uál es la
MINITAB probabilidad de que 20 o m ás tom en dulces de H allow een de
Elige: Cale > M a k e P a tte r n e d D a ta > S im p le Set las bolsas de sus hijos?
of N u m b e r s 5.86 H arris Interactive realizó una encuesta para T ylenol PM
Escribe: A l m a c e n a r p a t r ó n d a t o s en: C1 en la que preguntaba a conductores estadounidenses qué hacen
D e s d e p r i m e r valor: 0
H a s t a ú lti m o valor: 30
si conducen estando som nolientos. Los resultados se reporta
ron en un artículo del USA Today el 18 de enero de 2005, don
de 40% de los respondientes dicen que “abren las ventanas”
En p a s o s de: 1 > OK
para com batir el sueño. Supon que entrevistas a 35 conduc
Continúa con los comandos M IN I'A B de pro ba bilida d binom ial de tores estadounidenses. ¿C uál es la probabilidad de que entre
la página 251 y usa n = 30, p = 0.35 y C2 para almacenamiento
10 y 20 de los conductores diga que “abre las ventanas” para
opcional.
com batir el sueño ?
Excel 5.87 De todas las hipotecas vencidas en E stados U nidos, 48%
Eccribc: 0, 1, 2, . . . , 3 0 e n l a c o l u m n a A son causadas por discapacidad: personas lesionadas o que no
Continúa con los comandos Excel de pro ba bilida d binom ial de las
pueden trabajar, entonces pierden sus em pleos y por tanto sus
páginas 251-2 52 y usa n = 3 0 y p = 0.35. ingresos. Sin ingresos, no pueden pagar sus hipotecas y el ban
co extingue el derecho de propiedad.
T I-8 3 /8 4 Plus Fuente: http://vw.-w. ricedeImán.co tí
Usa los comandos TI-83 de probabilidad binom ial en la página
25 2 y usa n = 3 0 y p = 0.35. D ado que una gran institución de préstam o audita 20 hipotecas
vencidas, encuentra la probabilidad de lo siguiente:
5.84 U sa una com putadora para encontrar las probabilidades a. C inco o m enos de las hipotecas vencidas se deben a dis
acum uladas para todos los posibles valores x para un experi capacidad.
m ento binom ial donde n = 45 y p = 0.125.
b. Al m enos tres hipotecas vencidas se deben a discapacidad.
a. Explica por qué existen tantos 1.000 citados.
5.88 El aum ento en el uso de internet durante los últim os años
b. Explica qué representa cada núm ero en la lista. ha sido fenom enal, com o dem uestra el reporte de febrero de
2004 del Pew Internet & A m erican Life Project. La encuesta
MINITAB de estadounidenses de 65 años de edad o m ás (aproxim ada
Elige: Cale > M a k e P a tte r n e d D a ta > S im p le Set m ente 8 m illones de adultos) reportó que 2 2 % tienen acceso
o f N u m b e r s . .. a internet. En contraste, 58% de los de 50 a 64 años de edad,
Escribe: A l m a c e n a r p a t r ó n d a t o s en: C1 75% de los de 30 a 49 años de edad y 77% de los de 18 a 29
años de edad, actualm ente se conectan en línea.
D e s d e p r i m e r valor: 0
H a s t a ú lti m o valor: 45 Fuente: hH p://vwAv.suddenlysenior.com/
En p a s o s de: 1 > OK
Page 281 of 418

.
.
.
Supon que entrevistas a 50 adultos en cada grupo etáreo. d. P ara este m ism o em p resario y el m ism o grupo de trab a
jo , existen tres em p lead as. El p o rcen taje de d isp o n ib ili
a. ¿C uál es la probabilidad de que “tiene acceso a internet”
dad fem enina para esta po sició n es 50% . ¿P arece que el
sea la respuesta de 10 a 20 adultos en el grupo de 65 años
p o rcen taje de m ujeres es el que se esp eraría raz o n ab le
o más?
m ente?
b. ¿C uál es la probabilidad de que “tiene acceso a internet”
5 .9 4 Llevado a tiem po extra en el ju eg o 7 de gira en los jue
sea la respuesta de 30 a 40 adultos en el grupo de 50 a 64
gos de postem porada de la NBA 2002, el dos veces cam peón
años de edad?
defensor, Los A ngeles Lakers, hizo lo que hace m ejor: luchar
c. ¿C uál es la probabilidad de que “tiene acceso a internet” cuando la presión está en su apogeo. L os dos jugadores estrella
sea la respuesta de 30 a 40 adultos en el grupo de 30 a 49 de los Lakers tuvieron su oportunidad en la línea de falta más
años de edad ? tarde en el tiem po extra.
d. ¿C uál es la probabilidad de que “tiene acceso a internet” a. C on 1:27 m inutos restantes en el tiem po extra y el juego
sea la respuesta de 30 a 40 adultos en el grupo de 18 a 29 em patado a 106, Shaquille (Shaq) O ’Neal estuvo en la
años de edad? línea por dos intentos de tiro libre. Él tiene un historial de
anotar 0.555 de sus intentos de tiro libre y, durante este
e. ¿P o r qué las respuestas a los incisos a y d son casi igua
juego, antes de estos dos tiros, anotó 9 de sus 13 intentos.
les? Explica.
Justifica el enunciado “ la ley de prom edios funciona con
f. ¿Q ué efecto tienen los diversos valores de p sobre las tra é l”.
probabilidades? Explica.
b. Con 0:06 segundos restantes en el tiem po extra y el
5 . 8 9 Una variable aleatoria binom ial tiene una m edia igual a ju e g o en 110-106, K obe B ryant estuvo en la línea p o r dos
200 y una desviación estándar de 10. Encuentra los valores de tiros libres. Él tiene un historial de anotar 0.829 de sus
nyp. tiros libres y durante este ju eg o , antes de estos dos tiros,
5 . 9 0 Se sabe que la probabilidad de éxito en un solo ensayo
de un experim ento binom ial es de 1/4. La variable aleatoria
anotó 6 de sus 8 intentos. Justifica el enunciado
“ la ley de los prom edios funciona a favor de él” .
x, núm ero de éxitos, tiene un valor medio de 80. Encuentra A m bos jugadores anotaron los dos tiros y la serie con los Sa
el núm ero de ensayos involucrado en este experim ento y la cram ento K ings term inó.
desviación estándar de x.
5 .9 5 Im prints G alore com pra cam isetas (para im prim ir con
5. 91 U na variable aleatoria binom ial .vse basa en 15 ensayos un objeto de la elección del cliente) de un fabricante que g a
con la probabilidad de éxito igual a 0.4. E ncuentra la probabi rantiza que las cam isetas fueron inspeccionadas y que no más
lidad de que esta variable tom e un valor de m ás de 2 desviacio de 1% son defectuosas en form a alguna. L as cam isetas llegan
nes estándar arriba de la m edia. en cajas de 12. S ea x el núm ero de cam isetas defectuosas en
cualquiera de las cajas.
5 . 9 2 Una variable aleatoria binom ial x se basa en 15 ensayos
con la probabilidad de éxito igual a 0.2. E ncuentra la probabi a. Presenta la distribución de probabilidad y dibuja el histo
lidad de que esta variable tom e un valor de m ás de 2 desviacio gram a de x.
nes estándar arriba de la media.
b. ¿C uál es la probabilidad de que alguna caja no tenga ca
5 . 9 3 a. C uando se usa la prueba binomial exacta (ejem plo m isetas defectuosas?
aplicado 5.10, pp. 252-253), ¿cuál es la interpretación de la
c. ¿C uál es la probabilidad de que alguna caja no tenga más
situación cuando el valor calculado de P es m enor que o igual
de una cam iseta im perfecta?
a 0.05?
d. Encuentra la m edia y la desviación estándar de .v.
b. C uando se usa la prueba binom ial exacta, ¿cuál es la in
terpretación cuando el valor calculado de P es m ayor que e. ¿Q ué proporción de la distribución está entre /x - cr y
0.05? /x + o-?
c. Un em presario tiene 15 em pleados en un grupo de trabajo f. ¿Q ué proporción de la distribución está entre /x - 2<r y
m uy especializado, de los cuales 2 son m inorías. Con /x + 2 <r?
base en la inform ación censal de 2030, la proporción de
g. ¿C óm o se relaciona esta inform ación con la regla em píri
las m inorías disponibles para este tipo de trabajo es 5%.
ca y el teorem a de C hebyshev? Explica.
Con la prueba binom ial, ¿el porcentaje de m inorías es el
que se esperaría razonablem ente?
Page 282 of 418

.
.
.
h. U sa una com putadora para sim ular las com pras de Im-
Excel
prints G alore de 200 cajas de cam isetas y observar .v, el a.
núm ero de cam isetas defectuosas por caja de 12. D escribe Escribe: O, 1, 2, . . . , 12 en la c o l u m n a A
cóm o se com para la inform ación de la sim ulación con lo
que esperabas (las respuestas a los incisos a-g describen Continúa con los comandos Excel de pro ba bilida d binom ial en las
páginas 251-2 52 y usa n = 12 y p = 0 .0 1. Activa las columnas A
los resultados esperados).
y B; luego continúa con:
i. Repite el inciso h varias veces. Describe cóm o se com paran Elige: I n s e t > C o lu m n > l 5tp lc tu re (por lo general)
estos resultados con los de les incisos a-g y con el inciso h. Elige: S e le c t D a ta > S e r le s 1 > R e m o v e > OK
Si es n e c e s a r io :
MINITAB H az clic en: C u a l q u i e r p a r t e p a r a l i m p i a r el c u a d r o
a. - u s a los a s i d e r o s p a r a r e d i m e n s i o n a r , de
Elige: Cale > M a k e P a tte r n e d D a ta > S im p le Set m o d o q u e lo s v a l o r e s x c a íg a n b a j o las
o f N u m b e r s . .. b a rra s co rresp o n d ien tes
Escribe: A l m a c e n a r p a t r ó n d a t o s en: C1 Continúa con los comandos Excel de pro ba bilida d binomial
D e s d e p r i m e r valor: - 1 (v é a se la n o ta ) acumulada de las páginas 25 1-2 52 y usa n = 12 , p = 0.01 y la
H a s t a ú l ti m o valor: 12 columna C para la celda activada.
En p a s o s de: 1 > OK h.
c. Continúa con los comandos MINITAB de probabilidad bino
Elige: D a ta > D a ta a n a l y s t s > R a n d o m N u m b e r
mial de la página 251 y usa n = 12, p = 0.01 y C2 para
G e n e r a tio n > OK
almacenamiento opcional.
Escribe: N ú m e r o d e v a ria b le s : 1
N ú m e r o d e n ú m e r o s a le a to rio s : 200
Elige: G ra p h > S c a t te r p lo t > S im p le > OK
D is trib u c ió n : B in o m ia l
Escribe: V ariables Y: C2 v a r ia b le s X: C1
V alor p = 0.01
S ele cc io n a: D a ta view : D a:a Display: A re a > OK
La gráfica no es un histograma, pero puede convertirse en un histo
gram a al hacer doble clic en "área" de la gráfica.
S ele cc io n a: O p tio n s Select: S te p > OK > OK
Selecciona:
Escribe:
N ú m e r o d e e n s a y o s = 12
O u t p u t O p tio n s: O u t p u t R a n g e
( D i o s e le c c io n a c e ld a s) > OK
A ctiva la c e ld a E l, luego:
h. Continúa con los comandos MINITAB de probabilidad bino Elige: I n s e r í f u n c tl o n , fx > S ta tts tic a l
mial acumulada de la página 251 y usa n - 1 2 , p = 0 . 0 1 y > AVERAGE > OK
C3 para almacenamiento opcional. Escribe: N ú m e r o 1: D1:D 200 > OK
A ctiva la c e ld a E2, luego:
Elige: Cale > R a n d o m D a ta > B í n o m ln a l Elige: I n s e r t f u n c tl o n fx > S ta tis tic a l > STDEV
Escribe: N ú m e r o d e filas d e d a t o s a g e n e r a r : 200 > OK
filas d e d a l o s Escnbe: N ú m e r o 1: D1:D 200 > OK
A l m a c e n a r e n c o l u m n a C4
Continúa con los comandos Excel de histograma de las páginas
N ú m e r o d e en s a y o s: 12 53 -54 , usa los datos en la columna D y el rango de cajas en la
P rob a b ilid a d : .01 > OK columna A.
Elige: S ta t > T a b le s > C ro ss T a b u l a tío n
Escribe: V ariables ca te g ó ric as: Por filas: C4 T I-8 3 /8 4 Plus
S ele cc iona: D isplay: T o ta l p e r c e n t s > OK a.
Elige: Cale > C o l u m n S ta tts ttc s
Elige: STAT > EDIT > l:E d tt
S ele cc iona: S tatistic : M ean
Escribe: Ll: 0 ,1 ,2 ,3 ,4 ,5 ,6 ,7 ,8 ,9 ,1 0 ,1 1 ,1 2
Escribe: V ariable e n t r a d a : C4 > OK
Elige: 2™ QUIT > 2 n d DISTR > 0 :b ln o m p d f (
Elige: Cale > C o l u m n S ta tts ttc s
Escribe: 12, 0.01) > ENTER
S ele cc iona: S ta tististic : S t a n d a r d d e v ta tlo n
Elige: S T O — ^ > L2 > ENTER
Escribe: V ariable e n t r a d a : C4 > OK
Elige: 2™ > STAT PLOT > l : P l o t l
Continúa con los comandos MINITAB de histograma en la página Elige: W IN D O W
5 3 , usa los datos en C 4 y selecciona las opciones: porcentaje y Escribe: 0, 13, 1, - .1, .9, .1, 1
punto medio con intervalos 0 : 1 2 / 1 . Elige: TRACE > > >
c.
N o ta : la variable binom ial x no puede tom ar el valor - 1 . El Elige: 2 n d > DISTR > A :b tn o m c d f(
uso de - 1 (el siguiente sería punto m edio de clase a la izquier Escribe: 1 2 , 0 .01 )
da de 0) perm ite a M IN ITA B dibujar el histogram a de una Elige: STO — ^ L3 > ENTER
distribución de probabilidad. Sin - 1 , PLO T dibujará sólo la STAT > EDIT > l:E d tt
m itad de la barra que representa x = 0 . h.
Elige: MATH > PRB > 7:ran d B tn (
Escribe: 12, .01, 200) (ta r d a u n po co e n p r o c e sa r)
Elige: S T O — > > L4 > ENTER
Page 283 of 418

.
.
.
Elige: 2™ LIST > M a th > 3 :m e a n ( c. ¿C uál es la probabilidad de que cualquier paquete de 8 no
E s c iib e ; L4 tenga m ás de una bom billa que falle en el prim er uso?
Elige: 2 nd LIST > M a th > 7:StdDev(
Escribe: L4 d. Encuentra la m edia y la desviación estándar de x.
Continúa con los comandos TI-83/84 de histograma en la página e. ¿Q ué proporción de la distribución está entre p, - a y
5 4, usa los datos en la columna L4 y ajusta la ventana después del p, + <7?
vistazo inicial usando ZoomStat.
f. ¿Q ué proporción de la distribución está entre p, - 2o- y
5 .9 6 ¿A lguna vez has com prado una bom billa incandescente p, + 2o-?
que falla (o se quem a o no funciona) la prim era vez que en
g. ¿C óm o se relaciona esta inform ación con la regla em píri
ciendes el interruptor? C uando colocas una nueva bom billa en
ca y el teorem a de C hebyshev? Explica.
una lám para, esperas que encienda y la m ayoría de las veces
lo hace. C onsidera paquetes de 8 bom billas de 60 watts y s e a * h. Usa una com putadora para sim ular 100 pruebas de paque
el núm ero de bom billas en un paquete que “ fallan” la prim era tes de 8 bom billas y o b se rv a ra , el núm ero de fallas por
vez que se usan. Si 0.02 de todas las bom billas de este tipo paquete de 8. D escribe cóm o la inform ación de la sim ula
fallan en su prim er uso y cada paquete de 8 se considera una ción se com para con lo que esperabas (las respuestas a los
m uestra aleatoria, incisos a-g describen los resultados esperados).
a. M enciona la distribución de probabilidad y dibuja el his i. Repite el inciso h varias veces. Describe cóm o se com paran
togram a de x. estos resultados con los de los incisos a-g y con el inciso h.
b. ¿C uál es la probabilidad de que cualquier paquete de 8 no

tenga bom billas que fallen al prim e: uso?
C N *C
O °fe
-CN
■®¿J3 0 U
£ -_ Ü C _ _ i
8^
C 1> _ í
= R ep aso d e l cap ítu lo
En retrosp ectiva
En este capítulo se com binaron conceptos de probabilidad con se m encionó la independencia. La independencia, desde luego,
algunas de las ideas presentadas en el capítulo 2. A hora puedes es necesaria para poder m ultiplicar probabilidades.
lidiar con distribuciones de valores de probabilidad y encon A hora, después de com pletar el capítulo 5, si tuvieras que
trar m edias, desviaciones estándar y otros estadísticos. echar un vistazo cercano a alguno de los conjuntos de datos del
En el capítulo 4 exploraste los conceptos de eventos m utua capítulo 2 , verías que m uchos problem as podrían reorganizar
m ente excluyentes y eventos independientes. U saste las reglas se a form as de distribución de probabilidad. He aq u í algunos
de la sum a y de la m ultiplicación en varias ocasiones de este ejem plos: 1) Sea x el núm ero de horas crédito a las que está re
capítulo, pero se dijo m uy poco acerca de la exclusividad m u gistrado un estudiante este sem estre, apareadas con el porcen
tua o la independencia. R ecuerda que cada vez que se suman taje de todo el cuerpo estudiantil reportado para cada valor de
probabilidades, com o hiciste en cada una de las distribuciones x. 2) Sea x el núm ero de pasajes correctos a través de los cuales
de probabilidad, es necesario saber que los eventos asociados pasa un anim al de laboratorio experim ental antes de tom ar uno
son m utuam ente excluyentes. Si observas de vuelta el capítulo, equivocado, apareado con la probabilidad de cada valor x. 3)
notarás que la variable aleatoria en realidad requiere eventos Sea.v el núm ero de solicitudes hechas a universidades distintas
que sean m utuam ente excluyentes; por tanto, no se puso real de aquella en la que te inscribiste (ejem plo aplicado 5.3), apa
énfasis en este concepto. El m ism o com entario básico puede reado con la probabilidad de cada valor . L a lista de ejem plos
hacerse con referencia a la m ultiplicación de probabilidades es interm inable.
y al concepto de eventos independientes. A lo largo de este A hora estás listo para extender estos conceptos a variables
capítulo, las probabilidades se m ultiplicaron y ocasionalm ente aleatorias continuas en el capítulo 6 .
Page 284 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Resultados del a p re n d iz a je 263
COUrSeMate E1 s¡üo S tat¡st¡cs C o u rs e M a te y ejem plos que tienen sus correspondientes recursos inleiacli-
para este libro lleva a la vida los tem as del capítulo, con he vos com o video y tu to ria le s a n im a d o s que dem uestran, paso
de exám enes, incluidas preguntas rápidas y tarjetas de estudio ejercicios y ejem plos; A p p lets S k illh u ild e r para ayudarte a
tinuación. El sitio tam bién ofrece una versión eB o o k del texto, softw are para descargar que incluye D a ta A n aly sis P lu s (una
los capítulos, el icono C ourseM ate 1 * 1 señala los conceptos P lu s; regístrate en w w w .cen g ag eb rain .co m
V o c a b u la rio y conceptos clave

coeficiente binom ial (p. 248) éxito (p. 246) m edia de una variable aleatoria discreta
desviación estándar de una variable experim ento (p. 230) (P- 237)
aleatoria discreta (p. 237) experim ento de probabilidad notación factorial (p. 248)
distribución de probabilidad (p. 233) binom ial (p. 246) parám etro poblacional (p. 236)
ensayo (p. 246) fracaso (p. 246) variable aleatoria (p. 230)
ensayos independientes (p. 246) función constante (p. 234) variable aleatoria binom ial (p. 246)
estadístico m uestral (p. 236) función de probabilidad (p. 233) variable aleatoria continua (p. 231)
eventos m utuam ente excluyentes función de probabilidad binom ial variable aleatoria discreta (p. 231)
(p. 230) (p. 247) varianza de una variable aleatoria
eventos todo incluido (p. 230) histogram a de probabilidad (p. 235) discreta (p. 237)
R esultados del a p re n d iz a je
C om prender que una variable aleatoria es una cantidad num érica cuyo valor pp. 230-231, EJ. 5.1
depende de las condiciones y probabilidades asociadas con un experim ento.
C om prender la diferencia entre una variable aleatoria discreta Ej. 5.4, 5.5, 5.9
y una continua.
Poder construir una distribución de probabilidad discreta con base en un pp. 233-234, Ej. 5.13, 5.19
experim ento o función dada.
C om prender los térm inos m utuam ente excluyente y todo incluido p. 231, Ej. 5.15
com o se aplican a las variables para distribuciones de probabilidad.
C om prender las sim ilitudes y diferencias entre distribuciones de frecuencia p. 231, Ej. 5.98
y distribuciones de probabilidad.
C om prender y poder utilizar las dos principales propiedades de p. 234, EJ. 5.2
las distribuciones de probabilidad para verificar el cum plim iento. Ej. 5.17, 5.97, 5.99
C om prender que una distribución de probabilidad es una distribución pp. 236-238, Ej. 5.98
de probabilidad teórica y que la m edia y la desviación estándar
(pu y <7, respectivam ente) son parám etros.
C alcular, describir e interpretar la m edia y la desviación estándar EJ. 5.5, Ej. 5.26, 5.27
de una distribución de probabilidad.
C om prender los elem entos clave de un experim ento binom ial p. 246, EJ. 5.6, 5.7
y poder definir x, n, p y q.
C onocer y poder calcular probabilidades binom iales usando la función EJ. 5.8, Ej. 5.55, 5.61
de probabilidad binom ial.
C om prender y poder usar la tabla 2 del apéndice B, P robabilidades p. 251, Ej. 5.56, 5.111
binom iales, para determ inar probabilidades binom iales.
C alcular, describir e interpretar la m edia y la desviación estándar EJ. 5.11, Ej. 5.77, 5.79
de una distribución de probabilidad binom ial.
Page 285 of 418

.
.
.
Ejercicios d el capítulo
5 . 9 7 ¿C uáles son las dos propiedades básicas de toda distribu Número TV/hogar 0 1 2 3 4 5 o más
Porcentaje 1.9 3 1 .4 2 3 .0 2 4 .4 13 .0 6 .3
ción de probabilidad?
F u e n t e : h H p://w w w .japangu¡de.coin/
5 . 9 8 a. Explica la diferencia y la relación entre una distribu

a. ¿Q ué porcentaje de los hogares tienen al m enos un
ción de probabilidad y una función de probabilidad.
televisor?
b. Explica la diferencia y la relación entre una distribu
b. ¿Q ué porcentaje de los hogares tienen cuando m ucho tres
ción de probabilidad y una distribución de frecuen
televisores?
cias y explica cóm o se relacionan con una población
y una m uestra. c. ¿Q ué porcentaje de los hogares tienen tres o más televi
sores?
5 . 9 9 V erifica si cada una de las siguientes es o no es una fun
ción de probabilidad. E nuncia tu conclusión y explica. d. ¿É ste es un experim ento de probabilidad binom ial?
Justifica tu respuesta.
3
4 ——, para x = O, 1 , 2 ,3 ,
a. Av) = e. Sea a el núm ero de televisores p o r hogar. ¿É sta es una
.v!(3 - a )!
distribución de probabilidad? Explica.
b. J{x) = 0.25, para a = 9, 10, 11, 12
f. A signa a = 5 para “5 o m ás” y encuentra la m edia y la
c. fix ) = (3 - a )/2 , para x = 1, 2, 3, 4 desviación estándar de a .
d. f(x ) = (.v2 + x + 1)/25, para .v = O, 1, 2, 3 5 . 1 0 3 Los pacientes que tienen cirugía de reem plazo de ca
5 .1 0 0 Verifica si cada una de las siguientes es o no es una fun
ción de probabilidad. E nuncia tu conclusión y explica.
dera experim entan d o lo r el prim er día después de la cirugía.
Por lo general, el d o lo r se m ide en una escala subjetiva que usa
valores del 1 al 5. Sea a la variable aleatoria, la calificación de
a. ftx) = para x = 1, 2, 3, 4
8a! d o lo r determ inada por un paciente. La distribución de proba
bilidad para a se considera que es:
b. fipc) = 0.125, para x = 0, 1, 2, 3, y fix ) = 0.25, para x = 4, 5
x 1 2 3 4 5
c. f( x ) = (7 - a )/2 8 , para a = 0 , 1, 2, 3, 4, 5, 6 ,7 PW 0.10 0 .1 5 0 .2 5 0 .3 5 0 .1 5
d. J{x) = (a 2 + 1)/60, para a = 0, 1 ,2 , 3, 4, 5 a. Encuentra la m edia de a .
5 .1 0 1 El núm ero de em barcaciones que llegan a un puerto en b. Encuentra la desviación estándar de a .
cualquier día dado es una variable aleatoria representada por a . 5 . 1 0 4 El consum o de café per cápita en E stados U nidos es
L a distribución de probabilidad para a es la siguiente:
aproxim adam ente 1.9 tazas al d ía para hom bres y 1.4 tazas
x 10 11 12 13 para m ujeres. El núm ero de tazas consum idas p o r día, a , por
PW 0 .4 0.2 0.2 0.1 0.1
m ujeres bebedoras de café se expresa com o la siguiente dis
E ncuentra la probabilidad de lo siguiente para cualquier día tribución.
dado: x 1 2 3 4 5 6 7
PW 0 .2 0 0 .3 3 0 .2 8 0 .10 0 .0 5 0 .0 2 0.02
a. Llegan exactam ente 14 em barcaciones.
a. ¿É sta es una distribución de probabilidad discreta? Ex
b. Llegan al m enos 12 em barcaciones.
plica.
c. Llegan cuando m ucho 11 em barcaciones.
b. D ibuja un histogram a de la distribución.
5 . 1 0 2 “¿C uántos televisores hay en su hogar?” , fue una de
c. Encuentra la m edia y la desviación estándar de a .
las preguntas en un cuestionario que se envió a 5 000 perso
nas en Japón. Los datos recopilados resultaron en la siguiente 5 . 1 0 5 Im agina que estás a punto de com prar un boleto de lo
distribución: tería y la persona detrás del m ostrador im prim e dem asiados
Page 286 of 418

.
.
.
boletos con tus núm eros. ¿Q ué harías? Los resultados de una tán en línea todos los días. En un grupo seleccionado al az£r,
encuesta en línea fueron los siguientes: de 15 ciudadanos adultos m ayores “conectados”:
Permitirle conservar los boletos 30.77% a. ¿C uál es la probabilidad de que m ás de cuatro digan que
Confiar que la persona los borrará 15.38%
están en línea todos los días?
Comprar bs adicionales y confiar en que ganen 30.77%
O tro 23.08%
b. ¿C uál es la probabilidad de que exactam ente 10 digan
¿É sta es una distribución de probabilidad? Explica. que están en línea todos los días?
5 . 1 0 6 “S ostenibilidad” es la palabra de m oda para los am c. ¿C uál es la probabilidad de que m enos de 10 digan que
bientalistas. C uando piensan en sostenibilidad, la palabra que están en línea todos los días?
usualm ente llega a la m ente para la m ayoría de los estadouni 5 . 1 1 2 Existen 750 jugadores en las plantillas activas de los
denses es “ reciclar” . U na encuesta H arris, en m ayo de 2008, 30 equipos de béisbol de las grandes ligas. Se selecciona una
a 2 602 adultos estadounidenses encuestados en línea planteó m uestra aleatoria de 15 jugadores y se ponen a prueba por uso
la pregunta: “¿H a escuchado el uso de la frase sostenibilidad de drogas ilegales.
am biental?” . El porcentaje de adultos que respondió “s f ’ para
a. Si 5% de todos los jugadores usan drogas ilegales al
cada grupo etáreo se reportó del m odo siguiente:
m om ento de la prueba, ¿cuál es la probabilidad de que
Grupo etáreo 18 -3 1 32-43 44-62 63+
1 o m ás ju g ad o res dé positivo y falle en la prueba?
Porcentaje 46% 47% 42% 30%
b. Si 10% de todos los jugadores usan drogas ilegales al
¿É sta es una distribución de probabilidad? Explica.
m om ento de la prueba, ¿cuál es la probabilidad de que
5 . 1 0 7 U na doctora sabe por experiencia que 10% de los pa
cientes a quienes da cierto m edicam ento tendrán efectos co la
terales indeseables. E ncuentra las probabilidades de que entre
c.
Si 20% de todos los jugadores usan drogas ilegales al

m om ento de la prueba, ¿cuál es la probabilidad que
los 10 pacientes a quienes les dio el m edicam ento:
a. C uando m ucho dos tendrán efectos colaterales inde
5 . 1 1 3 U na caja contiene 10 artículos, de los cuales 3 son de
seables.
fectuosos y 7 no son defectuosos. D os artículos se seleccionan
b. Al m enos dos tendrán efectos colaterales indeseables. sin reem plazo y x es el núm ero de artículos defectuosos en la
m uestra de dos. E xplica por qué x no es una variable aleatoria
5 . 1 0 8 En una en cu esta reciente de m ujeres, 90% adm itió
binom ial.
que nunca había leído un ejem plar de la revista Vogue. Si
su pones que ésta es inform ación precisa, ¿cuál es la p ro b a 5 . 1 1 4 U na caja contiene 10 artículos, de los cuales 3 son de
bilidad de que una m uestra al azar de tres m ujeres m ostrará fectuosos y 7 no son defectuosos. D os artículos se seleccionan
que m enos de dos han leído la revista? al azar, uno a la vez, con reem plazo y x es el núm ero de artícu
los defectuosos en la m uestra de dos. E xplica por qué x es una
5 . 1 0 9 De quienes buscan una licencia de conducir, 70% ad
variable aleatoria binomial.
m itió que no reportaría a alguien si copiaba algunas respuestas
durante el exam en escrito. Tú acabas de entrar en la habitación 5 . 1 1 5 U n gran em barque de radios se acepta en la entrega si
y ves que 10 personas esperan tom ar el exam en escrito. ¿C uál una inspección de 10 radios seleccionados al azar produce no
es la probabilidad de que, si alguien copia, 5 de los 10 no re m ás de 1 radio defectuoso.
porten lo que vieron?
a. Encuentra la probabilidad de que este em barque se acep
5 . 1 1 0 Los m otores de un avión operan de m anera indepen te, si 5% del em barque total es defectuoso.
diente. La probabilidad de que un m otor individual opere para
b. Encuentra la probabilidad de que este em barque no se
un viaje dado es 0.95. Un avión podrá com pletar un viaje ex i
acepte, si 20% de este em barque es defectuoso.
tosam ente si al m enos la m itad de sus m otores opera durante
todo el viaje. D eterm ina si un avión de cuatro m otores o uno c. La distribución de probabilidad binom ial con frecuencia
de dos m otores tiene m ayor probabilidad de un viaje exitoso. se usa en situaciones sim ilares a ésta, a saber, grandes
poblaciones m uestreadas sin reem plazo. Explica p o r qué
5. 11 1 El Pevv Internet & A m erican Life Project descubrió que
la binom ial produce una buena estim ación.
casi 70% de los ciudadanos adultos m ayores “conectados” es
Page 287 of 418

.
.
.
5.116 El consejo de la ciudad tiene nueve m iem bros. Se tu m odelo de probabilidad del inciso b para encontrar la
considera una propuesta para establecer una nueva industria distribución de frecuencias paraje que esperarías resulte
en esta ciudad y todas las propuestas deben tener al m enos de tu experim ento planeado.
dos tercios de los votos para ser aceptada. Si se sabe que dos
d. C om para tu respuesta al inciso c con los resultados pro
m iem bros del consejo de la ciudad se «ponen y que los otros
porcionados en la tabla anterior. D escribe cualquier sim i
| votan al azar “a favor” y “en contra”, ¿cuál es la probabilidad
o litud y diferencia.
c de que la propuesta se acepte?
j£
Cj 5. 12 1 En otro experim ento de germ inación que involucra
él. 5 . 1 1 7 El ingeniero de diseño del puente estatal concibe un
sem illas viejas se plantan 50 filas de semillas. El núm ero de se
g plan para reparar los 4 706 puentes de Carolina del N orte que
o millas que germ inan en cada fila se registra en la siguiente tabla
•g actualm ente se m encionan en condición pobre o en condición
Si (cada fila contenía el m ism o núm ero de semillas).
> aceptable. El estado tiene un total de 13 268 puentes. A ntes de
„ que el gobernador incluya el costo de este plan en su presupues- que germina de filas que germina de filas
tO
3 to, decidió visitar personalm ente e inspeccionar cinco puentes,
0 17 3 2
| que se seleccionan al azar. ¿C uál es la probabilidad de que en la 1 20 4 1
'■B m uestra de cinco puentes, el gobernador visite los siguientes? 2 10 5 o más 0
Si
0
•o a. N ingún puente calificado com o pobre o aceptable a. ¿Q ué distribución de probabilidad (o función) sería útil
TJ para m odelar la variable “ núm ero de sem illas que germ i
$ b. Uno o dos puentes calificados com o pobres o aceptables
a nan por fila”? Justifica tu elección.
JO
.2 c. C inco puentes calificados com o pobres o aceptables
b. ¿Q ué inform ación se necesita con la finalidad de aplicar
'o
5 . 1 1 8 Una variable aleatoria discreta tiene una desviación es- la distribución de probabilidad que elegiste en el inciso a?
1 tándar igual a 10 y una m edia igual a 50. Encuentra X x 2P(x).
<u c. C on base en la inform ación que tienes, ¿cuál es la tasa de
5 5 . 1 1 9 Una variable aleatoria binom ial se basa en n = 20 y germ inación m ás alta o m ás baja que puedes estim ar para
c p = 0.4. Encuentra X x2P(x). estas sem illas? Explica.
Si
J 5 . 1 2 0 [EX05-1 2 0 ] En un ensayo de germ inación, 50 sem i- 5 . 1 2 2 U na em presa com ercial considera dos inversiones. Ele
■o lias se plantan en cada una de 40 filas. El núm ero de sem illas girá aquella que prom eta el m ayor rendim iento. ¿C uál de las
6 inversiones debería aceptar? (Sea la m edida del beneficio m e
g e r m i n a d a s e n c a d a f ila s e r e g i s t r a c o m o s e m e n c i o n a e n la
| siguiente tabla. dio la utilidad.)

■o Número Número Número Número Inversión en tienda herramientas Inversión en librería
O
que germina de filas que germina de filas Beneficio Probabilidad Beneficio Probabilidad
fe 39 1 45 8 $100000 0 .1 0 $400 000 0 .2 0

o
T2 40 2 46 4 50000 0 .3 0 90 000 0 .1 0
2¿ 41 3 47 3 20000 0 .3 0 -2 0 000 0 .4 0
x¡
E 42 4 48 1 -8 0 0 0 0 0 .3 0 -2 5 0 000 0 30
o
43 6 49 1 Total 1.00 Total 1 0 0
44 7
= a. U sa la tabla de distribución de frecuencias anterior para 5 . 1 2 3 Bill com pletó un exam en de 10 preguntas de opción
'Z. determ inar la tasa de germ inación observada para dichas m últiple en el que respondió 7 preguntas correctam ente. Cada
H sem illas. pregunta tiene una respuesta correcta a elegir de cinco alterna
* b El experim ento de probabilidad binom ial con su corres- tivas. Bill dice que respondió el exam en al adivinar al azar las
O pondiente distribución de probabilidad puede usarse con respuestas sin leer las preguntas o respuestas.
la variable “núm ero de sem illas que germ inan por fila” a. Define la variable aleatoria x com o el núm ero de respues
cuando 50 sem illas se plantan en cada fila. Identifica la tas correctas en este exam en y construye la distribución
función binom ial específica y m enciona su distribución de probabilidad si las respuestas se obtuvieron por adivi
usando la tasa de germ inación que encontraste en el nación al azar.
inciso a. Justifica tu respuesta.
b. ¿C uál es la probabilidad de que Bill adivine 7 de las 10
c. Supon que planeas repetir este experim ento al plantar 40 respuestas correctam ente?
filas de dichas sem illas, con 50 sem illas en cada fila. U sa
Page 288 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Examen d e práctica deícap ítu lo 267
c. ¿C uál es la probabilidad de que alguien pueda adivinar valores enteros 1 , 2 , . . . , / ? con iguales probabilidades de 2 se
seis o m ás respuestas correctam ente? dice que tiene una distribución uniform e. La función de proba
bilidad se escribe P(x) = ^ para x = 1, 2, 3 , . . . , /?. D em uestra
d. ¿C rees que Bill realm ente adivinó al azar com o lo afirma?
que ix = ü-ti.
Explica.
(Sugerencia : 1 + 2 + 3 + • •• + /? = [/?(/? + 1)]/2)
5 . 1 2 4 U na variable aleatoria que puede asum ir cualquiera de
E x a m e n de p ráctica del ca p ítu lo

P A R T E I: C o n o c im ien to d e las definiciones 5.1 2 U na com pañía fabricante de cam isetas anuncia que la
R esponde “ verdadero” si el enunciado siem pre es verdadero. probabilidad de que una cam iseta individual sea irre
Si el enunciado no siem pre es verdadero, sustituye las palabras gu lar es 0.1. U na caja de 12 de tales cam isetas se se
en negrillas con las palabras q ie hagan al enunciado siem pre lecciona e inspecciona al azar.
verdadero.
a. ¿C uál es la probabilidad de que exactam ente 2
5.1 El núm ero de horas que esperas en línea para registrar de dichas 12 cam isetas sean irregulares?
este sem estre es un ejem plo de una variable aleatoria b. ¿C uál es la probabilidad de que exactam ente 9 de
d isc re ta . dichas 12 cam isetas sean irregulares?
5.2 El núm ero de accidentes autom ovilísticos en los que Sea x el núm ero de cam isetas que son irregulares en todas di
estuviste involucrado com o conductor el año pasado chas cajas de 1 2 cam isetas.
es un ejem plo de una variable aleatoria d isc re ta . c. Encuentra la m edia de x.
5.3 La sum a de todas las probabilidades en cualquier dis d. Encuentra la desviación estándar de x.
5.4
tribución de probabilidad siem pre es exactam ente dos.
Los diversos valores de una variable aleatoria form an
P A R T E III: C o m p re n d e r los co n cep to s
5.1 3 ¿Q ué propiedades debe poseer un experim ento con la
una lista de ev en to s m u tu a m e n te excluyen tes. finalidad de que sea un experim ento de probabilidad
5.5 Un experim ento binomial siem pre tiene tre s o m ás binom ial?
posibles resultados en casa ensayo. 5.14 El estudiante A usa una distribución de frecuencias rela
5.6 L a fórm ula ¡x = np puede usarse para calcular la m edia tivas para un conjunto de datos muéstrales y calcula la
de una población discreta. m edia y la desviación estándar con las fórmulas del capí
5.7 El parám etro binom ial p es la probabilidad de u n éxito tulo 5. El estudiante A justifica su elección de fórmulas al
q u e o c u r r e en n ensayos cuando se realiza un experi decir que, dado que las frecuencias relativas son proba
m ento binom ial. bilidades em píricas, su muestra se representa mediante
5.8 Un parám etro es una m edida estadística de algún as una distribución de probabilidad y en consecuencia su
pecto de una m u e stra . elección de las fórmulas fue correcta. El estudiante B
5.9 Los estad ístic o s m u é stra le s se representan m ediante argumenta que, dado que la distribución representa una
letras del alfabeto griego. muestra, la m edia y la desviación estándar involucradas
5.10 La probabilidad del evento A o B es igual a la sum a se conocen com o x y s y deben calcularse con la corres
de la probabilidad del evento A y la probabilidad del pondiente distribución de frecuencias y fórmulas del ca
evento B cuando A y B son eventos m u tu a m e n te ex pítulo 2. ¿Quién está en lo correcto, A o B ? Justifica tu
cluyentes. elección.
P A R T E II: A plicación d e los conceptos 5.15 El estudiante A y el estudiante B discuten acerca de una
5.1 a. D em uestra que la siguiente es una distribución de entrada en un cuadro de distribución de probabilidad
probabilidad: _ x ______________/>(*)
x í 3 4 5 -2 O 1
PJx)_______ 0_2___________0 3 ____________ 0 4 __________0.1 El estudiante B piensa que esta entrada estaba bien, porque
b. E ncuentra P (x = 1). P(x) es un valor entre 0.0 y 1.0. El estudiante A argum enta que
c. E ncuentra P (x = 2). esta entrada era im posible para una distribución de probabili
d. E ncuentra P (x > 1). dad porque x es - 2 y no son posibles los negativos. ¿Q uién está
e. E ncuentra la m edia de .v. en lo correcto, A o B ? Justifica tu elección.
f. E ncuentra la desviación estándar de .v.
Page 289 of 418
.
.
.
Distribuciones de probabilidad
normal
6.1 Distribución de probabilidad normal
E l dom inio de las distribuciones con fo rm a de
campana es el conjunto de todos los núm eros reales.
6.2 La distribución normal estándar
Para trabajar con distribuciones norm ales, es
necesario el valor estándar.
6.3 Aplicaciones de las distribuciones
normales
La distribución norm al pued e ayudar a determ inar
probabilidades.
6.4 Notación
La notación z es crucial en el uso de distribuciones
norm ales.
6.5 Aproximación normal de la binomial
Las probabilidades binomiales pueden estimarse
a l usar una distribución norm al.
© / 2 0 1 O /Jü p iferim ages C orp oratio n
¡6.1 Distribución d e p ro b a b ilid a d norm al
C alificacion es d e in teligencia
La distribución de probabilidad normal se considera la distribución de probabilidad in
dividual más importante. U n núm ero ilim itado de variables aleatorias continuas tiene una d istri
bución no rm al o aproxim adam ente normal.
T odo m undo está fam iliarizado con los puntajes de CI (cociente de inteligencia) y/o SA T (Scholastic
A ptitude Test: Exam en de A ptitud A cadém ica). Los puntajes CI tienen una m edia de 100 y una desviación
estándar de 16. Las calificaciones SA T tienen una m edia de 500, con una desviación estándar de 100.
Pero, ¿sabías que estas variables aleatorias continuas tam bién siguen una distribución norm al?
La figura A m uestra la com paración de varias

FIGURA A
calificaciones de desviación y la distribución
norm al: las calificaciones estándar tienen una
m edia de cero y una desviación estándar de 1 .0 .
Las calificaciones del Scholastic A ptitude Test
tienen una media de 500 y una desviación es
tándar de 100.
Las calificaciones de la escala de inteli
gencia de Binet tienen una m edia de 100 y una
desviación estándar de 16. En cada caso existe Calificaciones estándar
34% de las calificaciones entre la m edia y una 200 300 400 500 600 700
desviación estándar, 14% entre una y dos des Calificaciones SAT
viaciones estándar y 2 % m ás allá de dos d esv ia 52 68 84 100 116 132 148
ciones estándar. Calificaciones de la escala de inteligencia de Binet
Fuente! B eck. A p p b in g P sy ch otog y C i i l ic a l a n d C rea tr.'e T h in h n g figura ó . 2 , ' Piclutes the C o m p a riso n o f S e v e ra l D evialion S c o ie s
an d the I lo m a l Dislribution © 1 0 0 2 Pienlice-Hall. Inc. R ep rod ucid o c o n p erm iso d e P eaiso n Education, Inc.
Page 290 of 418

.
.
.
Sección 6.1 Distribución de p ro b a b ilid a d norm al 269
PTI La escala de inteligencia de Binet. Al- te de inteligencia, o Cl, se define mediante
fred Binet, quien diseñó el prim er examen la fórmula:
general de aptitud a principios del siglo XX,
cociente de inteligencia = 10 0 x
definió la inteligencia com o la h a b ilid a d
(edad m e n ta l/e d a d cro n o ló g ica )
p a ra hacer adaptaciones. El propósito
general del examen era determ inar cuáles En años recientes se ha presentado
niños en París podían beneficiarse de la mucha controversia acerca de qué m iden
escuela. El examen de Binet, com o sus los exámenes de inte lig en cia . M uchos
revisiones posteriores, consiste en una serie de los ítems del examen dependen del
de tareas progresivam ente más difíciles id io m a o de otras experiencias culturales
que los niños de diferentes edades pueden específicas para responderse de m anera
com pletar exitosamente. Un niño que pue correcta. N o obstante, tales exámenes
de resolver problem as usualmente resueltos pueden p re de cir de m anera más bien
p o r niños en un nivel de edad particular, efectiva el éxito escolar. Si la escuela
se dice que tiene dicha edad mental. req uiere id io m a y los exámenes miden la
Por ejem plo, si un niño puede hacer exi h a b ilid a d con el id io m a , en un punto p a r
tosamente las mismas tareas que un niño ticu la r del tiem po en la vid a de un niño,
prom edio de 8 años puede hacer, se dice entonces el examen es un p re dicto r más
que tiene una edad mental de 8. El cocien que casual del desem peño escolar.
Fuente: Beck, Appt/ing Psychology: Cribcaland Cf&afwe Thinking.
La regla em pírica del capítulo 2 de este texto (véase la página 96) refuerza la figura A en
el extracto anterior y lo que ya sabes acerca de una form a sim étrica que se am ontona en el
centro. Los porcentajes dentro de tantas desviaciones se presentaron y aceptaron en el capí
tulo 2. Pero, ¿de dónde provienen?
Recuerda que, en el capítulo 5, aprendiste cóm o usar una función de probabilidad para
calcular probabilidades asociadas con variables aleatorias discretas. La distribución de
probabilidad norm al tiene una variable aleatoria continua y usa dos funciones: una fun
ción para determ inar las ordenadas (valores y) de la gráfica que m uestra la distribución y
una segunda función para determ inar probabilidades.
Distribución de p ro b a b ilid a d , variable continua Fórm ula o lista qu e p ro p o rc io

na la p ro b a b ilid a d p a ra que una v a ria b le a le a to ria co n tin u a te n g a un va lo r
q u e esté d e n tro d e un in te rv a lo específico. La d is trib u c ió n d e p ro b a b ilid a d es
una d is trib u c ió n te ó ric a ; se usa p a ra re p re se nta r p o b la c io n e s .
PTI La fórm ula (6.1) expresa la o rd e n a d a (valor y) que co rre spo nde a c a d a abscisa
(valor x).
Función de distribución de p ro b a b ilid a d norm al
y = f[x) = e pa ra todo x real

o■ TT (6 . 1)
N ota: c a d a diferente par de valores pa ra m edia (p.) y desviación estándar (<r) resultará
en una función de distribución de p ro b a b ilid a d norm al diferente.
C uando se d ib u ja una g rá fic a de tales puntos, la curva norm al (con form a de cam
pana) a p are cerá com o se muestra en la fig u ra 6 .1 .
FIG U R A 6 .1
La d is trib u c ió n d e
p r o b a b ilid a d n o rm a l
La fórm ula (6.2) produce la p ro b a b ilid a d asociada con el intervalo de x = a a x = b.

A l usar cálculo para encontrar p ro b a b ilid a d ,
P | o s x s 6) = J b f[x )d x ( 6 . 2)
Page 291 of 418

.
.
.
http://ebookqratisenpdf.bloqspot.com.ar/
27 0 Capítulo 6 Distribuciones ae p ro b a b ilid a d norm al
La p ro b a b ilid a d de que x e3té dentro del in te rvalo d e x - o a x - í > 3 e muestra com o

el área som breada en la figu ra 6.2.
FIGURA 6 .2
A re a s o m b re a d a : P(a
La integral definida de la fórm ula (6.2) es un tem a de cálculo y m atem áticam ente está
más allá de lo que se espera en estadística elem ental. En lugar de usar las fórm ulas (6.1)
y (6.2), usarás una tabla para encontrar probabilidades para distribuciones norm ales. Sin
em bargo, antes de aprender a usar la tabla, debe apuntarse que la tabla se expresa en form a
“estandarizada” . Es estandarizada, de m odo que esta tabla puede usarse para encontrar
probabilidades para todas las com binaciones de valores de m edia /u, y desviación estándar
<j. Esto es: la distribución de probabilidad norm al con m edia 38 y desviación estándar 7 es
muy sim ilar a la distribución de probabilidad norm al con m edia 123 y desviación estándar
32. R ecuerda la regla em pírica y el porcentaje de la distribución que cae dentro de ciertos
intervalos de la m edia (véase la página 96). Los m ism os tres porcentajes se m antienen
verdaderos para todas las distribuciones norm ales.
PTI Porcentaje, proporción y probabilidad básicam ente son los mismos conceptos. Por
lo g e ne ral, el porcen ta je (25% ) se usa cua nd o se ha b la acerca de una p ro p o rció n
(1 /4 ) de una p o blació n. Por lo g e ne ral, la p ro b a b ilid a d se usa cua nd o se h a bla de la
p o s ib ilid a d de que el siguiente ítem in d ivid u a l posea cierta p ro p ie d a d . El área es la
representación g rá fic a de los tres cua nd o se d ib u ja una im agen para ¡lustrar la situa
ción.
La regla em pírica es un dispositivo de m edición bastante bu rdo ; con él es po sib le
encontrar p ro b a b ilid a d e s asociadas sólo con m últiplos de números enteros de la des
viación estándar (dentro de 1, 2 o 3 desviaciones estándar de la m edia). Con frecuen
cia uno está interesado en las p ro b a b ilid a d e s asociadas con partes fra ccio n a ria s de la
desviación estándar. Por ejem plo, tal vez quieras saber la p ro b a b ilid a d de que x está
dentro de 1 3 7 desviaciones estándar de la m edia. Por tanto, debes refin ar la regla
em pírica de m odo que puedas lid ia r con m ediciones más precisas. Este refinam iento
se estudia en la siguiente sección.
6 .1 a . Explica por qué el puntaje CI es una variable continua. regla em pírica estudiada en el capítulo 2. E xplica las
sim ilitudes.
b. ¿C uáles son la m edia y la desviación estándar para la
distribución de: ¿los puntajes CI?, ¿las calificaciones 6 .2 Exam ina el cociente de inteligencia, o C I, com o se define
SA T ?, ¿valores estándar? por la fórmula:
c. E xpresa, algebraicam ente o c o n o ecuación, la rela cociente de inteligencia = 100 X

ción entre valores estándar y puntajes CI y la relación (edad m ental/edad cronológica)
entre valores estándar y calificaciones SAT.
Justifica por qué es razonable que la m edia sea 100.
d. ¿Q ué valor estándar es 2 desviaciones estándar arriba
6 .3 Porcentaje, proporción o probabilidad: identifica cuál se
de la m edia? ¿Q ué puntaje CI es 2 desviaciones es
¡lustra m ediante cada uno de los siguientes enunciados.
tándar arriba de la m edia? ¿Q ué calificación S A T es 2
desviaciones estándar arriba de la m edia? a. Un tercio de la m ultitud tenía una clara visión del evento.
e. C om para la inform ación acerca del porcentaje de b. Q uince p o r ciento de los votantes fueron encuestados
distribución, en la figura A de la página 268, con la conform e salían de la caseta de votación.
Page 292 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 6 .2 La distribu ción norm al estándar 271
c. La posibilidad de que llueva durante el día de m añana es a. el porcentaje es diferente de las otras dos.
b. la proporción es diferente de las otras dos.

6 .4 Porcentaje, proporción o probabilidad: con tus palabras, , . .
_ _ 7 , , , c. la probabilidad es diferente de las otras dos.
usa entre 25 y 5() palabras para cada uno y describe com o:
d. los tres son básicam ente la m ism a cosa.
|6 .2 La distribución norm al e s tá n d a r
Existe un núm ero ilim itado de distribuciones de probabilidad norm al, pero por fortuna
todas se relacionan con una distribución: la distribución norm al están d ar. La distribu
ción norm al estándar es la distribución norm al de la variable estándar z (llam ada “valor
están d ar" o “valor z”).
Propiedades de la distribución norm al estándar

1. El á re a to ta l b a jo la curva norm al es ig u a l a 1.
2. La d is trib u c ió n es a m o n to n a d a y sim é trica ; se e xtie n d e in d e fin id a m e n te
en a m b a s d ire c c io n e s y tie n d e a , p e ro nunca to c a , el eje h o riz o n ta l.
3. La d is trib u c ió n tiene una m e d ia d e O y una d e svia ció n e stá n d a r de 1.
4. La m e d ia d iv id e el á re a a la m ita d , 0 .5 0 a c a d a la d o .
5. Casi to d a el á re a está entre z = - 3 . 0 0 y z = 3 .0 0 .
www.elsolucionario.netLa tabla 3 del apéndice B lista las probabilidades asociadas con el á re a acum ulada a
la izquierda de un valor específico de z. Las probabilidades asociadas con otros intervalos
pueden definirse al usar las entradas de la tabla ju n to con las operaciones de sum a y resta,
en concordancia con las propiedades anteriores. O bserva varios ejem plos que dem uestran
cóm o usar la tabla 3 para encontrar probabilidades del valor ñor m al estándar, z.
Recuerda que en capítulos anteriores estudiaste la distribución norm al estándar,
donde aparecía com o la regla em pírica. C uando se usa la regla em pírica, los valores de z
PTI Las ojivas son la representación g rá fic a de las distribuciones de frecuencia relativa
acum ulada, com o aprendiste en el cap ítu lo 2. La ta b la 3 del a p é n d ice B es un listado
de la distribución de p ro b a b ilid a d norm al estándar acum ulada. La siguiente g rá fic a
muestra la relación entre la curva de p ro b a b ilid a d norm al estándar (en azul oscuro)
y la distribución norm al estándar acum ulada (en azul claro). Aun cua nd o se use una
sola escala vertica l, las unidades de m edida para las dos curvas son totalm ente d ife
rentes: la escala vertica l pa ra la distribución acum ulada es p ro b a b ilid a d , mientras que
la escala pa ra la curva norm al (azul oscuro) es densidad de p ro b a b ilid a d .
1.0
0.8
0.6
0.4
0.2
0 .0
- 3 - 2 - 1 0 1 2 3
Valor estándar, z
Page 293 of 418

.
.
.
272 Copítulo 6 Distribuciones ae p ro b a b ilid a d norm al
por lo general eran valores enteros; consulta la figura 6.3. Al usar la tabla 3, el valor z se
m edirá al centesim o más cercano y perm itirá precisión creciente.
F IG U R A 6 .3
D is trib u c ió n n o rm a l e s tá n d a r d e
a c u e rd o c o n la re g la e m p íric a
Valor estándar, z
R ecuerda tam bién que una de las propiedades básicas de una distribución de proba
bilidad es que la sum a de todas las probabilidades es exactam ente 1.0. D ado que el área
bajo la curva norm al representa la m edida de probabilidad, el área total bajo la curva con
forma de cam pana es exactam ente 1. O bserva en la figura 6.3 que la distribución tam bién
es sim étrica respecto a una recta vertical dibujada a través de z = O- Esto es: el área bajo la
curva a la izquierda de la m edia es un m edio, 0.5, y el área a la derecha tam bién es un m e
dio, 0.5. N ota z = 0.00 en la tabla 3 del apéndice B. L as áreas (probabilidades, porcentajes)
no dadas directam ente por la tabla pueden encontrarse con la ayuda de dichas propiedades.
A hora observa algunos ejem plos.
E J E M P L O 6 . 1
C O M O EN CO N TRA R EL A REA A LA IZQUIERDA

DE UN VALOR z N EG ATIVO
E ncuentra el á re a b a jo la c u rva n o rm a l e s tá n d a r a la iz q u ie rd a de z = - 1 . 5 2
(consulta la fig u ra 6 .4 ).
FIG URA 6 .4
A re a a la iz q u ie rd a d e z = - 1 . 5 2
Solución
Le ta b la 3 del a p é n d ic e B está d is e ñ a d a p a ra p ro p o rc io n a r d ire c ta m e n te el
á rea a la iz q u ie rd a d e - 1 . 5 2 . El v a lo r z se u b ic a en los m á rg e n es, con las
u n id a d e s y d íg ito s d e d é cim o s a lo la rg o del la d o iz q u ie rd a y los d íg ito s de
centésim os a lo la rg o d e la p a rte su p e rio r. Para z = - 1 . 5 2 , u b ic a la fila m a rc a
da - 1 . 5 y la co lu m n a m a rc a d a 0 .0 2 ; en su in te rse cció n e n c o n tra rá s 0 .0 6 4 3 ,
la m e d id a del á re a a c u m u la d a a la iz q u ie rd a d e z = - 1 .5 2 (consulta la ta b la
6 .1 ). E xp re sa d a co m o p ro b a b ilid a d : P(z < - 1 . 5 2 ) = 0 .0 6 4 3 .
TABLA 6 .1 U na p a rte d e la ta b la 3
z 0.00 0.01 0.02
-1.5 0.0643
0.0643
Page 294 of 418

.
.
.
Sección 6 .2 La distribu ción norm al estándar 273
E J E M P L O 6.2
C O M O EN CO N TRA R EL A REA A LA IZQUIERDA

DE UN VALOR z POSITIVO
E ncuentra el á re a b a jo la cu rva n o rm al a la iz q u ie rd a d e z = 1 .5 2 : P[z < 1.5 2).
Solución
La ta b la 3 está d is e ñ a d a p a ra ta m b ié n p ro p o rc io n a r d ire c ta m e n te el á re a
a la iz q u ie rd a d e v a lo re s p o s itiv o s z. O b s e rv a la p a rte d e re c h a d e la ta b la
3 , que m uestra los v a lo re s p o s itiv o s z. Del m ism o m o d o , el v a lo r z se u bica
en los m á rg e n es, con las u n id a d e s y d íg ito s d e d é c im o s a lo la rg o del la d o
iz q u ie rd o y los d íg ito s d e centésim os a lo la rg o d e la p a rte superior. Para
z = 1 .5 2 , u b ic a la fila m a rc a d a 1.5 y la co lu m n a m a rc a d a 0 .0 2 ; en su inter
sección e n c o n tra rá s 0 .9 3 5 7 , la m e d id a del á re a a c u m u la d a a la iz q u ie rd a
d e z = + 1 .5 2 .
Área solicitada
z 0.00 0.01 0.02 por
:
0.9357
=
P[z < 1 . 5 2 ) = 0 . 9 3 5 7
z - 1.52
Notas:
1. Las probabilidades asociadas con valores positivos z son m ayores que 0.5000, pues
incluyen toda la m itad izquierda de la curva normal.
2. Com o se hizo en los ejem plos 6.1 y 6.2, siem pre dibuja y etiqueta un bosquejo. Es más
útil.
3. A dopta el hábito de escribir el valor z. con dos lugares decim ales y las áreas (probabi
lidades, porcentajes) con cuatro lugares decim ales, com o en la tabla 3. Esto ayudará a
distinguir entre los dos conceptos.
“El área bajo toda la curva de distribución norm al es igual a 1” es el factor clave para
determ inar las probabilidades asociadas con los valores a la derecha de un valor z-
E J E M P L O 6.3
*
C O M O EN CO N TRA R EL A REA A LA DERECHA
DE UN VALOR z
Encuentra el á re a b a jo la c u rva n o rm a l a la d e re c h a de z = - 1 . 5 2 : P(z > - 1 . 5 2 ) .
Solución
El p ro b le m a s o lic ita el á re a q u e no está in c lu id a en el á re a
so m b re a d a 0 .0 6 4 3 . D a d o q u e el á re a b a jo to d a la curva
0.0643 n o rm a l es 1, resta 0 .0 6 4 3 d e 1:
P[z > - 1 . 5 2 ) = 1 .0 0 0 - 0 .0 6 4 3 = 0 .9 3 5 7
Page 295 of 418

.
.
.
Cuando encuentras el área a la derecha de cualquier valor z, el m étodo es el m ism o que
el dem ostrado en el ejem plo 6.3: buscar el área a la izquierda y restar el valor de la tabla
de 1.0. El total del área a la izquierda (valor de la tabla 3) y el área a la derecha siem pre
serán 1 .0 .
En ocasiones se necesita el área entre dos valores z. El siguiente ejem plo dem uestra
este caso.
E J E M P L O 6.4
C Ó M O EN CO N TRA R EL Á REA ENTRE
CUALESQ UIERA D O S VALORES z
E ncuentra el á re a b a jo la c u rva n o rm a l entre z = - 1 . 3 6 y z = 2 .1 4 :
P (-1 .3 6 < z < 2 .1 4 )
Solución
El á re a entre z = - 1 . 3 6 y z = 2 .1 4 se encuentra usando
resta. El á re a a c u m u la d a a la iz q u ie rd a del z m ás g ra n d e ,
z = 2 .1 4 , in c lu y e ta n to el á re a s o lic ita d a co m o el á re a a la
iz q u ie rd a del z más p e q u e ñ o , z = - 1 . 3 6 . Por ta n to , resta el
á re a a la iz q u ie rd a del z más p e q u e ñ o , z = - 1 . 3 6 , del á re a a
la iz q u ie rd a del z más g ra n d e , z = 2 .1 4 :
www.elsolucionario.net P ( - l .3 6 < z < 2 .1 4 ) = 0 .9 8 3 8 - 0 .0 8 6 9 = 0 . 8 9 6 9
Nota: existen m uchas situaciones que son sim ilares al ejem plo 6.4. C om o en el ejem plo
6.4, un valor z puede ser negativo m ientras que el otro es positivo o am bos pueden ser ne
gativos o am bos pueden ser positivos. En los tres casos, uno de los valores z es m ás grande
(a la derecha de la figura), el otro es m ás pequeño (a la izquierda de la figura) y el área en
medio se encuentra com o se m ostró en el ejem plo anterior.
La tabla 3 tam bién puede usarse para encontrar el valor z que acota un área específica. Al
encontrar el área o probabilidad dentro de la tabla, el valor z puede leerse a lo largo del lado
izquierdo y en los m árgenes superiores.
E J E M P L O 6.5
C Ó M O EN CO N TRA R EL VALOR z A S O C IA D O
C O N UN PERCENTIL
¿Cuál es el v a lo r z a s o c ia d o con el p e rce n til 7 5 d e una d is trib u c ió n norm al?
Solución
El á re a a c u m u la d a d e la ta b la 3 c o in c id e con la d e fin ic ió n d e un
p e rc e n til. R ecuerda q u e el p e rce n til 7 5 s ig n ific a que 7 5 % de los
d a to s son m enores que el v a lo r del p e rc e n til. Para e n c o n tra r el
v a lo r z p a ra el p e rce n til 7 5 , busca en la ta b la 3 y e n cuentra la
e n tra d a d e " á re a " q u e esté más ce rca de 0 .7 5 0 0 ; esta e n tra d a de
á re a es 0 .7 4 8 6 . A h o ra lee el v a lo r z q u e c o rre s p o n d a a esta á re a .
Page 296 of 418

.
.
.
0 .0 7 0.08
0 .6 0 .7 4 8 6 0 .7 5 0 0 0 .7 5 1 8
A p a rtir d e la ta b la , se encuentra q u e el v a lo r z es z = 0 . 6 7 , Esto d ic e que el

p e rce n til 7 5 en una d is trib u c ió n n o rm a l está 0 . 6 7 (a p ro x im a d a m e n te 2 / 3 )
d e s v ia c io n e s e stá n d a r a rrib a d e la m e d ia .
E J E M P L O 6.6
*
C O M O EN CO N TR A R EL VALOR z Q U E A C O TA UN AREA
¿ Q u é v a lo r z fo rm a la fro n te ra in fe rio r p a ra el 14% s u p e rio r d e una d is trib u
c ió n norm al?
www.elsolucionario.net Solución
La ta b la 3 m e n cio n a el á re a a c u m u la d a . C o n la fin a lid a d d e re la
c io n a r la ta b la , el á re a a la iz q u ie rd a d e b e d e te rm in a rse al restar
0 .1 4 0 0 de 1 .0 , el á re a total.
1 .0 0 0 0 - 0 .1 4 0 0 = 0 . 8 6 0 0 0 , el v a lo r a b uscar en la ta b la 3.
TABLA 6 .4 U na p a rte d e la ta b la 3 En la ta b la 3 , la e n tra d a de " á re a " q u e está más ce rca de

0 8 6 0 0 es 0 .8 5 9 9 . A h o ra lee el v a lo r 7 q u e c o rre s p o n d a a esta
á re a .
A p a rtir de la ta b la , se e n cuentra qu e el v a lo r z es z = 1. 08
1.0 0 8599 0.8 600 0.8 6 2 1
Esto d ic e que z = 1 .0 8 es la fro n te ra in fe rio r p a ra 14% su p e rio r
d e la d is trib u c ió n n o rm a l estándar.
E J E M P L O 6.7
C O M O EN CO N TRA R D O S VALORES z Q U E A CO TA N
UN Á REA
¿ Q u é v a lo re s z a c o ta n el 9 5 % m e d io d e una d is trib u c ió n n o rm al?
Solución
El 9 5 % se d iv id e en dos p a rte s ig u a le s p o r la m e d ia , d e m o d o que 0 .4 7 5 0 es
el á re a (p o rce n ta je ) entre el v a lo r z en la fro n te ra iz q u ie rd a y z = 0 , la m edia
(así co m o el á re a entre z = 0 , la m e d ia y la fro n te ra d e re ch a ). C onsulta la
fig u ra 6 .5 .
Page 297 of 418

.
.
.
FIGURA 6.5
95% o
0.9 500
En el lado izquierdo
. 0 0 2 l ° X 0 4750
z 0
(negativo)
El á re a q u e no se in c lu y e en a lg u n a c o la p u e d e e n co n tra rse al re c o rd a r
que el á re a p a ra c a d a m ita d d e la c u rva n o rm a l es ig u a l a 0 .5 0 0 0 y que
la cu rva es sim é trica . Por ta n to , en el la d o iz q u ie rd o , se necesita 0 .5 0 0 0 -
0 .4 7 5 0 = 0 .0 2 5 0 ; y en el la d o d e re c h o se necesita 0 . 5 0 0 0 + 0 .4 7 5 0 =
0 .9 7 5 0 . Para e n c o n tra r el v a lo r z fro n te ra iz q u ie rd a , usa el á re a 0 .0 2 5 0 en
la ta b la 3 y e n cuentra la e n tra d a d e " á re a " qu e esté m ás c e rca d e 0 .0 2 5 0 ;
esta e n tra d a es e xa cta m e n te 0 .0 2 5 0 .
TABLA 6 .5 U na p a rte d e la ta Una p a rte d e la ta b la 3

bla 3 (la d o z n e g a tivo ) (lado z p ositivo)
z 0.06
■
:
-1.9 0 .0 2 5 0
A l le e r la ta b la , se e n cuentra q u e el v a lo r z qu e c o rre s p o n d e a esta á re a

es z = - 1 . 9 6 . Del m ism o m o d o , p a ra e n c o n tra r el v a lo r z d e fro n te ra d e re c h a ,
usa el á re a 0 .9 7 5 0 en la ta b la 3 y e n cuentra la e n tra d a d e " á re a " q u e esté
más ce rca d e 0 .9 7 5 0 ; esta e n tra d a es e xa cta m e n te 0 .9 7 5 0 . A l leer este v a lo r
z se o b tie n e z = + 1 .9 6 .
Por ta n to , pue d e s b uscar c u a lq u ie ra y u tiliz a r la sim etría de la d is trib u c ió n
n o rm a l. z = - 1 .9 6 y z = 1.96 a co ta n el 9 5 % m e d io d e una d is trib u c ió n n o rm a l.
C o m o v e rific a c ió n , c o n s id e ra h a c e rlo d e una fo rm a y lu e g o c o m p ru e b a el
resultado usa n d o la otra fo rm a .
6.5 a. D escribe la distribución del valor norm al estándar, z- а. z ——1.30 b. z = -2 .5 6
b. ¿P or qué esta distribución se llama norm al estándar? c. z = -3 .2 0 d. z = -0 .6 4
6 .6 Encuentra el área bajo la curva normal estándar a la iz б. 8 Encuentra el área bajo la curva norm al estándar a la iz
quierda de z = -1 .3 7 . quierda de z = 2.13.
6 .7 E ncuentra el área bajo la curva normal que se encuentra a 6 .9 E n cu en tra la p ro b ab ilid ad de que un tro zo de d ato s e le
la izquierda de los siguientes valores z- g id o al az ar de una p o b lació n no rm al ten g a un v alo r e s
Page 298 of 418

.
.
.
tá n d ar (z) que se en c u en tre a la izquierda de los sig u ien tes a. entre 0 y 0.74.
valo res z.
b. a la derecha de 0.74.
а. z = 2 . 10 b. z = 1.20
c. a la izquierda de 0.74.
c. z = 3.26 d. z = 0.71
d. entre -0 .7 4 y 0.74.
б . 10 Encuentra el área bajo la curva norm al estándar a la d e
6.21 Encuentra las siguientes áreas bajo la curva normal.
recha de z = -2 .3 5 , P(z > -2.35).
a. A la derecha de z = 0.00
6 . 1 1 Encuentra las siguientes áreas bajo la curva norm al es
tándar. b. A la derecha de z = 1.05
a. A la derecha de z = -0 .4 7 , P(z > -0 .4 7 ) c. A la derecha de z = -2 .3 0
b. A la derecha de z = —1.01,P(z > —1.01) d. A la izquierda de z = 1.60
c. A la derecha de z = -3 .3 9 , P(z > -3 .3 9 ) e. A la izquierda de z = -1 .6 0
6 . 1 2 Encuentra el área bajo la curva norm al estándar a la d e 6 .2 2 E ncuentra la probabilidad de que una parte de datos ele
recha de z = 2.03, P (z > 2.03). gida al azar de una población con distribución norm al tendrá
un valor estándar que sea
6.1 3 Encuentra las siguientes áreas bajo la curva norm al es
tándar. a. m enor que 3.00.
a. A la derecha de z = 3.18, P(z > 3.18) b. m ayor q u e -1 .5 5 .
b. A la derecha de z = 1.84, P(z > 1.84) c. m enor q u e -0 .7 5 .
c.
A la derecha de z = 0.75, P(z > 0.75)
6 . 14 a. Encuentra el
d. m enor que 1.24.
área bajo la curva norm al estándar a lae. m ayor q u e -1 .2 4 .

izquierda de z = 0, P (z < 0).
6 .2 3 E ncuentra lo siguiente:
b. Encuentra el área bajo la curva norm al estándar a la
a. P(0.00 < z < 2.35)
derecha de z = 0, P(z > 0).
b. P (-2 .1 0 < z < 2.34)
6 . 1 5 E ncuentra el área bajo la curva norm al estándar entre
-1 .3 9 y la m edia, P ( - 1.39 < z < 0.00). c. P(z. > 0 .1 3 )
6 . 16 Encuentra el área bajo la curva norm al estándar entre z = d. P(z < 1.48)
-3 .0 1 y la m edia, P (-3.01 < z < 0 ).
6 .2 4 Encuentra lo siguiente:
6 . 1 7 Encuentra el área bajo la curva norm al estándar entre z =
a. P (-2 .0 5 < z < 0.00)
-1 .8 3 y z = 1.23, P ( - l .83 < z < 1.23).
b. P (-1 .8 3 < z < 2.07)
6 . 1 8 Encuentra el área bajo la curva norm al estándar entre z =
-2 .4 6 y z = 1.46, P (-2 .4 6 < z < 1.46). c. P(z < -1 .5 2 )
6 . 19 Encuentra el área bajo la curva norm al estándar que co d. P(z < -0 .4 3 )

rresponde a los siguientes valores z.
6 .2 5 Encuentra lo siguiente:
a. Entre 0 y 1.55
a. P(0.00 < z < 0.74)
b. A la derecha de 1.55
b. P ( - 1 . 1 7 < z < 1.94)
c. A la izquierda de 1.55
c. P(z > 1.25)
d. E n tre -1 .5 5 y 1.55
d. P(z < 1.75)
6 .2 0 Encuentra la probabilidad de que una parte de datos ele
gida al azar de una población normal tenga un valor estándar
(z) que se encuentre
Page 299 of 418

.
.
.
278 Capítulo 6 Distribuciones ae p ro b a b ilid a d norm al
6 .2 6 E ncuentra lo siguiente: 6 .3 2 E ncuentra el valor z para la distribución norm al estándar
_. . __ _ __^ que se m uestra en cada uno de los siguientes diagram as.
a. P (-3 .0 5 < z < 0.00) * ©
a. b.
b. P ( - 2 .4 3 < z < 1.37)
c. P (z < -2 .1 7 )
O3 9 8 0 . ^ ® 2422*^1^V
0
d. P (z > 2.43)
6 . 2 7 Encuentra el área bajo la curva normal estándar entre z =

J x
z
\
oO
v . y i y . z o
0.75 y z = 2.25, P(0.75 < z < 2.25). c.
6 . 2 8 E ncuentra el área bajo la curva normal estándar entre z = 0 .1 8 4 4 ,^ fl \
Y Y
-2 .7 5 y z = -1 .2 8 , P ( - 2.75 < z < -1.28).
6 . 2 9 E ncuentra el área bajo la curva normal que se encuentra

entre los siguientes pares de valores z: z o
a. z = - 1.20 a z = - 0.22 e. t.
b. z = -1 .7 5 a z = -1 .5 4 OO 9 1 5 /
YY V
0 4 4 10 . / \ I \
c. z = 1.30 a z = 2.58
d z = 0.35 a z = 3.50 7 1
zO
6 .3 0 Encuentra la probabilidad de que una parte de datos ele
gida al azar de una población norm al tenga un valor estándar
a. z = -2 .7 5 a z = -1 .3 8
(z) que se encuentra entre los siguientes pares de valores z: , - o r-
uno de los siguientes diagram as.

✓ .
o .00 E ncuentra el valor estándar, z. que se m uestra en cada
b. z = 0.67 a z = 2.95
c. z = -2 .9 5 a z = -1 .1 8
6.31 E ncuentra el valor z para la distribución norm al estándar

que se m uestra en cada uno de los siguientes diagram as. J 025
o z
c.
a. b.
0 3729 f o 1808 / \
Y IL Y r L Y Y 0 z 0 Z
‘/ k " ' / K 0 z 0 z
6 .3 4 Encuentra el valor estándar, z, que se m uestra en cada
uno de los siguientes diagram as.
Page 300 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 6 .3 A p lica cio n e s de las distribuciones norm ales 279
D iagram a para el ejercicio 6 .3 4 b. E ncuentra el valor z estándar tal que el área a la dere
cha de este valor sea 0 . 15.
c. E ncuentra los dos valores z que acotan el 50% medio

de una distribución normal.
6 .4 0 Encuentra dos valores z estándar tales que
a. el 90% m edio de una distribución norm al esté acotado

por ellos.
6 .3 5 Si supones una distribución norm al, ¿cuál es el valor z b. el 98% m edio de una distribución norm al esté acotado
asociado con el percentil 90?, ¿el percentil 95?, ¿el percentil por ellos.
99? 6.41 a. E ncuentra el valor z para el percentil 80 de la distri
6 .3 6 Si supones una distribución norm al, ¿cuál es el valor z bución norm al estándar.
asociado con el prim er cuartil?, ¿el segundo cuartil?, ¿el tercer b. E ncuentra los valores z. que acotan el 75% m edio de
cuartil? la distribución norm al estándar.
6 .3 7 Encuentra el valor z que forma la frontera superior para 6 .4 2 a. E ncuentra el valor z para el percentil 33 de la distri
el 20% inferior de una distribución normal. bución norm al estándar.
6 .3 8 Encuentra un valor de z tal que 40% de la distribución se b. E ncuentra los valores z que acotan el 40% m edio de
encuentre entre él y la m edia. (Existen dos posibles respues la distribución norm al estándar.
tas.)
6 .3 9 a. Encuentra el valor z estándar tal que 80% de la d is
tribución esté por bajo (a la izquierda) de este valor.
6.3 A p licacio n es d e las distribuciones

norm ales
En la sección 6.2 aprendiste cóm o usar la tabla 3 del apéndice B para convertir en pro
babilidad inform ación acerca de la variable norm al estándar z , o lo opuesto, convertir
inform ación de probabilidad acerca de la distribución norm al estándar en valores z. Ahora
estás listo para aplicar esta m etodología a todas las distribuciones norm ales. La clave es
el valor estándar z. La inform ación asociada con una distribución norm al será en términos
de valores x o probabilidades. Se usarán el valor z y la tabla 3 com o las herram ientas para
“pasar entre” la inform ación dada y la respuesta deseada.
R ecuerda que el valor estándar z, se definió en el capítulo 2.
PTI C uan do x = ¡jl,
el v a lo r estándar
z = 0. V alor estándar z
7_ x - (m edia d e x)
(de svia ció n e stá n d a r de x)
7= x-V (6.3)
cr
Page 301 of 418

.
.
.
E J E M P L O 6.8
CÓMO CONVERTIR UNA CURVA NORMAL ESTÁNDAR

PTI Recuerda: cua nd o
© PARA ENCONTRAR PROBABILIDADES
busques el área entre C o n s id e ra los p u n ta je s d e co c ie n te d e in te lig e n c ia (Cl) p a ra personas. Los
dos valores z, resta el p untajes C l tienen d is trib u c ió n n o rm a l, con una m e d ia de 1 0 0 y una d e s v ia
área que corresponda
ción e s tá n d a r de 16. Si una p e rso n a se e lig e al a z a r, ¿cuál es la p ro b a b ilid a d
al z más pequeño del
de que su Cl esté entre 1 0 0 y 1 1 5 ? Esto es: ¿cuál es P[ 1 0 0 < x < 115)?
área que corresponde
al z más grande.
Solución
P( 1 0 0 < x < 1 15) se representa m e d ia n te el á re a s o m b re a d a en

la fig u ra .
La v a ria b le x d e b e e s ta n d a riz a rs e con la fó rm u la (6 .3 ).
Los v a lo re s z se m uestran en la fig u ra a la iz q u ie rd a .
z _ x -J*
C u a n d o x = 10 0 : z = 1 0 0 - 1 0 0 = 0 .0 0
16
www.elsolucionario.net C u a n d o x = 1 15: z = 1 15 ~ 1 0 0 = 0 . 9 4
16
Por ta n to ,
P(100 < x < 1 15) = P(0.00 < z < 0.94) = 0.8264 - 0.5000 = 0 .3 2 6 4
En co n se cu e n cia , la p ro b a b ilid a d es 0 .3 2 6 4 d e que una p e rso n a e le g id a al

a z a r te n g a un C l entre 1 0 0 y 1 1 5 .
E J E M P L O 6.9
*
COMO CALCULAR LA PROBABILIDAD BAJO "CUALQUIER"
CURVA NORMAL
E ncuentra la p ro b a b ilid a d d e que una p e rso n a s e le c c io n a d a al a z a r te n g a un
Cl m a y o r qu e 9 0 (/x = 10 0 . cr = 16).
Solución
z = X - M. = 9 0 - 10 0 = - 1 0 = _0 6 2 5 = _ 0 6 3
cr 16 16
P(x > 9 0 ) = P ( z > - 0 . 6 3 )

= 1 .0 0 0 0 - 0 .2 6 4 3 = 0 .7 3 5 7
Por ta n to , la p r o b a b ilid a d es 0 . 7 3 5 7 de que una p e rso n a selec

c io n a d a al a z a r te n g a un C l m a y o r q u e 9 0 .
-0.63
©
Page 302 of 418
T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c c n g a g c b ra in .c o m
.
.
.
Sección 6 .3 A p lica cio n e s de las distribuciones norm ales 281
L a tabla norm al, tabla 3, puede usarse para responder m uchos tipos de preguntas que
involucran una distribución norm al. M uchas veces un problem a solicitará la ubicación
de un “punto de corte” ; esto es: un valor particular de x tal que exista exactam ente cierto
porcentaje en un área específica. L os siguientes ejem plos tienen que ver con algunos de
estos problem as.
E J E M P L O 6.10
COMO USAR LA CURVA NORMAL Y z

PARA DETERMINAR PERCENTILES
Encuentra el p e rc e n til 3 3 p a ra v a lo re s CI (p, = 1 0 0 . cr = 16; del e je m p lo 6 .8 ,
p. 2 8 0 ).
Solución
z 0.04 ...
0 .3 3 0 0 ...
P [ z < P J = 0 .3 3 0 0
El p e rc e n til 3 3 está en z = - 0 . 4 4
A h o ra c o n v ie rte el p e rce n til 3 3 de los v a lo re s z , - 0 . 4 4 , a un v a lo r x:
Fórm ula (6 .3 ), z = : -0 .4 4 = x ~ ] 00
cr IO
x - 1 0 0 = 1 6 (- 0 .4 4 )
x = 1 0 0 - 7 . 0 4 = 9 2 .9 6
Por ta n to , 9 2 .9 6 es el p e rc e n til 3 3 p a ra p u n ta je s CI.
E J E M P L O 6.11
\
COMO USAR LA CURVA NORMAL Y z PARA DETERMINAR

VALORES DE DATOS
En una g ra n clase, supon q u e tu in stru cto r te d ic e que necesitas o b
te n e r una c a lific a c ió n en el 10% s u p e rio r de tu clase p a ra co n se g u ir
una A en un e xa m e n p a rtic u la r. A p a rtir de e x p e rie n c ia s p a sa d a s,
pu e d e s estim ar que la m e d ia y la d e s v ia c ió n e s tá n d a r en este e xa
m en serán 7 2 y 13, re sp e ctiva m en te . ¿Cuál será la c a lific a c ió n m í
n im a n e c e s a ria p a ra o b te n e r una A? (Supon qu e las c a lific a c io n e s
te n d rá n una d is trib u c ió n a p ro x im a d a m e n te n o rm a l.)
Solución
C o m ie n z a p o r c o n v e rtir el 10% a in fo rm a c ió n qu e se
con la ta b la 3 al restar:
10 % = 0 .1 0 0 0 ; 1 .0 0 0 0 - 0 .1 0 0 0 = 0 .9 0 0 0
Page 303 of 418

.
.
.
282 C o p ítu lo 6 Distribuciones ae p ro b a b ilid a d norm al
Busca en la ta b la 3 p a ra e n c o n tra r el v a lo r d e z a s o c ia d o con la e n tra d a de

á rea m ás c e rc a n a a 0 .9 0 0 0 ; es z = 1 .2 8 . Por ta n to , P[z > 1 .2 8 ) = 0 . 10.
A h o ra encuentra el v a lo r x que corresponda a z = 1.2 8 con la fórm ula (6.3):
z = x^JL . 1 .2 8 = * ^ Z 2
cr 13
x - 7 2 = (1 3 )(1 .2 8 )
x = 7 2 + (1 3 ) ( 1 .2 8 ) = 7 2 + 16 .6 4 = 8 8 .6 4 , u 8 9
En co n se cu e n cia , si re cib e s un 8 9 o su p e rio r, puedes e sp e ra r estar en el 10%

su p e rio r (lo q u e s ig n ific a que o b tie n e s una A ).
El ejem plo 6.12 trata con una distribución norm al en la que se te pide encontrar la desvia
ción estándar cr cuando se proporciona inform ación relacionada.
E J E M P L O 6.12
CÓMO USAR LA CURVA NORMAL Y 2 PARA DETERMINAR

PARAMETROS POBLACIONALES
Les in g re so s de los eje cu tivos jú n io r en una g ra n c o rp o ra c ió n tie n e n una
d is trib u c ió n a p ro x im a d a m e n te n o rm a l. Un re c o rte p e n d ie n te no d e s c a rta rá
a a q u e llo s eje cu tivos jú n io r con g a n a n c ia s d e n tro d e $ 4 9 0 0 d e la m e d ia . Si
esto representa el 8 0 % m e d io de los in gresos, ¿cuál es la d e s v ia c ió n están
d a r p a ra los s a la rio s de este g ru p o d e eje cu tivos jú n io r ?
PTI Recuerda que el

v a lo r z es el número de Solución
m últiplos de la desvia
Le ta b la 3 in d ic a qu e el 8 0 % m e d io o 0 .8 0 0 0 , d e una d is trib u c ió n n o rm a l
ción estándar al que se
está a c o ta d o p o r - 1 . 2 8 y 1 .2 8 . C o n s id e ra el p u n to B q u e se muestra en la
encuentra de la m edia
fig u ra : 4 9 0 0 es la d ife re n c ia entre el v a lo r x en B y el v a lo r d e la m e d ia , el
un v a lo r x.
n u m e ra d o r d e la fó rm u la (6 .3 ): x - p, = 4 9 0 0 .
A l usar la fó rm u la (6 .3 ) puedes e n c o n tra r el v a lo r d e cr:
4 900
Z = X ~ /* ; 1 .2 8 =
D e n tro d e $ 4 9 0 0 cr cr
d e la m e d ia
4 900
cr =
1.28
cr= 3 8 2 8 .1 2 5 = $3 828
Esto es, la d e s v ia c ió n e stá n d a r a ctu a l p a ra los s a la rio s de e je cu

tivo s jú n io r es $ 3 8 2 8 .
-1 .2 8 0 1 .2 8
Page 304 of 418

.
.
.
C o m p re n sió n ad icio n al
En referencia nuevam ente a los puntajes de C I, ¿cuál es la probabilidad de que una per
sona elegida al azar tenga un CI de 125, P (x = 125)? (Los puntajes CI tienen distribución
norm al, con una m edia de 100 y una desviación estándar de 16.) Esta situación tiene dos
PTI Una notación interpretaciones: 1) teórica y 2) práctica. O bserva prim ero la interpretación teórica. Re
estándar usada para cuerda que la probabilidad asociada con un intervalo para una variable aleatoria continua
a b re via r "d istribu ció n se representa m ediante el área bajo la curva. Esto es: P(a < x < b) es igual al área entre a y
norm al con m edia ¡x b bajo la curva. P (x = 125) (esto es: x es exactam ente 125) es entonces P (125 < .v < 125),
y de sviación estándar
o el área del segm ento de recta vertical en x = 125. E sta área es cero. Sin em bargo, este no
& ' es N(¡x, cr). Esto es:
es el significado práctico de x = 125, que por lo general significa 125 al valor entero más
N ( 5 8, 7) representa
"d istrib u ció n norm al,
cercano. Por tanto, P (x = 125) sería m ás probablem ente interpretado com o
m edia = 5 8 y desvia
ció n estándar = 7 ". P( 124.5 < x < 125.5)
El intervalo desde 124.5 hasta 125.5 bajo la curva tiene una área m ensurable y enton
ces es distinta de cero. En situaciones de esta naturaleza, debes asegurarte del significado
a usar.
G E N E R A C I Ó N
A P A R T IR DE
DE D A T O S
U NA
A L E A T O R I O S
D I S T R I B U C I Ó N
N O R M A L B Á S I C A
Elige: C ale > R a n d o m D ata > N o rm a l

MINITAB E scriba: N ú m e ro d e fila s d e d a to s a g e n e ra r: n
A lm a c e n a r e n c o lu m n a (s): C I
M edia: pi
D e sv ia c ió n Est.: <r> OK
Si quieres muestras múltiples (por decir, 12), todas del mismo tamaño, m odifica los comandos
anteriores: almacenar en columna(s): C1-C12.
Nota: para encontrar estadísticos descriptivos para cada una de dichas muestras, usa los coman
dos: Stat> Basic Statistics > Display Descriptive Statistics para C1-C12
Elige: D a ta > D ata A n a ly s is > R a n d o m N u m b e r G e n e ra tío n > OK

Excel E scribe: N ú m e ro d e v a ria b le s : 1
N ú m e ro d e n ú m e r o s a le a to rio s : n
D istrib u c ió n : N o rm a l
M edia y.
D e sv ia c ió n Est. <r
S ele cc io n a: O p c io n e s d e sa lid a : O u tp u t R an g e
E scribe: (A l o s e le c c io n a c e ld a s) > OK
Si quieres muestras múltiples (por decir, 12), todas del mismo tamaño, m odifica los comandos
anteriores: Número de variables: 12.
Nota: para encontrar estadísticos descriptivos para cada una de dichas muestras, usa los comandos:
Data > Analysis > Descriptive Statistics para columnas A-L.
Elige: MATH > PRB > 6 :ra n d N o rm (

T I-8 3 /8 4 Plus E scribe: cr, # o f tra lls)
Elige: S T O — > >L1 > ENTER
Page 305 of 418

.
.
.
Si quieres muestras múltiples (por decir, 6), todas del mismo tamaño, repite los comandos ante-
rieres seis veces y almacena en Ll-Ló.
Nota: para encontrar estadísticos descriptivos para cada una de dichas muestras, usa los comandos:
STAT > CALC > 1 :1 -Var Stats para L1-L6.
C Ó M O C A L C U L A R V A L O R E S DE
O R D E N A D A (y) PA R A U NA C U R V A
DE D I S T R I B U C I Ó N N O R M A L
Escribe las abscisas deseadas (x) en C l ; luego continúa con:

MINITAB
Elige: C ale > P ro b a b íllty D ís tr ib u tto n s >N o rm a l
S ele cc io n a: P ro b a b íllty D e n s tty
Escribe: M edia:
D e sv ia c ió n Est.: <r
C o lu m n a e n tra d a : Cl
A lm a c e n a m ie n to o p c io n a l: C2 > OK
Pora dibujar la gráfica de una curva de pro ba bilida d normal con los valores x en C l y los valo
res y en C2, continúa con:
Elige:
S e le c c io n a
G ra p h > S c a tte r p lo t
W íth C o n n e c t L lne > OK
Escribe: V aria b les Y: C2 V a ria b le s X: C l > OK
Escribe las abscisas deseadas (x) en la columna A y activa B1; luego continúa con
Excel
Elige: I n s e r t fu n c tío n fx > S ta tís tlc a l > NORM DIST > OK
Escribe: X: (A1:A100 o s e le c c io n a c e ld a s “v a lo r x ”)
M e d i a , fx
D e sv ia c ió n Est.. <p
A c u m u la d o : F also > OK
A rra stra : E s q u in a in f e r io r I z q u ie rd a d e l re c u a d r o d e v a lo r o r d e n a d a h a c ia
a b a jo p a r a d a r o tr a s o r d e n a d a s
Pera dibujar la gráfica de una curva de probabilidad normal con los valores x en la columna A
y los valores y en la columna B, activa ambas columnas y continúa con:
Elige: I n s e r t > S c a tte r > l s t p ic tu r e
Los valores de ordenada pueden calcularse para valores de abscisa individuales, "x".
T I-8 3 /8 4 Plus
Elige: 2 n d > DISTR > l:n o r m a lp d f (
Escribe:
Para dibujar la gráfica de la curva de probabilidad normal para p. y <crparticulares, continúa con
Elige: W IN D O W
Escribe: f x - 3 <rt ¡x + 3er, o*, -.0 5 , 1, .1, 0)
Elige: Y = > 2 n d > DISTR > l:n o r m a lp d f (
Escribe: X, oj
Después de una gráfica inicial, ajusta con 0:ZoomFit del menú Z O O M .
Page 306 of 418

.
.
.
P R O B A B I L I D A D A C U M U L A D A PARA
D I S T R I B U C I O N E S N O R M A L E S
Escribe las abscisas deseadas (x) en C l ; luego continúa con:
MINITAB
Elige: C ale > P ro b a b íltty D ls tr ib u tio n s > N o rm a l
S e le c c io n a C u m u la ttv e p ro b a b tlíty
E scribe: M edia: fi
D e sv ia c ió n Est.: er
C o lu m n a e n tra d a : Cl
A lm a c e n a m ie n to o p c io n a l: C3 > OK
Notas:
1. Para encontrar la pro ba bilida d entre dos valores x, escribe los dos valores en C l , usa los
comandos anteriores y resta usando los números en C3.
2. Para dibujar una gráfica de la distribución de pro ba bilida d acumulada (ojiva), usa los co
mandos Scaterrplot de la página 2 8 4 , con C3 como la variable y.
Escribe las abscisas deseadas (x) en la columna A y activa C l ; luego continúa con:
Elige: I n s e r t fu n c tlo n fx > S ta tls tic a l > NORM DIST > OK

E scribe: X: (A 1:A 100 o se le c c io n a c e ld a s “v a lo r x ”)
M edia p,
D e sv ia c ió n Est.: <r
A rra s tra :
A c u m u la d a : V e rd a d e ro > OK
E s q u in a In fe rio r d e r e c h a d e l re c u a d r o d e p ro b a b ilid a d a c u m u la d a
h a c ia a b a jo p a r a p r o p o r c io n a r o tra s p r o b a b ilid a d e s a c u m u la d a s
Notas:
1. Para encontrar la pro ba bilida d entre dos valores x, escribe los dos valores en la columna A,
usa los comandos anteriores y resta usando los números en la columna C.
2. Para dibujar una gráfica de la distribución de probabilidad acumulada (ojiva), usa los co
mandos Insert de la página 2 8 4 , elige el subcomando Select Data para remover la serie I.
Las probabilidades acumuladas se pueden calcular para valores de abscisa individuales, "x".
T I-8 3 /8 4 Plus
Elige: 2 n d > DISTR > 2 :n o rm a lc d f(
E scribe: - 1 EE 9 9, X , ft, & )
Notas:
1. Para encontrar la probabilidad entre dos valores x, escribe los dos valores en lugar de -1 EE
9 9 y la x.
2. Para dibujar una gráfica de la distribución de p ro ba bilida d acumulada (ojiva), usa o los
comandos Scatter debajo de STATPLOTS, con los valores x y sus probabilidades acumuladas
en un par de listas, o n o rm alcd f(-l EE99, x, /u., o j en el Y = editor.
FABRICACIÓN DE JABONES
Ya que los ¡a b o n e s a rte sa n a le s en el b a ñ o se han c o n v e rtid o en una muestra
m ás del re to rn o a lo n a tu ra l, y sin d u d a son un exce le nte n e g o c io p a ra nuevos
e m p re n d e d o re s .
Page 307 of 418

.
.
.
U na m aestra d e q u ím ic a que tie n e 2 5 0 a lu m n o s en una escuela p re p a

ra to ria les in d ic a re a liz a r en su casa una p rá c tic a d e q u ím ic a p a ra e la b o ra r
ja b ó n y les d a las sig u ie n te s instrucciones:
1. C o n stru ye un m o ld e de m a d e ra con las d im e n sio n e s sig u ie n te s 5 0 mm de

la rg o p o r 3 0 mm de a n ch o p o r 2 4 mm d e a ltu ra .
2. C o m p ra una base d e ja b ó n d e g lic e rin a , esencia y co lo ra n te .
3. F unda la base: Ya sea en m ic ro o n d a s , o a b a ñ o M a ría . La cla v e p a ra

un buen ja b ó n es c a le n ta rlo justo hasta q u e se fu n d a . N o dejes qu e tu
base d e ja b ó n supere te m p e ra tu ra s d e m ás d e 6 0 a 6 5 ° C (u tiliza un ter
m óm etro). N o d e je s q u e la base d e ja b ó n h ie rv a y a que p e rd e rá to d a la
hum edad
4 . A ñ a d e la e se n cia , si usaste b a ñ o M a ría re tira del fu e g o , a ñ a d e la esen

c ia antes del c o lo r ya que to d a s las esencias, en m a y o r o m e n o r g ra d o ,
tiñen lig e ra m e n te la base. De esa m a n e ra , cu a n d o a ñ a d a s el c o lo r vas a
h a c e rte una id e a e x a c ta del c o lo r fin a l.
5. A ñ a d e el c o lo r p o c o a p o c o , ya qu e sie m p re puedes a ñ a d ir un p o c o más.
6 . A ñ a d e aceites p a ra h a c e r un ja b ó n m ás h id ra ta n te , com o a c e ite de a l

m e n d ra s dulces, a c e ite de germ en d e trig o (vitam ina E). N u n c a a g re g u e s
más de una c u c h a ra d a so p e ra p o r 5 0 0 g ra m o s de base d e ja b ó n . Si
a ñ a d e s d e m a s ia d a c a n tid a d d e a c e ite tu ja b ó n será b la n d o y h ú m e d o en
exceso, y no c u a ja rá b ie n .
7. E ngrasa el m o ld e , con una lig e rís im a c a p a de a c e ite de m a íz o d e va se

lin a líq u id a .
8. U na ve z v e rtid o el ja b ó n en el m o ld e se p u e d e n fo rm a r b u rb u ja s d e a ire
en la su p e rficie . Ten s ie m p re a m a n o un ro c ia d o r con a lc o h o l re b a ja d o .
C on una ro c ia d a las b u rb u ja s d e s a p a re c e n insta n tá n e a m e n te .
9 . D e s m o ld a , re cu e rd a que la base se vu e lve líq u id a y lu e g o , al c u a ja r, de

nuevo se h a ce s ó lid a . Por ta n to , el ja b ó n está a d h e rid o al m o ld e . C in c o
m inutos en el c o n g e la d o r y un p o c o d e a g u a c a lie n te en la p a rte e x te rio r
del m o ld e h a rá n un buen tra b a jo a la h o ra d e d e s m o ld a r tu ja b ó n .
1 0 .Envuelve tu ja b ó n c o m p le ta m e n te con una p e líc u la de p lá s tic o tra n s p a re n

te, p a ra e vita r q u e se d e sh id ra te .
Una ve z q u e to d o s los a lu m n o s han te rm in a d o y p re s e n ta d o su ja b ó n , y a qu e

se les ha d a d o la m ism a in d ic a c ió n respecto a las d im e n sio n e s del m o ld e , las
v a ria b le s la rg o , a n ch o y a ltu ra tie n e n d is trib u c io n e s n o rm a le s. U na muestra
de 2 5 0 ¡a b o n e s d a co m o re su lta d o el resum en siguiente
Page 308 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 6 .3 A p lica cio n e s de las distribuciones normales 287
1EXOO-OOOJ identifica el nombre de archivo de una base de datos en línea de un ejercicio; bases de datos y Applets Skillbuilder disponibles através de cengagcbrain.com
Media 23 98
Histograma de altura Desv. esl. 0.4835
N 250
49 4 9 .2 4 9 4 4 9 .6 4 9 6 50 5 0 .2 5 0 . 4 5 0 . 6 5 0 .8 51
www.elsolucionario.net A ltu r a d e l ja b ó n
6.43 E je rc icio A p p let S killhuil- b. R establece la m edia a O y aum enta la desviación estándar
d e r D em uestra que la probabili a 2. ¿Q ué ocurre con la curva?
Lél
dad es igual al área bajo una curva.
c. Si pudieras dism inuir la desviación estándar a 0.5, ¿qué
D ado que los estudiantes universi
crees que sucedería con la curva norm al?
tarios duerm en un prom edio de 7
horas por noche, con una desvia 6.45 D ado x = 58, p, = 43 y cr= 5.2 encuentra z-
;C = 3 -
ción estándar igual a 1.7 horas, usa
6.46 D ado x = 237, p, = 220 y <r = 12.3 encuentra z-
la barra de desplazam iento en el
applet para encontrar: 6.47 D ado que x es una variable aleatoria con distribución
norm al, con una m edia de 60 y desviación estándar de 10 , en
a. P (un estudiante duerm e entre 5 y 9 horas)
cuentra las siguientes probabilidades.
b. P (un estudiante duerm e entre 2y 4 horas)
a. P (x > 60) b. 7>(60 < jc < 72)
c. P (un estudiante duerm e entre 8y 11 horas)
c. 7^(57 < jc < 83) d. P (65 < x < 82)
6.44 E je rc icio A p p let S killbuil-
e. 7^(38 < jc < 78) f. P (x < 83)
d e r D em uestra los efectos que
tienen la m edia y la desviación 6.48 D ado que x es una variable aleatoria con distribución
estándar sobre una curva normal. norm al, con una m edia de 28 y desviación estándar de 7, en
cuentra las siguientes probabilidades.
a. Al dejar la desviación están
dar en 1 , aum enta la m edia a (c o n tin ú a e n la p á g in a 288)
3. ¿Q ué pasa con la curva?
Page 309 of 418
.
.
.
а. P (x < 28) b. P (28 < x < 38) una desviación estándar de 16.6 años [w w w .fhw a.dot.gov]. Si
supones que la distribución de edades tiene una distribución
c. />(24 < a: < 4 0 ) d. P{3 0 < jr < 4 5 )
norm al, ¿qué porcentaje de los conductores:
e. />( 19 < jc < 35) f. P (x< 48)
a. están entre las edades de 17 y 22 años?
б .4 9 C om o se m uestra en el ejem plo 6.8, los puntajes CI se
b. son m ás jóvenes de 25 años de edad ?
consideran con distribución norm al, con una m edia de 100 y
una desviación estándar de 16. c. son m ayores de 2 1 años de edad?
a. E ncuentra la probabilidad de que una persona selecciona d. están entre las edades de 48 y 68 años?
da al azar tenga un puntaje CI entre 100 y 120.
e. son m ayores de 75 años de edad?
b. E ncuentra la probabilidad de que una persona selecciona
6 . 5 4 E xiste una nueva clase trabajadora con dinero para g as
da al azar tenga un puntaje CI por arriba de 80.
tar, de acuerdo con el artículo del 1 de m arzo de 2005 del
6 . 5 0 Con base en una encuesta realizada por G reenfield O n USA T oday, “N uevos trabajadores jó v en es ‘cuello d o rad o '
line, las personas de 25 a 34 años de edad pasan la m ayor p ar ganan influencia”. “C uello d o rado” es un subconjunto de los
te de cada sem ana en la com ida rápida. El im porte sem anal trabajadores de cuello azul, definido por los investigadores
prom edio de $44 se reportó en un artículo del USA Today en com o aquellos que trabajan en em pleos de com ida rápida y
m ayo de 2009. Si supones que los gastos sem anales en com ida m inoristas, o com o guardias de seguridad, oficinistas o esti
rápida tienen una distribución norm al, con una desviación es listas. L os trabajadores de “cuello d o rado” que tienen de 18 a
tándar de $14.50, ¿cuál es la probabilidad de que una persona 25 años de edad gastan un prom edio de $729 al m es en ellos
de 25 a 34 años de edad gaste: m ism os (contra $267 de los estudiantes universitarios y $609
de los trabajadores de cuello azul). Si supones que este gasto
a. m enos de $25 a la sem ana en com ida rápida?
tiene una distribución norm al, con una desviación estándar de
c.
b. entre $30 y $50 a la sem ana en com ida rápida?
m ás de $75 a la sem ana en com ida rápida?

S92.00, ¿qué porcentaje de los trabajadores de cuello dorado
gastan:
a. entre S600 y $900 al m es en ellos m ism os?

6 .5 1 D ependiendo de dónde vivas y de la calidad de la
guardería, los costos de guardería pueden variar de $3 000 a b. entre S400 y $1 000 al mes en ellos m ism os?
S I 5 000 al año (o S250 a $1 250 al mes) por un niño, de acuer
c. m ás de $1 050 al m es en ellos m ism os?
do con el Baby Center. Los centros de guardería en las grandes
ciudades com o N ueva Y ork y San Francisco son notablem ente d. m enos de $500 al m es en ellos m ism os?
costosos. Supon que los costos de guardería tienen una distri
6 .5 5 L os hallazgos de una encuesta de adultos estadouniden
bución norm al, con una m edia igual a $9 000 y una desviación
ses realizada por Y ankelovich Partners para la International
estándar igual a $1 800. F uente: http://w w w .babycenter.com /
Bottled W ater A ssociation, indican que los estadounidenses
a. ¿Q ué porcentaje de los centros de guardería cuestan entre beben en prom edio 6 . 1 partes de 8 onzas de agua al día [http://
S7 200 y $10 800? w w w .pangaeaw ater.com /]. Si supones que el núm ero de por
ciones de 8 onzas de agua tiene una distribución aproxim ada
b. ¿Q ué porcentaje de los centros de guardería cuestan entre
m ente norm al, con una desviación estándar de 1.4 porciones,
$5 400 y $12 600?
¿qué proporción de los estadounidenses bebe
c. ¿Q ué porcentaje de los centros de guardería cuestan entre
a. m ás de las 8 porciones recom endadas?
S3 600 y $14 400?
b. m enos de la m itad de las 8 porciones recom endadas?
d. C om para los resultados de a a c con la regla em pírica.
E xplica la relación. 6 . 5 6 C om o se m uestra en el ejem plo 6.12, los ingresos de
los ejecutivos jú n io r tienen una distribución norm al con una
6 . 5 2 De acuerdo con C ollegeboard.com [http://www.coHe-
desviación estándar de $3 828.
geboard.com /], el salario nacional prom edio para un plom ero
a 2007 es $47 350. Si supones que los salarios anuales para a. ¿C uál es la m edia para los salarios de los ejecutivos j ú
plom eros tienen una distribución normal, con una desviación nior* si un salario de $62 900 está en el extrem o superior
estándar de $5 250, encuentra lo siguiente: del 80% m edio de ingresos?
a. ¿Q ué porcentaje gana por abajo de $30 000? b. C on la inform ación adicional aprendida en el inciso a,
¿cuál es la probabilidad de que un ejecutivo jú n io r selec
b. ¿Q ué porcentaje gana por arriba de S63 000?
cionado al azar gane m enos de $50 000?
6 . 5 3 De acuerdo con las estadísticas de autopistas 2006 de
6 . 5 7 De acuerdo con A CT, los resultados del exam en A C T
la Federal H ighw ay A dm inistration, la distribución de edades
2008 descubrieron que los estudiantes tienen una calificación
para conductores con licencia tiene un¿ m edia de 47.5 años y
Page 310 of 418

.
.
.
de lectura m edia de 21.4, con una desviación estándar de 6.0. 6.6 1 Los prom edios finales por lo general tienen una distri
Si supones que las calificaciones tienen una distribución normal, bución aproxim adam ente norm al, con una m edia de 72 y una
desviación estándar de 12.5. Tu profesor dice que el 8% su
a. encuentra la probabilidad de que un estudiante seleccionado
perior de la clase recibirá A ; el siguiente 20% , B; el siguiente
al azar tenga una calificación A C T de lectura m enor que 20.
42% , C; el siguiente 18%, D, y el 12% inferior, F.
b. encuentra la probabilidad de que un estudiante seleccio
a. ¿Q ué prom edio debes superar para obtener A?
nado al azar tenga una calificación A C T de lectura entre
18 y 24. b. ¿Q ué prom edio debes superar para recibir una califica
ción m ejor que C?
c. encuentra la probabilidad de que un estudiante seleccio
nado al azar tenga una calificación A C T de lectura m ayor c. ¿Q ué prom edio debes obtener para aprobar el curso?
que 30. (N ecesitarás D o m ejor.)
d. encuentra el valor del percentil 75 para las calificaciones 6 . 6 2 U na unidad de radar se usa para m edir la velocidad de
ACT. los autom óviles en una vía exprés durante horas pico de trá
fico. Las velocidades de autom óviles individuales tienen una
6 . 5 8 En un día dado, el núm ero de pies cuadrados de espacio
distribución norm al, con una m edia de 62 mph.
de oficina disponible para renta en una pequeña ciudad es una
variable aleatoria que tiene una distribución norm al, con una a. Encuentra la desviación estándar de todas las velocidades,
m edia de 750 000 pies cuadrados y desviación están d ar de si 3% de los autom óviles viajan m ás rápido que 72 mph.
60 000 pies cuadrados. El núm ero de pies cuadrados d isp o
b. Con la desviación estándar que encontraste en el inciso a,
nibles en una segunda ciudad pequeña tiene distribución nor
encuentra el porcentaje de aquellos autom óviles que via
m al, con una m edia de 800 000 pies cuadrados y desviación
jan a m enos de 55 mph.
estándar de 60 000 pies cuadrados.
c. Con la desviación estándar que encontraste en el inciso a,
a.
B osqueja la distribución de espacio de oficina en renta
para am bas ciudades sobre la m ism a gráfica.
encuentra el percentil 95 para la variable “velocidad” .
6 . 6 3 Los pesos de sandías m aduras cosechadas en la granja

b. ¿C uál es la probabilidad de que el núm ero de pies
del Sr. Sm ith tienen una distribución norm al, con una desvia
cuadrados disponibles en la prim era ciudad sea m enor
ción estándar de 2.8 Ib. Encuentra el peso m edio de las sandías
que 800 000?
m aduras del Sr. Sm ith, si sólo 3% pesan m enos que 15 Ib.
c. ¿C uál es la probabilidad de que el núm ero de pies
6 . 6 4 U na m áquina llena contenedores con un peso m edio por
cuadrados disponibles en la segunda ciudad sea m ás de
contenedor de 16.0 oz. Si no más de 5% de los contenedores
750 000?
deben pesar m enos de 15.8 oz, ¿a que debe ser igual la desvia
6 . 5 9 U na m áquina de llenado de una cervecería se ajusta para ción estándar de los pesos? (Supon norm alidad.)
llenar botellas de cuarto con una m edia de 32.0 oz de cerveza y
6 . 6 5 Se sabe que los tiem pos de “espera” para quienes llaman
una varianza de 0.003. Periódicam ente, una botella se verifica
a una com pañía de televisión por cable local tienen una distri
y se anota la cantidad de cerveza.
bución norm al, con una desviación estándar de 1.3 minutos.
a. Si supones que la cantidad de llenado tiene una distribu Encuentra el prom edio de tiem po de “espera” del solicitante,
ción norm al, ¿cuál es la probabilidad de que la siguiente si la com pañía sostiene que no más de 10 % de quienes llaman
botella verificada al azar contenga m ás de 32.02 oz? deben esperar m ás de 6 minutos.
b. Supon que com pras 100 botellas de cuarto de esta cerveza 6 . 6 6 [EX06-066] Los siguientes datos son los pesos netos (en
para una fiesta; ¿cuántas botellas que contengan más de gramos) para una muestra de 30 bolsas de M & M . El peso neto
32.02 oz de cerveza esperarías encontrar? publicitado es de 47.9 gramos por bolsa.
6 . 6 0 C on la curva norm al estándar y z: 46.22 46.72 4 6 .9 4 47.61 4 7 .6 7 4 7 .7 0

47.98 48.28 48.33 48.45 4 8 .4 9 48.72
a. Encuentra la calificación mínima necesaria para recibir 4 8 .7 4 48.95 48.98 4 9 .1 6 4 9 .4 0 4 9 .6 9
una A, si el instructor del ejem plo 6.11 dice que el 15% 4 9 .7 9 4 9 .8 0 49.80 50.01 50.23 5 0 .4 0
superior es para obtener A. 50.43 5 0 .9 7 5 1 .5 3 51.68 51.71 5 2 .0 6
F u e n t e : h H p ://w w w .n a lh .u a h .e d u /
b. Encuentra el percentil 25 para puntajes CI del ejem plo 6.10.
c. Si las calificaciones SA T tienen distribución norm al, con La FDA requiere que (casi) toda bolsa contenga el peso publi
una m edia de 500 y una desviación estándar de 100, ¿qué citado; de otro m odo, las violaciones (m enores a 47.9 gramos
calificación necesita un estudiante para al m enos ser con por bolsa) producirán m ultas obligatorias. (Los M &M se fa
siderado por una universidad que sólo recibe estudiantes brican y distribuyen por parte de M ars Inc.)
con calificaciones dentro del 7% superior? (c o n tin ú a en la p á g in a 290)
Page 311 of 418

.
.
.
a. ¿Q ué porcentaje de las bolsas en la m uestra están en vio 6 . 6 9 a. G enera una m uestra aleatoria de 100 datos de una
lación? distribución norm al con una m edia 50 y desviación
están d ar 1 2 .
b. Si el peso de las bolsas llenas tienen una distribución nor
m al, con un peso m edio de 47.9 g, ¿qué porcentaje de las b. Con la m uestra aleatoria de 100 datos que encontras
bolsas estará en violación? te en el inciso a y los com andos de tecnología para
calcular valores de ordenadas de la página 284, en
c. Si supones que los pesos de las bolsas tienen una distribu
cuentra los correspondientes 100 valores y para la
ción norm al, con una desviación estándar de 1.5 g, ¿qué
curva de distribución norm al con m edia 50 y desvia
valor m edio dejaría 5% de los pesos por abajo de 47.9 g?
ción estándar 12 .
d. Si supones que los pesos de las bolsas tienen una distribu
c. U sa los 100 pares ordenados que encontraste en el
ción norm al, con una desviación estándar de 1.0 g, ¿qué
inciso b para d ibujar la curva para la distribución
norm al con m edia 50 y desviación estándar 12.
e. Si supones que los pesos de las bolsas tienen una distribu (Los com andos de tecnología se incluyen con los
ción norm al, con una desviación estándar de 1.5 g, ¿qué com andos del inciso b en la p. 284.)
d. Con los comandos de tecnología para la probabilidad
f. ¿P o r qué es im portante que M ars m antenga bajo el por acumulada de la página 285, encuentra la probabilidad
centaje de violaciones? de que un valor seleccionado al azar de una distribución
normal con media 50 y desviación estándar 12, esté
g. Para M ars es im portante m antener la desviación estándar
entre 55 y 65. Verifica tus resultados con la tabla 3.
tan baja com o sea posible, de m odo que a su vez la m edia
pueda ser tan pequeña com o sea posible, para m antener el 6 . 7 0 U sa una com putadora o calculadora para en co n trar la
peso neto. Explica la relación entre la desviación estándar probabilidad de que un valor x seleccionado al azar de una
y la m edia. E xplica por qué esto es im portante para M ars.
6 . 6 7 Se m ide el largo de cada jabón según se describe en el

distribución norm al, con m edia 584.2 y desviación estándar
37.3, tenga un valor
ejem plo aplicado 6.13 y se reporta un prom edio para el jabón. a. m enor que 525.
El largo prom edio tiene una distribución norm al con una m e
b. entre 525 y 590.
dia de 50.0432 mm y una desviación de 0.4267 mm.
c. de al m enos 590.
a. Si las especificaciones para esta variable fueran “ 50 mm
+ 0.5 mm / - 0 .6 m m , expresa dichas variables com o un d. V erifica el resultado con la tabla 3.
intervalo.
c. E xplica cualquier diferencia que puedas encontrar.
b. ¿Q ué porcentaje de los jabones se espera que estén dentro
de las especificaciones?
MINITAB
c. ¿Q ué porcentaje de los jabones tendrá un largo prom edio Escribe 5 2 5 y 5 9 0 en C l ; luego continúa con los comandos de
de m ás de 50.2 m m ? pro ba bilida d acumulada de la página 2 8 5 y usa 5 8 4 .2 como /a,
37 .3 como o- y C2 como almacenamiento opcional.
d. ¿Q ué porcentaje de los jabones tendrá una altura prom e
dio dentro de 0.35 mm de 50? Excel
6 .6 8 Se mide la altura de cada jabón según se describe en el Escribe 5 2 5 y 5 9 0 en la columna A y activa la celda B1; luego
ejem plo aplicado 6.13 y se reporta una altura prom edio para el continúa con los comandos de p ro ba bilida d acumulada de la pá
gina 28 5 y usa 5 8 4 .2 como /x y 37 .3 como cr.
jabón. La altura prom edio tiene una distribución norm al con
una m edia de 23.98 mm y una desviación de 0.4835 mm.
T I-8 3 /8 4 Plus
a. Si las especificaciones para esta variable fueran “ 24 mm
Escribe 5 2 5 y 5 9 0 en L l; luego continúa con los comandos de
+ 0.6 mm / - 0 .4 m m ”, expresa dichas variables com o un
pro ba bilida d acumulada de la página 28 5 en L2 y usa 5 8 4 .2
intervalo. como /x y 3 7 .3 como cr.
b. ¿Q ué porcentaje de los jabones se espera que esté dentro
de las especificaciones? 6 .7 1 U sa una com putadora para com parar una m uestra aleato
c. ¿Q ué porcentaje de los jabones tendrá una altura prom e ria con la población de la que se extrajo la m uestra. C onsidera
dio de m ás de 24.5 mm ? la población norm al con m edia 100 y desviación estándar 16.
d. ¿Q ué porcentaje de los jabones tendrá una altura prom e a. Lista los valores desde /x - 4cr hasta /x + 4 o \ en increm en
dio dentro de 0.35 mm de 24? tos de m edia desviación estándar y alm acénalos en una
colum na.
Page 312 of 418

.
.
.
b. E ncuentra la ordenada (valor y ) correspondiente a cada D esviación Est.: 16
abscisa (valor jc) para la curva de distribución norm al para A cum ulado: Falso > OK
JV(10 0 , 16) y alm acénalos en una colum na. A rrastra: Esquina inferior derecha del recuadro de
valor o rd en ad a hacia abajo p ara proporcionar
c. G ráfica la curva de distribución de probabilidad normal
otras o rd en ad as
para M I 00, 16).
c. Usa los comandos Insert > Scatter de la página 2 8 4 para los
d. G enera 100 valores de datos aleatorios de la distribución datos en las columnas A y B.
d. Activa la celda C l; luego usa los comandos Norm al RAN
M I 00, 16) y alm acénalos en una colum na.
D O M NUMBER GENERATION de la página 2 8 3 y sustituye
e. G ráfica el histogram a de los 100 datos obtenidos en el el número de números aleatorios con 100, media con 100 y
desviación estándar con 16.
inciso d y usa los núm eros m encionados en el inciso a
e. Usa los comandos HISTOGRAM de las páginas 5 3 -5 4 con
com o lím ites de clase. columna C como el rango de entrada y columna A como el
rango bin.
f. C alcula otros estadísticos descriptivos útiles de los 100
f. Usa los comandos M EAN y STANDARD DEVIATION de las
valores de datos y com para los datos con la distribución páginas 65 y 7 9 para los datos en la columna C.
esperada. C om enta acerca de las sim ilitudes y las diferen
cias que observes.
6 .7 2 Usa una com putadora para com parar una muestra aleatoria
M IN ITAB con la población de donde se extrajo la muestra. Considera la
a. Elige: Cale > M ake Patterned D ata > Sim ple población normal con m edia 75 y desviación estándar 14. Res
Set of N um bers ponde las preguntas a a f del ejercicio 6.71 con A'(75, 14).
Escribe: A lm acen ar patrón datos en: C l 6 .7 3 Supon que quieres generar varias m uestras aleatorias,
D esde p rim e r valor: 36 todas del m ism o tam año, todas de la m ism a distribución de
H asta últim o valor: 164 probabilidad norm al. ¿T odas serán iguales? ¿C óm o diferirán?
b. Elige:
En p asos de: 8 > OK
Cale > Prob. Dist. > N orm al
¿P o r cuánto diferirán?
a. U sa una com putadora o calculadora para generar 10 dife

Selecciona: Probabllity densíty rentes m uestras, todas de tam año 10 0 , todas de la misma
Escribe: Media: 100 distribución de probabilidad norm al, con m edia 200 y
D esviación Est.: 16 desviación estándar 25.
C olum na entrada: Cl b. D ibuja histogram as de las 10 m uestras usando los mismos
A lm acenam iento opcional: C2 > OK lím ites de clase.
c Uso los comandos Srottorplot do lo página 2 8 4 poro los datos
c. C alcula varios estadísticos descriptivos para las 10 m ues
en C l y C2.
d. Usa los comandos Calcúlate R AN D O M DATA de la página tras, p o r separado.
28 3 y sustituye n con 100, almacenar con C3, media con 100
d. C om enta acerca de las sim ilitudes y diferencias que ob
y desviación estándar con 16.
e. Usa los comandos HISTOGRAM W ith Fits de la página 53 serves.
para los datos en C3. Para ajustar el histograma, selecciona
Binning con cutpoint y cutpoint positions 36:1 4 8 /8 M INITAB
f. Usa los comandos M EAN y STANDARD DEVIATION de las a. Usa los comandos Generóte R AN D O M DATA de la página
páginas 65 y 7 9 para los datos en C3. 283 y sustituye n con 100, almacenar en C1-C10, media con
2 0 0 y desviación estándar con 25.
Excel b. Usa los comandos HISTOGRAM de la página 5 3 para los da
a. Elige: D ata > D ata A nalysis > R andom tos en C1-C10. Para ajustar el histograma, selecciona Binning
con cutpoint y cutpoint positions 3 6 :1 4 8 /8 .
N u m b er G eneration > OK c. Usa el com ando DISPLAY DESCRIPTIVE STATISTICS de la pági
Escribe: N úm ero de variables: 1 na 88 para los datos en C 1 -C 10.
Distribución: Patterned
Desde: 36 h asta 172 e n p asos d e 8 Excel
a. Usa los comandos N orm al RAN D O M NUMBER GENERATION
Repite cada núm ero: 1 vez de la página 28 3 y sustituye el número de variables con 10,
Selecciona: O utput Range cantidad de números aleatorios con 100, media con 2 0 0 y
Escribe: (Al o selecciona celdas) desviación estándar con 25.
b. Usa los comandos RAN DO M NUMBER GENERATION Patter
b. Activa Bl; luego co n tin ú a con: ned Distribution del ejercicio 6.71 y sustituye el primer valor
Escribe: In sert functlon f X> Stattstícal > con 100, el último valor con 3 0 0 , los pasos con 25 y el rango
NORMDIST > OK de salida con K1. Usa los comandos HISTOGRAM de las pági
nas 5 3 -54 para cada una de las columnas de la A a la J (rango
Escribe: X: (A l A ? o selecciona celdas “valor x ”, de entrada), con columna K como el rango bin.
Media: 100 (c o n tin ú a e n la p á g in a 292)
Page 313 of 418

.
.
.
c. Usa los comandos DESCRIPTIVE STATISTICS de la página 88 b. Usa los comandos HISTOGRAM de la página 5 4 para los da
puru los dolos en las columnus de lo A u lo J. los en Ll-Ló y escribe valores W IN D O W : 100, 3 0 0 , 25, -1 0 ,
60, 10, 1. Ajusta con ZoomStat.
c. Usa el com ando 1-Var Stats de la página 88 para los datos en
T I-8 3 /8 4 Plus Ll-Ló.
a. Usa los comandos 6:randN orm de las páginas 2 8 3 -2 8 4 y sus
tituye la media con 2 0 0 , la desviación estándar con 25 y el
6 .7 4 G enera 10 m uestras aleatorias, cada una de tam año 25,
número de ensayos con 100. Repite ó veces y usa L1-L6 para
almacenamiento.
a partir de una distribución norm al con m edia 75 y desviación
estándar 14. Responde las preguntas b a d del ejercicio 6.73.
| 6 . 4 Notación
El valor z se usa a lo largo de la estadística en varias form as; sin em bargo, la relación entre
el valor num érico de z y el área bajo la curva de distribución norm al estándar no cam bia.
Dado que z se usa con gran frecuencia, se desea una notación conveniente para identificar
la inform ación necesaria. La convención que se usará com o “nom bre algebraico” para un
valor z específico es z (a ), donde a representa el “área a la derecha” del z a nom brar.
ÍL
E J E M P L O 6.14
INTERPRETACION VISUAL DE z («)
z(o.o5) (léase " z d e 0 .0 5 " ) es el n o m b re a lg e b ra ic o p a ra el z ta l q u e el á re a a
la d e re c h a y a b a jo d e la c u rv a n o rm a l e s tá n d a r es e xa cta m e n te 0 .0 5 , com o
se muestra en al fig u ra 6 .6 .
FIGURA 6 .6
A re a a s o c ia d a con zjo.osi
z (0 0 5 }
*
E J E M P L O 6.15
INTERPRETACION VISUAL DE z («)

z(o 90) (léase " z d e 0 .9 0 " ) es a q u e l v a lo r d e z ta l qu e 0 .9 0 del á re a se encu e n
tra a su d e re c h a , com o se muestra en la fig u ra 6 .7 .
FIGURA 6 .7
A re a a s o c ia d a con z(o.9oj
z (0 .9 0 ) 0
Page 314 of 418

.
.
.
Sección 6 .4 Notación 293
A hora encuentra los valores num éricos de Z(0.05) y z(0.9t».
E J E M P L O 6.16
COMO DETERMINAR LOS CORRESPONDIENTES VALORES z
PARA z ( a)
Encuentra el v a lo r n u m é rico d e z(0.05).
Solución
FIGURA 6 .8
Encuentra el v a lo r d e z (0 05|
R ecuerda q u e el á re a b a jo la c u rva n o rm a l to ta l es 1. Por ta n to , al restar 0 .0 5
d e 1 p ro d u c e 0 .9 5 , el á re a a la iz q u ie rd a d e z(005|. El á re a 0 . 9 5 0 0 es el
á re a qu e p u e d e usar con la ta b la 3 del a p é n d ic e B, o con la fu n c ió n acu m u
la d a en una c a lc u la d o ra o c o m p u ta d o ra ; ve las á re a s q u e se m uestran en la
fig u ra 6 .8 .
C u a n d o e x a m in a s en la ta b la 3 , buscas una á re a tan c e rc a n a com o sea
p o s ib le a 0 .9 5 0 0 .
T 0.04 0.05
1.6 . . . 0 9 4 9 5 0 . 9 5 0 0 0 9 5 0 5 . . .
PTI Se acostumbra
redondear al siguiente
valor más grande debi Usa el z q u e c o rre s p o n d a al á re a más c e rc a n a en v a lo r. C u a n d o el v a lo r
do al uso común de está e xa cta m e n te a la m ita d entre las e n tra d a s d e la ta b la , co m o a rrib a , siem
valores críticos, como pre usa el v a lo r más g ra n d e d e z.
verás en el capítulo 8.
Por ta n to , z|0.05) = 1.65.
E J E M P L O 6.17
CÓMO DETERMINAR LOS CORRESPONDIENTES

VALORES z PARA z ( a)
Encuentra el v a lo r d e z(o 90).
Solución
C o m o en el e je m p lo 6 .1 6 , el á re a 0 .9 0 necesita restarse d e 1, lo que p o r
ta n to d a una á re a de 0 .1 0 a la iz q u ie rd a d e z (0 90). El á re a 0 .1 0 0 0 es el
Page 315 of 418

.
.
.
á rea qu e pue d e s usar con la ta b la 3 del a p é n d ic e B, com o se muestra en el

siguiente d ia g ra m a .
Les v a lo re s m ás c e rc a n o s en la ta b la 3 son 0 .1 0 0 3 y 0 . 0 9 8 5 , sie n d o 0 .1 0 0 3

el más c e rc a n o a 0 .1 0 0 0 .
z 8 0.09
- 1.2 ... 0 .1 0 0 3 0 10 00 0 0 985
Por ta n to , z (0 90| se re la c io n a con -1 2 8 . D a d o qu e z (0 90) está p o r a b a jo de

la m e d ia , tie n e sentido q u e z(0.90) = - 1 . 2 8
La notación z(«) se usa de m anera reg u la r en co n ex ió n con situ acio n es inferenciales
que involucran el área de una región de co la (ex trem o s finales de una cu rv a de d istri
bución, o a la izquierd a o a la derecha). En cap ítu lo s p o sterio res esta n o tació n se usará
de m anera regular. Los valores de z que se usarán reg u larm en te p rovienen de una de las
siguientes situaciones: 1 ) el valo r z tal que ex iste una área esp ecífica en una co la de la
distribución norm al, o 2 ) los valo res z que acotan una p roporción m ed ia esp ecífica de
la distrib u ció n n o r m a l
El ejem plo 6.16 m ostró una situación de una cola de uso com ún; z(0.05) = 1.65 se ubica
de m odo que 0.05 del área bajo la curva de distribución norm al está en la cola a la derecha.
El ejem plo 6.17 tam bién m ostró una situación de una cola de uso com ún; z<o.90) = -1 .2 8
se ubica de m odo que 0 .10 del área bajo la curva de distribución norm al está en la cola a
la izquierda.
D ebido a la naturaleza sim étrica de la distribución norm al, zu*) y zo - a) están estre
cham ente relacionados y la única diferencia es que uno es positivo y el otro es negativo.
O bserva un ejem plo que dem uestra esto.
E J E M P L O 6.18
CÓMO DEMOSTRAR LA RELACIÓN
ENTRE z(aj Y z(i - a)
En el e je m p lo 6 .1 6 (p. 2 9 3 ) se e n co n tró q u e el v a lo r d e z(0.05) es 1 .6 5 . En
cuentra Z(0.95).
Solución
z(095) se u b ic a en el la d o iz q u ie rd o d e la d is trib u c ió n n o rm a l, pues el á re a a
la d e re c h a es 0 .9 5 . El á re a en la c o la a la iz q u ie rd a co n tie n e entonces el otro
0 .0 5 , co m o se muestra en la fig u ra 6 .9 .
Page 316 of 418

.
.
.
Sección 6 .4 Notación 295
FIGURA 6 .9
A r e a a s o c ia d a c o n z(0.95)
C on la ta b la 3 , z (0 95) = - 1 .6 5
D e b id o a la n a tu ra le z a sim é trica d e la d is trib u c ió n n o rm a l, z(095) = - 1 . 6 5
y z(0.05j) = 1 .6 5 sólo d ifie re n en sig n o y el la d o d e la d is trib u c ió n a la que
p e rtenecen.
Por ta n to , z(0.95) = -z (0 05> = -1 .6 5
En m uchas situaciones, será más conveniente referirse al área de la cola que al área
acum ulada o al área a la derecha; por tanto, se introduce un nom bre algebraico alternativo
para los valores z que acotan una situación de cola izquierda. Por ejem plo, dado que z(0.V5)
y z(O.os) tienen el m ism o valor num érico y sólo difieren en signo, se vio que es posible
identificar z<o.95> com o -z(O.os).
En general, cuando 1 - a es m ayor que 0.5000, la convención de notación que se usará
es ZO -ot) = -z(a).
E J E M P L O 6.19
CÓMO USAR LA TABLA 4 PARA DETERMINAR

Y Z{1 - a)
Z (a )
E ncuentra los v a lo re s d e z(o 05} y z(o.95| con la ta b la 4 del a p é n d ic e B.
Solución
La ta b la 4 , V alores crítico s d e d is trib u c ió n n o rm a l está n d a r, se diseñó p a ra
p ro p o rc io n a r sólo los v a lo re s de z d e uso más co m ú n , c u a n d o se p ro p o rc io
na el á re a d e las re g io n e s d e c o la . La p a rte A , S itu a cio n e s de una c o la , se
usa c u a n d o se p ro p o rc io n a el á re a d e una co la .
Una parte de la tabla 4 A Situaciones de una cola

C antidad de aen una cola
0.1 0 0.025 . .. |
“
z[a) 1.28 1.65 1.96
z(0.05) = 1 .6 5 y d a d o q u e la d is trib u c ió n n o rm a l e s tá n d a r es sim é trica , el

v a lo r de z«>.95) = -zto.os) - 1 . 6 5
C uando se especifica la proporción m edia de una distribución norm al, tam bién se pue
de usar la notación “área a la derecha” para identificar el valor z específico involucrado.
Page 317 of 418
.
.
.
E J E M P L O 6 . 2 0
COMO DETERMINAR VALORES z PARA AREAS ACOTADAS

E ncuentra los v a lo re s z q u e a c o ta n el 0 .9 5 m e d io de la d is trib u c ió n n o rm a l.
Solución 1: Uso de u n a cola

D a d o 0 .9 5 co m o el á re a en el m e d io (fig u ra ó . 10), las dos co la s d e b e n co n te
ner un to ta l d e 0 .0 5 . Por ta n to , c a d a c o la co n tie n e i de 0 .0 5 , o 0 .0 2 5 , com o
se muestra en la fig u ra ó . 1 1.
F IG U R A 6 . 1 0 F IG U R A 6 .il
A re a a s o c ia d a con 0 .9 5 m e d io C ó m o e n c o n tra r v a lo re s z p a ra 0 .9 5 m e d io
El v a lo r de la c o la d e re c h a , z|0.025), se e n cuentra al usar la ta b la 4 , p a ra A ,
S ituaciones de una c o la , co m o se d e m o stró en el e je m p lo 6 .1 9 .
Una parte de la tabla 4A, Situaciones de una cola

Cantidad de a en una cola
0.05 0.025 0.02
Z{ot) 1.65 1.96 2.05
z(0.025) = 1 .9 6 y d a d o q u e la d is trib u c ió n n o rm a l e s tá n d a r es s im é tric a , el v a lo r

d e Z(0.975) = -Z(0.025) = - 1 . 9 6
Solución 2: Uso de dos colas

D a d o 0 .9 5 co m o el á re a en el m e d io (figura 6 .1 2 ) , las dos c o la s d e b e n co n
tener un to ta l d e 0 .0 5 . La ta b la 4 , p a rte B, S itu a cio n e s de do s colas, p u e d e
usarse c u a n d o se p ro p o rc io n a el á re a c o m b in a d a de a m b a s c o la s (o el á re a
en el centro). U b ic a la co lu m n a qu e c o rre s p o n d e a a = 0 .0 5 o (1 - a) = 0 .9 5 .
FIG U R A 6 . 1 2
C ó m o e n co n tra r v a lo re s z p a ra
0 .9 5 m e d io
z ( 0 .9 7 5 ) o - Z ( 0 0 2 5 ) z [ 0 .0 2 5 )
Page 318 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 6 .4 Notación 297
Una parte de la tabla 4B, Situaciones de dos colas

Cantidad de a en dos colas
PTI Existe otra opción
a 0.10 0.05 0.02
para encontrar valores
de z(a): usa la función
z(o/2) 1.65 1.96 2.33
acum ulada inversa 1-a 0.90 0.95 0.98
de tu c a lc u la d o ra o Á r e a e n e l "c e n tro "
com p utad ora . Para

instrucciones específi A p a rtir d e la ta b la 4B se encuentra z|0.05/2) = z(0.025) = 1 .9 6 . A l usar la p ro
cas, consulta la p á g in a p ie d a d de sim etría d e la d is trib u c ió n , se e n cuentra z(o 9 75 ) = -z(o 025 ) = - 1 . 9 6 .
285.
El 0 .9 5 m e d io d e la d is trib u c ió n n o rm a l está a c o ta d o p o r - 1 . 9 6 y 1.9 6
6 .7 5 C on la notación z(«) (identifica el valor de a usado dentro
de los paréntesis), nom bra cada una de las variables norm ales
estándar z que se m uestran en los siguientes diagram as.
b.
6 .7 7 C on la notación z<co (identifica el valor de ot usado dentro

de los paréntesis), nom bra cada una de las variables normales
a. b. ^
e.
0.01 0.37V
0.87 0.98
z
c. d. A
6 .7 6 C on la notación Z(a) (identifica el valor de a usado dentro
de los paréntesis), nom bra cada una de las variables norm ales 0.975 j/o .A
6 .7 8 C on la notación z<«) (identifica el valor de a usado dentro

de los paréntesis), nom bra cada una de las variables normales
Page 319 of 418

.
.
.
6 . 8 3 Usa la tabla 4A , apéndice B y la propiedad de sim etría
de las distribuciones norm ales para encontrar los siguientes
valores de z-
a. Z = (0.025) b. z(O.oi) C. Zí0 .025)

z O
d. z = (0.975) e. Z(0.98)
6 . 8 4 U sa la tabla 4A y la propiedad de sim etría de la distribu

ción norm al, com pleta el siguiente cuadro de valores z. El área
dada en las tablas es el área a la derecha bajo la distribución
norm al en las figuras.
a. V alores z asociados con la co la derecha: dada el área A,

encuentra z w .
6 . 7 9 D ibuja una figura de la curva norm al estándar y muestra:
a. Z = (0.15) b. Z(0.82)
6 . 8 0 Dibuja una figura de la curva norm al estándar y muestra:
a. Z = (0.04) b. Z<0.94)
6 .8 1 Con frecuencia uno está interesado en encontrar el valor

de z que acota una área dada en la cola derecha de la distribu
A 0 .1 0 0 .0 5 0 .0 2 5 0 .0 2 0.01 0 .0 0 5
ción norm al, com o se m uestra en la figura siguiente. La nota
m
ción z(«) representa el valor de z tal que P (z > Z(«0 = oí.
www.elsolucionario.net b. V alores z asociados con la cola izquierda: dada el área B,

encuentra z(B).
8 0 .9 9 5 099 098 0 .9 7 5 0 .9 5 0 .0 9 0
m
Encuentra lo siguiente:
а. Z = (0.025) b. Z(0.05) C. Z(O.Ol) 6 . 8 5 C on la tabla 4B, encuentra los valores z que acotan el
0.80 m edio de la distribución normal.
б . 8 2 Con frecuencia uno está interesado en encontrar el valor
de z que acota un área dada en la cola izquierda de la distri Verifica los valores z con la tabla 4 A.
bución norm al, com o se m uestra en la figura siguiente. La
6 .8 6 U sa la tabla 4B, encuentra los valores z que acotan el
notación z(«) representa el valor de z tal que P(z > Z(«)) = o í .
0.98 m edio de la distribución normal.
Verifica los valores z con la tabla 4 A.
6 . 8 7 C on la tabla 4B, com pleta el siguiente cuadro de valores

Z que acotan una área m edia de una distribución normal.
Media 0 .7 5 0 .9 0 095 0 .9 9
±z
6 .8 8 a. Encuentra el área bajo la curva norm al para z entre

Z(0.95) y Z(0.025).
b. E ncuentra z(0.025> - z(0.95).
E ncuentra lo siguiente:
6 . 8 9 La notación z, z<a), com bina dos conceptos relacionados,
a. Z= (0.98) b. Z(0.80) C. Z(0.70) el valor z y el área a la derecha, en un sím bolo m atem ático.
Identifica la letra en cada una de las siguientes com o un valor
Page 320 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 6 .5 A p ro xim a ció n norm al de la b in o m ia l 299
2 o una área y luego con la ayuda de un diagram a explica qué usa la notación 2 en varias form as, algunas usuales y algunas
representan, tanto el niim ero com o la letra dados, sobre la cu r no tan usuales. E ncuentra el valor pedido en cada una de las
va estándar. siguientes expresiones y después con la ayuda de un diagram a
explica qué representa tu respuesta.
а. z(A) = 0 .10 b. z(o.i(»=fí
a. 2 (0 .0 8 ) b. el área entre 2(0.98)
c. 2(C) = -0 .0 5 d. -2 (0 .0 5 ) = D
y 2 (0 .02)
б .9 0 C om prender la notación 2 , 2 ( « ) , requiere saber si se tiene
un valor 2 o un área. C ada una de las siguientes expresiones C. 2 ( 1 .0 0 - 0 .0 1 ) d. 2(0.025) - 2(0.975)
6.5 Aproximación norm al

d e la binom ial
En el capítulo 5 se introdujo la d istrib u c ió n b in o m ial. R ecuerda que la distribución bino
m ial es una distribución de probabilidad de la variable aleatoria discreta, x , el núm ero de
éxitos observados en n ensayos independientes repetidos. A hora verás cóm o las p ro b a b i
lid a d es b in o m iale s (esto es: las probabilidades asociadas con una distribución binomial)
pueden aproxim arse razonablem ente con el uso de la distribución de probabilidad normal.
O bserva prim ero algunas distribuciones binom iales específicas. La figura 6.13 muestra
www.elsolucionario.net las probabilidades de x para 0 a n en tres situaciones: n = 4 ,n = 8 y /t = 24. Para cada una de
dichas distribuciones, la probabilidad de éxito para un ensayo es 0.5. N ota que, conform e
n se vuelve más grande, la distribución parece cada vez más com o la distribución normal.
FIGURA 6 .1 3 3) Distribución para n=4, p = 0 .5 b | Distribución para n= 8 , p = 0 .5

D istrib u cio n e s b in o m ia le s <)
i i
U .4
U. ó
0 .2
1 1
----------L - ►
01 . 1 1 ■ . .
4 x 2 3 4 5 6 7 8 x
c) Distribución para n= 2 4 , p = 0 .5
P(x)
¡
0 .4
0 .3
0.2
0.1
u ll JUu *
0 4 12 16 20 24 x
Para hacer la aproxim ación deseada es necesario tom ar en cuenta una gran diferencia
entre la distribución binom ial y la de probabilidad norm al. La variable aleatoria binomial
es d isc re ta , m ientras que la variable aleatoria norm al es c o n tin u a . R ecuerda que en el ca
pítulo 5 se m ostró que la probabilidad asignada a un valor particular de x debe presentarse
en un diagram a m ediante un segm ento de línea recta cuya longitud representa la probabi
lidad (com o en la figura 6.13). Sin em bargo, en el capítulo 5 se sugiere que tam bién puede
usarse un histogram a donde el área de cada barra es igual a la probabilidad de *.
Page 321 of 418

.
.
.
O bserva la distribución de la variable binom ial .v, cuando n = 14 y p - 0.5. Las proba
bilidades para cada valor x pueden obtenerse a partir de la tabla 2 en el apéndice B. Esta
distribución de x se m uestra en la figura 6.14. Se ve la m ism a distribución en la figura 6.15
en form a de histogram a.
FIGURA 6 .1 4 FIGURA 6 .1 5
Le d is trib u c ió n d e x c u a n d o n = 14, H is to g ra m a p a ra la d is trib u c ió n d e x
p = 0 .5 c u a n d o n = 14 , p = 0 .5
O 2 4 6 8 10 12 14 x
Exam ina P (x = 4) para n = 14 y p - 0.5 para estudiar la técnica de aproxim ación.

P(x = 4) es igual a 0.061 (consulta la tabla 2 en el apéndice B), el área de la barra (rectán
gulo) arriba de x = 4 en la figura 6 .16.
www.elsolucionario.net FIGURA 67l6

El á re a de la b a rra a rrib a d e x = 4 es 0 .0 6 1 ,
p a ra B[n = 14 p = 0 .5 )
P(X)A
0 2 4 6 8 10 12 14 x
El área de un rectángulo es el producto de su ancho y su altura. En este caso, la altura

es 0.061 y el ancho es 1.0, de m odo que el área es 0.061. Echa un vistazo m ás cercano al
ancho. Para x = 4, la barra com ienza en 3.5 y term ina en 4.5, de m odo que m iras un área
acotada por.v = 3.5 y x = 4.5. La sum a y resta de 0.5 al v alo rx com únm ente se llam a fa c to r
de c o rre c c ió n d e c o n tin u id a d . Es el m étodo para convertir una variable discreta en una
variable continua.
A hora observa la distribución norm al relacionada con esta situación. Prim ero necesi
tarás una distribución norm al con una m edia y una desviación estándar igual a las de la
distribución binom ial que se estudia. Las fórm ulas (5.7) y (5.8) producen estos valores:
jx = np = (14)(0.5) = 7.0
<r= xnpq - x (14)(0.5)(0.5) = v 3.5 = 1.87
La probabilidad de que x = 4 se aproxim e m ediante el área bajo la curva norm al entre

x = 3.5 y x = 4.5 se m uestra en la figura 6.17. La figura 6.18 m uestra toda la distribución
de la variable binom ial x con una distribución norm al de la m ism a m edia y desviación es
tándar superpuestas. O bserva que las barras y los intervalos de áreas bajo la curva cubren
casi la m ism a área.
Page 322 of 418
.
.
.
FIGURA 6 .1 7 FIGURA 6 .1 8
P ro b a b ilid a d d e q u e x = 4 se a p ro x i D is trib u c ió n n o rm a l superpuesta
me m e d ia n te el á re a s o m b re a d a so b re la d is trib u c ió n p a ra la
v a ria b le b in o m ia l x
P(x)
O 2 4 6 8 10 12 14 >
L a probabilidad de que x esté entre 3.5 y 4.5 bajo esta curva norm al se encuentra al usar
la fórm ula (6.3), tabla 3 y los m étodos destacados en la sección 6.3:
: P(3.5 < x < 4.5) = P\ 3 5 ~ 7 0 < z < 4 5 ~ 7 0

o \ 1.87 1.87
= P (1 .87 < z < -1 .3 4 )
= 0.0901 - 0 .0 3 0 7 = 0.0594
www.elsolucionario.netD ado que la probabilidad binom ial de 0.061 y la probabilidad norm al de 0.0594 están ra
zonablem ente cerca, la distribución de probabilidad norm al parece ser una aproxim ación
razonable de la distribución binom ial.
La ap ro x im a c ió n n o rm a l d e la d istrib u c ió n b in o m ial tam bién es útil para valores de
p que no están cerca de 0.5. Las distribuciones de probabilidad binom ial que se muestran
en las figuras 6.19 y 6.20 sugieren que las probabilidades binom iales pueden aproxim arse
con la distribución norm al. O bserva que, conform e n aum enta, la distribución binomial
FIGURA 6 .1 9 D is trib u c io n e s b in o m ia le s
a} Distribución pa ra n= 4 , p = 0 .3 b) Distribución para n= tí, p = 0 .3 :) Distribución para n= 2 4 , p = 0 .3
P(x) P|x) P[x)

1 1
0 .4 0 .4 0 .4
0 .3 0 .3 U.J
0.2 0.2 0 .2
1 A ! 1
0.1 0.1 0.1
i Ji .11 £ 1. .1. W H llll 1 1
0 1 2 3 4 5 6 7 8 0 4 8 12 16 20 24
FIGURA 6 .2 0 D istrib u cio n e s b in o m ia le s

a) Distribución para n=4, p = 0 .1 b) Distribución para n= 8, p = 0 .1 c) Distribución para n= 5 0 , p = 0 .1
P(x)
Page 323 of 418

.
.
.
30 2 Copítulo 6 Distribuciones ae p ro b a b ilid a d norm al
com ienza a parecerse a la distribución norm al. Conform e el valor de p se aleja de 0.5, se
necesita una n m ás grande con la finalidad de que la aproxim ación norm al sea razonable.
La siguiente regla em pírica usualm ente se usa com o lincam iento:
Regla La d is trib u c ió n n o rm a l o fre ce una a p ro x im a c ió n ra z o n a b le a una dis

trib u c ió n de p ro b a b ilid a d b in o m ia l siem pre qu e los va lo re s d e np y n( 1 - p)
son ig u a le s o superan 5.
Por ahora puedes pensar: “¿Y eso qué? Sólo usaré la tabla binom ial y encontraré la dis
tribución de probabilidad directam ente y evitará todo el trabajo adicional.’*Pero considera
por un m om ento la situación que se presentó en el ejem plo 6 .2 1 .
E J E M P L O 6.21
COMO RESOLVER UN PROBLEMA DE PROBABILIDAD

BINOMIAL CON LA DISTRIBUCIÓN NORMAL
Una fa lla m e c á n ic a no a p re c ia d a causó q u e ^ d e la p ro d u c c ió n d e una tie n d a
m e cá n ica d e 5 0 0 0 p isto la s que d is p a ra n rem aches sea defectuosa. ¿Cuál
es la p ro b a b ilid a d d e que un in sp e cto r d e s cu b ra no más d e 3 re m a c h a d o ra s
defectuosas en una m uestra a le a to ria de 25?
S olución
En este e je m p lo d e un e x p e rim e n to b in o m ia l, x es el n úm ero de defectuosos
que se e n co n tró en la m uestra, n = 2 5 y p = P(defectuoso) = ^ . Para re sp o n d e r
la p re g u n ta con la d is trib u c ió n b in o m ia l, ne ce sita rá s usar la fu n c ió n d e p ro b a
b ilid a d b in o m ia l, fó rm u la (5 .5 ):
PM = (2x )(g) ( I ) Pa r a * = °- 1 . 2 .........25
D ebes c a lc u la r los v a lo re s p a ra P(0), P[ 1), P[2) y P[3), p o rq u e no a p a re c e n en

la ta b la 2. Esta es una la b o r b a sta n te te d io s a d e b id o al ta m a ñ o del e x p o n e n
te. En situ a cio n e s co m o ésta, pue d e s usar el m é to d o d e a p ro x im a c ió n n o rm a l.
A h o ra encuentra P[x «s 3) usa n d o el m é to d o de a p ro x im a c ió n n o rm a l. Pri
m ero necesitas e n c o n tra r la m e d ia y la d e s v ia c ió n e stá n d a r d e x, fó rm u la s
(5.7) y (5 .8 ):
/x = n p = (25) = 8 .3 3 3
a = ,n p q = ^ ) ( |) = , 5 . 5 5 5 5 6 = 2 . 3 5 7
Dichos valores se muestran en la fig u ra . El á rea de la re g ió n so m b re a da ( x < 3 .5 )

representa la p ro b a b ilid a d d e x = O, 1, 2 o 3. Recuerda que x = 3 , la v a ria b le
b in o m ia l discreta, cubre el in te rva lo continuo desde 2 .5 hasta 3 .5 .
P(x no es m ás q u e 3) = P[x «s 3) (p a ra una v a ria b le d iscre ta x)

= P(x < 3 .5 ) (p a ra una v a ria b le co n tin u a x)
T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c e n g a g c b ra in .c o m
Page 324 of 418
.
.
.
6 .9 1 Encuentra los valores np y nq (recuerda: q = 1 - p ) para
un experim ento binom ial con n = 100 y p = 0.02. ¿E sta d istri
6 . 9 3 C on la finalidad de ver qué sucede cuando la aproxim a
ción norm al se usa de m anera inadecuada, considera la distri
bución binom ial satisface la regla para aproxim ación norm al? bución binom ial con n = 15 y p = 0.05. D ado que np = 0.75, la
Explica. regla em pírica (np > 5 y nq > 5 ) no se satisface. C on las tablas
binom iales, encuentra la probabilidad de uno o m enos éxitos y
6 .9 2 ¿En cuál de las siguientes distribuciones binom iales la
com para esto con la aproxim ación normal.
distribución norm al proporciona una aproxim ación razonable?
U sa com andos de com putadora para generar una gráfica de la 6 . 9 4 Encuentra la aproxim ación norm al para la probabilidad
distribución y com para los resultados con la “regla em pírica”. binom ial P(x = 6), donde n = 12 y p - 0.6. C om para esto con
Expresa tus conclusiones. el valor de P(x = 6 ) que obtuviste de la tabla 2.
a. n = 10, p = 0.3 b. n = 100, p - 0.005 6 . 9 5 Encuentra la aproxim ación norm al para la probabilidad
binom ial P (x = 4 ,5 ), donde n = 14 y /; = 0.5. C om para esto con
c. n - 500, /; = 0 . 1 d. n = 50, p = 0.2
el valor de P(x = 4, 5) que obtuviste de la tabla 2.
6 . 9 6 Encuentra la aproxim ación norm al para la probabilidad

MINITAB
binom ial P (x < 8), donde n = 14 y p = 0.4. C om para esto con
Inserta n y p específicos según requieras en el procedimiento si
el valor de P (x < 8) que obtuviste de la tabla 2.
guiente. Usa los comandos M ake Patterned Data del ejercicio 6.71
y sustituye el prim er valor con 0, el último valor con n y los pasos 6 . 9 7 Encuentra la aproxim ación norm al para la probabilidad
con 1.
binom ial P (x > 9), donde n = 13 y p - 0.7. C om para esto con
Usa los comandos de Binomial Probability Distribution de la pá gi
el valor de P(x > 9) que obtuviste de la tabla 2.
na 2 5 1 , usa C2 como almacenamiento opcional.
Usa los comandos Scatterplot Simple para los datos en C l y C2.
6 . 9 8 Consulta al ejem plo 6.21 (p. 302):
Selecciona Data View, Data Dispay, Project Lines para completar
la gráfica a. C alcula P(.v< 3 |f i(2 5 ,j) ).
b. ¿C uán buena fue la aproxim ación norm al? Explica. (Su

Excel
gerencia: si usas una com putadora o calculadora, utiliza
Inserta n y p específicos según requieras en el procedimiento si los com andos de las pp. 251-252.)
guiente. Usa los comandos RANDOM NUMBER GENERATION del
ejercicio 6.71 y sustituye el primer valor con 0, el último valor con 6 . 9 9 El m elanom a es la form a m ás seria de cán cer de piel y
n, los pasos con 1 y el rango de salida con A l . aum enta a una tasa m ayor que la de cualq u ier otro cán cer en
Activa la celda B1; luego usa los comandos de Binomial Probabili
E stados U nidos. Si se detecta en su etapa tem prana, la tasa
ty Distribution de las páginas 251-252.
Usa los comandos Insert > para los datos en las columnas A y B (c o n tin ú a en la p á g in a 304)
Elegir el subcomando Select Data remueve la serie 1.
Page 325 of 418

.
.
.
de supervivencia de 5 años para los pacientes es en prom edio la probabilidad de que m enos de la m itad de ellas m ostren que
98% en E stados U nidos. ¿C uál es la probabilidad de que 235 su equipo ganó? Para obtener tu respuesta, usa la aproxim ación
o m ás de cierto grupo de 250 pacientes de etapa tem prana norm al a la distribución binomial.
sobrevivan 5 años o m ás después de su diagnóstico de m ela- Fuente: b a s l^ tlx ill- ie í& ie iK e .c o in
nom a?
6 .1 0 4 U na encuesta descubrió que 88% de los electores vo
Fuente: http://w ww .health.com /
tarían p o r una candidata presidencial si estuviera calificada.
6 . 1 0 0 De acuerdo con una encuesta de septiem bre de 2008 La encuesta fue realizada en febrero de 2007 por G allup y re
y el reporte realizado por Pew /Internet, 62% de los adultos portada por el Pew Research C enter [http://pew research.org].
usan internet o correo electrónico en sus trabajos. ¿C uál es la Sólo 53% de los votantes se sentían de esta m anera en 1969. Si
probabilidad de que m ás de 180 de 250 adultos usen internet supones que 88% es la proporción actual verdadera, ¿cuál es
o correo electrónico en sus labores? la probabilidad de que otra encuesta realizada al azar de 1 125
Fuente! http://www.pewinternet.org votantes registrados resulte en
6 .1 0 1 De acuerdo con las estadísticas 2007 de la Federal a. m ás de 8/9 que digan que votarían por una candidata pre
H ighw ay A dm inistration, el porcentaje de conductores m uje sidencial, si estuviera calificada?
res con licencia apenas sobrepasó el porcentaje de conductores
b. m enos de 85% digan que votarían p o r una candidata pre
varones con licencia. De los conductores en E stados U nidos,
sidencial, si estuviera calificada?
50.2% son m ujeres. Si una m uestra aleatoria de 50 conducto
res se selecciona para una encuesta, 6 .1 0 5 De acuerdo con un reporte de diciem bre de 2008 del
sitio web Join T ogether de la Boston U niversity School of
a. ¿cuál es la probabilidad de que no más de la m itad (25) de
Public H ealth, aproxim adam ente la m itad (42% ) de los niños
los conductores sean m ujeres?
estadounidenses están expuestos a hum o de segunda m ano
b. ¿cuál es la probabilidad de que al menos tres cuartos (38) sem analm ente, con m ás de 25% de padres que reportan que
de los conductores sean m ujeres?
6 . 1 0 2 De acuerdo con una en cu esta de noviem bre de 2008
su hijo fue expuesto a hum o en sus hogares. Este estadísti
co fue uno de m uchos resultados de la Social C lim ate Survey
o f Tobacco C ontrol [http://w w w .socialclim ate.org/]. U sa la
co m p letada por la Pew Internet & A m erican L ife Project
aproxim ación norm al a la distribución binom ial para encon
[h ttp ://w w w .p ew in tern et.o rg ], aproxim adam ente 74% de
trar la probabilidad de que, en una encuesta de 1 200 padres
todos los usuarios de in ternet dicen que estuvieron en lí
seleccionados al azar, entre 450 y 500 inclusive reportarán que
nea p o r n o ticias e inform ación acerca de la elección 2008 o
sus hijos estuvieron expuestos a hum o sem analm ente.
para co m unicarse con otros acerca de la carrera electoral. Si
Fuente! h lt p : / / w w w . jo in lo g e » h & r . o r g
su p o n es que el porcentaje es correcto, usa la aproxim ación
no rm al a la binom ial p aia encontrai la pio b ab ilid ad de que, a. Resuelve usando aproxim ación norm al y la tabla 3 del
en una en cu esta de 2000 adultos estadounidenses usuarios apéndice B.
de internet
b. Resuelve usando una com putadora o calculadora y el
a. al m enos 1 400 usaron internet por inform ación acerca de m étodo de aproxim ación normal.
la elección 2008.
c. Resuelve usando una com putadora o calculadora y la
b. al m enos 1 565 usaron internet por inform ación acerca de función de probabilidad binomial.
la elección 2008.
6 .1 0 6 Tú no estás solo si tu garaje está tan atiborrado que no
c. al m enos 1 500 usaron internet por inform ación acerca de puedes m eter tu autom óvil en él. De acuerdo con el artículo del
la elección 2008. D em ocrat & C hronicle titulado “ Lim pieza gen eral'’ (1 de ene
ro de 2009), el D epartam ento de E nergía de Estados U nidos
d. al m enos 1 425 usaron internet por inform ación acerca de
reporta que 25% de las personas con garaje para dos autom ó
la elección 2008.
viles no tienen espacio para estacionar ningún autom óvil en su
6 . 1 0 3 N o todos los entrenadores de la NBA que gozan de interior. Usa la aproxim ación norm al a la distribución bino
carreras prolongadas, reúnen consistentem ente tem poradas ga m ial para encontrar la probabilidad de que, en una encuesta de
nadoras con los equipos que dirigen. Por ejem plo, Bill Fitch, 1 200 propietarios con garaje para dos autom óviles, entre 250
quien entrenó 25 tem poradas de básquetbol profesional des y 340 inclusive no pueden estacionar sus autom óviles dentro
pués de iniciar su carrera de entrenador en la U niversidad de de su garaje.
M innesota, ganó 944 juegos, pero perdió 1 106 m ientras traba
a. Resuelve usando la aproxim ación norm al y la tabla 3.
jó con los C avaliers, Celtics, R ockets, Nets y Clippers. Si selec
cionaras aleatoriam ente 60 tarjetas de los registros históricos de b. Resuelve usando una com putadora o calculadora y el
juegos en los que Bill Fitch entrenó uno de los equipos, ¿cuál es m étodo de aproxim ación normal.
Page 326 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Repaso del capítulo 305
6 .1 0 7 La tecnología es la clave para el futuro. A parentem en a. m ás de 65 de los estudiantes eligieron tecnología de la
te, los estudiantes creen esto también. De acuerdo con una inform ación com o su opción de carrera.
encuesta de estudiantes universitarios realizada por Ridgid
b. m enos de 27 de los estudiantes eligieron tecnología de
en abril de 2009, la opción profesional m ás seleccionada por
la inform ación com o su opción de carrera.
estudiantes de bachillerato fue tecnología de la inform ación,
elegida por 25% de los estudiantes entrevistados. Supon que c. entre 45 y 60 de los estudiantes eligieron tecnología de la
seleccionas al azar 200 estudiantes de tu bachillerato local. inform ación com o su opción de carrera.
U sa la aproxim ación normal a la distribución binom ial para
encontrar la probabilidad de que, dentro de tu muestra:
R ep as o d e l capítulo
En retrospectiva
A prendiste acerca de la distribución de probabilidad normal riedad de variables que tienen esta distribución norm al o que
estándar, la fam ilia m ás im pértante de variables aleatorias
continuas. A prendiste a aplicarla a todas las dem ás distribu
ciones de probabilidad norm al y cóm o usarla para estim ar pro
se aproxim an razonablem ente bien por ella.
En el siguiente capítulo exam inarás distribuciones de
m uestreo y aprenderás a usar la probabilidad norm al estándar
babilidades de distribuciones binom iales. Viste una gran va- para resolver aplicaciones adicionales.
CourseMate E j s . tj0 s ta tis tic s C o u rse M a te y ejem plos que tienen sus correspondientes recursos interacti
rram ientas interactivas de aprendizaje, estudio y preparación a paso, cóm o resolver problem as: conjuntos de datos para
de exám enes, incluidas preguntas rápidas y tarjetas de estudio ejercicios y ejem plos; A p p lets S k illh u ild e r para ayudarte a
para el vocabulario y los conceptos clave que aparecen a con com prender m ejor los conceptos; m a n u a le s d e tecn o lo g ía y
tinuación. El sitio tam bién ofrece una versión eB o o k del texto, softw are para descargar que incluye D a ta A nalysis P lu s (una
los capítulos, el icono C ourseM ate señala los conceptos P lu s; regístrate en w w w .cen g ag eb rain .co m
aproxim ación norm al de la binomial distribución norm al (p. 268) representación de área para probabilidad
(p. 301) distribución norm al estándar (p. 271) (p. 270)
área acum ulada (p. 271) factor de corrección de continuidad valor estándar (p. 271)
curva norm al (p. 271) (p. 300) valor z (p. 271)
distribución binom ial (p. 299) notación z (p. 292) variable aleatoria (p. 269)
distribución con form a de cam pana porcentaje (p. 270) variable aleatoria continua (p. 268, 269)
(p. 268) probabilidad (p. 270) variable aleatoria discreta (p. 269)
distribución de probabilidad, variable probabilidad binom ial (p. 299)
continua (p. 269) proporción (p. 270)
Page 327 of 418
.
.
.
Resultados d e l a p re n d iz a je
• C om prender la diferencia entre una variable aleatoria discreta p. 269
y una continua.
• C om prender la relación entre la regla em pírica y la curva normal. pp. 268-269, Ej. 6.1
• C om prender que una curva norm al es una curva con form a de cam pana. pp. 269-271
con área total bajo la curva igual a 1 . Ej. 6.44
• C om prender que la curva norm al es sim étrica en torno a la m edia, pp. 268-271, Ej. 6.39
con un área de 0.5000 a cada lado de la media.
• Poder dibujar una curva norm al y m arcar la m edia y varios valores z. p. 268
• C om prender y poder usar la tabla 3, Areas de la distribución EJ. 6.1-6.4
norm al estándar, del apéndice B.
• C alcular probabilidades para intervalos definidos en la distribución Ej. 6.7, 6.13, 6 .2 3 ,6 .2 9
norm al estándar.
• D eterm inar valores 2 para intervalos correspondientes en la distribución EJ. 6.5-6.7
norm al estándar. Ej. 6.31, 6.34, 6 .3 5 ,6 .1 1 0
• C alcular, describir e interpretar un valor 2 para un valor de datos de una EJ. 6.8, 6.9, Ej. 6.47
distribución normal.
• C alcular valores 2 y probabilidades para aplicaciones de la distribución normal. Ej. 6.47, 6.49, 6.59
• D ibujar, calcular e interpretar 2 de notación alfa, 2(<*). EJ. 6.16, 6.17,
Ej. 6.76, 6.83, 6.84
• C om prender los elem entos clave de un experim ento binom ial: .v, n, p, q.
C onocer las fórm ulas de su m edia y desviación estándar.
pp. 299-300
• C om prender que la distribución normal puede usarse para calcular pp. 300-301, Ej. 6.91
probabilidades binom iales, siem pre que se satisfagan ciertas condiciones.
• C om prender y poder usar el factor de corrección de continuidad cuando p. 301, Ej. 6 .9 5 ,6 .9 6
se calculan valores 2.
• C alcular valores 2 y probabilidades para aproxim aciones norm ales EJ. 6.21, Ej. 6.99, 6.117
a la binomial
© Ejercicios d e l capítulo
6 .1 0 8 De acuerdo con el teorem a de Chebyshev, ¿al menos 6 .1 1 2 D ado que z. es la variable norm al estándar, encuentra el
cuánta área hay bajo la distribucic'm normal estándar entre valor k tal que
2 = - 2 y z = + 2? ¿C uál es el área real bajo la distribución nor
a. />(|z| > 1.68) = A:. b. P (\z\ < 2.15) = k.
mal estándar entre z = - 2 y z = +2 ?
6 .1 1 3 D ado que z. es la variable norm al estándar, encuentra el
6 . 10 9 El 60% m edio de una población con distribución nor
valor c tal que
mal se encuentra ¿entre cuáles dos valores estándar?
a. P(\z\ > c ) = 0.0384. b. P(\z\ < c) = 0.8740.
6 . 1 1 0 Encuentra el valor estándar z tal que el área arriba de la
m edia y abajo de z bajo la curva normal sea 6 . 1 1 4 Encuentra los siguientes valores de z-
a. 0.3962. b. 0.4846. c. 0.3712. a. 2(0.12). b. 2(0.28). C. 2(0.85). d. 2(0.90).
6 .1 1 1 Encuentra el valor estándar z tal que el área abajo de la 6 .1 1 5 E ncuentra el área bajo la curva norm al que se encuentra
m edia y arriba de z bajo la curva normal sea entre los siguientes pares de valores z,:
a. 0.3212. b. 0.4788. c. 0.2700. a. 2 = -3 .0 0 y 2 = 3 00
Page 328 of 418

.
.
.
b. 7(0.975) y 7(0.025) d. Con la probabilidad que encontraste en el inciso c, ¿cuál
es la probabilidad, redondeada a la decena más cercana,
C. 7(0.10) y 7(0.01)
de que 3 rem aches en una m uestra aleatoria de 10, se
6 . 1 1 6 Con base en datos de A CT en 2008, la calificación pro rom perá con una fuerza m enor que 920 libras?
m edio del exam en de razonam iento científico fue 20 .8, con
6 . 1 1 9 En un estudio de la duración de tiem po que tardó en ju
una desviación estándar de 4.6. Si supones que las calificacio
garse un ju eg o de béisbol de grandes ligas durante el inicio de
nes tienen distribución norm al,
la tem porada 2008, la variable “tiem po de ju e g o ” apareció con
a. encuentra la probabilidad de que un estudiante seleccio una distribución norm al, con una m edia de 2 horas 49 minutos
nado al azar tenga una calificación A C T de razonam iento y una desviación estándar de 21 minutos.
científico de al m enos 25. F u e n te : h t t p : / / « ilb .c o m /
b. encuentra la probabilidad de que un estudiante seleccio a. A lgunos fanáticos describen un ju eg o com o “ incontro
nado al azar tenga una calificación A C T de razonam iento lablem ente largo” si tarda m ás de 3 horas. ¿C uál es la
científico entre 20 y 26. probabilidad de que un ju eg o identificado al azar sea in
controlablem ente largo?
c. encuentra la probabilidad de que un estudiante seleccio
nado al azar tenga una calificación A C T de razonam iento b. M uchos fanáticos describen un ju eg o que dura m enos de
científico m enor que 16. 2 horas 30 m inutos com o “rápido”. ¿C uál es la probabili
dad de que un ju eg o seleccionado al azar sea rápido?
6 . 1 1 7 El registro de 70 años de duración para el clim a m uestra
que, para el estado de N ueva York, la precipitación anual tiene c. ¿C uáles son las cotas del rango intercuartfiico para la
una m edia de 39.67 pulgadas y una desviación estándar de 4.38
pulgadas [D epartam ento de Com ercio; Reporte de Precipita
ción M ensual Estatal, Regional y Nacional]. Si la cantidad de
variable tiem po de juego?
d. ¿C uáles son las cotas para el 90% m edio de la variable

tiem po de juego?
precipitación anual tiene una distribución norm al, ¿cuál es la
probabilidad de que el próxim o año la precipitación total sea: 6 . 1 2 0 La duración de la vida de cierto tipo de refrigerador tie
ne una distribución aproxim adam ente norm al, con una media
a. m ás de 50.0 pulgadas?
de 4.8 años y una desviación estándar de 1.3 años.
b. entre 42.0 y 48.0 pulgadas?
a. Si esta m áquina está garantizada para 2 años, ¿cuál es la
c. entre 30.0 y 37.5 pulgadas? probabilidad de que la m áquina que com pres requerirá
sustitución bajo la garantía?
d. m ás de 35.0 pulgadas?
b. ¿Q ué periodo debe ofrecer el fabricante com o garantía s:
e. m enor que 45.0 pulgadas?
quiere sustituir sólo el 0.5% de las m áquinas?
f. m enor que 32.0 pulgadas?
6 .1 2 1 U na m áquina se program a para llenar contenedores de
6 .1 1 8 Una com pañía que fabrica remaches utilizados por los 10 o z c o n un lim piador. Sin em bargo, la variabilidad inherente
fabricantes de aviones comerciales, sabe que la resistencia al en cualquier m áquina hace que las cantidades reales de llenado
corte (fuerza requerida para romper) de sus remaches es de gran varíen. La distribución es norm al, con una desviación estándar
preocupación. Consideran que la resistencia al corte de sus rem a de 0.02 oz. ¿C uál debe ser la m edia /x para que sólo 5% de los
ches tiene distribución normal, con una m edia de 925 libras y una contenedores reciban m enos de 10 oz?
desviación estándar de 18 libras.
6 . 1 2 2 En un gran com plejo industrial, al departam ento de man
a. Si están en lo correcto, ¿qué porcentaje de sus rem aches tenimiento se le instruyó sustituir las bom billas antes de que se
tiene una resistencia al corte m ayor que 900 libras? quem en. Se sabe que la vida de las bombillas tiene distribución
b. ¿C uál es la cota superior para la resistencia al corte del normal, con una vida m edia de 900 horas de uso y una desvia
1 % m ás débil de los rem aches? ción estándar de 75 horas. ¿Cuándo deben sustituirse las bombi
llas, de m odo que no más de 10 % de ellas se quem en mientras
c. Si un rem ache se seleccion£ al azar de entre todos los
están en uso?
rem aches, ¿cuál es la probabilidad de que requiera una
fuerza de al m enos 920 libras para rom perse ?
Page 329 of 418

.
.
.
6 . 1 2 3 Las calificaciones en un exam en, cuya m edia es 525 con 0.2 y el número de ensayos con 4 0 Alm acenar con Ll. Usa
los comandos HISTOGRAM de la página 5 4 para I03 datos en Ll
y cuya desviación estándar es 80, tienen distribución norm al. y escribe W IN D O W VALUES: 5, 6.2 , 0 . 0 5 , - 1 , 10, 1, 1
a. A lguien que califica por abajo de 350 volverá a exam inar

se. ¿Q ué porcentaje representa esto?
c. ¿Q ué porcentaje de tu m uestra desbordaría el recipiente?
b. El 12% su p e rio r recibirá un elogio especial. ¿Q ué c a li
d. ¿Tu m uestra parece indicar que la configuración para /x
ficación debe sob rep asar para recibir este elogio esp e funcionará? Explica.
cial?
c. El rango intercuartílico de una distribución es la diferen

PTI Repite el inciso b algunas veces. Intenta un v a lo r diferente
cia entre (2, y Q 3, Q 3 - Q r Encuentra el rango intercuartí para el inciso a y repite el inciso b. O bse rva cuántos recipie n
lico para las calificaciones en este examen. tes se desbordarían en ca d a conjunto de 40.
d. Encuentra la calificación tal que sólo 1 de cada 500 califi

cará por arriba de ella. 6 .1 2 5 Supon que x tiene una distribución binom ial, con
6 . 1 2 4 Una m áquina expendedora de gaseosas puede regularse n = 25 y p = 0.3.
de m odo que entregue un prom edio de /x oz de gaseosa por a. E xplica por qué la aproxim ación norm al es razonable.
recipiente.
b. Encuentra la m edia y la desviación estándar de la d istri
a. Si las onzas entregadas por recipiente tienen una distribu bución norm al que se usa en la aproxim ación.
ción norm al, con una desviación estándar de 0.2 oz, en
6 .1 2 6 Sea x una variable aleatoria binom ial para n = 30 y
cuentra la configuración de /x que perm itirá que un vaso
de 6 oz (sin derram arse) contenga la cantidad entregada
99% de las veces.
^ = 0 . 1.
a. Explica por qué la aproxim ación norm al no es razona

ble.
b. U sa una com putadora o calculadora para sim ular la ex
tracción de una m uestra de 40 recipientes de gaseosa de la b. E ncuentra la función usada para calcular la probabili
m áquina (configura con tu respuesta al inciso a). dad de cualquier ,v, desde * = 0 hasta x = 30.
c. U sa una com putadora o calculadora para m encionar la

distribución de probabilidad.
MINITAB 6 .1 2 7 a. U sa una com putadora o calculadora para m encio
Usa los comandos Calcúlate RAN DO M DATA de la página 283 nar las probabilidades binom iales para la distribu
y sustituye n con 4 0 , almacenar con C l , n e dia con el valor calcu
lado en el inciso a y la desviación estándar con 0.2. ción, donde n = 50 y p = 0 . 1.
Usa los comandos HISTOGRAM de la página 53 para los datos
en C l Para ajustar el histograma, selecciona Binning con cutpoint b. U sa los resultados del inciso a para encontrar
y cutpoint positions 5 :6 .2 /0 .0 5 . P (x < 6).
c. Encuentra la aproxim ación norm al para P (x < 6 ) y

Excel
com para los resultados con los del inciso b.
Usa los comandos Norm al RAN DO M NUMBER GENERATION de
la página 2 8 3 y sustituye n con 40, la rredia con el valor calcu
6 .1 2 8 a. U sa una com putadora o calculadora para m encio
lado en el inciso a, la desviación estándar con 0.2 y el rango de
salida con A l . nar tanto la distribución de probabilidad com o la
Usa la distribución con patrón RAN DO M NUMBER GENERATION distribución de probabilidad acum ulada para el
de la página 291 y sustituye el primer valor con 5, el último valor
con 6 .2 , los pasos con 0 .0 5 y el rango de salida con B1. experim ento de probabilidad binom ial, con n = 40
Usa los comandos de histograma de las páginas 53-54, con co y p = 0.4.
lumna A como el rango de entrada y la columna B como el rango
de caja. b. Explica la relación entre las dos distribuciones que
encontraste en el inciso a.
T I-8 3 /8 4 Plus c. Si pudieras usar sólo una de dichas listas cuando

Usa los comandos 6:randN orm de la página 2 8 3 y sustituye la resuelves problem as, ¿cuál usarías y por qué?
media con el valor calculado en el inciso o, la desviación estándar
Page 330 of 418

.
.
.
6 .1 2 9 Considera el experimento binomial con n = 300 y p = 0.2. Supon que seleccionas al azar 50 adultos. U sa la aproxim ación
norm al a la distribución binom ial para encontrar la probabili
a. Establece, pero no evalúes, la expresión de probabilidad
dad de que, dentro de tu selección,
para 75 o m enos éxitos en los 300 ensayos.
a. m ás de 12 de los adultos escojan bom bero com o el em
b. U sa una com putadora o calculadora para encontrar
pleo m ás sexy.
P (x < 75) utilizando la función de probabilidad binomial.
b. m enos de 8 de los adultos escoja bom bero com o el em
c. U sa una com putadora o calculadora para encontrar
pleo más sexy.
P (x < 75) utilizando la aproxim ación normal.
c. de 7 a 14 de los adultos escojan bom bero com o el em pleo
d. C om para las respuestas de los incisos b y c.
|1£X(XMKX)| identifica el nombre de archivo de una base de datos en línea ce un ejercicio; disponibles a través de cengagebrain.com
m ás sexy.
PTI Usa los comandos de probabilidad acumulada. 6 .1 3 4 N ational Coffee D rinking Trends es “ la publicación”
en la industria del café. C ada año, rastrea los patrones de con
6 .1 3 0 Se sabe que una máquina que califica exám enes re sum o en una gran variedad de situaciones y categorías y lo ha
gistra una calificación incorrecta en 5% de los exám enes que hecho así durante m ás de cinco décadas. U na edición reciente
evalúa. E ncuentra, por el método adecuado, la probabilidad de dice que 39% del total de bebedores de café, con edades de
que la m áquina registre 18 años y m ás, com praron café cultivado a la som bra el año
pasado.
a. exactam ente 3 calificaciones equivocadas en un conjunto Si este porcentaje es verdadero para los bebedores de café
de 5 exám enes.
en la cafetería C rim son L ig h t’s, ¿cuál es la probabilidad de
b.
no más de 3 calificaciones equivocadas en un conjunto de
5 exám enes.
que, de los siguientes 50 clientes que com pren café en Crim
son L ig h t’s,
c. no más de 3 calificaciones equivocadas en un conjunto de a. m ás de 20 pidan una variedad cultivada a la som bra?
15 exám enes. b. m enos de 15 pidan una variedad cultivada a la som bra?
d. no más de 3 calificaciones equivocadas en un conjunto de 6 .1 3 5 A parentem ente ju g a r videojuegos, m irar TV y la m en
150 exám enes.
sajería instantánea con am igos no es suficientem ente relajante.
6 .1 31 U na com pañía afu m a que 80% de los clientes que co m En una encuesta de Y esaw ich, Pepperdine, Brow n y Russell,
pran su podadora especial no tendrán reparaciones durante los se descubrió que la gran m ayoría de los niños dicen que “ nece
prim eros dos años de propiedad. Tu estudio personal d em ues sitan” vacaciones. Un tercio de los niños encuestados dijo que
tra que sólo 70 de las 100 podadoras en tu m uestra durarán los ayudaban a investigar algún aspecto de las vacaciones de sus
dos años sin gastos de reparación. ¿C uál es la probabilidad fam ilias en internet. Si se tom a una encuesta de seguim iento
de que tu m uestra suba o baje si el porcentaje real de gastos de 100 de dichos niños, ¿cuál es la probabilidad de que
gratuitos es 80% ?
a. m enos de 25% de la nueva m uestra digan que ayudan a
6 .1 3 2 Se cree que 58% de las parejas casadas con hijos están investigar las vacaciones de la fam ilia en internet?
de acuerdo acerca de los m étodos para disciplinar a sus hijos.
b. m ás de 40% de la nueva m uestra digan que ayudan a in
Si supones que éste es el caso, ¿cuál es la probabilidad de que, vestigar las vacaciones de la fam ilia en internet ?
en una encuesta aleatoria de 200 parejas casadas, encuentres
6 .1 3 6 [EX06-1 3 6 ] Las tasas de m ortalidad infantil se usan
a. exactam ente 1 1 0 parejas que están de acuerdo?
frecuentem ente para valorar la calidad de vida y lo adecua
b. m enos de 1 1 0 parejas que están de acuerdo? do de la atención a la salud. La tasa se basa en el núm ero de
m uertes de infantes m enores a 1 año de edad en un año dado
c. m ás de 100 parejas que están de acuerdo?
por 1 000 nacim ientos vivos en el m ism o año. A continuación
6 .1 3 3 Es evidente que tener mucho dinero no necesariam ente se presentan las tasas de m ortalidad infantil, al entero m ás cer
te hace sexy. En una encuesta realizada por salary.com , los cano, en ocho naciones del m undo, com o se encontró en The
bom beros arrasaron la com petencia y ganaron el título de “em W orld Factbook.
pleo más sexy” con 16% de los votos. (c o n tin ú a e n la p á g in a 310)
F u e n t e : h ltp ://sala ry.com/
Page 331 of 418

.
.
.
Nación Mortalidad infantil a. C alcula la m edia y la desviación estándar de los datos.
C h in a 25
b. C rea un histogram a y com enta acerca del patrón de varia
A le m a n ia 4
In d ia 58 bilidad de los datos.
Japón 3
M é x ic o 22 c. U sa pruebas de norm alidad y/o la regla em pírica com o
R usia 17 confirm ación de la apariencia norm al. Explica tus hallaz
S u d á fric a 62
E s ta d o s U n id o s 7 gos.
F u e n te : h ttp ://w w w .c ia .g o v
d. D eterm ina el porcentaje observado de conform idad con la
especificación. Esto es: ¿qué porcentaje de las m ediciones
Supon que los siguientes 2 000 nacim ientos dentro de cada
nación se rastrean para la ocurrencia de m uertes infantiles. caen dentro del rango de especificación de 0.00 ± 0.030
unidades?
a. C onstruye una tabla que m uestre la m edia y la desviación
6 .1 3 8 Supon que la distribución de datos en el ejercicio 6.137
estándar de las distribuciones binom iales asociadas.
tiene una distribución exactam ente norm al, con una m edia de
b. En la colum na final de la tabla, encuentra la probabilidad
0.00 y una desviación estándar de 0 .020.
de que al m enos 70 infantes de las muestras dentro de
a. Encuentra las cotas del 95% m edio de la distribución.
cada nación se convertirán en muertes que contribuyan a
la tasa de m ortalidad de la nación. M uestra todo tu trabajo. b. ¿Q ué porcentaje de los datos está realm ente dentro del
6.1 3 7 [EX06-1 37] U na gran m uestra de lentes se selecciona intervalo que encontraste en el inciso a?
al azar y se evalúa para una dim ensión particular de lentes. c. C on valores z, determ ina el porcentaje de conform idad
L uego se com para con su rango de especificación de (0.000) ±
0.030 unidades. Se evaluaron 110 lentes. Los datos se codifi
estim ada con la especificación. Esto es: ¿qué porcentaje
de las m ediciones se esperaría estén dentro del rango de
caron en dos form as y se m uestran a continuación: especificación de 0.000 ± 0.030 unidades?
-0 020 -0 .0 4 3 -0 .0 0 2 0 .0 0 2 -0 .0 1 8
-0 .0 1 6 - 0 .0 5 1 -0 .0 2 4 -0 .0 2 4 -0 .0 3 2
-0 002 0 .0 0 3 -0 .0 1 4 0 .0 2 2 0 .0 0 0
-0 004 0 .0 3 5 -0 .0 0 6 -0 .0 0 4 0 .0 0 0
-0 0 1 4 -0 .0 1 7 0 .0 1 4 -0 .0 0 8 -0 .0 0 2
-0 .0 0 6 0 .0 3 2 0 .0 3 4 -0 .0 0 4 -0 .0 1 2
-0 006 0 .0 3 4 -0 .0 3 2 0 .0 1 2 -0 .0 1 6
0 004 0 .0 2 9 -0 .0 3 0 0 .0 2 6 -0 .0 2 8
0 0 2 4 -0 .0 1 6 -0 .0 1 4 -0 .0 4 0 -0 .0 1 0
0 000 -0 .0 2 0 -0 .0 1 6 0 .0 0 8 0 .0 2 6
-0 008 -0 .0 1 9 -0 .0 1 8 0 .0 1 2 0 .0 1 4
-0 0 1 4 -0 .0 2 6 -0 .0 2 8 -0 .0 3 2 0 .0 1 0
0 0 1 0 -0 .0 6 5 0 .0 1 6 0 .0 1 0 0 .0 1 0
0 0 1 0 -0 .0 1 1 0 .0 0 8 0 .0 0 0 0 .0 0 6
0 .0 0 4 -0 .0 1 8 0 .0 2 6 0 .0 4 4 -0 .0 0 6
0 0 1 4 -0 .0 3 6 0 .0 0 2 0 .0 0 1 -0 .0 0 8
0 .0 0 4 -0 .0 2 2 -0 .0 1 2 0 .0 1 4 - 0 .0 2 4
0 .0 7 8 -0 .0 0 5 0 .0 0 0 0 .0 0 6 -0 .0 1 6
0 0 1 2 0 .0 0 0 -0 .0 1 0 -0 .0 0 2 -0 .0 1 8
0 .0 0 6 0 .0 2 9 - 0 .2 0 -0 .0 2 4 -0 .0 0 2
0 .0 0 6 0 .0 1 8 -0 .0 2 2 -0 .0 1 8 - 0 .0 1 4
-0 0 1 0 0 .0 1 0 -0 .0 1 6 -0 .0 1 8 -0 .0 1 6
F u e n t e : C o rte s ía d e B ciu sch Z . I o n b [ v a r ia b le n o m e n c io n a d a y d a lo s c o d ilic a d o s

a p e tic ió n d e B ¿L]
E x a m e n de p ráctica d e l capítulo
P A R T E I: C o n o c im ien to d e las definiciones 6 .1 La distribución de probabilidad norm al es sim étrica en
R esponde “ verdadero” si el enunciado siem pre es verdadero. to m o a cero.
Si el enunciado no siem pre es verdadero, sustituye las palabras 6 .2 El área total bajo la curva de cualquier distribución
en negrillas con las palabras que hagar. al enunciado siem pre norm al es 1 .0.
verdadero.
Page 332 of 418

.
.
.
6 .3 La probabilidad teórica de que ocurrirá un valor parti 6 .1 4 La vida de las baterías para lám para tienen distribu
cular de una variable aleatoria c o n tin u a es exactam en ción norm al en to m o a una m edia de 35.6 hr, con una
te cero. desviación estándar de 5.4 hr. K evin seleccionó
6 .4 La unidad de m edida para el valor estándar es el m is una de dichas baterías al azar y la puso a prueba.
m o q u e la u n id a d d e m e d id a d e los d atos. ¿C uál es la probabilidad de que esta batería dure
6 .5 T odas las distribuciones n o rm ales tienen la m ism a m enos de 40.0 hr?

función y distribución de probabilidad general. 6 .1 5 Se cree que el tiem po, x , que em plean los estudiantes
6 .6 En la notación z (0 0 5 ), el núm ero entre paréntesis es la en viajar diariam ente, en un sentido, hacia la univer
m edida del área a la iz q u ie rd a del valor z. sidad, tiene una m edia de 22 m in, con una desviación
estándar de 9 min. Si el tiem po que em plean en via
6 .7 Los valores norm ales estándar tienen una m edia de
u n o y una desviación estándar de cero. ja r tiene una distribución aproxim adam ente normal,
encuentra el tiem po, x, que separa a 25% de quienes
6 .8 Las distribuciones de probabilidad de to d a s las varia
pasan m ás tiem po viajando del resto de los otros
bles aleatorias continuas tienen distribución normal.
viajeros.
6 .9 Es posible sum ar y restar las áreas bajo la curva de una
6 .1 6 M iles de estudiantes de bachillerato aplican el SAT
distribución continua porque dichas áreas representan
cada año. Las calificaciones que logran los estudian
probabilidades de eventos in d e p en d ie n te s.
tes en cierta ciudad tienen una distribución aproxi
6 . 1 0 La distribución m ás com án de una variable aleatoria
m adam ente norm al, con una m edia de 490 y una
com ún es la probabilidad b inom ial.
desviación estándar de 70. Encuentra:
P A R T E II: A plicación d e los conceptos
a. el porcentaje de estudiantes que califican entre
norm al estándar:
6 . 1 1 Encuentra las siguientes probabilidades para z, el valor 600 y 700
b. el porcentaje de estudiantes que califican m enos
a. P(0 < z < 2.42) b. P (z < 1.38) de 650
c. P (z < —1.27) d. P (-1 .3 5 < z < 2.72) c. el tercer cuartil
6.1 2 Encuentra el valor de cada valor z: d. el percentil 15, P J5
a. P (z > ? ) = 0.2643 b. P ( z < ? ) = 0.17 e. el percentil 95, P 9S
C. 2(0.04)
P A R T E III: C o m p re n d e r los co n cep to s
6.1 3 Usa la notación sim bólica z(«) para dar el nom bre sim
6.1 7 En 50 p alab ras describ e la d istrib u ció n norm al
bólico para cada valor z que se m uestra en la siguiente
estándar.
figura.
6 .1 8 D escribe el significado del sím bolo z(a).
a. b.
6 .1 9 E xplica p o r qué la distribución norm al estándar,
o ,io o * \ / T h y ° 2170
com o se calcula en la tabla 3 del apéndice B, puede
usarse para encontrar probabilidades para todas las
_ y flV z(ot) o
J lk _
0 z[ot)
distribuciones norm ales.
Page 333 of 418

.
I
.
Variabilidad muestral
7.1 Distribuciones muéstrales

Una distribución de valores repetidos para un
estadístico m u estra l
7.2 La distribución m uestral de medias
muéstrales
Teorem a que describe la distribución de m edias
m uéstrales
7.3 Aplicación de la distribución
m uestral de medias muéstrales
E l com portam iento de las m edias m uéstrales es
predecible
Im a g e n c o p y r ig h t c o s m a , 2 0 1 2 . U s a d a b a jo lic e n c ia d e S h u tte ts lo c k c o in
¡7.1 Distribuciones muéstrales

M u e s tre o c o tid ian o
Las muestras se toman todos los días por muchas razones. Las industrias m onitorean sus pro
ductos continuam ente para asegurarse de su calidad, las agencias m onitorean el am biente, los profesiona
les m édicos m onitorean la salud; la lista es interm inable. Bastantes de ésas son m uestras de una ocasión,
m ientras que m uchas son m uestras que se repiten para m onitoreo continuo.
M u e s tre o p o b lacio n al
En Estados Unidos sólo se realiza un censo, una encuesta o m uestreo de 100%, cada 10 años. Se trata
de una labor enorm e y abrum adora, pero la inform ación que se obtiene es vital para la organización y la
estructura del país. Los conflictos se presentan y los tiem pos cam bian; la inform ación es necesaria y un
censo no es práctico. Es aquí donde entran las m uestras representativas y cotidianas.
Page 334 of 418

.
.
.
Sección 7.1 Distribuciones muéstrales 313
-
1
I*
<
E n u m e ra d o r c e n s a l c o m p r u e b a T r a b a ja d o r c e n s a l h a c ie n d o s e g u im ie n to
d a to s e n u na c o m p u ta d o r a d e m a n o
c o m p le ta c o n c a p a c id a d e s G P S
p a ra re g is tra r d a to s
Por tanto, para hacer inferencias acerca de una población, es necesario estudiar los resultados
muéstrales un poco más. U na m edia muestral,.?, se obtiene a partir de una muestra. ¿Esperas
que este valor, J , sea exactam ente igual al valor de la m edia poblacional, /x? La respuesta
debe ser no. Uno no espera que las m edias sean idénticas, pero estará satisfecho con los resul
tados m uéstrales si la m edia muestral está “cerca” del valor de la m edia poblacional. Consi
dera una segunda pregunta: si se tom a una segunda m uestra, ¿la segunda m uestra tendrá una
m edia igual a la m edia poblacional? ¿Igual a la m edia de la prim era m uestra? Nuevamente,
no, no se espera que la m edia muestral sea igual a la m edia poblacional, ni se espera que
la segunda m edia muestral sea una repetición de la primera. Sin em bargo, nuevam ente se
espera que los valores sean “cercanos”. (Este argum ento debe sostenerse para cualquier otro
estadístico muestral y su correspondiente valor poblacional.)
Las siguientes preguntas ya deben haber llegado a tu mente: ¿qué es “cerca”? ¿Cóm o
d e t e r m i n o ( y m i d o ) e s t a c e r c a n í a ? ¿ C ó m o s e d i s t r i b u i r á n l o s estad ístic o s m u é stra le s re
petid o s? Para responder estas preguntas, debes observar una distribución m uestral.
Distribución muestral de un estadístico muestral D istrib u ció n de v a lo re s p a ra

un estadístico m uestral o b te n id o a p a rtir d e m uestras re p e tid a s, to d a s del
m ism o ta m a ñ o y e x tra íd a s de la m ism a p o b la c ió n .
EL PRO BLEM A D EL M U ESTREO La clave para alcanzar esta m eta !

es un principio fundam ental llam ado
La m eta fundam ental de una en igual p ro babilidad de selección, que
cuesta es encontrar los m ism os resul afirm a que, si todo m iem bro de una po
tados que se habrían obtenido de en blación tuviera una igual probabilidad
trevistar a cada m iem bro individual de ser seleccionado en una m uestra,
de una población. Para las encuestas entonces dicha m uestra será represen
nacionales G allup, el objetivo es p re tativa de la población. A sí de directo.
sentar las opiniones de una m uestra Por tanto, la m eta de G allup al se
de personas que sean exactam ente las leccionar m uestras es perm itir que todo
m ism as opiniones que se habrían o b adulto estadounidense tenga igual opor
tenido, de ser posible, al entrevistar a tunidad de caer en la m uestra. C óm o se
todos los adultos estadounidenses en hace esto, por supuesto es la clave para
el país. el éxito o fracaso del proceso.
F u e n t e : R e im p re s o c o n p e rm is o d e G a l L p O r g a n iz a tio n . h H p : / / w w w . g a lu p . c o m /
Page 335 of 418

.
.
.
314 Copítulo 7 V a ria b ilid a d muestral
C om ienza por investigar dos pequeñas distribuciones m uéstrales teóricas diferentes.
E J E M P L O 7 . 1
■ i___________________________
FORMACION DE UNA DISTRIBUCION MUESTRAL
DE MEDIAS Y RANGOS
C o n s id e ra co m o una p o b la c ió n el co n ju n to d e enteros p a re s de un d íg ito {O, 2 ,
4 , 6 , 8}. A d e m á s , c o n s id e ra to d a s las p o sib le s m uestras d e ta m a ñ o 2. O b s e rv a
dos d ife re n te s d is trib u c io n e s m uéstrales q u e pu e d e n fo rm a rse : la d is trib u c ió n
m aestral d e m e d ia s m uéstrales y la d is trib u c ió n m uestral d e ra n g o s muéstrales.
P rim ero, necesitas m e n c io n a r to d a s las p o s ib le s m uestras d e ta m a ñ o 2;
TABLA 7.1 D is trib u c ió n de existen 2 5 p o s ib le s muestras:
p ro b a b ilid a d : d is trib u
c ió n m uestral d e m edias {0. 0 } {2. 0 } {4 ,0 } {ó, 0 } {8 ,0 }
m uéstrales {0. 2} {2. 2 } {4, 2 } {ó, 2 } {8, 2}
{0. 4 } {2 .4 } {4 ,4 } {ó, 4 } {8 ,4 } PTI Las muestras se
X PW {0. 6 } {2. 6 } {4, 6 } {ó, 6 } {8, ó) extraen con reemplazo.
0 0 .0 4 {0. 8 } {2. 8 } {4, 8 } {ó, 8 } {8, 8}
1 0 08
2 0 12 C a d a una d e d ic h a s m uestras tie n e una m e d ia x. D ich a s m uestras son,
3 0 . 16 respectivam ente:
4 0 .2 0
5 0 .1 6 0 1 2 3 4
ó 0 12 1 2 3 4 5
7 0 08
2 3 4 5 ó
8 0 .0 4
3 4 5 ó 7
4 5 ó 7 8
C a d a una de d ic h a s m uestras es ig u a lm e n te p ro b a b le y p o r ta n to a c a d a
FIGURA 7.1 una d e las 2 5 m e d ia s m uéstrales p u e d e a s ig n a rs e una p ro b a b ilid a d d e ¿ =
H is to g ra m a : d is trib u c ió n 0 .0 4 . La distribución muestral de medias muéstrales se muestra en la ta b la 7.1
m uestral d e m e d ia s mués com o una distribución de p ro bab ilidad y se muestra en la fig u ra 7.1 com o un
trales h isto g ra m a .
PM Para el m ism o co n ju n to d e to d a s las p o sib le s m uestras d e ta m a ñ o 2 , en
cuentra la d is trib u c ió n m uestral d e ra n g o s m uéstrales. C a d a muestra tie n e un
ra n g o R. Los ra n g o s son:
0.20
0 .1 6
0 2 4 ó 8
0 12
2 0 2 4 6
0 .0 8
0 .0 4 4 2 0 2 4
ÜJ ó 4 2 0 2
0 1 2 3 4 5 6 7 JT
8 6 4 2 0
N u e va m e n te , c a d a uno de
d a d de 0 .0 4 . La ta b la 7 .2 presenta la d is trib u c ió n m uestral d e ra n g o s m uéstra
TABLA 7 .2 D istrib u ció n
les co m o una d is trib u c ió n de p ro b a b ilid a d y la fig u ra 7 .2 muestra la d is trib u
de p ro b a b ilid a d : d is trib u
ción m uestral co m o un h is to g ra m a .
c ió n m uestral d e ra n g o s
m uéstrales FIGURA 7.2 W
H is to g ra m a : d is trib u c ió n m uestral 0 .3 2
0 0.20 de ra n g o s m uéstrales
0 .2 4
2 0 32
0 .1 6
4 0 .2 4
ó 0 16 0 .0 8
0 08
0 2 4 6
El ejem plo 7.1 es teórico en naturaleza y por tanto se expresa en probabilidades. D ado
que esta población es pequeña, es fácil citar las 25 posibles m uestras de tam año 2 (un es
pacio m uestral) y asignar probabilidades. Sin em bargo, no siem pre es posible hacer esto.
Page 336 of 418
.
.
.
Sección 7.1 D istribuciones muéstrales 315
A hora, investiga em píricam ente (esto es, por experim entación) otra distribución mues
tral.
*
E J E M P L O 7.2
© CREACION DE UNA DISTRIBUCION MUESTRAL

DE MEDIAS MUESTRALES
C o n s id e ra una p o b la c ió n que consiste en cin c o enteros ig u a lm e n te p ro b a
bles: 1, 2 , 3 , 4 y 5 . La fig u ra 7 .3 presenta una re p re s e n ta c ió n en h isto g ra m a
d e la p o b la c ió n . Puedes o b s e rv a r una p o rc ió n d e la d is trib u c ió n m uestral de
m e d ia s m uéstrales c u a n d o 3 0 m uestras de ta m a ñ o 5 se se le ccio n a n al a za r.
La ta b la 7 .3 pre se n ta 3 0 m uestras y sus m e d ia s. En la fig u ra 7 .4 se p re
senta la d is trib u c ió n m uestral resultante, una distribución de frecuencias de
m e d ia s m uéstrales. O b s e rv a qu e esta d is trib u c ió n d e m e d ia s m uéstrales no se
p a re c e a la p o b la c ió n . En v e z de e llo , p a re c e m ostrar las ca ra c te rís tica s de
una d is trib u c ió n n o rm a l: es a m o n to n a d a y casi s im é trica en to rn o a su m e d ia
(a p ro x im a d a m e n te 3 .0 ).
............................................... TABLA 7.3

FIGURA 7.3 3 0 m uestras d e 5 m e d id a s [T A 0 7 -0 3 ]
La p o b la c ió n : d is trib u c ió n d e p ro b a b ilid a d
te ó ric a
Núm . Muestra X Núm . Muestra X
PW
0 .2 0 4 www.elsolucionario.net
P(x) = 0 .2 , para x = 1, 2, 3 , 4 , 5
1
2
3
4,5,1,4,5
1,1,3,5,1
2,5,1,5,1
3.8
2.2
2.8
16
17
18
4,5,5,3,5
3,3,1,2,1
2,1,3,2,2
4.4
20
2.0
4 4,3,3,1,1 2.4 19 4,3,4,2,1 28
5 1,2,5,2,4 2.8 20 5,3,1,4,2 3.0
extraer
6 4,2,2,5,4 3.4 21 4,4,2,2,5 3.4
muestras 7 1,4,5,5,2 3.4 22 3,3,5,3,5 3.8
0 . 10- 8 4,5,3,1,2 3.0 23 3,4,4,2,2 3.0
p= 3 .0 9 5,3,3,3,5 3.8 24 3,3,4,5,3 3.6
< 7 = 1.41 10 5,2,1,1,2 2.2 25 5,1,5,2,3 3.2
11 2,1,4,1,3 2.2 26 3,3,3,5,2 3.2
12 5,4,3,1,1 2.8 27 3,4,4,4,4 3.8
13 1,3,1,5,5 3.0 28 2,3,2,4,1 2.4
14 3,4,5,1,1 2.8 29 2,1,1,2,4 2.0
0.0 0 -
15 3,1,5,3,1 2.6 30 5,3,3,2,5 3.6
usar
hs 30
medias
FIGURA 7 .4 Muestras de tam año 5
D is trib u c ió n e m o írica d e m e d ia s m uéstrales 6-
5-
o 4-
0 7 = 2 .9 8
a3>
3- s* = 0 .6 3 8
i
LL.
2-
1-
0 -
t------------- 1------------- 1------------- 1------------- 1------------- 1------------- 1------------- r
8 2 2 2 .6 3 .0 3.4 3.8 4.2 4 .6
M e d ia muestral
© T u io ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n e c n g a g e b ra in .c o m
Page 337 of 418
.
.
.
N ota: la variable para la distribución m uestral es x; por tanto, la m edia de las x es x y la
desviación estándar de .v es s r
La teoría involucrada con las distribuciones m uéstrales que se describirá en el resto de

este capítulo requiere m uestreo aleatorio.
M uestra a le a to ria Es la que se obtiene de tal form a que ca d a posible muestra de

ta m a ñ o fijo n tiene ig u a l p ro b a b ilid a d de ser seleccionada (consulta la p. 20).
La figura 7.5 presenta cóm o se form a la distribución m uestral de las m edias m uéstrales.
FIGURA 7 .5 La d is trib u c ió n muestral d e m e d ia s m uéstrales
De cada muestra se
Luego todos
Se necesita obtiene un valor del
los valores
muestreo Todas las estadístico muestral
Población del estadístico
repetido para posibles (en este caso, x)
estadística a muestral, x, se
form ar la muestras de correspondiente
estudiar usan pa ra form ar
distribución tam año n a l parám etro de
la distribución
muestral interés (en este
muestral
caso, jL¿)
La distribución
40^ 4
www.elsolucionario.net muestral de las
m edias muéstrales
Los elem en tos d e la distribución m uestral:
© v © <*,, *2, *3, ...}
...
Muestra Q
© 40^ 4 Descripción g rá fic a d e la distribución m uestral:

D bItfcu cbn rauedtal d e m edias muesirates
nm
40^ 4
M edias m üedrafes' _
Descripción num érica d e distribución m uestral:

Todas las otras CF
muestras ^ f M uchos m ás ^
y rrí =
@ @ @ . . .Q valores F J
- irn* T yn» V \f
EDAD PROMEDIO DE VEHÍCULOS FÉRREOS

DE TRÁNSITO URBANO
Existen m uchas ra z o n e s p a ra re c o le c ta r da to s d e m a n e ra re p e tid a . N o to d a s
las c o le c c io n e s d e d a to s re p e tid o s se re a liz a n con la fin a lid a d de fo rm a r
una d is trib u c ió n m uestral. C o n s id e ra las sig u ie n te s estadísticas d e "E d a d
p ro m e d io d e los ve h ícu lo s fé rre o s del trá n sito u rb a n o (años)" del D e p a r
tam ento d e T ransportes d e EUA. La ta b la m uestra la e d a d p ro m e d io p a ra
cuatro d ife re n te s c la s ific a c io n e s de ve h ícu lo s fé rre o s ra stre a d o s d u ra n te v a
rios años. A l e stu d ia r el p a tró n d e c a m b io en la e d a d p ro m e d io p a ra c a d a
clase d e v e h ícu lo , una p e rs o n a p u e d e e x tra e r c o n clu sio n e s a c e rc a d e lo que
le ha o c u rrid o a la flo tilla d u ra n te v a rio s años. H a y p o s ib ilid a d e s d e qu e las
personas in v o lu c ra d a s en m a n te n e r c a d a flo tilla ta m b ié n p u e d e n d e te cta r
cu á n d o se necesita un c a m b io en las p o lític a s c o n ce rn ie n te s a la sustitución
Page 338 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 7.1 D istribuciones muéstrales 317
d e ve h ícu lo s v ie jo s . Sin e m b a rg o , p o r útil q u e sea esta in fo rm a c ió n , no existe

d is trib u c ió n m uestral in v o lu c ra d a .
Edad promedio de vehículos férreos del tránsito urbano (aros)

1985 1990 1995 2000 2003 2007
T rá n s ito f é r r e o
L o c o m o to ra s " 1 6 .3 1 5 .7 1 5 .9 1 3 .4 1 6 .6 1 8 .4
C o c h e s d e v ia je r o s 1 9 .1 1 7 .6 2 1 .4 1 6 .9 2 0 .5 1 8 .9
F e rro c a rril m e tr o p o lita n o
V e h íc u lo s lig e r o s (tra n v ía s )
1 7 .1
2 0 .6
1 6 .2
1 5 .2
1 9 .3
1 6 .8
2 2 .9
1 6 .1
1 9 .0
1 5 .6
2 1 .6
1 6 .1
©
[EX(XMXK)| identifica el nombre

• | lo se in c lu y e n la s lo c o m o to ra s u s a d a s e n lo s s e rv ic io s d e p a s a je ro s A m lr a k e n tre c iu d a d e s .
F u e n t e : U .S . D e p a r t a m e n t o ! T ra n s p o rta tio n , F e d e ra l T ia n s it A d m in is tr a r o n
©
© E J E R C I C I O S S E C C I O N 7.1
de archivo de una base de datos en línea de un ejercicio; disponibles a través de cen g ag c b rain .co m
7.1 [EX 07-01] Supon que se toma una m uestra aleatoria de chas m uestras podrían ser personas, partes fabricadas o incluso
100 edades de la distribución censal 2000. m uestras durante la fabricación de papas fritas.
45
87
59
78
78
8
55
7
15
15
7
20
47
94
49
85
48
66
93
11
11
46
41
61
13
81
16
41
32
19
a. ¿C rees que todas las m uestras aleatorias tom adas de la
m ism a población conducirán al m ism o resultado ?
39 74 34 6 46 8 46 21 44 41 b. ¿Q ué característica (o propiedad) de las m uestras aleato
52 84 27 53 33 48 80 6 62 21 rias podría observarse durante el proceso de m uestreo?
47 11 17 3 31 43 46 23 52 20
35 24 30 37 54 90 26 55 89 2 7 .4 C onsulta la tabla 7 .1 del ejem plo 7.1 (p. 314) y explica por
58 44 30 45 15 25 47 13 28 10 qué las m uestras son igualm ente probables; esto es: por qué
80 41 30 57 63 79 75 7 26 4
P(0) = 0.04 y por qué P (2) = 0.12.
2 10 21 19 5 62 32 59 40 16
7 .5 a. ¿C uál es la distribución m uestral de m edias m ués
a. ¿C óm o describirías gráficam ente los anteriores datos
trales?
m uéstrales “edades”? Construye la gráfica.
b. U na m uestra de tam año 3 se tom a de una población y
b. Con la gráfica que construiste en el inciso a, describe la
se encuentra la m edia m uestral. D escribe cóm o esta
form a de la distribución de los datos muéstrales.
m edia m uestral se relaciona con la distribución mues
c. Si se recolectara otra m uestra, ¿esperarías los m ism os tral de m edias m uéstrales.
resultados? Explica.
7 .6 C onsidera el conjunto de enteros im pares de un solo dígito
7 .2 a. ¿Q ué estadísticos num éricos usarías para describir { 1 ,3 ,5 ,7 ,9 } .
los datos m uéstrales “edades” del ejercicio 7.1? C al
a. E labora una lista de todas las m uestras de tam año 2 que
cula dichos estadísticos.
puedan extraerse de este conjunto de enteros. (M uestra
De acuerdo con el censo 2000 (el censo 2010 no está con reem plazo; esto es: se extrae el prim er núm ero, se
com pleto), 275 millones de estadounidenses tienen observa y después se sustituye [regresa al conjunto m ues
una edad m edia de 36.5 años y una desviación están tral] antes de la siguiente extracción.)
dar de 22.5 años.
b. C o n stru y e la d istrib u ció n m uestral de m ed ias m u éstra
b. ¿C uán bien los estadísticos calculados en el inciso a les para m u estras de tam añ o 2 seleccio n ad as de este
se com paran con los parám etros del censo 2000? Sé conjunto.
específico.
c. C onstruye las distribuciones m uéstrales de rangos m ués
c. Si se recolectara otra muestra, ¿esperarías los m ismos trales para m uestras de tam año 2 .
resultados? Explica.
7 .7 C onsidera el conjunto de enteros pares de un solo dígito
7 .3 Los fabricantes usan m uestras aleatorias para poner a {0, 2, 4, 6, 8}.
prueba si sus productos cum plen o no las especificaciones. D i
Page 339 of 418

.
.
.
318 Capítulo 7 V a ria b ilid a d muestral
a. Elabora una lista de todas las posibles m uestras de tama- b. E xplica cóm o esta recolección repetida de datos difiere de
no 3 que puedan extraerse de este conjunto de enteros. la idea de m uestreo repetido para recopilar inform ación
(M uestra con reem plazo; esto es: se extrae el prim er nú acerca de una distribución m uestral.
m ero, se observa y después se sustituye [regresa al co n
7 .1 2 A partir de la tabla de núm eros aleatorios de la tabla 1 del
ju n to m uestral] antes de la siguiente extracción.)
apéndice B, construye otra tabla que m uestre 20 conjuntos de
b. C onstruye la distribución m uestral de las m edianas m ués 5 enteros de un solo dígito seleccionados al azar. E ncuentra la
trales para m uestras de tam año 3. m edia de cada conjunto (la gran m edia) y com para este valor
con la m edia poblacional teórica, p, y usa la diferencia absolu
c. C onstruye la distribución m uestral de las m edias m uéstra
ta y el % de error. Presenta todo tu trabajo.
les para m uestras de tam año 3.
7.1 3 a. C on una com putadora o una tabla de núm eros alea
7 .8 U sando los núm eros telefó n ico s ce tu directo rio te lefó
torios, sim ula la extracción de 100 m uestras, cada
nico com o tu població n , obtén al az ar 20 m uestras de tam a
una de tam año 5, a partir de la distribución de proba
ño 3. A p artir de cada núm ero telefónico identificado com o
bilidad uniform e de enteros de un solo dígito, 0 a 9.
fuente, tom a el cuarto, q u in to y sexto dígitos. (P or ejem plo,
para 2 4 5-8268, to m a rías el 8 , el 2 y el 6 com o tu m uestra de b. Encuentra la m edia para cada m uestra.
tam año 3.)
c. Construye un histogram a de las m edias muéstrales.
a. C alcula la m edia de las 20 muestras. (U sa valores enteros com o puntos m edios de clase.)
b. D ibuja un histogram a que m uestre las 20 m edias m ués d. D escribe la distribución m uestral que se presenta en
trales. (U sa las clases -0 .5 a 0 .5 ,0 .5 a 1.5, 1.5 a 2.5, el histogram a del inciso c.
etcétera.)
MINITAB
c. D escribe la distribución de x que veas en el inciso b (for a. Usa los comandos Integer RAN D O M DATA de la página 91,
d.
ma de distribución, centro y cantidad de dispersión).
Extrae 20 m uestras más y agrega la> 20 nuevas x al histo

sustituye generar con 100, almacenar en C1-C5, valor mínimo
con 0 y valor máximo con 9.
gram a en el inciso b. D escribe la distribución que parezca b. Elige: Cale > Row Statísttcs
desarrollarse. Selecciona: M ean
Escribe: Variables entrada: C1-C5
7 .9 C on un conjunto de cinco dados, rueda el d ad o y d e A lm a ce n ar resu ltad o en: C6 > OK
term ina el núm ero m edio de p untos que m uestren los cinco
c. Usa los comandos HISTOGRAM de la página 53 para los da
dados. R epite el experim ento hasta que tengas 25 m edias
tos en C6 . Para ajustar el histograma, selecciona Binning con
m uéstrales. punto m odio y posiciones de punto medio 0 :9 /1
a. D ibuja un diagram a de puntos que m uestre la distribución
de las 25 m edias m uéstrales. (Consulta el ejem plo 7.2,
Excel
a. Escribe del 0 al 9 en la columna A y los correspondientes 0.1
p- 315.) en la columna B; después continúa con
b. D escribe la distribución de x en el inciso a. Elige: D ata > D ata A nalysis >

Selecciona: R andom N u m b er G eneratíon > OK
c. Repite el experim ento para obtener 25 m edias m uéstrales
Escribe: N úm ero de variables: 5
m ás y agrega estas 25 x a tu diagram a de puntos. D escribe
N úm ero de n ú m e ro s aleatorios: 100
la distribución de 50 medias.
D istribución: D lscrete
7 .1 0 C onsidera la población de cinco enteros igualm ente pro Valor y rango en tra d a probabilidad: (A1:B10 o
bables del ejem plo 7.2: selecciona celdas)
Selecciona: O u tp u t Range:
a. V erifica ¡j. y <r para la población del ejem plo 7.2.
Escribe: (C1 o selecciona celdas) > OK
b. La tabla 7.3 m enciona 30 valores x. C onstruye una distri b. Activa la celda H 1 .
bución de frecuencias agrupadas para verificar la distribu
ción de frecuencia que se m uestra en la figura 7.4. Elige: In serí funetton, fx > Statístical >
AVERAGE > OK
c. Encuentra la m edia y la desviación estándar de los 30 Escribe: N u m b erl: (C1:G1 o selecciona celdas)
valores x de la tabla 7.3 para verificar los valores para .v A rrastra: E squina Inferior d erech a d el recuadro
y E xplica el significado de los dos sím bolos x y valor p ro m ed io h acia abajo p a ra o b ten er
otros pro m ed io s
7.1 1 Con referencia al ejem plo aplicado 7.3 de la página 316:
c. Usa los comandos HISTOGRAM de las páginas 53-54 con la
a. Explica por qué los valores num éricos en esta tabla no columna H como el rango de entrada y la columna A como el
form an una distribución m uestral. rango de caja.
Page 340 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 7.2 La distribu ción muestral de m edias muéstrales 319
T I-8 3 /8 4 Plus MINITAB
a. Usa los comandos Integer RANDO M DATA y STO de la pá gi a. Usa los comandos Norm al RAN DO M DATA de la página 9 1 ,
na 91 , sustituye el Enter con O, 9, 100). Repite los comandos sustituye generar con 2 0 0 , almacenar en C1-C10, m edia con
anteriores cuatro veces más y almacena los datos en L2, L3, L4 100 y desviación estándar con 20.
y L5, respectivamente.
b. Elige: C ale > Row S ta tts ttc s
b. Elige: STAT > EDIT > 1: Edít S ele cc io n a: M ean
Resalta: L6 (encabezado colum na)
Escribe: V aria b les e n tra d a : C 1-C10
Escribe: (Ll + L2 + L3 + L4 + L5)/5
A lm a c e n a r re s u lta d o en : C l l > OK
c. Elige: 2nd > STAT PLOT > 1: P lotl
Elige: W lndow c. Usa los comandos HISTOGRAM de la página 5 3 para los da
tos en C l 1. Para ajustar el histograma, selecciona Binning con
Escribe: 0 ,9 ,1 ,0 ,3 0 ,5 ,1
punto medio y posiciones de punto medio 7 4 8:1 2 5 .2 /6 .3 .
Elige: Trace » >
J E B M o te P lo tt Excel
aroff
T y p e ! [ ¿ i. \¿ ±
a. Usa los comandos N orm al RAN D O M NUMBER GENERATION
de la página 91 , sustituye número de variables con 10, núme
ro de números aleatorios con 2 0 0 , media con 100 y desvia
K k " H Jfr | X
ción estándar con 20.
Xlist:Lfi b. Activa la celda K 1 .
F r & ^ i1
Elige: I n s e r t fu n c tlo n fx > S ta tls tíc a l >
AVERAGE > OK
Escribe: N u m b e r l: (A1:J1 o s e le c c io n a c e ld a s)
A rra s tra : E s q u in a In fe rio r d e re c h a d el re c u a d re
7 .1 4 a. C on una com putadora o tabla de núm eros aleatorios,
sim ula la extracción de 250 m uestras, cada una de
tam año 18, a partir de la distribución de probabilidad
v a lo r p r o m e d io p a r a o b te n e r o tro s
p r o m e d io s
c. Usa los comandos RAN DO M NUMBER GENERATION Patter
uniform e de enteros de un solo dígito, O a 9.
ned Distribution del ejercicio 6 .7 1 a de la página 2 9 0 , susti
b. Encuentra la m edia para cada muestra. tuye el primer valor con 7 4 .8 , el último valor con 12 5.2, los
pasos con 6 .3 y el rango de salida con L l. Usa los comandos
c. Construye un histogram a de las m edias muéstrales. HISTOGRAM de las páginas 5 3 -54 con la columna K como el
rango de entrada y la columna L como el rango de caja.
d. D escribe la distribución m uestral que se presenta en
e l h is to g ra m a d e l in c is o c.
7 .1 6 a. U sa una co m p u tad o ra para ex tra er 5 0 0 m uestras
7 .1 5 a. U sa una com putadora para extraer 200 m uestras alea aleato rias, cada una de tam añ o 20 , de la d istri
torias, cada una de tamaño 10 , de la distribución de bución de p ro b ab ilid ad norm al con m ed ia 80 y
probabilidad norm al con m edia 100 y desviación es d esv iació n están d ar 15.
tándar 20 . b. Encuentra la m edia para cada m uestra.
b. Encuentra la m edia para cada muestra.
c. Construye un histogram a de frecuencias de las 500
c. Construye un histogram a de frecuencia de las 200 m edias m uéstrales.
m edias m uéstrales. d. D escribe la distribución m uestral que se presenta en
d. D escribe la distribución m uestral que se presenta en el histogram a del inciso c, e incluye la m edia y la
el histogram a del inciso c. desviación estándar.
7.2 La distribución muestral

de m edias muéstrales
En las páginas anteriores estudiaste las distribuciones m uéstrales de dos estadísticos: me
dias m uéstrales y rangos m uéstrales. M uchos otros podrían discutirse; sin em bargo, la
única distribución m uestral de atención en este m om ento es la distribución m uestral de
m edias m uéstrales.
Page 341 of 418
.
.
.
32 0 Capítulo 7 V ariabilidad muestral
PTI (esta es informa D is trib u c ió n m u e stra l de m edias m uéstrales (D M M M ) Si to d a s las posibles
ción muy útill m uestras a le a to ria s , c a d a una d e ta m a ñ o n, se tom an d e c u a lq u ie r p o b la c ió n
con m e d ia /x y d e svia ció n e s tá n d a r cr, entonces la d is trib u c ió n m uestral de las
m e d ia s m uéstrales te n d rá lo siguiente:
1. U na m e d ia /x_ es ig u a l a /x
2 . Una d e svia ció n e stá n d a r o--.es ig u a l a -=
M á s aún, si la p o b la c ió n m uestreada tie n e una d is trib u c ió n n o rm a l, entonces
la d is trib u c ió n muestral d e x ta m b ié n será n o rm a l p a ra muestras de to d o s los
tam años.
Éste es un muy interesante enunciado en dos partes. La prim era parte habla acerca de la rela
ción entre la m edia poblacional y la desviación estándar, y la m edia de la distribución m ues
tral y la desviación estándar para todas las distribuciones m uéstrales de las m edias m uéstra
les. La desviación estándar de la distribución muestral se denota con <rr y se le da un nombre
específico para evitar confusión con la desviación estándar poblacional, cr.
Error estándar de la m edia (cr-) La d e svia ció n está n d a r de la d is trib u c ió n

m uestral d e las m e d ia s muéstrales.
La segunda parte indica que esta inform ación no siem pre es útil. D icho de una m anera
diferente, dice que el valor m edio de sólo algunas observaciones tendrá una distribución
normal cuando las m uestras se extraigan de una población con distribución norm al, pero
no tendrá distribución norm al cuando la población m uestreada sea uniform e, sesgada o de
alguna otra form a no norm al. Sin em bargo, el teorem a cen tra l d el lím ite proporciona cierta
inform ación adicional y m uy im portante acerca de la distribución m uestral de las m edias
PTI Verdaderamente
muéstrales.
sorprendente: x tiene
distribución normal
cuando n es suficien Teorema central del límite (TCL) La d is trib u c ió n m uestral d e las m e d ia s mués
temente grande, |sin trales re c o rd a rá más estrecham ente la d is trib u c ió n n o rm a l c o n fo rm e aum ente
importar la forma de la el ta m a ñ o d e la muestra.
población!
Si la distribución m uestreada es norm al, entonces la distribución m uestral de las m e

dias m uéstrales (D M M M ) es norm al, com o se enunció anteriorm ente y no se necesita el
teorem a central del lím ite (TCL). Pero, si la población m uestreada no es norm al, el T C L
dice que la distribución m uestral todavía tendrá una distribución aproxim adam ente norm al
bajo las condiciones correctas. Si la distribución de la población m uestreada es casi nor
mal, la distribución T e s aproxim adam ente norm al para n bastante pequeña (posiblem ente
tan pequeña com o 15). C uando la distribución de la población m uestreada carece de sim e
tría, es posible que n deba ser muy grande (acaso 50 o m ás) antes de que la distribución
normal ofrezca una aproxim ación satisfactoria.
Al com binar la inform ación precedente, puede describir la distribución m uestral de J
com pletam ente: 1 ) la ubicación del centro (m edia), 2 ) una m edida de dispersión que indica
cuán am pliam ente se dispersa la distribución (error estándar de la m edia) y 3) un indicio
de cóm o se distribuye.
1 . /x_ = /x; la m edia de la distribución m uestral (/x_) es igual a la m edia de la población
(^)-
2 . <z_=-^; el error estándar de la m edia (<r_) es igual a la desviación estándar de la po
blación (o-) dividida por la raíz cuadrada del tam año m uestral, n.
3. La distribución de m edias m uéstrales es norm al cuando la población padre tiene dis
tribución norm al y el T C L dice que la distribución de las m edias m uéstrales se vuel
ve aproxim adam ente norm al (sin im portar la form a de la población padre) cuando
el tam año de la m uestra es suficientem ente grande.
Page 342 of 418

.
.
.
Sección 7.2 La distribu ción muestral de m edias muéstrales 321
Nota: la n a la que se hace referencia es el tam año de cada m uestra en la distribución mues
tral. (El núm ero de m uestras repetidas usadas en una situación em pírica no tiene efecto
sobre el error estándar.)
En este texto no se m uestra la prueba para los tres hechos precedentes; sin em bargo,
su validez se dem ostrará al exam inar dos ejem plos. Para el prim er ejem plo, considera
una población para la que se puede construir la distribución m uestral teórica de todas las
posibles m uestras.
E JE M P LO 7 . 4
*
CONSTRUCCIÓN DE UNA DISTRIBUCIÓN MUESTRAL
O DE MEDIAS MUESTRALES
C o n s id e ra to d a s las p o s ib le s m uestras d e ta m a ñ o 2 q u e p o d ría n e xtraerse de
una p o b la c ió n q u e co n tie n e los tres núm eros 2 , 4 / 6 . P rim ero o b s e rv a la p o
b la c ió n en sí. C o n stru ye un h is to g ra m a p a ra re p re se n ta r su d is trib u c ió n , fig u ra
7 .6 ; c a lc u la la m e d ia , /x y la d e s v ia c ió n e stá n d a r, cr, ta b la 7 .4 . (Recuerda:
de b e s usar las té c n ic a s del c a p ítu lo 5 p a ra d is trib u c io n e s de p ro b a b ilid a d
discretas.)
FIGURA 7 .6 TABLA 7 .4
P o b la c ió n Tabla de extensiones p a ra x
P(x) = 1 , para x = 2 , A, 6 PW
P[x) xPW
0 .3 0 -
2
1
3
2
3
4
3
1 4 16
4
3 3 3
0 .2 0 - 1 6 36
ó
3 3 3
3 12 56
0. 1 0 - y£E> 3 3
1.0 4 .0 18 66
/a = 4.0
0.00
n-------1------------ 1-------1-------r~ a = NI 8 6 6 - I4.0J2 = N2 .6 6 = 1.63
2 3 4 5 6
x
La ta b la 7 .5 m e n c io n a to d a s las p o s ib le s m uestras de ta m a ñ o 2 que pue

den e xtra e rse d e esta p o b la c ió n . (Se e xtra e un n ú m ero, se o b se rva y después
re g re sa a la p o b la c ió n antes de e xtra e r el se gundo núm ero.) La ta b la 7 .5
ta m b ié n m e n c io n a las m e d ia s d e d ic h a s muestras. Las m e d ia s m uéstrales se re
co le cta n entonces p a ra fo rm a r la d is trib u c ió n m uestral. La d is trib u c ió n p a ra d i
chas m e d ia s y las extensiones se p ro p o rc io n a n en la ta b la 7 .6 (p. 3 2 2 ), ¡unto
con el c á lc u lo d e la m e d ia y el e rro r e s tá n d a r d e la m e d ia p a ra la d is trib u c ió n
m uestral. El h is to g ra m a p a ra la d is trib u c ió n m uestral d e las m e d ia s m uéstrales
se muestra en la fig u ra 7 .7 (p. 3 2 2 ).
TABLA 7.5
Las nueve p o s ib le s m uestras de ta m a ñ o 2
Muestra Muestra Muestra
M & M
■ü
T u io ria l e n v id e o d is p o n ib le : in g re s a y a p re n d e m á s e n e e n g a g e b ra in .c o m
Page 343 of 418
.
.
.
32 2 Copítulo 7 V a ria b ilid a d muestral
TABLA 7 .6 FIGURA 7 .7
Tcbla d e extensiones p a ra x D is trib u c ió n m uestral d e m edias
m uéstrales
* xP[xj 3?P(x)|
Muestras de tamaño 2
o1 1 2 4
2 P(x)
9 9 9
7
2 ó 18
o
9 9 9
0 .3 0 -
4 _3 12 48
-4
9 9 9
0 .2 0 -
s 2 10 50
9 9 9
1 ó 36 0 . 10-
O
9 9 9
V 36 156
- 0.00
9 9 9
1.0 4 .0 17.33 2 3 4 5 6
^ -= 4 0 ________
<r-= 7 .3 3 - (4.0)2 = v 1 33 = 1.15
A h o ra c o m p ru e b a la v e ra c id a d de los tres hechos a c e rc a d e la d is trib u
ción m uestral d e las m e d ia s m uéstrales:
1. La m e d ia p._ d e la d is trib u c ió n m uestral será ig u a l a la m e d ia d e la

p o b la c ió n : ta n to /x co m o /x_tienen el v a lo r 4 .0
2. El e rro r e stá n d a r de la m e d ia crT p a ra la d is trib u c ió n m uestral ig u a la rá
a la d e s v ia c ió n e stá n d a r <xde la p o b la c ió n d iv id id a p o r la ra íz c u a d ra
da del ta m a ñ o m uestral, n: cr_= 1 .1 5 y cr = 1 .6 3 , n = 2 , - = = - ^ = 1.15;
son igu a le s: crT =
3. La d is trib u c ió n te n d rá una d is trib u c ió n a p ro x im a d a m e n te n o rm a l: el
h is to g ra m a en la fig u ra 7 .7 su g ie re con m ucha fu e rz a la n o rm a lid a d .
¿SABÍAS Q U E...?
Teorema central
El ejem plo 7.4, una situación teórica, sugiere que los tres hechos parecen m antenerse
del límite
verdaderos. ¿E stos tres hechos se sostienen cuando se recolectan datos reales? O bserva
A b ra h a m de M o iv re fue
nuevam ente el ejem plo 7.2 (p. 315) y ve si los tres hechos apoyan ah í la distribución
un pio n ero en la teoría de
m uestral em pírica.
p ro b a b ilid a d y p u b licó la
Prim ero, observa la población: la distribución de probabilidad teórica de la que se
Doctrine o f Chance, p ri
tomaron las m uestras del ejem plo 7.2. La figura 7.3 es un histogram a que m uestra la distri
m ero en latín en 1711 y
bución de probabilidad para datos seleccionados al azar de la población de enteros igual
después en ediciones ex
mente probables 1 ,2 ,3 ,4 ,5 . La m edia poblacional ¡j, es igual a 3.0. La desviación estándar
te ndidas en 1 7 1 8 , 1 7 3 8
poblacional ores j 2, o 1.41. La población tiene una distribución uniform e.
y 1756. La edición de
A hora observa la distribución em pírica de las 30 m edias m uéstrales que encontraste
1 7 5 6 contenía su más im
en el ejem plo 7.2. A partir de los 30 valores de x en la tabla 7.3, la m edia observada de
portante contribución: la
las J , .v, es 2.98 y el error estándar observado de la m edia, .v_, es 0.638. El histogram a de la
a p ro xim a ció n de las distri
distribución m uestral en la figura 7.4 parece ser am ontonado, aproxim adam ente sim étrico
buciones binom iales p ara
y con centro cerca del valor 3.0.
un núm ero g ra n d e de
A hora com prueba la veracidad de las tres propiedades específicas:
(continúa]
1. y /lx serán iguales. La m edia de la población /x es 3.0 y la m edia de la distribución
/lx_
m uestral observada .Fes 2.98; están m uy cerca en valor.

Page 344 of 418
.
.
.
2. cr_.es igual a cr = 1.41 y n = 5; p o r tanto, = = = 0.632 y s_= 0.638 están muy
(c o n t i n u a c i ó n )
cerca en valor. (R ecuerda que sólo se tom aron 30 m uestras, no todas las posibles
ensayos usa n d o la dis
m uestras, de tam año 5.)
trib u c ió n n o rm a l. La de
3. La d istrib u c ió n m u e s tra l de x tendrá una distribución aproxim adam ente normal.
fin ic ió n d e in d e p e n d e n
Aun cuando la población tenga una distribución rectangular, el histogram a de la fi
c ia estadística ta m b ié n
gura 7.4 sugiere que la distribución x tiene algunas de las propiedades de norm alidad
h iz o su d e b u t ¡unto con
(m ontada, sim étrica).
m uchos d a d o s y otros
juegos. De M o iv re p ro A unque los ejem plos 7.2 y 7.4 no constituyen una prueba, la evidencia parece sugerir
b ó que el teo re m a cen fuertem ente que am bos enunciados, la distribución m uestral de m edias m uéstrales y el
tra l del lím ite se sostiene TC L , son verdaderos.
p a ra núm eros q u e resul Luego de d ar un vistazo a estos dos ejem plos específicos, ahora observa cuatro ilustra
tan d e ju e g os d e a za r. ciones gráficas que presentan la inform ación de la distribución m uestral y el T C L en una
C on el uso d e m a te m á form a ligeram ente diferente. C ada una de dichas ilustraciones tiene cuatro distribuciones.
ticas, ta m b ié n tuvo é xito La prim era gráfica m uestra la distribución de la población padre, la distribución de los va
al p re d e c ir la fe ch a de lores x individuales. C ada una de las otras tres gráficas presenta una distribución muestral
su p ro p ia m uerte. de m edias m uéstrales, x, usando tres diferentes tam años de m uestra.
En la figura 7.8 se tiene una distribución uniform e, muy parecida a la figura 7.3 para la
ilustración entera y las distribuciones resultantes de las m edias m uéstrales para muestras
de tam años 2, 5 y 30.
FIGURA 7 .8
D is trib u c ió n u n ifo rm e d) Distribución
muestral de x
cuando n = 3 0
a) Población
11 ___________
Distribución
muestral de x
Valores de x
b) Distribución
muestral de x. cuando n= 5
cuando n= 2
Valores de
L a figura 7.9 m uestra una población con form a de U y las tres distribuciones muéstrales.
FIGURA 7 .9
D is trib u c ió n con fo rm a de U
a) Población d) Distribución
muestral de x
cuando n = 3 0
Valores de x b) Distribución Distribución

muestral de x. muestral de x
cuando n= 2 cuando n = 5
Valores de x Valores de x
Page 345 of 418

.
.
.
324 Copítulo 7 V ariabilidad muestral
La figura 7.10 m uestra una población con form a de J y las tres distribuciones m ués
trales.
FIGURA 7 .1 0
D is trib u c ió n con fo rm a d e J d) Distribución
muestral de x
a) Población cuando n = 3 0
b) Distribución c) Distribución
muestral de x. muestral de x
cuando n = 2 cuando n=5
Valores de x
J 1— ►
Valores de x Valores de x Valores de x
Las tres distribuciones poblacionales no norm ales parecen verificar el T C L ; las dis
tribuciones m uéstrales de las m edias m uéstrales parecen ser aproxim adam ente norm ales
para las tres cuando se usan las m uestras de tam año 30. A hora considera la figura 7.11, que
m uestra una población con distribución norm al y las tres distribuciones m uéstrales. Con
la población norm al, las distribuciones m uéstrales de las m edias m uéstrales para todos los
tam años de m uestra parecen ser norm ales. Por tanto, has visto un fenóm eno sorprendente:
sin im portar cuál sea la form a de una población, la distribución m uestral de las m edias
m uéstrales o es norm al o se vuelve aproxim adam ente norm al cuando n se vuelve suficien
tem ente grande.
FIGURA 7.11
D is trib u c ió n no rm a l d) Distribución
muestral de x
a) Población cuando n = 3 0
¡i
b) Distribución c) Distribución
muestral de x muestral de x
cuando n = 2 cuando n=5
Valores de x Valores de x Valores de x
D ebes notar otro punto: la m edia m uestral se vuelve m enos variable conform e aum enta
el tam año de la m uestra. O bserva que, conform e n aum enta de 2 a 30, todas las distribucio
nes se vuelven m ás estrechas y m ás altas.
Page 346 of 418

.
.
.
@ E ) E P C I C I O S S E C C I Ó N 7 . 2
7.1 7 E jercicio A pplet Skill- 7 . 2 0 Si una población tiene una desviación estándar o - de 25
b u ild e r Simula la toma de unidades, ¿cuál es el error estándar de la m edia si se seleccio
muestras de tamaño 4 de una nan m uestras de tam año 16? ¿M uestras de tam año 36? ¿M ues
población aproxim adam ente tras de tam año 100?
normal, donde /x = 65.15 y
7.21 C ierta población tiene una m edia de 500 y una desvia
o-=2.754.
ción estándar de 30. M uchas m uestras de tam año 36 se selec
a. H az clic en “ 1” para cionan al azar y se calculan las medias.
Sam ples” (núm ero de
a. ¿Q ué valor esperarías encontrar para la m edia de todas
m uestras). O bserva los cuatro valores de datos y su m e
estas m edias m uéstrales?
dia. C am bia “slow ” por “batch” y tom a al m enos 1 000
m uestras usando “500” para “# S am ples” . b. ¿Q ué valor esperarías encontrar para la desviación están
d ar de todas estas m edias m uéstrales?
b. ¿C uál es la m edia para las medias de las 1 0 0 1 m uestras?
¿C uán cerca está a la m edia poblacional, /x? c. ¿Q ué form a esperarías que tuviera la distribución de todas
Applets Skillbuilder disponibles en línea a través de cen g ag eb rain .co m .

estas m edias m uéstrales?
c. C om para la desviación estándar m uestral con la desvia
ción estándar poblacional, <r. ¿Q ué ocurre con la d es 7 . 2 2 De acu erd o con el N ie ls e n ’s T elevisió n A u d ien ce Re
viación estándar m uestral? C om párala con <rfs n que es p o n , en 2009 el pro m ed io de h ogares estad o u n id en ses tiene
2.754/ ¡4. 2.86 telev iso res (m ás del núm ero prom edio de personas por
hogar, a 2.5 personas). Si la d esv iació n están d ar para el nú
d. ¿El histogram a de las medias m uéstrales tiene una form a
e.
aproxim adam ente norm al?
R elaciona tus hallazgos con el D M M M .

m ero de telev iso res en un h o g ar estad o u n id en se es 1.2 y se
seleccio n a una m uestra aleato ria de 80 hogares estad o u n i
d en ses, la m edia de esta m uestra p ertenece a una d istrib u
ción m uestral.
7 .1 8 E je rc icio A pplet
S k illb u ild e r Sim ula el a. ¿C uál es la form a de esta distribución m uestral?
m uestreo de una población
b. ¿C uál es la m edia de esta distribución m uestral?
sesgada, donde /x = 6.029 y
a = 10.79. c. ¿C uál es la desviación estándar de esta distribución
m u e s tr a l?
a. C am bia “# O bsreva-
tions per sam ple” a ”4 ”. 7 . 2 3 El artículo del USA Today del 21 de septiem bre de 2006,
Usa batch (lote) y 500 y “ H ogar prom edio tiene más TV que personas”, afirm a que los
tom a 1 000 m uestras de estadounidenses observan un prom edio de 4.58 horas de tele
tam año 4. visión por persona por día.
F u e n t e : I lie ls e n M e d ia R esearch
b. C om para la m edia y la desviación estándar para las m e
dias m uéstrales con /x y <x. C om para la desviación están Si la desviación estándar para el núm ero de horas de televisión
dar m uestral con o 7 N/t, que es 1 0 .7 9 /4 . ¿El histogram a que observan por día es 2.1 y se selecciona una m uestra aleato
tiene una form a aproxim adam ente norm al? Si no, ¿qué ria de 250 estadounidenses, la m edia de esta m uestra pertenece
form a tiene? a una distribución m uestral.
c. Con el botón “clear” cada vez, repite las instrucciones a. ¿C uál es la form a de esta distribución m uestral?
de los incisos a y b para m uestras de tam año 25, 100 y b. ¿C uál es la m edia de esta distribución m uestral?
1 000. T abula tus hallazgos para cada tam año de m uestra.
c. ¿C uál es la desviación estándar de esta distribución
d. R elaciona tus hallazgos con D M M M y el TCL. m uestral?
7 .1 9 a. ¿C uál es la m edida total del área para cualquier dis 7 . 2 4 De acuerdo con The W orld F actbook, 2009, la tasa de
tribución de probabilicad? fertilidad total (núm ero m edio estim ado de hijos nacidos por
b. Justifica el enunciado “v se vuelve m enos variable m ujer) para U ganda es 6.77. Supon que la desviación estándar
conform e n aum enta” . de la tasa de fertilidad total es 2.6. El núm ero m edio de hijos
para una m uestra de 200 m ujeres seleccionadas al azar es un
Page 347 of 418

.
.
.
32 6 Capítulo 7 V a ria b ilid a d muestral
valor de m uchos que forman la distribución m uestral de m e b. Usa los comandos R O W STATISTICS de la página 31 8, sustituye
dias m uéstrales. variables de entrada con C1-C6 y almacenar resultado en C7.
c. Usa los comandos HISTOGRAM de la página 5 3 para los da

a. ¿C uál es el valor m edio para esta distribución m uestral?
tos en C7. Para ajustar el histograma, selecciona Binning con
b. ¿C uál es la desviación estándar de esta distribución punto medio y posiciones de punto medio 1 2 .8 :2 7 .2 /1 8 . Usa
¡os comandos M E A N y STANDARD DEVIATION de las pá gi
m uestral?
nas 65 y 7 9 para los datos en C7.
c. D escribe la form a de esta distribución m uestral.
Excel
7 . 2 5 El A m erican M eat Institute publicó el reporte 2007 “ Pro a. Usa los comandos N orm al RAN D O M NUMBER GENERATION
ducción y consum o de carne y pollo en EUA: Un panoram a”. de la página 91 , sustituye el número de variables con ó, núme
La hoja descriptiva de 2007 m enciona el consum o anual de ro de números aleatorios con 100, m edia con 2 0 y desviación
pollo com o 86.5 libras por persona. Supon que la desviación estándar con 4.5.
estándar para el consum o de pollo por persona es 29.3 libras. b. Activa la celda G 1 .
El peso m edio del pollo consum ido por una m uestra de 150
Elige: I n s e r t fu n c tlo n , fx > S ta tts ttc a l >
personas seleccionadas al azar es un valor de m uchos que for
AVERAGE > OK
man la distribución m uestral de las medias muéstrales.
E scribe: N u m b e r l: (A1:F1 o s e le c c io n a ce ld a s)
a. ¿C uál es el valor m edio para esta distribución m uestral? A rra s tra : E s q u in a In fe rio r d e r e c h a d e l re c u a d ro
v a lo r p r o m e d io h a c ia a b a jo p a r a o b te
b. ¿C uál es hla desviación estándar de esta distribución n e r o tro s p r o m e d io s
m uestral?
c. Usa los comandos RAN DO M NUMBER GENERATION Patter-
c. D escribe la form a de esta distribución m uestral. ned Distribution del ejercicio 6 .7 1 a de la página 291 y sus
tituye el primer valor con 12.8, el último valor con 2 7 .2 , los
7 . 2 6 Un investigador quiere tom ar una m uestra aleatoria sim pasos con 1.8 y el rango de salida con H 1 . Usa los comandos
ple de aproxim adam ente 5% del cuerpo estudiantil de cada
una de dos escuelas. La universidad tiene aproxim adam ente
20 000 estudiantes y el colegio tiene aproxim adam ente 5 000.
HISTOGRAM de las páginas 5 3 -5 4 con columna G como el
rango de entrada y columna H como el rango de caja. Usa los
comandos M E A N y STANDARD DEVIATION de las páginas
65 y 7 9 para los datos en la columna G.
Identifica cada uno de los siguientes com o verdadero o falso y
justifica tu respuesta.
T I-8 3 /8 4 Plus
a. La variabilidad m uestral es la m ism a para am bas es a. Usa los comandos Norm al RAN DO M DATA y STO de la pá gi
na 91 , sustituye Enter con 20, 4.5 , 100). Repite los comandos
cuelas.
anteriores cinco veces más, almacenar datos en L2, L3, L4, L5
b. La variabilidad m uestral para la universidad es m ayor y L6, respectivamente.
que la del colegio. b. Elige: (L1 + L2 + L3 + L4 + L5 + L6)/6
c. La variabilidad m uestral para la universidad es m enor Escribe: STO —> L7 (u sa la te c la ALPHA p a ra “L” o
que para el colegio. u sa “MEAN")
c. E scribe: 2 n d > STAT PLOT > 1: P lo tl
d. N o puede enunciarse conclusión acerca de la variabilidad
Escribe: W in d o w
m uestral sin conocer los resultados del estudio.
Elige: 12.8, 2 7 .2 , 1.8, 0, 4 0, 5, 1
7 . 2 7 a. U sa una com putadora para seleccionar al azar 100 Escribe: T ra c e > > >
m uestras de tam año 6 de una población norm al con Escribe: STAT > CALC >
m edia /x = 20 y desviación estándar cr = 4.5.
1.1-VAR STATS > 2 n d > LIST
b. Encuentra la m edia x para cada una de las 100 Selecciona: L7
m uestras.
c. C on las 100 m edias m uéstrales, construye un histo 2Q S Plot2

gram a, encuentra la m edia .v y encuentra la desvia 33 O ff
ción estándar s_ Type: Lí.
Hk» ¡OH [ /
Xlist:L7
F re « « : 1
MINITAB
a. Usa los comandos Norm al RAN DO M DATA de la página 91,
sustituye generar con 100, almacenar en C1-C6, media con
2 0 y desviación estándar con 4.5.
Page 348 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 7.3 A p lic a c ió n de la distribución muestral de m edias muéstrales 327
d. C om para los resultados del inciso c con los tres d. C om para los resultados del inciso c con los tres
enunciados hechos en la D M M M . enunciados hechos para la D M M M y el T C L de la
página 320.
7 .2 8 a. U sa una com putadora para seleccionar al azar 200 e. C om para estos resultados con los resultados o b te
m uestras de tam año 24 de una población norm al con nidos en el ejercicio 7.27. E specíficam ente, ¿qué
m edia /i, = 20 y desviación estándar cr = 4.5. efecto tuvo el increm ento en tam año m uestral de 6
b. Encuentra la m edia .v para cada una de las 200 a 24? ¿Q ué efecto tuvo el increm ento de 100 a 200
muestras. m uestras?
c. C on las 200 m edias m uéstrales, construye un histo PTI Si usas una computadora, consulta el ejercicio 7.27.
gram a, encuentra la media x y encuentra la desvia
ción estándar .v-
v
7.3 A plicación de la distribución

muestral d e m edias muéstrales
C uando la distribución m uestral de m edias m uéstrales tiene distribución norm al o aproxi
m adam ente norm al, es posible responder preguntas de probabilidad con la ayuda de la
distribución norm al estándar (tabla 3 del apéndice B).
E J E M P L O 7.5
CÓMO CONVERTIR INFORMACIÓN DE x EN VALORES z
C o n s id e ra una p o b la c ió n n o rm a l con \ x - 1 0 0 y cr = 2 0 . Si se s e le ccio na una
m uestra a le a to ria d e ta m a ñ o 16, ¿cuál es la p ro b a b ilid a d d e que esta mues
tra te n g a un v a lo r m e d io entre 9 0 y 1 10? Esto es: ¿cuál es P (90 < x < 110)?
Solución
D a d o q u e la p o b la c ió n tie n e d is trib u c ió n n o rm a l, la d is trib u c ió n m uestral de
x tie n e d is trib u c ió n n o rm a l. Para d e te rm in a r las p ro b a b ilid a d e s a s o c ia d a s
con una d is trib u c ió n n o rm a l, n e ce sita rá s c o n v e rtir el e n u n c ia d o P(90 < x <
1 10) a un e n u n c ia d o de p ro b a b ilid a d q u e in v o lu c re el valo r z. Esto te p e rm i
tirá usar la ta b la 3 del a p é n d ic e B, la ta b la d e d is trib u c ió n n o rm a l estándar.
La d is trib u c ió n m uestral se presenta en la fig u ra , d o n d e el á re a s o m b re a d a
re p re se nta P(90 < x < 1 1 0 ).
La fó rm u la p a ra e n c o n tra r el v a lo r z c o rre s p o n d ie n te a un v a lo r c o n o c id o
dexes _
_ x - /x_
z = ■
c r- = 2 0 / v / I ó = 5 cr_ (7.1)
La m e d ia y el e rro r e s tá n d a r d e la m e d ia son ja _ = ^ y cr_= z. Por ta n to ,

la fó rm u la (7 .1 ) se re e scrib e en té rm in o s d e p,, cr y rt:
x - ix
z =
/X = 100 110 <r/n (7.2)
D e re g re so al e je m p lo y al a p lic a r la fó rm u la (7 .2 ), se tiene:
i - oo x — fj, 9 0 - 100 -1 0 0 ^
v a lo r z p a ra x = 9 0 : z = ----- = - = ^ , _ _ • = — — = -2 .0 0
K °7vn 2 0 /J ó 5
Page 349 of 418

.
.
.
32 8 Capítulo 7 V a ria b ilid a d muestral
, _ lin x - f i 110-100 10
v a lo r z p a ra x = I 10: z = ----- = - = — —— = ^ = — = 2 .0 0
K cr/sn 2 0 /.T 6 5
Por ta n to ,
P(90 < x < 1 1 0 ) = P (-2 .0 0 < z < 2 .0 0 ) = 0 .9 7 7 3 - 0 .0 2 2 8 = 0 .9 5 4 5
A ntes de estudiar ejem plos adicionales, considera qué se im plica con crT ==- Para d e
mostrar, supon que cr= 20 y usa una distribución m uestral de m uestras con tam año 4. A ho
ra o ”_ es 2 0 /v 4 o 10 y aproxim adam ente 95% (0.9545) de todas dichas m edias m uéstrales
deben estar dentro del intervalo de 20 abajo a 20 arriba de la m edia poblacional (dentro de
2 desviaciones estándar de la m edia poblacional). Sin em bargo, si el tam año de la m uestra
aum enta a 16. or_se convierte en 20/ „ 16 = 5 y aproxim adam ente 95% de la distribución
m uestral debe estar dentro de 10 unidades de la m edia, etc. C onform e aum enta el tam año
de la m uestra, el tam año de cr_se vuelve m ás pequeño y la distribución de m edias m uéstra
les se vuelve m ucho más estrecha. La figura 7.12 ilustra lo que ocurre a la distribución de
x conform e el tam año de las m uestras individuales aum enta.
FIGURA 7 .1 2
D istrib u cio n e s d e m edias
m uéstrales
Recuerda que el área (probabilidad) bajo la curva norm al siem pre es exactam ente 1. De
m odo que, conform e el ancho de la curva se estrecha, la altura tiene que aum entar para
m antener esta área.
E J E M P L O 7.6
*
COMO CALCULAR PROBABILIDADES PARA LA ESTATURA
O MEDIA DE INFANTES DE JARDÍN DE NIÑOS
Les in fa n te s de ja rd ín d e n iñ o s tienen estaturas q u e poseen una d is trib u c ió n
a p ro x im a d a m e n te n o rm a l en to rn o a una m e d ia d e 3 9 p u lg a d a s y una d e s v ia
ción e s tá n d a r de 2 p u lg a d a s . Se to m a una muestra a le a to ria d e ta m a ñ o 2 5 y
se c a lc u la la m e d ia x. ¿Cuál es la p ro b a b ilid a d d e qu e este v a lo r m e d io esté
entre 3 8 .5 y 4 0 .0 p u lg ad a s?
S olución
Se q u ie re e n c o n tra r P (3 8 .5 < x < 4 0 .0 ) . Los v a lo re s d e x, 3 8 .5 y 4 0 .0 , deben
co nvertirse a v a lo re s z (necesarios p a ra usar la ta b la 3 del a p é n d ic e B) usando
z = *oz ^n :
x = 3 8 .5 : -7 - x ~ ^ - 3 8 -5 ~ 3 9 .0 _ - 0 . 5 = _ 1 2 5
<r/vn 2/25 0.4
O T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n e e n g a g c b ra in .c o m
Page 350 of 418
.
.
.
Sección 7.3 A p lic a c ió n de la distribución muestral de m edias muéstrales 329
COMO CALCULAR LOS LIMITES DE ESTATURA MEDIA

PARA EL 90% MEDIO DE INFANTES DE JARDÍN DE NIÑOS
Usa las estaturas d e in fa n te s d e ja rd ín de niños d a d a s en el e je m p lo 7 .6 .
¿D entro de q u é lím ites ca e el 9 0 % m e d io de la d is trib u c ió n m uestral d e m edias
m uéstrales p a ra m uestras de ta m a ñ o 100?
Solución
Las dos h e rram ientas con las qu e debes
tra b a ja r son la fó rm u la (7.2) y la ta b la
3 del a p é n d ic e B. La fó rm u la re la c io n a
los va lo re s cla ve de la p o b la c ió n con los
va lo re s cla ve d e la d istrib u ció n muestral
y la ta b la 3 re la c io n a áreas con valores
5% o
z. Prim ero, con la ta b la 3 , encuentra q^ oo
00500
que el 0 .9 0 0 0 m e d io está a c o ta d o p o r
z = ± 1 .6 5 . z= 1.65
PTI Recuerda: si el z 0.04 0.05 ...

va lo r está exactam ente i
a la m itad, usa el z -1 .6 ... 0 .0 5 0 5 0.0500 0 .0495
' ____ i -
S e g u n d o , usa la fó rm u la (7 .2 ), z = x . J f :
o / n
-1 .6 5 = * " 3 9 0 x - 3 9 .0
z = -1 .6 5 : z = 1 .6 5 : 1 .6 5 =
2 /J O O 2/v 100
* - 3 9 = (- 1 .6 5 )( 0 .2 ) x - 3 9 = (1 .6 5 )(0 .2 )
x = 3 9 - 0 .3 3 x = 3 9 + 0 .3 3
= 3 8 .6 7 = 39.3 3
Por ta n to ,
P (3 8 .6 7 < x < 3 9 . 3 3 ) = 0 . 9 0
En co n se cu e n cia , 3 8 . 6 7 p u lg a d a s y 3 9 .3 3 p u lg a d a s son los lím ites que

c a p tu ra n el 9 0 % m e d io de las m e d ia s m uéstrales.
Page 351 of 418

.
.
.
330 Capítulo 7 V a ria b ilid a d muestral
7 .2 9 C onsidera una población norm al con jll = 43 y cr = 5.2. 7 . 3 5 C onsidera la población aproxim adam ente norm al de es
Calcula el valor z para una x de 46.5 de ana m uestra de tamaño taturas de estudiantes universitarios varones con m edia /a = 69
16. pulgadas y desviación estándar cr= 4 pulgadas. Se obtiene una
m uestra aleatoria de 16 estaturas.
7 .3 0 C onsidera una población con ja = 4 3 y o- = 5.2.
a. D escribe la distribución de .v, estatura de estudiantes uni
a. C alcula el valor z para una T d e 46.5 de una m uestra de
versitarios varones.
tam año 35.
b. Encuentra la proporción de estudiantes universitarios
b. ¿E ste valor z podría usarse para calcular probabilidades
varones cuya estatura es m ayor que 70 pulgadas.
con la tabla 3 del apéndice B? ¿P o rq u é sí o por qué no?
c. D escribe la distribución de T, la m edia de las m uestras de
7.3 1 En el ejem plo 7.5, explica cóm o se obtuvieron el 0.9773
tam año 16.
y el 0.0228 y para qué se utilizan.
d. Encuentra la m edia y el error estándar de la distribución x.
7 .3 2 ¿C uál es la probabilidad de que la m uestra de infantes
de jard ín de niños del ejem plo 7.6 tengz. una estatura m edia de e. Encuentra P (x > 70).
m enos de 39.75 pulgadas?
f. Encuentra P (x < 67).
7 .3 3 U na m uestra aleatoria de tam año 36 se seleccionará de
7 . 3 6 La cantidad de llenado (peso de contenido) que se pone
una población que tiene una m edia ja = 50 y una desviación
en un frasco de vidrio de salsa de espagueti tiene distribución
estándar o-de 10 .
norm al con m edia /a = 850 gram os y desviación estándar cr =
a. Esta m uestra de 36 tiene un valor medio de x , que perte 8 gram os.
nece a una distribución m uestral. Encuentra la form a de
b.
esta distribución m uestral.
Encuentra la m edia de esta distribución m uestral.

a. D escribe la distribución de .v, la cantidad de llenado por
frasco.
b. Encuentra la probabilidad de que un frasco seleccionado

c. Encuentra el error estándar de esta distribución m uestral. al azar contenga entre 848 y 855 gram os.
d. ¿C uál es la probabilidad de que esté m edia m uestral esté c. D escribe la distribución de .T, el peso m edio para una
entre 45 y 55? m uestra de 24 de tales frascos de salsa.
e. ¿C uál es la probabilidad de que la m edia m uestral tenga d. Encuentra la probabilidad de que una m uestra aleatoria de
un valor m ayor que 48? 24 frascos tenga un peso m edio entre 848 y 855 gram os.
f. ¿C uál es la probabilidad de que la m edia m uestral esté 7 . 3 7 Las estaturas de los infantes de jardín de niños m encio
dentro de 3 unidades de la m edia? nados en el ejem plo 7.6 (p. 328) tienen distribución aproxim a
dam ente norm al con jx = 39 y cr = 2.
7 .3 4 La pastelería local cocina más de mil barras de pan de 1
libra todo los días y los pesos de dichas barras varían. El peso a. Si un niño individual de dicho jardín de niños se selec
m edio es 1 Ib y 1 oz o 482 gram os. Supon que la desviación ciona al azar, ¿cuál es la probabilidad de que tenga una
estándar de los pesos es 18 gram os y que una m uestra de 40 estatura entre 38 y 40 pulgadas?
barras se selecciona al azar.
b. Un salón de clase de 30 de dichos niños se usa com o
a. Esta m uestra de 40 tiene un valor medio de .v, que perte m uestra. ¿Cuál es la probabilidad de que la m edia de la
nece a una distribución m uestral. Encuentra la form a de clase T esté entre 38 y 40 pulgadas?
esta distribución m uestral.
c. Si un niño individual de ese jard ín de niños se selecciona
b. Encuentra la m edia de esta distribución m uestral. al azar, ¿cuál es la probabilidad de que sea m ás alto que
40 pulgadas?
c. Encuentra el error estándar de esta distribución m uestral.
d. Un salón de clase de 30 de dichos niños de ese jardín de
d. ¿C uál es la probabilidad de que esté m edia m uestral esté
niños se utiliza com o m uestra. ¿C uál es la probabilidad
entre 475 y 495?
de que la m edia de la clase x sea m ayor que 40 pulgadas?
e. ¿C uál es la probabilidad de que la m edia m uestral tenga
7 . 3 8 Los salarios para varias posiciones pueden variar signi
un valor m enor que 478?
ficativam ente, dependiendo de si la com pañía está o no en el
f. ¿C uál es la probabilidad de que la m edia m uestral esté sector público o privado. El D epartam ento de T rabajo de EUA
dentro de 5 gram os de la m edia? publicó el salario prom edio en 2007 para gerentes de recursos
Page 352 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 7.3 A p lic a c ió n de la distribución muestral de m edias muéstrales 331
hum anos em pleados por el gobierno federal com o 76 503 d ó jóvenes de 17 años seleccionados al azar está entre 550 y
lares. Supon que los salarios anuales para este tipo de em pleo 700 dólares.
tienen una distribución norm al y una desviación estándar de 8
b. Encuentra la probabilidad de que el costo medio por asistir
850 dólares.
a una fiesta de graduación de bachillerato para 36 jóvenes
a. ¿C uál es la probabilidad de que un gerente de recursos de 17 años seleccionados al azar sea m ayor que 750 dólares.
hum anos seleccionado al azar recibiera m ás de 100 000
c. ¿C rees que la suposición de norm alidad es razonable?
dólares en 2007?
Explica.
b. Se tom a una m uestra de 20 gerentes de recursos hum anos
7 . 4 2 La oficina de estadísticas laborales ofrece inform ación
y se reportan sus salarios anuales. ¿C uál es la probabili
de prestaciones y servicios para varias posiciones. A m ayo de
dad de que la m edia muestral del salario anual esté entre
2008, el salario nacional prom edio para una RN (enferm era
70 000 y 80 000 dólares?
registrada) fue de 65 130 dólares. Supon que la desviación es
7 . 3 9 C on base en datos desde 1996 hasta 2006 del W estern tándar es 9 385 dólares. Encuentra lo siguiente para la media
Regional C lim ate C enter, la velocidad prom edio de los vien de una m uestra aleatoria de 100 de tales enferm eras.
tos en H onolulú, H aw ai, es igual a 10.6 m illas por hora. Su
a. La probabilidad de que la m edia de la m uestra sea menor
pon que las velocidades de los vientos tienen una distribución
a 62 500 dólares.
aproxim adam ente norm al con una desviación estándar de 3.5
m illas por hora. b. La probabilidad de que la m edia m uestral esté entre
64 000 y 67 500 dólares.
a. Encuentra la probabilidad de que la velocidad del viento
en cualquier lectura superará 13.5 m illas por hora. c. La probabilidad de que la m edia m uestral sea m ayor
que$66 000 dólares.
b. Encuentra la probabilidad de que la m edia de una m uestra
aleatoria de 9 lecturas supere 13.5 m illas por hora. d. E xplica por qué la suposición de norm alidad acerca de
c. www.elsolucionario.net
¿C rees que la suposición de norm alidad es razonable?
la distribución de salarios no estuvo involucrada en las
soluciones a los incisos a, b y c.
d. ¿Q ué efecto crees que tenga la suposición de norm alidad
7 . 4 3 C on referencia al ejem plo 7.6 (p. 328), ¿qué estatura aco
sobre las respuestas a los incisos a y b? Explica.
taría el 25% inferior de todas las m uestras de tam año 25?
7 . 4 0 TIM SS 2007 (estudio internacional de tendencias en
7 . 4 4 Se selecciona una popular linterna que usa dos baterías
m atem áticas y ciencias) se enfocó en el logro m atem ático y
tam año D, y se com pran varias del m ism o m odelo para poner
científico de estudiantes de octavo grado en todo el m undo. Un
a prueba la “ vida de uso continuo” de las baterías D. C onfor
total de 8 países (incluido Estados U nidos) participó en el estu
me se instalan baterías frescas, cada linterna se enciende y se
dio. La m edia de la calificación en el exam en de m atem áticas
anota el tiem po. C uando la linterna ya no produce luz, se anota
para estudiantes estadounidenses fue 509, con una desviación
nuevam ente el tiem po. Los datos de la “ vida” resultante de
estándar de 88.
baterías R ayovac tiene una m edia de 21.0 horas.
F u e n te : h t l p : / / n c e s .e d .g o v /
F u e n t e : h H p : / / w w w . r a y o .u c . c o m .
Si supones que las calificaciones tienen distribución normal,
encuentra lo siguiente para una m uestra de 150 estudiantes. Supon que dichos valores tienen una distribución norm al, con
una desviación estándar de 1.38 horas.
a. Encuentra la probabilidad de que la calificación TIM SS
m edia para un grupo seleccionado al azar de estudiantes a. ¿C uál es la probabilidad de que una batería R ayovac se
de octavo grado esté entre 495 y 515. leccionada al azar tenga una vida de prueba de entre 20.5
y 21.5 horas?
b. E ncuentra la probabilidad de que la calificación TIM SS
para un grupo seleccionado al azar de estudiantes de octa b. ¿C uál es la probabilidad de que una m uestra de 4 baterías
vo grado sea m enor a 520. R ayovac seleccionadas al azar tenga una vida de prueba
m edia de entre 20.5 y 21.5 horas?
c. ¿C rees que la suposición de norm alidad es razonable?
Explica. c. ¿C uál es la probabilidad de que una m uestra de 16 b a
terías Rayovac seleccionadas al azar tenga una vida de
7.41 De acuerdo con el artículo “Sólo en Estados U nidos” , del
prueba m edia de entre 20.5 y 21.5 horas?
R eaders’ D igest de junio de 2004, la cantidad promedio que un
joven de 17 años gasta en su fiesta de graduación de bachillera d. ¿C uál es la probabilidad de que una m uestra de 64 ba
to es 638 dólares. Supon que las cantidades gastadas tienen una terías Rayovac seleccionadas al azar tenga una vida de
distribución normal, con una desviación estándar de 175 dólares. prueba m edia de entre 20.5 y 21.5 horas?
a. E ncuentra la probabilidad de que el costo m edio por e. D escribe el efecto que tiene el aum ento en el tam año de
asistir a una fiesta de graduación de bachillerato para 36 la m uestra sobre las respuestas a los incisos b-d.
Page 353 of 418

.
.
.
7 .4 5 a. E ncuentra P(4 < x < 6 ) para una m uestra aleatoria c. Usa los comandos RAN DO M NUMBER GENERATION Patter-
de tam año 4 extraída de una población norm al con ned Distribution del ejercicio 6 .7 1 a de la página 2 9 1 , sustitu
ye el primer valor con O, el último valor con 9, los pasos con 1
\x = 5 y or = 2. y el rango de salida con H 1 . Usa los comandos HISTOGRAM
b. U sa una com putadora para generar al azar 100 de las páginas 5 3 -5 4 con la columna G como el rango de en
trada, columna H como el rango de caja y la columna I como
m uestras, cada una de tam año 4, de una distribución
el rango de salida.
de probabilidad norm al con jx = 5 y <r= 2. C alcula la
m edia, x, para cada m uestra.
T I-8 3 /8 4 Plus
c. ¿C uántas de las m edias m uéstrales en el inciso b a. Usa los comandos CUMULATIVE NO RM AL PROBABIUTY de la
tienen valores entre 4 y 6? ¿Qué porcentaje es ese? página 2 8 5 , sustituye_el Enter con 4, 6, 5, 1). (La desviación
estándar es 1; de 2 s4 .)
d. C om para las respuestas a los incisos a y c; explica b. Usa los comandos Norm al RAN DO M DATA y STO de la pá gi
cualquier diferencia que ocurra. na 91, sustituye el Enter con 5, 2, 100). Repite dichos coman
dos tres veces más, almacenar datos en L2, L3 y L4, respectiva
mente.
MINITAB
Elige: STAT > EDIT > 1: E dít
a. Escribe los números 4 y ó en C I Usa los comandos CUMULA-
TIVE NO RM AL PROBABIUTY DISTRIBUTION de la página 28 5, R e salta: L5 (e n c a b e z a d o c o lu m n a )
sustituye la media con 5, la desviación estándar con 1 (2^ 4),
E scribe: (L1 + L2 + L3 + L4)/4
la columna de entrada con C I y el almacenamiento temporal c. Usa los comandos HISTOGRAM y TRACE de la página 5 4
en C2. Encuentra CDF(6] - CDF(4). para contar. Escribe O, 9, 1, O, 45, 1 para la Ventana.
b. Usa los comandos N orm al RAN DO M DATA de la página 91,
sustituye generar con 100, almacenar en C3-C6, media con
5 y desviación estándar con 2. Usa los comandos RO W STA- 7 .4 6 a. E ncuentra P (46 < x < 55) para una m uestra aleatoria
TISTICS de la página 31 8, sustituye variables de entrada con de tam año 16 extraída de una población norm al con
C3-C6 y almacenar resultado en C7. m edia /x = 50 y desviación estándar o-= 10.
c.
Usa los comandos HISTOGRAM de la página 5 3 para los da
tos en C7. Selecciona Labels, Data Labels, Label Type; usa ni
veles de valor y. Para ajustar el histograma, selecciona Binning
b. U sa una com putadora para generar al azar 200 m ues
tras, cada una de tam año 16, de una distribución de
con punto medio y posiciones de punto medio 0 :1 0 /1 .
probabilidad norm al con m edia /x = 50 y desviación
estándar c r= 10. C alcula la m edia, x, para cada
Excel m uestra.
a. Escribe los números 4 y 6 en la columna A. Activa la celda B1
Usa los comandos CUMULATIVE NORMAL DISTRIBUTION de la c. ¿C uántas de las m edias m uéstrales del inciso b tie
página 28 5, sustituye Xcon A l :A2. Encuentra CDF(6) —CDF(4).
nen valores entre 46 y 55? ¿Q ué porcentaje es ése?
b. Usa los comandos Norm al RAN D O M NUMBER GENERATION
de la página 91 , sustituye el número de variables con 4, núme d. C om para las respuestas a los incisos a y c; explica
ro de números aleatorios con 100, media con 5, desviación
cualquier diferencia que ocurra.
estándar con 2 y rango de salida con C I . Activa la celda G1
Usa los comandos AVERAGE INSERT FUNCTION del ejercicio
7 13b de la página 3 1 8 , sustituye N im b e rl con C 1:F1 PTI Si usas com p utad ora , consulta el e je rcicio 7 .4 5 .
Page 354 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Repaso del capítulo
■S^S
c o rí
WN i £
se o =* R ep as o d et capítulo
En retrosp ectiva
En los capítulos 6 y 7 aprendiste a usar la distribución de pro del correspondiente parám etro poblacional con una m edida de
babilidad norm al estándar. Ahora tienes dos fórm ulas para cuán precisa es la predicción. La D M M M y el teorem a central
calcular un valor z: del lím ite ayudan a describir la distribución para m edias mués
trales. En el capítulo 8 com enzarás a hacer inferencias acerca
x - u.
z = -= r- y de m edias poblacionales.
<7 cr¡ „ n
Existen otras razones para el m uestreo repetido. Las mues
D ebes tener cuidado para distinguir entre estas dos fórm u tras repetidas usualm ente se utilizan en el cam po del control de
las. La prim era proporciona el valor estándar cuando se tienen producción, en el que las m uestras se tom an para determ inar si
valores individuales de una distribución normal (valores x). La un producto es del tam año o la cantidad adecuados. C uando el
segunda fórm ula trata con una media m uestral (valor x). La cla estadístico m uestral no encaja en los estándares, es necesario
ve para distinguir entre las fórmulas es decidir si el problem a un ajuste m ecánico de la m aquinaria. E ntonces el ajuste es se
trata con un individuo x o con una m edia m uestral x. Si trata guido por otro m uestreo para asegurarse de que el proceso de
con los valores individuales de x, usa la prim era fórm ula com o
se presentó en el capítulo 6. Si el problem a trata con una m edia
producción está bajo control.
El ‘‘error estándar d e ____________ ” es el nom bre que se
m uestral, .v, usa la segunda fórmula y procede com o se ilustró usa para la desviación estándar de la distribución m uestral para
en este capítulo. cualquier estadístico que se m encione en el espacio. En este
El propósito básico para considerar qué ocurre cuando una capítulo se consideró el error estándar de la m edia. Sin em bar
población se m uestrea de m anera repetida, com o se estudió en go, tam bién podrías trabajar con el error estándar de la propor
este capítulo, es form ar distribuciones m uéstrales. La distri ción, la m ediana o cualquier o tro estadístico.
bución m uestral se usa entonces para describir la variabilidad A hora debes estar fam iliarizado con el concepto de distri
que ocurre de una m uestra a la siguiente. U na vez conocido bución muestral y, en particular, con la distribución muestral de
y com prendido este patrón de variabilidad para un estadísti las medias muéstrales. En el capítulo 8 com enzarás a realizar
co m uestral específico, es posible hacer predicciones acerca predicciones acerca de los valores de parám etros poblacionales.
CourseMate El sitio S tatistic s C o u rs e M a te y ejem plos que tienen sus correspondientes recursos interacti
los capítulos, el icono C ourseM ate señala los conceptos P lu s; regístrate en w w w .cen g ag eb rain .eo m

distribución de frecuencias (p. 315) distribución m uestral de m edias m ués- m uestra aleatoria (p. 316)
distribución de probabilidad (p. 314) trales (pp. 314, 320) teorem a central del lím ite (p. 320)
distribución m uestral (p. 323) error estándar de la m edia (p. 320) valor z (p. 327)
estadístico m uestral repetido (p. 313)
Page 355 of 418

.
.
.
Resultados d e l a p re n d iz a je
• C om prender qué es una distribución m uestral de m edias m uéstrales y que la pp. 313-314, EJ. 7.1
distribución se obtiene a partir de m uestras repetidas, todas del m ism o tam año.
• Poder form ar una distribución muestral para una m edia, m edia o rango con base EJ. 7.1, Ej. 76, 7.7
en una pequeña población finita.
• C om prender que una distribución muestral es una distribución de probabilidad EJ. 7.2
para un estadístico m uestral.
• C om prender y poder presentar y describir la distribución m uestral de m edias pp. 319-321, Ej. 7.4
m uéstrales y el teorem a central del límite.
• C om prender y poder explicar la relación entre la distribución m uestral de una pp. 319-321, Ej. 7.17, 7.18, 7.21
m edia de la m uestra y del teorem a del lím ite central.
• D eterm inar y poder explicar el efecto del tam año de la m uestra sobre el error pp. 323-324, Ej. 7.20, 7.26, 7.47
estándar de la media.
• E ntender cuándo y cóm o puede usarse la distribución norm al para encontrar EJ. 7.5
probabilidades correspondientes a m edias m uéstrales.
• C alcular, describir e interpretar valores z correspondientes a valores conocidos EJ. 7.6, EJ. 7.7
de J. Ej. 7.29, 7.30, 7.48
• C alcular valores z y probabilidades para aplicaciones de la distribución Ej. 7.33, 7.35
m uestral de m edias m uéstrales.
Ejercicios d e l ca p ítu lo www.elsolucionario.net

7 .4 7 Si una población tiene una desviación estándar o-de 18.2 Si se selecciona una m uestra al azar de 25 graduados:
unidades, ¿cuál es el error estándar de la m edia si se seleccio
c. D escribe el salario sem anal m edio a obtener un año d es
nan m uestras de tam año 9? ¿M uestras de tam año 25? ¿M ues
pués de la graduación.
tras de tam año 49? ¿M uestras de tam año 100?
d. ¿C uál es la probabilidad de que la m edia m uestral esté
7 .4 8 C onsidera una población norm al con /x = 24.7 y cr = 4.5.
entre 710 y 785 dólares?
a. C alcula el valor z para una x de 21.5.
e. ¿P or qué se usa el valor z para responder los incisos b y d?
b. C alcula el valor z para una .v de 21.5 de una m uestra de
f. ¿P or qué la fórm ula para z usada en el inciso d es diferen
tam año 25.
te del que usaste en el inciso b?
c. Explica cóm o 21.5 puede tener valores z tan diferentes.
7 .5 0 Los diám etros de las m anzanas Red D elicious en cierto
7 .4 9 La directora de enferm ería dice a los estudiantes a inscri huerto tienen distribución norm al, con una m edia de 2.63 pul
bir para la próxim a clase que los graduados de la escuela pue gadas y una desviación estándar de 0.25 pulgada.
den esperar ganar un ingreso sem anal m edio de 775 dólares
a. ¿Q ué porcentaje de las m anzanas en este huerto tienen
un año después de la graduación. Supon que la afirm ación de
diám etros m enores a 2.25 pulgadas?
la directora es verdadera y que los salarios sem anales un año
después de la graduación tienen una distribución norm al con b. ¿Q ué porcentaje de las m anzanas en el huerto son m ayo
una desviación estándar de 115 dólares res que 2.56 pulgadas de diám etro?
Si se selecciona un graduado al azar: Se recolecta una m uestra de 100 m anzanas y el diám etro m e
dio obtenido es x = 2.56.
a. D escribe la distribución del salario semanal a obtener un
año después de la graduación. c. Si se tom a otra m uestra de tam año 100, ¿cuál es la pro
babilidad de que su m edia m uestral sea m ayor que 2.56
b. ¿C uál es la probabilidad de que el graduado seleccionado
pulgadas?
gane entre 625 y 825?
d. ¿P or qué se usa el valor z para responder los incisos a-c?
Page 356 of 418

.
.
.
e. ¿P or qué la fórm ula para z usada en el inciso d es diferen c. La suposición de norm alidad te perm itió calcular las
te del que usaste en los incisos a y b? probabilidades; sin em bargo, ésta puede no ser una supo
7.51 a. Encuentra un valor para e tal que 95% de las m anza sición razonable. E xplica por qué y cóm o afecta esto a las
nas en el ejercicio 7.50 estén dentro de e unidades de probabilidades que encontraste en los incisos a y b.
la m edia, 2.63. Esto es: encuentra e tal que P(2.63 -
7 . 5 4 T o d o s necesitan recortar costos, incluso quienes planean
e < -v < 2.63 + e) = 0.95.
una boda, de acuerdo con el artículo del USA Today del 8 de
b. Encuentra un valor para E tal que 95% de las ju lio de 2009, “ La novia de hoy ‘definitivam ente es lo opuesto
m uestras de 100 m anzanas tom adas del huerto del a b rid ezilla” ’. El artículo cita el gasto prom edio del vestido de
ejercicio 7.50 tendrán valores m edios dentro de E novia, con base en inform ación de la T he K not Real W edding
unidades de la m edia, 2.63. E sto es: encuentra E tal Survey de 2008, com o 1 032 dólares. Si supones que el costo
que P (2.63 - E < x < 2.63 + E) = 0.95. de los vestidos de novia tiene una distribución norm al, con
7 . 5 2 Los estadounidenses gastan m iles de m illones en aten una desviación estándar de 550 dólares, ¿cuál es la probabili
dad de que el costo m edio de los vestidos de novia, para una
ción veterinaria cada año. De acuerdo con la A PPA N ational
m uestra de 20 futuras novias seleccionadas al azar, esté entre
Pet Ovvners Survey, los ciudadanos estadounidenses gastaron
10.1 mil m illones de dólares en cuidado de m ascotas en 2007. 800 y 1 200 dólares?
Los servicios de atención a la salud ofrecidos para los anim a 7 . 5 5 Un em barque de barras de acero se acepte si la resisten
les rivalizan con los proporcionados a los hum anos, siendo el cia a la rotura m edia de una m uestra al azar de 10 barras de
costo usual de cirugía de entre 1 700 y 3 000 dólares o más. acero es m ayor que 250 libras p o r pulgada cuadrada. En el
En prom edio, el dueño de un perro gastó un estim ado de 670 pasado, la resistencia a la rotura de tales barras tenía una media
dólares en gastos relacionados con veterinario dicho año.
F u e n t e : A m e ric a n Peí P roducís M a n u fa c lu iE is A s s a c k ifio n
de 235 y una varianza de 400.
a. Si supones que las resistencias a la rotura tienen una

Supon que el gasto anual en atención a la salud por parte del
distribución norm al, ¿cuál es la probabilidad de que
dueño de un perro tiene una distribución norm al, con una m e
una barra de acero seleccionada al azar tenga una resis
dia de 670 dólares y una desviación estándar de 290 dólares.
tencia a la rotura en el rango de 245 a 255 libras por
a. ¿C uál es la probabilidad de que el dueño de un perro, pulgada cuadrada?
seleccionado al azar de la población, haya gastado m ás de
b. ¿C uál es la probabilidad de que se acepte el em barque?
1 000 dólares en atención a la salud durante 2007?
7 . 5 6 Un reporte en The W ashington Post (26 de abril de 2009)
b. Supon que se realiza una encuesta de 300 dueños de pe
afirm a que la edad prom edio para que los hom bres se casen en
rros y a cada uno se le pide reportar el total de su factura E stados U nidos es ahora de 28 años de edad. Si se supone que
de atención veterinaria durante 2007. ¿C uál es la proba
la desviación estándar es de 3.2 años, encuentra la probabili
bilidad de que el gasto anual m edio de esta m uestra caiga
dad de que una m uestra al azar de 40 hom bres estadounidenses
entre 700 y 750 dólares? m uestre una edad m edia m enor que o igual a 27 años.
c. La suposición de distribución norm al en esta situación
7 . 5 7 Un fabricante de focos afirm a que sus focos tienen una
probablem ente desorienta. Explica por qué y qué efecto
vida m edia de 700 horas y una desviación estándar de 120 ho
tiene esto sobre las respuestas a los incisos a y b.
ras. Tú com pras 144 de dichas lám paras y decides que com
7 . 5 3 El gerente de alm acén en M arketview , consciente de prarías más si la vida m edia de tu m uestra actual superara las
la estadística, registra el núm ero de clientes que pasan por la 680 horas. ¿C uál es la probabilidad de que no com pres nueva
puerta cada día. A ños de registros m uestran que el núm ero de m ente a este fabricante?
clientes por día es de 586, con una desviación estándar de 165.
7 . 5 8 Un fabricante de neu m ático s afirm a (con base en años
Supon que el núm ero de clientes tiene una distribución normal.
de ex p erien cia con su s neu m ático s) que el m illaje m edio de
a. ¿C uál es la probabilidad de que, en un día dado, el núm e sus neu m ático s es 35 000 m illas y la d esv iació n están d ar es
ro de clientes supere 1 000? de 5 000 m illas. U na ag en cia del co n su m id o r seleccio n a al
azar 100 de d ich o s neu m ático s y en cu en tra una m edia m ues
b. Si se seleccionan 20 días al azar, ¿cuál es la probabilidad
tral de 31 000. ¿L a ag en cia del co n su m id o r d ebe d u d ar de la
de que la m edia de esta m uestra sea m enor que 550?
afirm ación del fabricante?
Page 357 of 418

.
.
.
7 .5 9 Para m uestras grandes, la sum a muestral (S.v) tiene una a. Usa una com putadora para generar al azar 50 m uestras,
distribución aproxim adam ente norm al. La m edia de la suma cada una de tam año 10 , de una distribución norm al con
m uestral es n • /x y la desviación estándar es ¿ ñ • cr. La distri m edia 135 y desviación estándar 10. Encuentra el “total
bución de ahorros por cuenta para una institución de ahorro y m uestral” y la m edia m uestral para cada m uestra.
préstam o tiene una m edia igual a 750 y una desviación están
b. C on 50 m edias m uéstrales, construye un histogram a y
dar igual a 25 dólares. Para una m uestra de 50 de tales cuentas,
encuentra su m edia y desviación estándar.
encuentra la probabilidad de que la suma en las 50 cuentas
supere 38 000 dólares. c. C on 50 “totales” m uéstrales, construye un histogram a
y encuentra su m edia y desviación estándar.
7 .6 0 Los pesos de equipaje para los pasajeros que usan una
aero lín ea p articu lar tienen una distribución norm al, con d. C om para los resultados obtenidos en los incisos b y c.
una m edia de 20 Ib y una desv iació n estándar de 4 Ib. Si el Explica cualquier sim ilitud y cualquier diferencia que
lím ite de peso del equipaje total e s de 2 125 Ib, ¿cuál es la observes.
p ro b ab ilidad de que el lím ite se superará para 100 pasajero s?
MINITAB
7.61 U na em presa de cam iones entrega electrodom ésticos en
a. Usa los comandos N orm al RAN DO M DATA de la página 91,
una gran operación m inorista. Los paquetes (o cajas) tienen un sustituye generar con 5 0 , almacenar en C1-C10, media con
peso m edio de 300 Ib y una varianza de 2 500. 135 y desviación estándar con 10. Usa los comandos ROW
STATISTICS de la página 3 1 8 , selecciona Sum y sustituye va
a. Si un cam ión puede transportar 4 000 Ib y es necesario riables de entrada con C 1-C 10 y almacenar resultado en C 11.
Usa los comandos RO W STATISTICS, selecciona nuevamente
transportar 25 electrodom ésticos, ¿cuál es la probabilidad
M ean y después sustituye variables de entrada con C1-C10 y
de que los 25 aparatos tengan un peso agregado m ayor almacenar el resultado en C12.
que la capacidad del cam ión? Supon que los 25 aparatos
representan una m uestra al azar.
b. Usa los comandos HISTOGRAM de la página 5 3 para los da
tos en C 1 2. Para ajustar el histograma, selecciona Binning con
punto medio. Usa los comandos M EAN y STANDARD DEVIA-
TION de las páginas 65 y 7 9 para los datos en C 1 2.
b. Si el cam ión tiene una capacidad de 8 000 Ib, ¿cuál es la c. Usa los comandos HISTOGRAM de la página 53 para los
probabilidad de que pueda transportar todo el lote de 25 datos en C 1 1. Para ajustar el histograma, selecciona Binning
con puntos medios. Usa los comandos M EAN y STANDARD
electrodom ésticos?
DEVIATION de las páginas 65 y 7 9 para los datos en C 1 1.
d. Usa los comandos DISPLAY DESCRIPTIVE STATISTICS de la pá
7 .6 2 U na com pañía de discos de música pop quiere que la
gina 88 para los datos en C 1 1 y C 1 2.
distribución de las duraciones de las pistas en sus discos ten
gan un prom edio de 2 m inutos y 15 segundos (135 segundos) Excel
y una desviación estándar de 10 segundos, de m odo que los a. Usa los comandos N orm al RAN D O M NUMBER GENERATION
disc jo c k e y s tengan m ucho tiem po para com erciales dentro de de la página 9 1 , sustituye número de variables con 10, núme
ro de números aleatorios con 5 0 , media con 135 y desviación
cada periodo de 5 m inutos. La población de tiem pos para pis
estándar con 10.
tas tiene una distribución aproxim adam ente norm al, sólo con
Activa la celda K 1 .
un sesgo despreciable hacia la derecha. A cabas de contar el
Elige: In s e rt fu n ctío n fx > All > SUM > OK
tiem po de las pistas en una nueva producción y descubres que
Escribe: N u m b e rl: (A1:J1 o se leccio n a celdas)
las 10 pistas prom edian 140 segundos.
A rrastra: E sq u in a Inferior d erech a d el recu ad ro valor
a. ¿Q ué porcentaje del tiem po el prom edio será de 140 se s u m a h acía ab ajo p a ra o b te n e r o tras s u m a s
gundos o m ás, si la nueva producción se selecciona Activa la celda L l. Usa los comandos AVERAGE INSERT
al azar? FUNCTION del ejercicio 7 .1 3b de la página 3 1 8 , sustituye Num
b e rl con A l :J 1.
b. Si la com pañía m usical quiere que las 10 pistas prom e b. Usa los comandos RAN DO M NUMBER GENERATION Patter-
dien no m ás de 140 segundos m enos de 5% de las veces, ned Distribution del ejercicio 6 .7 1 a de la página 2 9 1 , susti
tuye el primer valor con 125.4, el último valor con 14 4.6, los
¿cuál debe ser la m edia poblacional, dado que la desvia
pasos con 3.2 y el rango de salida con M I . Usa los comandos
ción estándar sigue siendo de 10 segundos? HISTOGRAM de las páginas 5 3 -5 4 con columna L como rango
de entrada y columna M como rango de caja. Usa los coman
7 .6 3 Sim ula la distribución muestral relacionada con la dos M EAN y STANDARD DEVIATION de las páginas 65 y 7 9
preocupación de los disc jo c ke ys por la “duración de la pista” para los datos en la columna L.
del ejercicio 7.62.
Page 358 of 418

.
.
.
c. Usa los comandos RAN DO M NUMBER GENERATION Patter- Elige: I n s e r t > C o lu m n > l s t p íc tu r e >
ned D¡3tribution del ejercicio 6 .7 1 a de la página 2 9 1 , susti N e x t > S e ríe s
tuye el primer valor con 1254, el último valor con 1446, los
pasos con 32 y el rango de salida con M 20 . Usa los coman Elige: S e le c t D ata > S e r íe s l > R em o v e > OK
dos HISTOGRAM de las páginas 5 3 -54 con columna L como b. Usa los comandos Binomial RAN DO M NUMBER GENERA
rango inicial y celdas M 20-? como el rango de caja. Usa los TION del ejercicio 5 .9 5 de la página 2 6 1 , sustituye número
comandos M EAN y STANDARD DEVIATION de las páginas de variables con 25 , número de números aleatorios con 200,
65 y 7 9 para los datos en la columna K. valor p con 0 .0 5 , número de ensayos con 16 y rango de scli-
d. Usa los comandos DESCRIPTIVE STAT1STICS de la página 88 da con C l . Activa la celda BB1. Usa los comandos AVERAGE
para los datos en las columnas K y L. INSERT FUNCTION del ejercicio 7 .1 3 b en la página 313,
sustituye N u m be rl con C l :A A 1 .
c. Usa los comandos RAN DO M NUMBER GENERATION Patter-
7 . 6 4 a. Encuentra la m edia y la desviación estándar de x para ned Distribution del ejercicio 6 .7 1 a en la página 2 9 1 , sustitu
ye el primer valor con 6.8 , el último valor con 9.2 , los pasos
una distribución de probabilidad normal con n = 16 y
con 0 .4 y el rango de salida con CC1. Usa los comandos
p = 0.5. HISTOGRAM de las páginas 5 3 -5 4 con columna BB como ran
go de entrada y columna CC com o en rango de caja. Usa los
b. U sa una com putadora para construir la distribución comandos M E A N y STANDARD DEVIATION de las páginas
de probabilidad y el histogram a para el experim ento 65 y 7 9 para los datos en la columna BB.
de probabilidad binomial con n = 16 y p = 0.5.

7 . 6 5 a. E ncuentra la m edia y la desviación estándar de x
c. U sa una com putadora para generar al azar 200 m ues
para una distribución de probabilidad binom ial, con
tras de tam año 25 de una distribución de probabili
n = 200 y p = 0.3.
dad binom ial, con n = 16 y p - 0.5. C alcula la m edia
de cada m uestra. b. U sa una com putadora para construir la distribución
de probabilidad y el histogram a para la variable alea
d. Construye un histogram a y encuentra la m edia y la
desviación estándar de las 200 m edias m uéstrales.
toria .v del experim ento de probabilidad binom ial con
n = 200 y p = 0.3.
e. C om para la distribución de probabilidad de x que
c. U sa una com putadora para generar al azar 200 mues
encontraste en el inciso b y la distribución de fre
tras de tam año 25 de una distribución de probabili
cuencias de T del inciso d. ¿Tu inform ación apoya el
dad binom ial con n = 200 y p = 0.3. C alcula la media
T C L ? Explica.
x de cada m uestra.
d. Construye un histogram a y encuentra la m edia y la

MINITAB
desviación estándar de las 200 m edias muéstrales.
a. Usa los comandos MAKE PATTERNED DATA del ejercicio
6 .7 1 a de la página 2 9 1 , sustituye el primer valor con O, el
e. C om para la distribución de probabilidad de x que
último valor con 16 y los pasos con 1. Usa los comandos Bl-
N O M IA L PROBABILITY DISTRIBUTIONS de la página 25 1, encontraste en el inciso b y la distribución de
sustituye n con 16, p con 0.5, columna de entrada con C l y frecuencias de x que encontraste en el inciso d.
almacenamiento opcional en C2. Usa los comandos Scatter-
plot with Connect Line de la página 129, sustituye Y con C2 y ¿Tu inform ación apoya el T C L ? Explica.
X con C l .
b. Usa los comandos BINOMIAL RAN DO M DATA de la pá gi
na 26 1, sustituye generar con 2 0 0 , almacenar en C3-C27, PTI Usa los com andos del e je rcicio 7 .6 4 y ha z los ajustes
número de ensayos con 16 y pro ba bilida d con 0.5. Usa los
necesarios.
comandos RO W STATISTICS para una media de la página
3 1 8 y sustituye variables de entrada con C3-C27 y almace
nar resultado en C 28 Usa les comandos HISTOGRAM de la
página 5 3 para los datos en C28. Para ajustar el histograma, 7 . 6 6 U na m uestra de 144 valores se selecciona al azar de una
selecciona Binning with midpoints. Usa los comandos M EAN y población con m edia, /x, igual a 45 y desviación estándar, cr,
STANDARD DEVIATION de las páginas 65 y 7 9 para los datos
en C28. igual a 18.
a. D eterm ina el intervalo (del valor m ás pequeño al valor

Excel
m ás grande) dentro del cual esperarías que se encuentre
a. Escribe del 0 al 16 en la columna A. Continúa con los co
mandos de p ro b a b ilid a d b iro m ia l de las páginas 25 1 -2 5 2 la m edia m uestral.
y usa n = 16 y p = 0.5 . Activa las columnas A y B; después
continúa con:
Page 359 of 418

.
.
.
338 Capítulo 7 V ariabilidad muestral
b. ¿C uál es la cantidad de desviación desde la m edia para d. ¿C óm o se relaciona la desviación m áxim a con el error
una m edia m uestral de 45.3? estándar de la m edia?
c. ¿C uál es la desviación m áxim a que perm itiste en tu

respuesta al inciso a?
E x a m e n de p ráctica d e l capítulo
P A R T E I: C o n o c im ien to d e las definiciones una m uestra al azar de 16 truchas de lago, ¿cuál es la
R esponde “ verdadero” si el enunciado siem pre es verdadero. probabilidad de que la longitud m edia de su captura
Si el enunciado no siem pre es verdadero, sustituye las palabras total sea m enor a 15 pulgadas?
en negrillas con las palabras que hagar. al enunciado siem pre 7 . 1 2 Se afirm a que los en cen d ed o res fab ricad o s p o r Eas-
verdadero.
yV ice C om pany tienen una vida m ed ia de 20 m eses,
7.1 U na distribución m uestral es una distribución que m en con una d esv iació n están d ar de 6 m eses. La garantía
ciona todos los estadísticos m uéstrales que describen de d ev o lu ció n de d in ero te perm ite reg resar el en c en
una m uestra particular. d ed o r si no d u ra al m enos 12 m eses desde la fecha de
7 .2 L os histogram as de to d a s las distribuciones m uéstrales com pra.
son sim étricos. a. Si las vidas de dichos encendedores tienen una dis
7 .3 La m edia de la distribución muestral de .v es igual a la tribución norm al, ¿qué porcentaje de los encendedo
m edia de la m u e stra . res se devolverán a la com pañía?
7 .4 El error estándar de la m edia es la desviación estándar b. Si se pone a prueba una m uestra al azar de 25 en
7 .5
de la población d e d o n d e se to m a ro n las m u e stra s.
El error estándar de la m edia a u m e n ta conform e se in
cendedores, ¿cuál es la probabilidad de que la vida
m edia m uestral sea de m ás de 18 m eses?
crem enta el tam año de la muestra. 7 . 1 3 Se considera que los rem aches de alum inio producidos
7 .6 La form a de la distribución de medias m uéstrales siem por Rivets Forever, Inc., tienen resistencias al corte que
pre es el de una distribución n o rm al. se distribuyen en tom o a una m edia de 13.75, con una
desviación estándar de 2.4. Si esta inform ación es ver
7 .7 U na distribución de p ro b a b ilid a d de un estadístico
dadera y se pone a prueba la resistencia al corte de una
m uestral es una distribución de todos los valores de di
m uestra de 64 de dichos rem aches, ¿cuál es la probabili
cho estadístico que se obtuvieron a partir de todas las
dad de que la resistencia m edia esté entre 13.6 y 14.2?
m uestras posibles.
7 .8 La distribución m uestral de medias m uéstrales ofrece P A R T E III: C o m p re n d e r los co n cep to s
una descripción de las tres características de una distri 7 . 1 4 “D os cabezas son m ejor que una.” Si esto es verdade
bución m uestral de m e d ia n a s muéstrales. ro, ¿entonces qué tan buenas serían m uchas cabezas?
7 .9 U na m u e stra de fre c u e n c ia s se ODtiene en tal fo rm a que Para descubrirlo, una profesora de estadística dibujó
to d a s las posibles m uestras de un ta m añ o d a d o tienen una recta a través del pizarrón y pidió a su clase estim ar
igual posibilidad de ser seleccionadas. su longitud hasta la pulgada m ás cercana. Ella recopiló
7 .1 0 N o es n e c e sa rio tom ar m uestras repetidas con la finali sus estim aciones, que variaron desde 33 hasta 61 pulga
dad de usar el concepto de distribución m uestral. das y calculó el valor m edio. D espués reportó que dicha
m edia fue de 42.25 pulgadas. E ntonces m idió la recta y
P A R T E II: A plicació n d e los conceptos
descubrió que m edía 41.75 pulgadas. ¿E sto dem uestra
7 . 1 1 Se cree que las longitudes de la trucha de lago en Cone-
que “m uchas cabezas son m ejor que una” ? ¿C uál teoría
sus Lake tienen una distribución norm al con una m edia
estadística apoya esta ocurrencia? Explica cóm o.
de 15.6 pulgadas y una desviación estándar de 3.8 pul
7 . 1 5 La distribución m uestral de m edias m uéstrales es más
gadas.
que sólo una distribución de los valores m edios que
a. K evin va a pescar a C onesus Lake m añana. Si cap
ocurren a partir de m uchas m uestras repetidas tom adas
tura una trucha de lago, ¿cuál es la probabilidad de
de la m ism a población. D escribe qué otra condición es
que sea m enor a 15.0 pulgadas de largo?
pecífica debe satisfacerse con la finalidad de tener una
b. Si m añana el bote de pesca del capitán Brian lleva
distribución m uestral de m edias m uéstrales.
a 10 personas a pescar a Conesus Lake y capturan
Page 360 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/Examen de p rá ctica d e íc a p ítu lo 339
7 . 1 6 El estudiante A afirma: “una distribución m uestral de 7 . 1 7 El estudiante A dice que es “el tam año de cada muestra
las desviaciones estándar te dice cóm o varía la desvia utilizada” y el estudiante B dice que es “el número de
ción estándar de m uestra a m uestra” . El estudiante B muestras utilizadas” el que determina la dispersión de una
argum enta: “ una distribución poblacional te dice eso ”. distribución muestral empírica. ¿Quién tiene la razón?
¿Q uién tiene la razón? Justifica tu respuesta. Justifica tu elección.
Page 361 of 418

.
.
.
Introducción a la inferencia
e sta d ístic a
8.1 La naturaleza de la estim ación
D os form as de estim ación: estimación pu n tu a l y
estimación por intervalo
8.2 Estim ación de m edia /x (cr conocida)
Cóm o usar la D M M M y e l TCL p a ra estimar la media
poblacional
8.3 La naturaleza de la prueba de hipótesis
L as p ruebas com ienzan con una hipótesis nula y una
hipótesis alternativa
8.4 Prueba de hipótesis de m edia pu
(cr conocida): Un método de valor de
probabilidad
Cóm o usar la capacidad de la com putadora para
com pletar el proceso de toma de decisiones
8.5 Prueba de hipótesis de m edia ¡ j l (cr
conocida): Un método clásico (opcional)
Cóm o usar valores críticos para la tom a de decisiones
¡8.1
La n a tu ra le za d e la estim ación
¿Somos m ás altos o m ás bajo s a h o ra ?
La estatura promedio de un inglés del siglo XVII era de aproxim adam ente 5 pies 6 pulgadas. Para
las inglesas del siglo xvn, era de aproxim adam ente 5 pies pulgada. A unque las estaturas prom edio en
Inglaterra virtualm ente perm anecieron invariables en los siglos xvn y xvm, los colonizadores am ericanos
crecieron m ás altos. Los prom edios para los estadounidenses m odernos están apenas por arriba de 5 pies
• 3
9 pulgadas para hom bres y aproxim adam ente 5 pies 3 ¿ pulgadas para m ujeres.
F u e n t e ! h ttp ://w w w .p liin o tli.o rg /
El C entro Nacional para Estadísticas de Salud (N C H S) proporciona inform ación estadística que guia
rá acciones y políticas para m ejorar la salud del pueblo estadounidense. D atos recientes del N CH S dan
la estatura prom edio de las m ujeres en Estados U nidos en 63.7 pulgadas, con una desviación estándar de
2.75 pulgadas.
Supon que se recopila una m uestra de estaturas de 50 m ujeres profesionales de la salud estadouniden
ses seleccionada.** al azar. ¿E speras que la m edia de esta m uestra aleatoria de 50 estaturas de m ujeres sea
exactam ente igual a la m edia poblacional de 63.7 pulgadas dadas por N CH S (una pregunta de estima
ción)? Si la m edia m uestral es m ayor que 63.7 pulgadas, ¿ello significa que las profesionales de la salud
m ujeres sean más altas que las m ujeres estadounidenses (una pregunta de p ru e b a de hipótesis) ? Éstas
son preguntas inferenciales respecto a si “¿som os m ás altos o m ás bajos ahora?”.
C om o recordarás, el teorem a central del lím ite te da cierta inform ación m uy im portante acerca de la
distribución muestral de las m edias m uéstrales (D M M M ). E specíficam ente, afirm a que, en m uchos casos
realistas (cuando la m uestra aleatoria es suficientem ente grande), una distribución de m edias m uéstrales
tiene una distribución norm al o aproxim adam ente norm al en torno a la m edia de la población. C on esta
inform ación es posible hacer enunciados de probabilidad acerca de la posibilidad de que ocurran ciertos
valores de medias m uéstrales cuando las m uestras se extraen de una población con una m edia conocida y
una desviación estándar conocida. A hora estás listo para d ar un giro a esta situación hacia el caso donde
la m edia poblacional no es conocida. Extraerás una m uestra, calcularás su valor m edio y luego harás una
inferencia acerca del valor de la m edia poblacional con base en el valor de la m edia m uestral.
El objetivo de las estadísticas inferenciales es usar la inform ación contenida en los datos m uéstrales
para aum entar el conocim iento de la población m uestreada. A prenderás acerca de la realización de dos
Page 362 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8.1 La naturaleza de la estim ación 341
tipos de inferencias: 1 ) estim ación del valor de un parám etro poblacional y 2 ) poner a
prueba la hipótesis. La distribución muestral de m edias m uéstrales (D M M M ) es la clave
para hacer dichas inferencias, com o se m uestra en la figura 8. 1 .
FIGURA 8.1
D ó n d e en tra la d is trib u c ió n m u e stra l en e l p ro c e s o estadístico
El proceso estadístico
Recolección O Análisis
de M uestra
de datos
muestra r Datos muéstrales
aleatoria recolecta
Usa el estadístico muestral x (y la

distribución muestral) pa ra hacer
www.elsolucionario.net una inferencia acerca de la media

poblacional, pt.
En este capítulo tratarás con preguntas acerca de la m edia poblacional usando dos
m étodos que suponen que el valor de la desviación estándar poblacional es una cantidad
¿SABÍAS q u e ...? conocida. Esta suposición rara vez se observa en problem as de la vida real, pero será el
Adictos al chocolate prim er contacto con técnicas de inferencia m ucho m ás sim ples.
A partir del concepto de estimación, considera una com pañía que fabrica remaches
El c h o c o la te se o b tie
para usar en la construcción de aeronaves. U na característica de im portancia extrem a es la
ne del á rb o l d e c a c a o .
“resistencia al corte” de cada rem ache. Los ingenieros de la com pañía deben monitorear
C a d a fru to con fo rm a de
la producción para asegurarse de que la resistencia al corte de los rem aches satisface las
m elón co n tie n e d e 2 0 a
especificaciones requeridas. Para lograr esto, tom an una m uestra y determ inan la resistencia
5 0 g ra n o s. Para e la b o
al corte m edia de la muestra. Con base en esta inform ación m uestral, la com pañía puede
ra r una lib ra d e c h o c o
estim ar la resistencia al corte m edia para todos los rem aches que fabrica.
late se necesitan a p ro x i
Se selecciona una m uestra de 36 rem aches y cada rem ache se pone a prueba para resis
m a d a m e nte 4 0 0 g ra n o s.
tencia al corte. La m edia m uestral resultante es J = 924.23 Ib. Con base en esta m uestra, se
Estados U n id o s es un
dice: “se considera que la resistencia al corte m edia de todos los rem aches es de 924.23 Ib”.
país de a d icto s al c h o c o
late: los estado u n id e n se s
Notas:
consum en 1 1 .6 Ib por
1. La resistencia al corte es la fuerza requerida para rom per un m aterial en una acción “de
p erso na c a d a año.
corte”. O bviam ente, el fabricante no pondrá a prueba todos los rem aches, porque la
prueba destruye cada rem ache puesto a prueba. Por tanto, se ponen a prueba muestras
y la inform ación acerca de cada m uestra debe usarse para realizar inferencias acerca de
la población de todos los rem aches.
2. A lo largo del capítulo 8 tratarás la desviación estándar, o-, com o una cantidad conocida
o dada y te concentrarás en el aprendizaje de los procedim ientos para realizar inferen
cias estadísticas en torno a la m edia poblacional, /x. En consecuencia, para continuar
con la explicación de las inferencias estadísticas, supondrás <j - 18 para los remaches
específicos descritos en el ejem plo.
Page 363 of 418

.
.
.
34 2 Capítulo 8 Introducción a la inferencia estadística
Estim ació n pu n tu al p a ra un p a rá m e tro Un solo núm ero d e s ig n a d o p a ra esti

m a r un p a rá m e tro c u a n tita tiv o d e una p o b la c ió n , p o r lo g e n e ra l el v a lo r del
co rre s p o n d ie n te estadístico muestral.
Esto es: la m edia m uestral, J , es la estim ación puntual (valor de un solo núm ero) para la
media, p,, de la población m uestreada. Para el ejem plo de los rem aches, 924.23 es la esti
mación puntual para p,, la resistencia al corte m edia de todos los rem aches.
La calidad de esta estim ación puntual debe cuestionarse. ¿L a estim ación es exacta?
¿Es probable que la estim ación sea alta? ¿O baja? ¿O tra m uestra produciría el m ism o
resultado? ¿O tra m uestra produciría una estim ación casi del m ism o valor? ¿O un valor
que sea diferente? ¿C óm o se m iden “casi igual” o “ m uy diferente”?, la calidad de un pro
cedim iento de estim ación (o m étodo) se m ejora enorm em ente si el estadístico m uestral es
tanto m enos variable com o sin sesgo. La variabilidad de un estadístico se m ide por el error
estándar de su distribución m uestral. La m edia m uestral puede hacerse m enos variable al
reducir su error estándar. a / s n . Ello requiere usar una m uestra m ás grande porque, confor
me n aum enta, el error estándar dism inuye.
Estadístico sin sesgo Estadístico m uestral cuya d is trib u c ió n muestral tie n e un

v a lo r m e d io ig u a l al v a lo r del p a rá m e tro p o b la c io n a l a estimar. Un estadístico
qu e no es no sesgado es un estadístico sesgado
La figura 8.2 ilustra el concepto de no sesgado y el efecto de variabilidad sobre la
estim ación puntual. El valor A es el parám etro a estim ar y los puntos representan posibles
valores de estadístico m uestral a partir de la distribución m uestral del estadístico. Si A
representa la verdadera m edia poblacional, ¡x, entonces los puntos representan posibles
m edias m uéstrales de la distribución m uestral x.
FIGURA 8.2
Efectos d e v a ria b ilid a d y sesgo
Sesgo negativo No sesgado (estimación Sesgo positivo

(subestimación) en el objetivo) (sobrestimación)
Variación alta (a) (b)

• * ♦ •
Variación baja (d) ^ (e) (f)
Las figuras 8.2a), c), d) y f) m uestran estadísticos sesgados; a) y d) m uestran distribu

ciones m uéstrales cuyos valores m edios son m enores que el valor del parám etro, m ientras
que c) y f) m uestran distribuciones m uéstrales cuyos valores m edios son m ayores que el
parámetro. Las figuras 8.2b) y e) m uestran distribuciones m uéstrales que parecen tener un
valor m edio igual al valor del parám etro; por tanto, no son sesgadas. Las figuras 8.2a), b)
y c) m uestran más variabilidad, m ientras que d), e) y f) m uestran m enos variabilidad en
las distribuciones m uéstrales. El diagram a e) representa la m ejor situación, un estim ador
que no es sesgado (en el objetivo) y tiene baja variabilidad (todos los valores cercanos al
objetivo).
Page 364 of 418
.
.
.
Sección 8.1 La naturaleza de la estim ación 343
L a m edia m uestral, x, es un estadístico no sesgado porque el v alo r m edio de la distri
bución m uestral de m edias m uéstrales, p,^, es igual a la m edia poblacional, p,. (Recuerda
que la distribución m uestral de las m edias m uéstrales tiene una m edia p,r = p,.) Por tanto,
el estadístico m uestral x = 924.23 es una estim ación puntual no sesgada para la resistencia
m edia de todos los rem aches a fabricar en el ejem plo.
L as m edias m uéstrales varían en valor y form an una distribución m uestral en la que no
todas las m uestras resulten en valores x iguales a la m edia poblacional. Por tanto, no debes
esperar que esta m uestra de 36 rem aches produzca una estim ación puntual (m edia mues
tral) que sea exactam ente igual a la m edia p, de la población m uestreada. Sin em bargo, de
bes esperar que la estim ación puntual esté bastante cerca en valor a la m edia poblacional.
La distribución m uestral de m edias m uéstrales (D M M M ) y el teorem a central del límite
(TC L) proporcionan la inform ación necesaria para describir cuán cerca la estim ación pun
tual, J , se espera que esté de la m edia poblacional, p,.
Recuerda que aproxim adam ente 95% de una distribución normal está dentro de 2 des
viaciones estándar de la m edia y que el T C L describe la distribución muestral de medias
m uéstrales com o casi norm ales cuando las muestras son suficientemente grandes. Las mues
tras de tam año 36 de las poblaciones de variables com o las resistencias de rem aches por lo
general se consideran suficientemente grandes. Por tanto, debes anticipar que 95% de todas
las m uestras aleatorias seleccionadas de una población con m edia desconocida p, y desvia
ción estándar cr = 18 tendrán medias .v entre
PTI <7 = 1 8 se dio en

p , - 2 (<rx) y p. + 2(<r_)
la nota 2 de la p á gina
341.
www.elsolucionario.net y H + 2ÍZ
^(ü) y ^(¿f
p, - 6 y p, + 6
Esto sugiere que 95% de todas las m uestras aleatorias de tam año 36 seleccionadas de la
población de rem aches debe tener una m edia x entre p, - 6 y p, + 6.La figura 8.3 muestra
95% m edio de la distribución, las cotas del intervalo que cubren 95% y la m edia p,.
FIGURA 8.3
D is trib u c ió n m uestral de x, p, d e s c o n o c id a
A hora reúne toda esta inform ación en la form a de un intervalo de confianza.
Estimación por intervalo Un in te rv a lo a c o ta d o p o r dos va lo re s y usado p a ra

e stim ar el v a lo r d e un p a rá m e tro p o b la c io n a l. Los v a lo re s qu e a co ta n este
in te rv a lo son estadísticos c a lc u la d o s a p a rtir d e la muestra q u e se usará com o
la base p a ra la estim a ció n .
N ivel de confianza 1 - a Parte de to d a s las estim aciones d e in te rv a lo que

in clu ye n el p a rá m e tro a estimar.
Intervalo de confianza Estim ación p o r in te rv a lo con un nivel esp ecífico de

c o n fia n z a .
Page 365 of 418

.
.
.
344 Copítulo 8 Introducción a la inferencia estadística
Para construir el intervalo de confianza, usarás la estim ación puntual x com o el valor cen
tral de un intervalo en gran form a com o usaste la m edia \x com o el valor central para en
centrar el intervalo que captura el 95% m edio de la distribución x en la figura 8.3.
Para el ejem plo de rem aches, es posible encontrar las cotas a un intervalo con centro
en .v.
x - 2(cr_) a x + 2(<r_)
924.23 - 6 a 924.23 + 6
lEXOO-OOO) identifica el nombre de archivo de una base de datos en línea de un ejercicio; disponible a través de cengagebrain.i
El intervalo resultante es 918.23 a 930.23

El nivel de confianza asignado a este intervalo es aproxim adam ente 95% , o 0.95. Las cotas
del intervalo son dos m últiplos (z. = 2 .0 ) del error estándar de la m edia m uestral y al obser
var la tabla 3 del apéndice B, puedes determ inar con más precisión el nivel de confianza
com o 0.9545. Al ju n ta r toda esta inform ación, la estim ación se expresa com o un intervalo
de confianza; 918.23 a 930.23 es el intervalo de confianza de 95.45% para la resistencia
al corte m edio de los rem aches. O , en form a abreviada; 918.23 a 930.23. el intervalo de
confianza de 95.45% para /x.
PTI Visita la W ebC am

"EL VIEJO FIEL" DEL PARQUE
de "El V ie jo Fiel". YELLOWSTONE
¿Cuándo se pre dice
que ocurra la siguiente
erupción?
B ie n ve n id o
Fiel".
a la W e b C a m de "El V ie jo Oíd F a ih fu i is pf etíieled lo e n jp i a* 3 : 19 P M + /-1 0 min
Fri A uy 14.2009 03:25 1 9p m
Las p re d ic c io n e s del m om ento d e la

siguiente e ru p c ió n d e "El V ie jo F ie l" las
hacen los g u a rd ia n e s del p a rq u e m e d ia n
¿S A B IA S Q U E ...? te una fó rm u la q u e to m a en cuenta la d u
ra ció n de la e ru p c ió n a n te rio r. La fó rm u la
Y ellow stone co n tie n e
usada resulta ser p re c is a , m ás o m enos 10
a p ro x im a d a m e n te la
m in u to s , 9 0 % d e la s ve ce s. A la s 3 : 0 5 p .m .
m ita d d e las p a rtic u
del 14 de a g o sto de 2 0 0 9 , la p re d ic c ió n
la rid a d e s h id ro té rm i-
del m om ento d e la sig u ie n te e ru p c ió n fue:
cas del m u n d o . En el
p a rq u e existen más S iguiente p re d ic c ió n :
de 10 0 0 0 p a rtic u la 3 :1 9 p .m . ± 10 m in.
rid a d e s h id ro té rm ic a s , Fuente: h l t p : / / w w w . n p s . g o v / ye 11/o k lta ilh lu lc a in .h tm
in c lu id o s m ás d e 3 0 0
O b s e rv a el m om ento en que se to m ó la
géiseres.
fo to g ra fía : 3 : 2 5 : 19 p .m . ¡Justo a tie m p o ! © S C P h o to s /A b m y
8.1
© E J E R C I C I O S
[E X 08-001] U na m uestra aleatoria de 50 m ujeres esta

S E C C I Ó N 8.1
viación estándar, m ás algún otro estadístico num érico

dounidenses profesionales de la salud produjo los siguientes que ayude a describir la m uestra.
datos de estatura.
c. C onstruye un histogram a y com enta acerca de la form a
65 6ó 64 67 59 69 66 69 64 62 de la distribución. Construye cualquier otro gráfico que
63 62 63 64 72 66 65 64 67 68 ayude a describir la m uestra.
70 63 63 68 58 60 64 66 64 62
65 69 64 69 62 58 66 68 59 56 d. U sa los estadísticos que encontraste en los incisos b y c,
64 6ó 65 69 67 67 68 62 70 62 estim a la estatura m edia de todas las m ujeres estadouni
a. ¿Q ué población se m uestreó para obtener los datos de denses profesionales de la salud usando un solo valor.
estatura que se m encionan arriba? Usa un intervalo.
b. D escribe los datos m uéstrales usando la m edia y la des e. ¿Q ué calidad de la estim ación por intervalos m ejoraría la
valía del intervalo?
Page 366 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8.1 La naturaleza de la estim ación 345
8.2 C on referencia al ejercicio 8.1: 8 .6 [E X 0 8 -0 0 6 ] El núm ero de cam iones propiedad del de
partam ento de bom beros se obtuvo de una m uestra aleatoria
a. ¿C óm o la distribución de los datos de estatura m uéstrales
tom ada de los perfiles de los departam entos de bom beros a
de la p. 344 se relaciona con: 1) la distribución de la po
través de E stados U nidos (Firehouselju n io de 2003).
blación? 2) ¿L a distribución m uestral de las m edias
m uéstrales? 29 8 7 33 21 26 6 11 4 54 7 T
b. Con las técnicas del capítulo 7, encuentra los límites U sa los datos para encontrar una estim ación puntual para cada
que acotarían 90% m edio de la distribución m uestral de uno de los siguientes parám etros:
m edias m uéstrales para m uestras de tam año 50 seleccio
a. M edia
nadas al azar de la población de estaturas de m ujeres con
una m edia conocida de 63.7 pulgadas y una desviación b. V arianza
estándar de 2.75 pulgadas.
c. D esviación estándar
c. En el histogram a dibujado en el ejercicio 8.1: 1) Dibuja
8 .7 En cada uno de los siguientes diagram as, I y II represen
una recta vertical a la medií: poblacional de 63.7. 2) D i
tan distribuciones m uéstrales de dos estadísticos que pueden
buja un segm ento de recta horizontal que m uestre el in
usarse para estim ar un parám etro. En cada caso, identifica el
tervalo que encontraste en el inciso b. ¿L a m edia muestral
estadístico que consideres que sería el m ejor estim ador, o nin
que encontraste en el ejercicio 8. 1 b cae en el intervalo?
guno, y describe por qué es ésa tu elección.
Responde sí o no y explica qué significa.
d. U sa las técnicas del capítulo 7 y encuentra P (x > 64.7) a.
para una m uestra aleatoria de 50, extraída de una pobla

ción con una m edia conocida de 63.7 pulgadas y una des
viación estándar de 2.75 pulgadas. Explica el significado
e.
del valor resultante.
¿L a m uestra de 50 valores de datos de estatura parecen

pertenecer a la población descrita por el N CH S ? Explica.
f. Revisa las respuestas anteriores y considera cóm o pueden

usarse la D M M M y el T C L del capítulo 7 para hacer un
m ejoram iento en la estim ación por intervalos.
8.3 Explica la diferencia entre una estim ación puntual y una

estim ación por intervalos.
8 .4 Identifica cada valor num érico por “ nombre*' (por ejem

c.
plo, m edia , varianza) y por sím bolo (por ejem plo, .v):
a. La estatura m edia de 24 chicas de secundaria es 4 pies

11 pulgadas.
b. La desviación estándar para puntajes C l es 16.
c. La varianza entre las calificaciones del exam en de la

sem ana pasada fue 190.
8.8 Supon que existen dos estadísticos que servirán com o es
d. La estatura m edia de todos los cadetes que alguna vez tim ador para el m ism o parám etro. Uno de ellos es sesgado y el
ingresaron a W est Point es 69 pulgadas. otro es no sesgado.
8.5 [E X 08-005] Se obtuvo una m uestra aleatoria de la canti a. Si todo se m antiene igual, explica por qué usualm ente
dad pagada (en dólares) para un taxi desde el centro hasta el preferirías un estim ador no sesgado a un estim ador
aeropuerto: sesgado.
15 19 17 23 21 17 16 18 12 18 20 22 15 18 20 b. Si un estadístico es no sesgado, ¿ello asegura que sea un

buen estim ador? ¿P o r qué sí o por qué no? ¿Q ué otras
U sa los datos para encontrar una estim ación puntual para cada
consideraciones deben tom arse en cuenta?
uno de los siguientes parám etros.
c. D escribe una situación que pueda ocurrir en la que el
a. M edia
estadístico sesgado pueda ser una m ejor elección
b. V arianza com o estim ador que el estadístico no sesgado.
c. D esviación estándar
Page 367 of 418

.
.
.
346 Capítulo 8 Introducción a la inferencia estadística
8 .9 El uso de una m uestra trem endam ente grande no garanti a. x - 1 .2 8 • cr_
X
a x + 1.28 • cr_
X
za la calidad en un estim ador. ¿Q ué problem as anticipas con

b. .v - 1.44 • cr_
jr
a x + 1.44 • cr_
m uestras m uy grandes? jt
c. .v - 1.96 • cr_ a x + 1.96 • ct_

8 .1 0 S er no sesgadas y tener una variabilidad pequeña son dos X X
características deseables de un estadístico si se usará com o es d. .v - 2.33 • cr_

X
a x + 2.33 • cr_
X
tim ador. D escribe cóm o la D M M M aborda am bas propiedades

8 .1 6 Encuentra el nivel de confianza asignado a una estim a
cuando se estim a la m edia de una población.
ción por intervalos de la m edia form ada usando los siguientes
8.11 La O ficina de C ensos de E stados U nidos reporta que la intervalos:
m edia estim ada del ingreso fam iliar estadounidense de parejas
a. .v - 1.15 • cr_ a J + 1.15 • cr_
casadas es $90 835 ± $101. La oficina describe el m argen de jr jt
error com o uno que ofrece una probabilidad de 90% de que el b. .v - 1.65 • cr_
jr
a x + 1.65 • cr_
x
intervalo definido por la estim ación menos el m argen de error
c. .v - 2.17 • cr_ a .v + 2.17»cr_X
y la estim ación m ás el m argen de error (las cotas de confianza JC
inferior y superior) contienen el valor verdadero. d. .v - 2.58 • cr_

X
a x + 2.58 • cr_X
Fuente: U.S. Census Bui&au, 2 0 0 5 - 2 0 0 7 American Community- Survey 8 .1 7 La U niversidad de Bristol, en el Reino Unido, llevó a
a. ¿C uál es la población y la variable de interés? cabo el “R equerim iento poblacional para cirugía prim aria de
reem plazo de cadera: un estudio transversal” . Los hallazgos
b. ¿Q ué parám etro se estim a? ¿C uál es su valor estim ado? resultaron en el siguiente enunciado: “ La prevalencia de dolor
c. ¿C óm o se relaciona el m argen de error con el error m áxi de cadera autorreportado fue de 107 por 1 000 (95% IC 101-
m o de estim ación? 113) para hom bres y 173 p o r 1 000 (166-180) para m ujeres”.
d. ¿Q ué valor se reporta com o el margen de error? a. E xplica el significado del intervalo de confianza, 95% IC
e. www.elsolucionario.net
¿Q ué nivel de confianza se reporta?
b.
101-113.
Encuentra el error estándar para el intervalo de confianza

f. Encuentra el intervalo de confianza y enuncia con exacti de 95% para dolor de cadera autorreportado de hom bres.
tud qué representa.
c. Si supones que los datos de las m ujeres tam bién tienen
8 .1 2 Reportes d el consum idor El Centro N acional de Investi un intervalo de confianza de 95% , encuentra el error
gación reportó que 76% de las m ujeres responde “diariam ente estándar.
O con m ucha frecuencia” cuando se les pregunta: ¿con qué fre
cuencia hace su cam a? Com o nota al pie se incluye esta infor 8 .1 8 Una m uestra de 25 de 174 proyectos patrocinados reveló
m ación adicional: m argen de error ±3.2 puntos porcentuales. que 19 estaban valuados en $17 320 cada uno y 6 estaban va
luados en $20 200 cada uno. A partir de los datos m uéstrales,
a. ¿C uál es la población y la variable de interés? estim a el valor total del patrocinio para todos los proyectos.
b. ¿Q ué parám etro se estim a? ¿C uál es su valor estim ado? 8 .1 9 Con la inform ación de erupciones de “El V iejo Fiel” del
c. ¿Q ué valor se reporta com o el margen de error? ejem plo aplicado 8.1 en la página 344:
d. Encuentra el intervalo y enuncia con exactitud qué repre a. ¿Q ué significa “3:19 p.m. ±10 m in”? Explica.
senta. b. ¿E sta erupción ocurrió durante el intervalo de tiem po
e. ¿Q ué inform ación adicional desearías para saber acerca predicho?
de este intervalo de confianza? c. ¿Q ué significa “90% de las veces”? Explica.
8 .1 3 E xplica por qué el error estándar de las m edias m ués 8 .2 0 Un reclutador estim a que, si te contrata para trabajar en
trales es 3 para el ejem plo de los rem aches de la página 343. su com pañía y laboras toda una sem ana en el puesto de repre
8 .1 4 a. Verifica que un nivel de confianza de 95% requiere sentante de ventas com isionado te ofrece que ganarás “S525
un intervalo de 1.96 desviaciones estándar. m ás o m enos $250, 80% de las veces”. Y agrega: “ ¡todo d e
pende de ti!” .
b. V erifica que el nivel de confianza para un intervalo
de 2 desviaciones estándar es 95.45% . a. ¿Q ué significa “$525 más o m enos $250”?
8 .1 5 Encuentra el nivel de confianza asignado a una estim a b. ¿Q ué significa “80% de las veces”?
ción por intervalos de la m edia formada usando los siguientes c. Si ganas $300 al $10 más cercano la m ayoría de las sem a
intervalos: nas, ¿te habrá dicho la verdad? Explica.
Page 368 of 418

.
.
.
Sección 8.2 Estimación de m edia /x (ir co n o cid a ) 347
| 8.2 E stim ación d e m e d ia ¡ jl (<xconocida7
En la sección 8.1 se sondearon las ideas básicas de la estim ación: estim ación puntual, es
tim ación por intervalos, nivel de confianza e intervalo de confianza. D ichas ideas básicas
están interrelacionadas y se usan a lo largo de la estadística cuando una inferencia necesita
una estim ación. En esta sección se form aliza el proceso de estim ación por intervalos como
se aplica a la estim ación de la m edia poblacional /x con base en una m uestra aleatoria bajo
la restricción de que la desviación estándar poblacional o - es un valor conocido.
La distribución m uestral de las m edias m uéstrales y el T C L ofrecen la inform ación que
necesitas para garantizar que se satisfacen las suposiciones necesarias para estim ar una
m edia poblacional.
La suposición p ara estimar la m edia je* con el uso de una a-conocida La d istri
b u ció n m uestral d e x tiene una d is trib u c ió n norm al.
Nota: la palabra suposición es una denom inación un poco equivocada. N o significa que
“supones” que algo es la situación y continúas, sino m ás bien que debes asegurarte de
que existen las condiciones expresadas por las suposiciones antes de aplicar un método
estadístico particular.
La inform ación necesaria para asegurarte de que esta suposición (o condición) se satis
face está contenida en la D M M M y en el T C L (consulta el capítulo 7, pp. 319-320):
La distribución muestral de m edias ción norm al para todos los tam años de
muéstrales x se distribuye en tom o a m uestra, o 2 ) si la población m uestrea
una m edia igual a /x, con un error es da al azar no tiene distribución normal,
tándar igual a <j !s n y 1 ) si la población entonces x tiene distribución aproxi
m uestreada al azar tiene distribución m adam ente norm al para tam años de
norm al, entonces x tiene distribu m uestra suficientem ente grandes.
1
PTI Si las suposiciones
no se satisfacen para Por tanto, es posible satisfacer la su p o sició n requerida al l) saber que la población
estim ar la m edia /x c o n m uestreada tiene distribución norm al o 2 ) al usar una m uestra aleatoria que contenga una
una cr c o n o cid a , muy cantidad suficientem ente grande de datos. La prim era posibilidad es obvia. O sabes lo su
p ro ba ble m en te el nivel
ficiente acerca de la población para saber que tiene distribución norm al o no lo sabes. La
de con fia n za será más
segunda form a de satisfacer la suposición es aplicar el TCL. La inspección de varias pre
b a jo que lo enunciado.
sentaciones gráficas de los datos m uéstrales debe producir un indicio del tipo de distribu
ción que posee la población. El T C L puede aplicarse a m uestras m ás pequeñas (por decir,
PTI Debes buscar la n = 15 o m ás grandes) cuando los datos proporcionan un fuerte indicio de una distribución
a yuda de un estadístico unim odal que es aproxim adam ente sim étrica. Si existe evidencia de cierto sesgo en los
p rofesional cua nd o datos, entonces el tam año de la m uestra necesita ser m ucho más grande (acaso n > 50).
tratas con datos extre Si los datos proporcionan evidencia de una distribución extrem adam ente sesgada o con
m adam ente sesgados. form a de J, el T C L todavía se aplicará si la m uestra es suficientem ente grande. En casos
extrem os, “ suficientem ente grande” puede ser irreal o im practicablem ente grande.
Page 369 of 418
.
.
.
Nota: no existe una regla inflexible que defina ‘‘suficientem ente grande” ; el tam año de la
m uestra que es “suficientem ente grande” varía bastante de acuerdo con la distribución de
la población.
El intervalo de confianza 1 - a para la estim ación de la m edia /ll se encuentra con la

fórmula (8. 1 ).
Intervalo de confianza p a ra media
X - Z (a/2) I= a X + Z (a /2 } I (8 - 1)
m j v n.
FIGURA 8 .4 He aquí las partes de la fórm ula de intervalo de confianza:

C o e fic ie n te de c o n fia n z a
1. J e s la estim ación puntual y el punto central del intervalo de confianza.
Z (a /2 )
2. z(oc(2) es el coeficiente d e co n fian za. Es el núm ero de m últiplos del error estándar ne
cesario para form ular una estim ación por intervalos del ancho correcto para tener un
nivel de confianza de 1 - a . La figura 8.4 m uestra la relación entre el nivel de confianza
1 - a (la parte m edia de la distribución), a/2 (el “área a la derecha” usada con la nota
ción de valor crítico) y el coeficiente de confianza z w d (cuyo valor se encuentra con la
tabla 4B del apéndice B). A lfa, a , es la prim era letra del alfabeto griego y representa la
-Z |a /2 ) O Z[a/ 2)
Z parte asociada con las colas de la distribución.
3. c ru je s el e r r o r e s tá n d a r d e la m e d ia o la desviación estándar de la distribución m ues
tral de m edias muéstrales.
4. ziati) |-?=J es la m itad del ancho del intervalo de confianza (el producto del coeficiente
de confianza por el error estándar) y se llam a e r r o r m á x im o d e estim a ció n , E .
5. x - zxcúi) j -= j se llam a lím ite d e co n fia n za in fe rio r (LCI) y .v + z w 2) se llama
lím ite d e con fian za s u p e rio r (LC S) para el intervalo de confianza.

PTI Básicam ente, el
intervalo de con fia n za El procedim iento de estim ación se organiza en un proceso de cinco pasos que tom arán
es "estim ación puntual
en cuenta toda la inform ación precedente y producirá tanto la estim ación puntual com o el
± error m áxim o".
intervalo de confianza.
EL INTERVALO DE C O N FIA N ZA : UN PROCEDIMIENTO EN C IN C O PASOS
Paso 1 La preparación:
D escribe el p a rá m e tro p o b la c io n a l d e interés.
Paso 2 Criterios del intervalo de confianza:

a. V e rifica las suposiciones.
b. Id e n tific a la d is trib u c ió n d e p ro b a b ilid a d y la fó rm u la a usar.
c. E stablece el nivel d e c o n fia n z a , 1 - a.
Paso 3 La evidencia muestral:

Recolecta la in fo rm a c ió n m uestral.
Paso 4 El intervalo de confianza:

a. D eterm ina el co e ficie nte d e c o n fia n z a .
b. E ncuentra el e rro r m á x im o de estim ación.
c. E ncuentra los lím ites de c o n fia n z a in fe rio r y superior.
Page 370 of 418

.
.
.
P a so 5 Los resu ltad o s:

E stablece el in te rv a lo d e c o n fia n z a .
El ejem plo 8.2 ilustrará este procedim iento de intervalo de confianza en cinco pasos.
E J E M P L O 8.2
CONSTRUCCIÓN DE UN INTERVALO DE CONFIANZA PARA

UNA MEDIA DE LA DISTANCIA DE VIAJE EN UN SENTIDO
El cu e rp o e stu d ia n til d e m uchas u n iv e rs id a d e s c o m u n ita ria s se c o n s id e ra una
"p o b la c ió n v ia je ra " . La o fic in a d e a c tiv id a d e s e stu d ia n tile s q u ie re o bten er
una respuesta a la p re g u n ta : ¿qué d is ta n c ia (en un sentido) v ia ja to d o s los
día s un e stu d ia n te p ro m e d io d e u n iv e rs id a d c o m u n ita ria p a ra lle g a r a la
escuela? (Por lo g e n e ra l, la "d is ta n c ia d e v ia je del e stu d ia n te p ro m e d io "
s ig n ific a la "d is ta n c ia m e d ia " que re co rre n to d o s los estudiantes q u e v ia ja n .)
Se id e n tific ó una muestra a le a to ria de 1 0 0 e studiantes v ia je ro s y se o btu vo la
d is ta n c ia en un sentido q u e c a d a uno re c o rre . La resultante d is ta n c ia m e d ia
m uestral fue de 1 0 .2 2 m illas.
Estima la d is ta n c ia m e d ia en un s e n tid o que re co rre n to d o s los estudiantes
v ia je ro s a p a rtir d e a) una e stim a ció n p u n tu a l y b) un in te rv a lo d e c o n fia n z a
d e 9 5 % . (Usa cr = 6 m illas.)
S o lu ció n
a) La e stim a ció n pun tu a l p a ra la d is ta n c ia m e d ia en un s e n tid o es 1 0 .2 2
m illa s (la m e d ia m uestral).
b) Usa el p ro c e d im ie n to d e cin c o pasos p a ra e n c o n tra r el in te rv a lo d e
c o n fia n z a d e 9 5 % .
Describe el parám etro poblacional de interés.

El p a rá m e tro d e interés es la m e d ia \x d e las d is ta n c ia s en un sentido
re c o rrid a s p o r to d o s los e studiantes v ia je ro s d e la u n iv e rs id a d c o m u n ita ria .
Paso 2 Los criterios del intervalo de confianza:
a. Verificar las suposiciones.

Se c o n o ce cr. Es m uy p ro b a b le q u e la v a ria b le "d is ta n c ia re c o rrid a "
te n g a una d is trib u c ió n se sg a d a p o rq u e la g ra n m a y o ría de los estu
d ia n te s re c o rre entre O y 2 5 m illa s y p o c o s re co rre n m ás d e 2 5 m illas.
Un ta m a ñ o de muestra de 1 0 0 d e b e ser suficientem ente g ra n d e p a ra
q u e el TCL sa tis fa g a la su p o sició n ; la d is trib u c ió n m uestral X’ es a p ro x i
m a d a m e n te n o rm a l,
b Identifica la distribución de p ro bab ilidad y la fórm ula a utilizar.
La d is trib u c ió n n o rm a l está n d a r, z , se usará p a ra d e te rm in a r el co e fi
cie n te d e c o n fia n z a y la fó rm u la (8 .1 ) con cr = 6.
c. Establece el nivel de confianza, 1 - &.
La p re g u n ta p id e c o n fia n z a d e 9 5 % , o 1 - a = 0 .9 5 .
Page 371 of 418

.
.
.
Recolectar la inform ación muestral.

La in fo rm a c ió n muestral está d a d a en el e n u n c ia d o del p ro b le m a : n = 1 0 0 ,
x = 1 0 .2 2 .
a. Determ ina el coeficiente de confianza.

El c o e fic ie n te de c o n fia n z a se e n cuentra con la ta b la 4B :
Una parte de la tabla 4B

a 7TT 005"
^ ,.9 6 - ^ lid a d e fc b b c o n
i
1 - a ^= O
ríe w i
9 5 -* W _____ n0 9n a5 coeficiente de confianza:
Aa/2í _ , 96
b Encuentra el m áxim o e rror de estimación.

Usa la p a rte del m á x im o e rro r d e la fó rm u la (8 .1 ):
E = z , . / 2,( " ) « 1 .9 6 = (1 .9 6 1 (0 .6 ) = 1 . 17 6
c. Encuentra los límites de confianza inferior y superior.

C on la e stim a ció n p u n tu a l, x, del p a so 3 y el e rro r m á x im o , E, del
p a so 4 b , e n cu e n tra los lím ites del in te rv a lo d e c o n fia n z a :
www.elsolucionario.net X - Z ( a / 2 )j-= ) a X + Z ( « / 2 )j-= j
1 0 .2 2 -1 .1 7 6 a 1 0 .2 2 + 1 .1 7 6
9 .0 4 4 a 1 1 .3 9 6
9 .0 4 a 1 1 .4 0
Paso 5 Los resultados:

Establece el intervalo de confianza.
9 .0 4 a 11 .4 0 es el in te rv a lo d e c o n fia n z a d e 9 5 % p a ra /x. Esto es, con 9 5 %
de c o n fia n z a es p o s ib le d e cir: "La d is ta n c ia m e d ia en un se n tid o está entre
9 .0 4 y 1 1.4 0 m illa s ".
O bserva otro ejem plo del procedim iento de estim ación.
E J E M P L O 8.3
CONSTRUCCIÓN DE UN INTERVALO DE CONFIANZA
© PARA TAMAÑO DE PARTÍCULA MEDIO
El "ta m a ñ o d e p a rtíc u la " es una im p o rta n te p ro p ie d a d d e la p in tu ra lá te x y
se m o n ito re a d u ra n te la p ro d u c c ió n com o p a rte del p ro ce so d e c o n tro l de
c a lid a d . Se to m a ro n 13 m e d ic io n e s d e ta m a ñ o d e p a rtíc u la usa n d o el D w ig h t
P. Joyce D isc y la m e d ia m uestral fue 3 9 7 8 .1 a n gstrom s (d o n d e 1 angstrom
[1 Á ] = 1 0 _8cm). El ta m a ñ o de p a rtíc u la , x, tie n e d is trib u c ió n n o rm a l con una
d e svia ció n e s tá n d a r cr = 2 0 0 angstrom s. Encuentra el in te rv a lo d e c o n fia n z a
de 9 8 % p a ra el ta m a ñ o d e p a rtíc u la m e d io p a ra este lo te de p in tu ra .
T u to ria l e n v id e o d is p o n ib le : in g re s a y a p re n d e m á s e n c c n g a g c b ra in .c o m
Page 372 of 418

.
.
.
Solución
Describe el parám etro poblacional de interés.

El ta m a ñ o d e p a rtíc u la m e d io , ¿x, p a ra el lote d e p in tu ra del q u e se e x tra jo
la m uestra.
Paso 2 Los criterios del intervalo de confianza:
a. Verifica las suposiciones.

Se c o n o c e cr. La v a ria b le "ta m a ñ o de p a rtíc u la " tie n e d is trib u c ió n
n o rm a l; p o r ta n to , la d is trib u c ió n m uestral d e m e d ia s m uéstrales
es n o rm a l p a ra to d o s los ta m a ñ o s d e m uestra,
b Identifica la distribución de p ro bab ilidad y la fórm ula a utilizar.
La v a ria b le n o rm a l e stá n d a r, z y la fó rm u la (8 .1 ) con cr = 2 0 0
c. Establece el nivel de confianza, 1 - a
9 8 % , o 1 —a = 0 .9 8
Recolecta la inform ación muestral: n = 13 y x = 3 9 7 8 .1 .
a. Determ ina el coeficiente de confianza.
El c o e fic ie n te de c o n fia n z a se e n cuentra con la ta b la 4B:
Z [a / 2 ) = z jO .O l ) = : 2 .3 3
Una parte de la tabla 4B
c . j j .11 CL 0.02
~_____________________________ Salidade tablacon
n ^ íd íc o n fa ^ ^4 « / 21 2.33
2.33 -► coefclente de confianza
1 - a - 0 . 9 5 - * !1 -- «a 00 99 88 4 ^ 2 ) = 2.33
b Encuentra el e rror m áxim o de estimación.
f = z ia / 2 ) ( - | j = 2 .3 3 p = ) = (2 .3 3 )1 5 5 .4 7 ) = 1 2 9 .2
c. Encuentra los límites de confianza inferior y superior.

C on la e stim a ció n p u n tu a l, x, del p a so 3 y el e rro r m á x im o , E, del
paso 4 b , e n cu e n tra los lím ites del in te rv a lo d e c o n fia n z a :
* - 2 * 2 1 (J .) a x + z , „ / 2, ( ¿ )
3 9 7 8 .1 - 1 2 9 .2 = 3 8 4 8 . 9 a 3 9 7 8 . 1 + 1 2 9 .2 = 4 1 0 7 .3
Establece el intervalo de confianza.

3 8 4 8 .9 a 4 1 0 7 .3 es el in te rv a lo de c o n fia n z a de 9 8 % p a ra /x. C on 9 8 % de
co n fia n z a es p o s ib le d e cir: "El ta m a ñ o d e p a rtícu la m e d io está entre 3 8 4 8 .9
y 4 1 0 7 .3 angstrom s".
Dale otro vistazo al concepto de “nivel de confianza” . Se definió com o la probabilidad

de que la m uestra a seleccionar producirá cotas de intervalo que contengan al parámetro.
Page 373 of 418

.
.
.
E J E M P L O 8.4
DEMOSTRACIÓN DEL SIGNIFICADO DE

UN INTERVALO DE CONFIANZA
Los núm eros a le a to rio s de un solo d íg ito , com o los d e la ta b la 1 del a p é n d ic e
B, tienen un v a lo r m e d io /x = 4 .5 y una d e svia ció n está n d a r o- = 2 .8 7 (consulta
el e je rc ic io 5 .3 3 , p. 2 4 2 ). Extrae una muestra de 4 0 núm eros de un solo d íg ito
de la ta b la 1 y construye el in te rva lo d e c o n fia n z a d e 9 0 % p a ra la m e d ia . ¿El
in te rva lo resultante contiene el v a lo r e sp e ra d o d e /x, 4 .5 ? Si de la ta b la 1 selec
cio n a ra s otra muestra de 4 0 núm eros de un solo d íg ito , ¿ obtendrías el mismo
resultado? ¿Q ué sucedería si se le ccio n a ra s un to ta l de 15 muestras diferentes
y construyeras el in te rv a lo d e c o n fia n z a d e 9 0 % p a ra c a d a uno? ¿El v a lo r es
p e ra d o p a ra /x (a saber, 4 .5 ) estaría c o n te n id o en to d a s ellas? ¿Debes esperar
que los 15 in te rva lo s de c o n fia n z a conte n g a n 4 .5 ? Piensa en la d e fin ic ió n de
"riv e l de c o n fia n z a "; d ic e que, a la rg o p la z o , 9 0 % de las muestras resultarán
en cotas q u e conte n g a n /x. En otras p a la b ra s : 10% d e las muestras no conten
drán /x. O b s e rv a lo que ocurre.
P rim ero es n e ce sa rio a b o rd a r las supo sicio n e s; si las s u p o sicio n e s no se
sctisfa ce n , no p u e d e s e s p e ra r qu e o c u rra n 9 0 % y 10% . Sabes que: 1) la
d is trib u c ió n de núm eros a le a to rio s d e un solo d íg ito es re c ta n g u la r (d e fin i
tiva m e n te no n o rm a l), 2) la d is trib u c ió n de núm eros a le a to rio s d e un solo
d íg ito es s im é trica en to rn o a su m e d ia , 3) la d is trib u c ió n x p a ra m uestras
m jy p e q u e ñ a s (n = 5) en el e je m p lo 7 .2 (p. 3 1 5 ) m ostró una d is trib u c ió n que
p a re c ía ser a p ro x im a d a m e n te n o rm a l y 4 ) no d e b e h a b e r sesgo in v o lu c ra d o .
Por ta n to , p a re c e ra z o n a b le s u p o n e r qu e n = 4 0 es suficientem ente g ra n d e
p a ra a p lic a r el TCL.
La p rim e ra muestra a le a to ria se e x tra jo de la ta b la 1 del a p é n d ic e B:
TABLA 8.1 M u e s tra a le a to ria de núm eros d e un solo d íg ito [T A 0 8 -0 1 ]
2 8 2 1 5 5 4 O 9 1
0 4 6 1 5 1 1 3 8 O
3 6 8 4 8 ó 8 9 5 0
1 4 1 2 1 1 9 3
Les estadísticos m uéstrales son n = 4 0 , S x = 1 5 9 , y x = 3 .9 8 . He a q u í el

resultante in te rv a lo d e c o n fia n z a d e 9 0 % :
3 ™ ‘ ,65(M r)
3 .9 8 ± (1 .6 5 )(0 .4 5 4 )
3 .9 8 ± 0 .7 5
3 .9 8 - 0 . 7 5 = 3 .2 3 a 3 .9 8 + 0 .7 5 = 4 .7 3
3 .2 3 a 4 .7 3 es el intervalo de confianza de 9 0 % para

Lo fig u ra 8 .5 muestra este in te rv a lo d e c o n fia n z a , sus cotas y la m e d ia espe
ra d a /x.
Con 90% de confianza, se considera que u

FIGURA 8.5 está en alguna parte dentro de este intervalo.
El in te rv a lo de
■' ^ ►
c o n fia n z a d e 9 0 % 3.23 M = 4.50 4.73 x
Page 374 of 418

.
.
.
Sección 8.2 Estimación de m edia /x [cr co n o cid a ) 353
El v a lo r e s p e ra d o p a ra la m e d ia , 4 .5 , cae d e n tro de las cotas del in te rv a lo de

c o n fia n z a p a ra esta m uestra. A h o ra s e le ccio n a 14 m uestras a le a to ria s más
d e la ta b la 1 del a p é n d ic e B, c a d a una d e ta m a ñ o 4 0 .
La ta b la 8 .2 m e n c io n a la m e d ia de la p rim e ra muestra y las m e d ia s o b te
n id a s d e las 14 m uestras a le a to ria s a d ic io n a le s d e ta m a ñ o 4 0 . Los in te rva lo s
d e c o n fia n z a de 9 0 % p a ra la e stim a ció n d e /x con base en c a d a una d e las
15 m uestras se m e n c io n a n en la ta b la 8 .2 y se m uestran en la fig u ra 8 .6 .
TABLA 8 .2 Q u in c e m uestras d e ta m a ñ o 4 0 [T A 0 8 -0 2 ]
Media Estimación de Media Estimación de

Número muestral intervalo de confianza Número muestral intervalo de confianza
de muestra X de 90% para de muestra x de 90% para
1 3.98 3.23 a 4.73 9 4.08 3.33 a 4.83
2 4.6 4 3.89 a 5 .3 9 1 0 5 .2 0 4.45 a 5.9 5
3 4.5 6 3.81 a 5.31 11 4.88 4.13 a 5.63
4 3.9 6 3.21 a 4.71 1 2 5 .3 6 4.61 a 6 .11
5 5.12 4.37 a 5 .8 7 13 4.18 3.43 a 4.93
ó 4.2 4 3.49 a 4.99 14 4.90 4.15 a 5.65
7 3.4 4 2.69 a 4.19 15 4.48 3.73 a 5.2 3
8 4 .6 0 3.85 a 5.3 5
FIGURA 8 ,6
..
M = 4.5
In terv alo s d e c o n fia n z a 2.5 3.0 3.5 4.0 4. 5 5 0 5.5 6.0 6.5
d e la ta b la 8 .2
Puedes ver q u e 8 6 .7 % (1 3 d e los 15) de los in te rv a lo s co n tie n e n ¿x y 2

d e las 15 m uestras (m uestra 7 y m uestra 1 2) no c o n tie n e n /x. Estos re su ltad os
son " típ ic o s "; la e x p e rim e n ta c ió n re p e tid a p u e d e resultar en c u a lq u ie r núm e
ro d e in te rv a lo s q u e c o n te n g a 4 .5 . Sin e m b a rg o , a la rg o p la z o , d e b es espe
ra r qu e a p ro x im a d a m e n te 1 - a = 0 .9 0 (o 9 0 % ) d e las m uestras resulten en
co ta s q u e c o n te n g a n 4 .5 y a p ro x im a d a m e n te 10% q u e no c o n te n g a n 4 .5 .
Page 375 of 418

.
.
.
TIEMPO DE VIAJE MEDIO AL TRABAJO

Los estado u n id e n se s e m p le a n m ás de 100
h o ra s p a ra v ia ja r al tra b a jo c a d a a ñ o , de
a c u e rd o con d a to s d e la A m e ric a n C o m m u n i
ty S u rve y (ACS) p re se n ta d o s p o r la o fic in a de
censos d e Estados U nidos. Esto supera las dos
sem anas de tie m p o d e v a c a c io n e s (8 0 horas)
q u e los tra b a ja d o re s usualm ente to m a n d u ra n
te el curso d e un a ñ o . Para la n a c ió n co m o un
to d o , el v ia je d ia rio p ro m e d io al tra b a jo d u ró
a p ro x im a d a m e n te 2 4 .3 m inutos en 2 0 0 3 .
H e aquí los tie m p o s de v ia je m e d io s p a ra
a lg u n a s c iu d a d e s y estados y los respectivos
in te rv a lo s d e c o n fia n z a de 9 0 % :
Clasificación Lugar Media Cota inferior Cota superior
Estados Unidos 2 4 .4 2 4 .2 2 4 .6
C iu d a d e s
1 Nueva York, NY 3 8 .4 3 7 .9 3 8 .9
2
4
60
Chicago, IL
Riverside, C A
Cd. de Oklahoma, O K
3 2 .7
29 .8
17.8
3 1 .9
2 6 .7
17.0
33 .5
3 2 .9
18.6
Erados
1 Nueva York 30 .8 30.5 311
2 M aryland 3 0 .0 29.5 30 .5
26 Kentucky 2 2 .7 2 1 .7 2 3 .7
51 Dakota del Norte 14.8 14.0 15.6
F u e n t e : U .S . C e n s u s B urea u
La ta b la a n te rio r muestra las cotas (límites) in fe rio r y s u p e rio r del in te rv a

lo d e c o n fia n z a d e 9 0 % , un in te rv a lo qu e p ro p o rc io n a un ra n g o d e p ro b a
bles v a lo re s p a ra in c lu ir el v e rd a d e ro v a lo r p o b la c io n a l.
Nota: D e fin ic ió n de la U.S. Census Bureau: Tiempo de viaje al tra b a jo se
refiere al núm ero to ta l d e m inutos q u e usualm ente ta rd a una p e rso n a p a ra ir
de su casa al tra b a jo c a d a d ía d u ra n te la sem ana d e re fe re n c ia . El tie m p o
tra n s c u rrid o in c lu ye tie m p o e m p le a d o en esp e ra del tra n s p o rte p ú b lic o , tie m
po e m p le a d o en re c o g e r a los p a s a je ro s en tra n s p o rte co le c tiv o y el tie m p o
e m p le a d o en otras a c tiv id a d e s re la c io n a d a s con ir al tra b a jo .
I N T E R V A L O DE C O N F I A N Z A PARA
M E D I A ¿i C O N er D A D A
Escribe los datos en C l ; luego continúa con:

MINITAB
Elige: Stat > Basic Statlsttcs > 1 -S a m ple Z
Escribe: M uestras e n co lu m n a s: Cl
D esviación está n d a r: <y
Selecciona: Opttons
Escribe: Intervalo confianza: 1 - a (ej.: 0.95 o 95.0)
Selecciona: A lternatlve: n o t e q u a l > OK > OK
Page 376 of 418

.
.
.
Escribe los datos en la columna A; luego continúa con:

Excel
Elige A dd-Ins > Data A nalysis Plus > Z-Estimate: M ean > OK
Escribe: Rango en trad a: (A1:A20 o selecciona celdas) > O K
Desviación e s t á n d a r (SIGMA): <r> O K
Alfa: a (ej.: 0.05) > O K
Escribe los datos en L1; luego continúa con lo siguiente y escribe los valores apropiados y resalta
T I-8 3 /8 4 Plus Calcular:
Elige: STAT > TESTS > 7:Ztnterval

ZIriterval
Inpt,:llEiE Stat-s
<t : 0
L ist:L i
Fren: 1
C - L e c e l : . 95
C alcú late
T am añ o de m uestra
El intervalo de confianza tiene dos características básicas que determ inan su calidad: su
nivel de confianza y su ancho. Es preferible que el intervalo tenga un alto nivel de confian
za y sea preciso (estrecho) al m ism o tiem po. M ientras m ás alto sea el nivel de confianza,
es m ás probable que el intervalo contenga el parám etro y m ientras m ás estrecho sea el
intervalo, m ás precisa será la estim ación. Sin em bargo, estas dos propiedades parecen
funcionar una contra la otra, porque parecería que un intervalo m á s cstrceho tendería a
poseer una probabilidad m ás baja, y un intervalo m ás ancho sería m enos preciso. La parte
de error m áxim o de la fórm ula de intervalo de confianza especifica la relación involucrada.
Error m áxim o de estimación
(8.2)
£ = z ( “/2 iQ
Esta fórm ula tiene cuatro com ponentes: 1) el error m áxim o E, la m itad del ancho del inter
valo de confianza; 2 ) el coeficiente de confianza, z(a/2>, que está determ inado p o r el nivel
de confianza; 3) el tam año de la m uestra, n , y 4) la desviación estándar, cr. La desviación
estándar cr no es una preocupación en esta discusión, porque es una constante (la desvia
ción estándar de una población no cam bia de valor). Esto deja tres factores. La inspección
de la fórm ula (8.2 ) indica lo siguiente: aum entar el nivel de confianza hace más grande el
coeficiente de confianza y en consecuencia requiere o que aum ente el error m áxim o o que
dism inuya el tam año de la m uestra; reducir el error m áxim o requerirá que el nivel de con
fianza dism inuya o que el tam año de la m uestra aum ente y reducir el tam año de la muestra
forzará a que el error m áxim o se vuelva m ás grande o el nivel de confianza dism inuya. Por
PTI C uan do aumenta tanto, tienes una “com petencia tripartita” , com o se representa en la figura 8.7. Un aum ento
el de no m ina do r, dis o dism inución en alguno de los tres factores tiene un efecto sobre uno o am bos de los otros
m inuye el v a lo r de la dos factores. La labor del estadístico es “equilibrar” el nivel de confianza, el tam año de la
fracción.
m uestra y el error m áxim o, de m odo que resulte un intervalo aceptable.
Page 377 of 418

.
.
.
FIGURA 8 .7
La "c o m p e te n c ia trip a rtita "
entre 1 - a , n y E
HorbotvSoliM C *
O bserva en acción un ejem plo de esta relación.
EJEMPLO 8 .6
© DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA

PARA UN INTERVALO DE CONFIANZA
D eterm ina el ta m a ñ o de la muestra n e ce sa rio p a ra estim ar el peso m e d io de
todos los n iñ o s de se gundo g ra d o , si qu ie re s estar p re c is o d e n tro de 1 Ib,
con una c o n fia n z a d e 9 5 % . S upon una d is trib u c ió n n o rm a l y qu e la d e s v ia
ción e s tá n d a r d e los pesos de los n iñ o s es 3 Ib.
S olución
PTI Las instrucciones El nivel d e c o n fia n z a d e se a d o d e te rm in a el c o e fic ie n te de c o n fia n z a ; el co

pa ra usar la ta b la 4B e ficie n te d e c o n fia n z a se e n cuentra con la ta b la 4 B : z |a / 2) = z(0.025) = 1 .9 6
se p ro p o rcio n a n en la El e rro r m á x im o d e se a d o es E = 1 .0 . A h o ra estás listo p a ra usar la fó rm u
p á g in a 35 0. la del e rro r m á xim o :
5 .8 8
Resuelve p a ra n: 1 .0 =
ín
7T = 5 .8 8
n = (5 .8 8 )2 = 3 4 . 5 7 = 35
Por ta n to , n = 35 es el ta m a ñ o de m uestra n e c e s a rio si q u ie re s un in te rv a

lo d e c o n fia n z a de 9 5 % con un e rro r m á x im o no m a y o r que 1 Ib.
N o ta : cuando resuelvas para el tam año de la m uestra n , se acostum bra redondear al si
guiente entero más grande, sin im portar qué fracción (o decim al) resulte.
El uso de la fórm ula de error m áxim o (8.2) puede hacerse un poco m ás sencillo al res
cribir la fórm ula en una form a que exprese n en térm inos de los otros valores.
Tamaño de la muestra
(8.3)
© T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n e e n g a g c b ra in .c o m
Page 378 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8.2 Estimación de m edia /x ( i r co n o cid a ) 357
Si el error m áxim o se expresa com o un m últiplo de la desviación estándar o-, entonces el
valor real de <t no es necesario con la finalidad de calcular el tam año de la m uestra.
E J E M P L O 8.7
DETERMINACION DEL TAMAÑO MUESTRAL

O SIN UN VALOR CONOCIDO DE SIGMA (cr)
E ncuentra el ta m a ñ o d e la muestra n e ce sa rio p a ra estim ar la m e d ia p o b la
c io n a l hasta d e n tro d e j d e una d e s v ia c ió n e s tá n d a r con 9 9 % de c o n fia n z a .
Solución
D e te rm in a el c o e fic ie n te d e c o n fia n z a (con la ta b la 4 B ): 1 - a = 0 .9 9 , z (« / 2 )
= 2 .5 8 . El e rro r m á x im o d e s e a d o E = § . A h o ra estás listo p a ra usar la fó rm u la
d e ta m a ñ o m uestral (8 .3 ):
n = z { a /* ] : n = P'5^^)2 (|2 = 5 8 ^ , |5 )) 2 = [(2 .5 8 )(5 )]3
= (1 2 .9 0 ) 2 = 1 6 6 .4 1 = 1 6 7
(|)E J E P C I C I O S S E C C I Ó N 8 . 2
8 . 2 1 D iscute las condiciones que deben existir antes de poder 8 .2 6 D ada la inform ación, la población m uestreada tiene dis
estim ar la m edia poblacional con las técnicas de intervalo de tribución norm al, n = 55, x = 78.2 y cr = 12:
la fórm ula (8. 1 ).
a. Encuentra el intervalo de confianza de 0.98 para /x.
8 .2 2 D eterm ina el valor del coeficiente de confianza z(a/2>para
b. ¿Se satisfacen las suposiciones? Explica.
cada situación descrita:
8 .2 7 D ada la inform ación, n = 86, x - 128.5 y cr= 16.4:
a. 1 - a = 0.90
a. Encuentra el intervalo de confianza de 0.90 para /x.
b. 1 - oc = 0.95
b. ¿Se satisfacen las suposiciones? Explica.
8 .2 3 D eterm ina el valor del coeficiente de confianza zícud para
cada situación descrita: 8 .2 8 D ada la inform ación, /? = 22, x = 72.3 y cr = 6.4:
a. 98% de confianza a. Encuentra el intervalo de confianza de 0.99 para /x.
b. 99% de confianza b. ¿Se satisfacen las suposiciones? Explica.
8 .2 4 D eterm ina el nivel de la confianza dado el coeficiente de 8 .2 9 Con base en el intervalo de confianza form ado en el ejer
confianza z w i) para cada situación: cicio 8.27, proporciona el valor para cada uno de los siguien
tes:
a. z(ot/2) = 1.645 b. z<a/2) = 1.96
a. Estim ación puntual
c. z(o/2) = 2.575 d. z(a/2) = 2.05
b. C oeficiente de confianza
8 .2 5 D ada la inform ación, la población m uestreada tiene dis
tribución norm al, n = 16, x = 28.7 y cr = 6 : c. E rror estándar de la m edia
a. Encuentra el intervalo de confianza de 0.95 para /x. d. E rror m áxim o de estim ación, E
b. ¿Se satisfacen las suposiciones? Explica. (continúaenlapágina358)
T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c e n g a g e b ra in .c o m
Page 379 of 418
.
.
.
e. Lím ite de confianza inferior calcula el ancho del intervalo. Con “anímate!” construye mu
chas muestras y anota el porcentaje de intervalos que contie
f. Lím ite de confianza superior
nen la media verdadera de 300. Haz clic en “stop” y “reset”.
8 .3 0 C on base en el intervalo de confianza form ado en el ejer-
c. M ueve el deslizador para el nivel de confianza a 99% .
3 cicio 8.26, proporciona el valor para cada uno de los siguien
Haz clic en “ sam ple!” para construir un intervalo de con
[EXOO-OOOJ identifica el nombre de archivo de una base de datos en línea de un ejercicio; bases de datos y Applets Skillbuilder disponibles a través de cengagebrain.<
tes:
fianza de 99% . O bserva los lím ites de confianza superior
a. E stim ación puntual e inferior y calcula el ancho del intervalo. Con “aním ate!”
construye m uchas m uestras y anota el porcentaje de inter
b. Coeficiente de confianza
valos que contienen la m edia verdadera de 300. H az clic
c. E rror estándar de la m edia en “stop” y “ reset”.
d. E rror m áxim o de estim ación, E d. C on la inform ación recolectada en los incisos a-c, ¿qué
efecto tiene el nivel de confianza sobre el ancho del inter
e. Lím ite de confianza inferior
valo? ¿P or qué ocurre esto?
f. Lím ite de confianza superior
8 .3 4 D iscute el efecto que cada uno de los siguientes tiene
8.3 1 C on tus palabras, describe la relación entre los siguien sobre el intervalo de confianza:
tes:
a. Estim ación puntual
a. M edia m uestral y estim ación puntual
b. N ivel de confianza
b. T am año de la m uestra, desviación estándar m uestral y
c. T am año de la m uestra
error estándar
d. V ariabilidad de la característica a m edir
c. E rror estándar y error m áxim o
8 .3 2 “T iem po de viaje m edio al trabajo” (ejem plo aplicado
8.5) ofrece inform ación de traslado para varias ciudades y es
8 .3 5 U na m áquina produce partes con longitudes que tienen
distribución norm al, con cr = 0.5. U na m uestra de 10 partes
tiene una longitud m edia de 75.92.
tados en Estados U nidos. Si consideras la ciudad de C hicago y
la inform ación del intervalo de confianza dada: a. Encuentra la estim ación puntual para p,.
a. ¿Q ué térm ino del intervalo de confianza es 32.7? b. Encuentra el error m áxim o de estim ación de p, para 98%
de confianza.
b. ¿Q ué térm ino del intervalo de confianza es 31.9?
¿El 33.5? c. Encuentra el intervalo de confianza de 98% para p,.
c. ¿Q ué térm ino del intervalo de confianza es 90% ? 8 .3 6 U na m uestra de las edades de 60 estudiantes de la es
cuela nocturna es obtenida con el fin de estim ar la edad m edia
d. ¿C uál es el error m áxim o?
de los estudiantes de las escuelas nocturnas. x = 23.5 años. La
e. C alcula el error estándar. varianza poblacional es 16.
8 .3 3 E je rc ic io A pplet a) D ar una estim ación puntual para p,.

it t 3 | m e
S k illb u ild e r D em ues
’ l 14 b) D eterm ine el intervalo de confianza de 95% para p,.
tra el efecto que el 260 23C 303 320 340
nivel de confianza (1 ¡ *»rrpl*i 1 1 a r-m x m | [ r»<«ti | c) D eterm ine el intervalo de confianza de 99% para p,.
- a ) tiene sobre el an ConMence O». |9 3 |
■= 8 .3 7 D oscientos peces capturados en C ayuga Lake tienen una

cho de un intervalo de
longitud m edia de 14.3 pulgadas. La desviación estándar po
confianza. C onsidera el
blacional es 2.5 pulgadas.
m uestreo de una población donde p, = 300 y <j = 80.
a. Encuentra el intervalo de confianza de 90% para la longi
a. M ueve el deslizador para el nivel de confianza a 68%.
tud m edia poblacional.
H az clic en “ sam ple!” para construir un intervalo de con
fianza de 68%. O bserva los lím ites de confianza superior b. Encuentra el intervalo de confianza de 98% para la longi
e inferior y calcula el ancho del intervalo. C on “aním ate!” tud m edia poblacional.
construye m uchas m uestras y anota el porcentaje de inter
8 .3 8 C on base en una encuesta realizada por G reenfield O n
valos que contienen la m edia verdadera de 300. H az clic
line, las personas de 25 a 34 años de edad gastan más cada
o
en “stop” y “reset” .
sem ana en com ida rápida. La cantidad sem anal prom edio de
b. Mueve el deslizador para el nivel de confianza a 95%. Haz S44 (con base en 115 respuestas) se reportó en la Snapshot del
clic en “sample!” para construir un intervalo de confianza de USA Today en m ayo de 2009. Si supones que los gastos en
95%. Observa los límites de confianza superior e inferior y com ida rápida sem anales tienen distribución norm al, con una
Page 380 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8.2 Estimación de m edia /x (ir co n o cid a ) 359
desviación estándar conocida de $14.50, construye un inter b. Encuentra la estim ación puntual para la estatura m edia
valo de confianza de 90% para la cantidad sem anal m edia que poblacional de las m ujeres de séptim o grado.
gastan en com ida rápida cada sem ana las personas de 25 a 34
c. Encuentra el intervalo de confianza de 0.95 para la estatu
años de edad.
ra m edia poblacional de las m ujeres de séptim o grado.
8 .3 9 El E urostar fue el prim er tren internacional europeo
8.43 [E X 0 8 -0 4 3 ] El peso atóm ico de una m uestra de refe
diseñado para sacar ventaja de' Túnel del Canal que conecta
rencia de plata se m idió en el Instituto N acional de Estándares
Inglaterra con la Europa continental. T ransporta a casi 800 pa
y T ecnología (N IST) y usó dos espectróm etros de m asa casi
sajeros y ocasionalm ente alcanza una velocidad pico de más
idénticos. Este proyecto se realizó en conjunto con la redeter
de 190 m ph [http://w w w .o-keating.com /]. Supon que la d es
m inación de la constante de Faraday. A continuación se pre
viación estándar de la velocidad del tren es 19 mph en el curso
sentan 48 observaciones:
de todos los viajes de ida y vuelta y que la velocidad del tren
1 0 7 .8 0 8 1 5 0 8 1 0 7 .8 O 8 1 4 Ó 5 1 0 7 .8 6 8 1 5 7 2
tiene distribución norm al. Supon que durante los siguientes 20 * * * Para e l re sto d e lo s d a to s , in g re s a a c e n g a g e b r c iin .c o m
viajes del E urostar se realizan lecturas de velocidad y que la Fuente: S la lLib, h H p : / / t b . S ta l.c m u .e d u /
velocidad m edia de dichas m ediciones es de 184 mph.

O bserva que los datos sólo difieren en el quinto, sexto y sép
a. ¿C uál es la variable a estudiar? tim o lugares decim ales. La m ayoría de las com putadoras re
b. E ncuentra la estim ación del intervalo de confianza de dondearán los datos y sus resultados calculados; por tanto, la
90% para la velocidad media. variación aparentem ente se pierde. Los estadísticos pueden
calcularse usando sólo los tres últim os dígitos de cada valor de
c. Encuentra la estim ación del intervalo de confianza de datos (es decir: 107.8681568 se convertirá en 568). A lgebrai
95% para la velocidad media. cam ente, esta codificación se parece a lo siguiente:
8 .4 0 El Estudio de Tendencias en M atem áticas y Ciencias Peso atóm ico codificado = (peso atóm ico - 107.8681000)
Internacionales (TIM SS) de 2007 exam inó la habilidad de es X 10000000
tudiantes de octavo grado en m atem áticas y ciencias. La cali
ficación m edia en la escala de m atem áticas para la m uestra de Los datos se m encionan tanto en form atos original com o codi
ficado en cengagebrain.com .
estudiantes de octavo grado en E stados U nidos fue de 508.5,
con un error estándar de 2.83. Construye un intervalo de con a. C onstruye una gráfica de los datos codificados. ¿C óm o
fianza de 95% para la calificación m edia en m atem áticas para aparece la codificación en la gráfica?
todos los estudiantes de octavo grado en E stados U nidos.
b. Encuentra la m edia y la desviación estándar de los datos
8.41 [E X 08-041] C ierto ajuste a una m áquina cam biará la codificados.
longitud de las partes que elabora, m as no afectará la desvia
ción estándar. La longitud de las partes tiene distribución nor c. C onvieite las respuestas que encontraste en el inciso b
a unidades originales.
mal y la desviación estándar es 0.5 m m . D espués de realizar
el ajuste, se tom a una m uestra aleatoria para determ inar la d. D eterm ina si los datos tienen una distribución aproxim a
longitud m edia de las partes ahora producidas. Las longitudes dam ente norm al. Presenta tu caso.
resultantes son las siguientes:
e. ¿Se aplican D M M M y T C L ? Explica.
7 5 .3 7 6 .0 7 5 .0 7 7 .0 7 5 .4 76.3 7 7 .0 7 4 .9 76 .5 75.8
f. ¿Se conoce sigm a?
a. ¿C uál es el parám etro de interés?
g. Si la meta es encontrar el intervalo de confianza de 95%
b. E ncuentra la estim ación puntual para la longitud m edia de para el valor medio de todas las observaciones, ¿qué harías?
todas las partes ahora producidas.
h. Encuentra el intervalo de confianza de 95% para el valor
c. Encuentra el intervalo de confianza de 0.99 para /x. m edio de tales observaciones. Justifica tu m étodo.
8 .4 2 “N iños m ayores o adolescentes” se refiera al grupo de 8.44 [E X 0 8 -0 4 4 ] La fuerza requerida para extraer un corcho
edad de los estudiantes de séptim o grado. El estirón de creci de una botella de vino es una propiedad im portante del corcho.
m iento es m uy com ún en esta edad. U na m uestra de 12 m uje Si la fuerza es muy pequeña, probablem ente el corcho no es un
res de séptim o grado seleccionadas al azar en una escuela de la buen protector del vino en su interior. Si la fuerza es m uy gran
ciudad de N ueva Y ork resultó en las siguientes estaturas: de, será difícil de quitar. N inguno de los dos es deseable. Se
67 63 65 64 63 6 4 63 57 67 68 63 65 considera que los corchos del núm ero 9 en el ejem plo aplicado
6.13 (p. 285) tienen una fuerza de extracción que tiene distri
Si supones que las estaturas de !as m ujeres en el grupo de 12 a bución norm al, con una desviación estándar de 36 N ew tons.
13 años de edad tienen distribución norm al con una desviación
estándar de 2.56 pulgadas: a. U na m uestra de 20 botellas elegidas al azar se seleccio
nan para ponerse a prueba.
a. ¿C uál es el parám etro de interés? (continúa en la página 360)
Page 381 of 418

.
.
.
Fuerza de extracción en Newtons diferentes desviaciones estándar m uéstrales sobre las
296 338 341 261 25 0 347 336 297 279 297 respuestas resultantes.
259 334 281 284 27 9 266 300 305 310 253
8 .4 6 Con una com putadora o calculadora, selecciona al azar
E ncuentra el intervalo de confianza de 98% para la fuerza una m uestra de 40 núm eros de un solo dígito y encuentra el
de extracción media. intervalo de confianza de 90% para p,. Repite m uchas veces y
observa si 4.5 está o no está en el intervalo cada vez. C onsulta
b. D urante una prueba diferente, una m uestra de ocho bote
el ejem plo 8.4, página 352. D escribe tus resultados.
llas se selecciona al azar y se pone a prueba.
Fuerza de extracción en Newtons
3 3 1 .9 3 1 2 .0 2 8 9 .4 3 0 3 .6 346.9 308.1 3 4 6 .9 27 6 .0 PTI Usa los com andos pa ra g e n e ra r datos enteros de la p á
g in a 9 1 ; luego continúa con los com andos de intervalo de
E ncuentra el intervalo de confianza de 98% para la fuerza c o n fia n za de las pá g in a s 3 54-355.
de extracción media.
c. ¿Q ué efecto tienen las dos diferentes m edias m uéstrales 8 .4 7 Encuentra el tam año de m uestra necesario para estim ar
sobre las respuestas a los incisos a y b? Explica. fj. de una población norm al con cr = 3 hasta dentro de 1 unidad
d. ¿Q ué efecto tienen los dos diferentes tam años de m uestra en el nivel de confianza de 98 por ciento.
sobre las respuestas a los incisos a y b? Explica. 8 .4 8 ¿C uán grande debe ser una m uestra si la m edia pobla
e. Se afirm a que la fuerza de extracción m edia es de 310 cional debe estim arse con una confianza de 99% hasta dentro
N ew tons. ¿A lguna m uestra exhibe suficiente razón para de $75? La población tiene una desviación estándar de $900.
d udar de la veracidad de la afirm ación? Explica. 8 .4 9 U na com pañía de alta tecnología quiere estim ar el nú
8 .4 5 “ Suben costos universitarios'’ (29 de octubre de 2008), m ero m edio de años de educación universitaria que com ple
un artículo en el sitio w eb C N N M oney proporcionó las últi taron sus em pleados. U na buena estim ación de la desviación
m as cifras del C ollege Board acerca de m atrícula anual, co le estándar para el núm ero de años de universidad es 1.0. ¿Cuán
giaturas y alojam iento y com idas. Las cifras totales prom edio grande debe ser una m uestra para estim ar /x hasta dentro de 0.5
son 34 132 dólares para universidades privadas y 14 333 dóla de un año con 99% de confianza?
res para universidades publicas. 8 .5 0 Al m edir la cantidad de tiem po que tarda un com ponente
Fuente: hHp://money.cnn.com/ de un producto en m overse de una estación de trabajo a la si
guiente, un ingeniero estim ó que la desviación estándar es de
En un esfuerzo por com parar estos m ismos costos en el estado
5 segundos.
de N ueva Y ork, en todo el estado se selecciona una m uestra
de 32 estudiantes de tercer ano en universidades privadas y 32 a. ¿C uántas m ediciones deben hacerse para estar 95%
m ás de universidades públicas. La m uestra de universidades seguro de que el error m áxim o de estim ación no superará
privadas resultó en una m edia de 34 020 dólares y la m edia 1 segundo?
m uestral de universidades públicas fue de 14 045 dólares.
b. ¿Q ué tam año de m uestra se requiere para un error m áxi
a. Si supones que las m atrículas universitarias anuales para m o de 2 segundos?
universidades privadas tienen una distribución am ontona
8.51 Las nuevas com putadoras m ini-laptop pueden entregar
da y la desviación estándar es de 2 200 dólares, encuentra
tanto poder de com putación com o las m áquinas varias veces
el intervalo de confianza de 95% para los costos universi
m ás grandes, pero pesan m enos de 3 Ib. ¿C uán grande se re
tarios m edios.
queriría una m uestra para estim ar el peso m edio poblacional,
b. Si supones que las m atrículas universitarias anuales para si el error m áxim o de estim ación debe ser 0.4 de 1 desviación
universidades públicas tienen una distribución am ontona estándar, con 95% de confianza?
da y la desviación estándar es de 1 500 dólares, encuentra
8 .5 2 De acuerdo con el artículo del USA Today (11 de marzo
el intervalo de confianza de 95% para los costos universi
de 2009), “Estudiantes universitarios estudian m ás fiestas que
tarios m edios.
libros”, los estudiantes de prim er año estudian un prom edio
c. ¿C óm o se com paran los costos universitarios del estado de de 8.4 horas a la sem ana. U na gran universidad en el norte
N ueva Y ork con los valores del College Board? Explica. del estado está interesada en estim ar este estadístico respecto a
sus alum nos de tercer año. ¿C uán grande será la m uestra para
d. C om para los intervalos de confianza que encontraste en
estim ar la m edia dentro de 1/8 de 1 desviación estándar, con
los incisos a y b; describe el efecto que tienen las dos dife
0.98 de confianza?
rentes medias m uéstrales sobre las respuestas resultantes.
e. C om para los intervalos de confianza que encontraste en

los incisos a y b; describe el efecto que tienen las dos
Page 382 of 418

.
.
.
Sección 8.3 La naturaleza de la prueba de hipótesis 361
8.3 La n a tu ra le za d e la p ru e b a
d e hipótesis
T odos los días de la vida se tom an decisiones. A lgunas de dichas decisiones son de gran
im portancia; otras son aparentem ente insignificantes. T odas las decisiones siguen el mismo
patrón básico. Se sopesan las alternativas; luego, con base en las creencias y preferencias
y cualquier evidencia disponible, se llega a una decisión y se tom a la acción adecuada. La
prueba de hipótesis estadística sigue en gran parte el m ism o proceso, excepto que involucra
inform ación estadística. En esta sección se desarrollan m uchos de los conceptos y actitudes
de la prueba de hipótesis m ientras se observan varias situaciones de tom a de decisiones sin
usar ningún estadístico.
U n am igo hará una fiesta (el S úper T azón, regreso a casa; tú sabrás, cualquier ocasión
es buena) y te invitó. D ebes tom ar una decisión: asistir o no asistir. A sí de sim ple... bueno,
excepto que quieres ir sólo si puedes convencerte de que la fiesta será m ás divertida de lo
que son las fiestas usuales de tu am igo. M ás aún, definitivam ente no querrás ir si la fiesta
definitivam ente será otro fiasco. T om as la posición de que “la fiesta será un fiasco” y no
irás a m enos que te convenzan de lo contrario. Tu am igo te asegura: “G arantizado: ¡la
fiesta será grandiosa!”. ¿Irás o no?
El proceso de tom a de decisiones com ienza por identificar algo de interés y luego
form ula dos hipótesis acerca de ello.
Hipótesis E n u n cia d o de q u e a lg o es v e rd a d e ro .
El enunciado de tu am igo, “La fiesta será grandiosa”, es una hipótesis. Tu posición, “La
fiesta será un fiasco”, tam bién es una hipótesis.
Prueba estadística de hipótesis Proceso m e d ia n te el cual se tom a una decisión

entre dos hipótesis opuestas. Las dos hipótesis opuestas se fo rm u la n de m od o
que c a d a hipótesis es la n e g a c ió n de la otra. (De esta fo rm a , una de ellas
s ie m p re es v e rd a d e ra y la o tra s ie m p re es fa ls a .) E nto nces se p o n e a p ru e b a
una hipótesis con la e sp e ra n za d e que se p u e d a dem ostrar que es una ocu
rre n c ia m uy im p ro b a b le y p o r tan to im p lic a que la o tra hipótesis p ro b a b le m e n
te es v e rd a d e ra .
L as dos hipótesis involucradas en la tom a de decisiones se conocen com o hipótesis

nula e hipótesis alternativa.
Hipótesis n u la / Ho La hipótesis que se p o n d rá a p ru e b a . Por lo g e n e ra l, éste

es un e n u n c ia d o de q u e un p a rá m e tro p o b la c io n a l tiene un v a lo r específico. La
hipótesis nula se llam a así p o rq u e es el "p u n to de p a rtid a " p a ra la investiga
c ió n . (Con frecuencia se usa la frase "n o h a y d ife re n c ia " en su in te rpre tación.)
Hipótesis alternativa, Ha E nu n cia d o a ce rca del m ism o p a rá m e tro p o b la c io n a l

q u e se usa en la hipótesis nula. Por lo g e n e ra l, se tra ta d e un e n u n cia d o que
e sp e cifica que el p a rá m e tro p o b la c io n a l tie n e un v a lo r d ife re n te , en a lg u n a
fo rm a , al v a lo r d a d o en la h ip ó te sis nula. El re c h a z o de la hipótesis nula im
p lic a rá la p ro b a b le v e ra c id a d d e esta hipótesis a lte rn a tiv a .
R especto a la fiesta de tu am igo, los dos puntos de vista en oposición o hipótesis son
“La fiesta será grandiosa” y “La fiesta será un fiasco” . ¿C uál enunciado se convierte en
hipótesis nula y cuál en hipótesis alternativa?
*S e usa la notación H para la h ipótesis nula para co n trastarla con H para la h ipótesis altern ativ a. O tros
textos pueden u sar A/(| (su b ín d ice cero ) en lugar de H y e n lugar de Hü.
Page 383 of 418

.
.
.
36 2 Copítulo 8 Introducción a la inferencia estadística
D eterm inar el enunciado de la hipótesis nula y el enunciado de la hipótesis alternativa
es un paso m uy im portante. La idea básica de la prueba de hipótesis es que la evidencia
tenga posibilidad de “desaprobar” la hipótesis nula. La hipótesis nula es el enunciado de
que la evidencia puede desaprobarse. Tu preocupación (creencia o resultado deseado),
com o la persona que hace la prueba, se expresa en la hipótesis alternativa. C om o la perso
na que tom a la decisión, tú crees que la evidencia dem ostrará la factibilidad de tu “teoría”
al dem ostrar la im probabilidad de la verdad de la hipótesis nula. La hipótesis alternativa
en ocasiones se conoce com o hipótesis de investigación porque representa lo que el inves
tigador espera descubrir que es la “verdad” .
Puesto que la “evidencia” (quién va a la fiesta, qué se servirá, etc.) puede dem ostrar
sólo la im probabilidad de que la fiesta sea un fiasco, tu posición inicial, “ La fiesta será un
fiasco”, se convierte en la hipótesis nula. La afirm ación de tu am igo, “ La fiesta será gran
diosa”, se convierte entonces en la hipótesis alternativa.
H -. “La fiesta será un fiasco” frente a H : “ La fiesta será grandiosa”
Los siguientes ejem plos ilustrarán la form ación de y la relación entre las hipótesis nula
y alternativa.
E J E M P L O 8.8
ESCRIBIR HIPÓTESIS
T í pones a p ru e b a un nuevo d ise ñ o de bo lsa s d e a ire usadas en a u to m ó vile s y
estás p re o c u p a d o d e qu e p u e d a n no a b rir d e m a n e ra a d e c u a d a . E nuncia las
hipótesis nula y a lte rn a tiv a .
Solución
Les dos p o s ib ilid a d e s en o p o s ic ió n son 'la s b o lsa s a b re n de m a n e ra a d e c u a d a "
y "la s b o lsa s no a b re n d e m a n e ra a d e c u a d a ". Poner a p ru e b a p o d ría p ro d u c ir
e v id e n c ia q u e d e s a c re d ite la h ip ó te sis "la s bo lsa s a b re n de m a n e ra a d e c u a d a ";
mas tu p re o c u p a c ió n es qu e "la s bo lsa s no a b re n d e m a n e ra a d e c u a d a ". Por
ta n to , "la s bo lsa s no a b re n d e m a n e ra a d e c u a d a " se c o n v e rtiría en la hipótesis
a lte rn a tiva y "la s b o lsa s a b re n de m a n e ra a d e c u a d a " sería la h ip ó te sis nula.
La hipótesis alternativa tam bién puede ser el enunciado que el experim entador quiere
dem ostrar que es verdadero.
E J E M P L O 8.9
ESCRIBIR HIPÓTESIS
Un in g e n ie ro q u ie re d e m o stra r q u e la nueva fó rm u la q u e a c a b a d e d e s a rro lla r
resulta en una p in tu ra d e s e ca d o m ás rá p id o . Enuncia las h ip ó te sis nula y
a lte rn a tiv a .
Solución
Los do s p o s ib ilid a d e s en o p o s ic ió n son "sí seca más rá p id o " y "n o seca más
rá p id o " . Puesto qu e el in g e n ie ro q u ie re d e m o stra r "sí seca más r á p id o " , la
hipótesis a lte rn a tiv a es "la p in tu ra h e ch a con la nueva fó rm u la sí seca más
rá p id o " y la h ip ó te sis nula es "la p in tu ra hecha con la nueva fó rm u la no seca
más rá p id o " .
Page 384 of 418

.
.
.
Sección 8.3 La naturaleza de la prueba de hipótesis 363
En ocasiones puede ser razonable esperar que la evidencia no conduzca a un rechazo
de la hipótesis nula. T al es el caso en el ejem plo 8.10.
E J E M P L O 8.10
ESCRIBIR HIPÓTESIS
Tú sospechas q u e un d e te rg e n te de m a rca supera a la m a rc a d e deterg ente
d e la tie n d a y q u ie re s p o n e r a p ru e b a los do s d e te rg e n te s p o rq u e p re fe riría s
c o m p ra r la m a rc a de la tie n d a , q u e es más b a ra ta . Enuncia las h ip ó te sis nula y
a lte rn a tiv a .
S olución
Tu so sp e cha , "e l d e te rg e n te de m a rc a supera la m a rca de la tie n d a " es la ra zó n
p a ra la p ru e b a y p o r ta n to se c o n v ie rte en la h ip ó te sis a lte rn a tiv a .
H o: "n o h a y d ife re n c ia en el re n d im ie n to del d e te rg e n "

Ha: "el detergente d e m arca tiene m ejor rendim iento que la m arca del alm acén"
Sin e m b a rg o , co m o co n su m id o r, esperas no re c h a z a r la h ip ó te sis nula p o r

ra z o n e s d e presupuesto.
fe
EVALUACION DE TECNICAS DE ENSEÑANZA
R E S U M E N : E S T E E S T U D IO P O N E A P R U E B A E L E F E C T O
D E LA C O L E C C IÓ N D E T A R E A S Y P R E G U N T A S R Á P ID A S
S O B R E L A S C A L IF IC A C IO N E S D E E X A M E N
La hipótesis para este estudio se. El estudiante está m otivado para

es que un profesor puede m ejorar el aum entar el esfuerzo para com pletar
desem peño de un estudiante (califica aquellas tareas que tam bién deben m e
ciones de exam en) a través de influir jo rar la com prensión del material del
sobre la probabilidad esfuerzo-recom curso. El resultado final esperado es
pensa percibida por el estudiante. Un m ejorar las calificaciones del exam en.
profesor logra esto al asignar tareas La hipótesis nula para este estudio es:
(técnicas de enseñanza) que son par H : Las técnicas de enseñanza no
te de la calificación del estudiante y el tienen efecto significativo sobre las
estudiante las percibe com o un medio calificaciones de exam en de los estu
para m ejorar su calificación en cla diantes...
Fuente: “ E v a lu a tio n o f T e a c h in g T e c h n iq u e s" p o r D a v id R. V ru w in k y Jan o n R. O tto . pu b lic a d o en

The Accouniing Review, V ol. L X II. núm . 2. abril d e 1987. R eim p re so co n perm iso.
A ntes de regresar al ejem plo acerca de la fiesta, es necesario observar los cuatro posi
bles resultados que podrían resultar en caso de que la hipótesis nula fuera verdadera o falsa
y que la decisión fuera o “rechazar H ” o “ fracasar en rechazar H La tabla 8.3 muestra
estos cuatro posibles resultados.
U na decisión c o rre c ta tip o A ocurre cuando la hipótesis nula es verdadera y decides
en su favor. U na d ecisión c o r r e c ta tip o B ocurre cuando la hipótesis nula es falsa y la
decisión está en oposición a la hipótesis nula. U n e r r o r tip o I se com ete cuando se rechaza
Page 385 of 418
.
.
.
una hipótesis nula verdadera; esto es: cuando la hipótesis nula es verdadera pero se decide
contra ella. Un e r r o r tip o II se com ete cuando se decide en favor de una hipótesis nula
que en realidad es falsa.
TABLA 8 .3 C u a tro p o s ib le s re sultados en una p ru e b a d e h ip ó te sis

Hipótesis nula
Decisión Verdadera Falsa
Fracasar en rechazar H o Decisión correcta tipo A Error tipo II
Rechazar Ho Error tipo 1 Decisión correcta tipo B
*
DESCRIPCION DE POSIBLES RESULTADOS Y ACCIONES
© RESULTANTES (ACERCA DE PRUEBAS DE HIPÓTESIS)
D escribe los cu a tro p o s ib le s resultados y las a c c io n e s resultantes que o c u rri
rían p a ra la p ru e b a d e h ip ó te sis en el e je m p lo 8 .1 0 .
S olución
Recuerda: Ho " N o h a y d ife re n c ia en re n d im ie n to del d e te rg e n te "
H "El d e te rg e n te d e m a rc a tie n e m e jo r re n d im ie n to qu e la m a rca
www.elsolucionario.net del a lm a c é n "
Hipótesis nula es verdadera Hipótesis nula es falsa

Decisión correcta tipo A Error tipo II
Verdad d e la situación: no hay d i Verdad de la situación: el deter
ferencia entre los detergentes gente de marca es mejor.
Fracasar para
rechazar H O Conclusión: se determina que no Conclusión: se determina que no
hay diferencia. hay diferencia.
Acción el consumidor compra el Arción- el consumidor compro el
detergente más barato, ahorra dine detergente más barato, ahorra dine
ro y obtiene los mismos resultados. ro pero obtiene resultados inferiores.
Error tipo 1 Decisión correcta tipo B

Verdad d e la situación: no hay d i Verdad de la situación: el deter
ferencia entre los detergentes gente de marca es mejor.
Rechazar H O Conclusión: se determina que el Conclusión: se determina que el
detergente de marca es mejor. detergente de marca es mejor.
Acción el consumidor compra el Acción: el consumidor compra el
detergente de marca, gasta dinero detergente de marca, gasta más y
adicional para no lograr mejores obtiene mejores resultados.
resultados
Notas:
1 . La verdad de la situación no se conoce antes de tom ar la decisión, alcanzar la con

clusión y de que tengan lugar las acciones resultantes. La verdad de H puede nunca
conocerse.
2 . El error tipo II con frecuencia resulta en que representa una “ pérdida de oportunidad”;
en esta situación se pierde la posibilidad de usar un producto que produce m ejores
resultados.
C uando se tom a una decisión, seria bueno siem pre tom ar la decisión correcta. Sin
em bargo, esto no es posible en estadística porque las decisiones se tom an sobre la base de
inform ación m uestral. Lo m ejor que se puede esperar es controlar la probabilidad con la
O
Page 386 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8.3 La naturaleza de la prueba de hipótesis 365
que ocurre un error. La probabilidad asignada al error tipo I es a (llam ada “a lfa ”). La pro
babilidad del error tipo II es 3 (llam ada “ b e ta ” ; 3 es la segunda letra del alfabeto griego).
C onsulta la tabla 8.4.
TABLA 8 .4 P ro b a b ilid a d con la q u e o cu rre n las d e cisio n e s
1 Error en decisión Tipo Probabilidad Decisión correcta Tipo Probabilidad 1

Rechazo de una Fracaso para rechazar
Ho verdadera 1 a una Ho verdadera A 1 -a
Fracaso para rechazar Rechazo de una
una Ha falsa II 3 Ha falsa B 1 -3
Para controlar estos errores se asigna una pequeña probabilidad a cada una de ellas. Los
valores de probabilidad usados con m ás frecuencia para a y 3 son 0.01 y 0.05. La probabi
lidad asignada a cada error depende de su seriedad. M ientras m ás serio sea el error, menos
deseos se tienen de que ocurra; por tanto, se asignará una probabilidad más pequeña, a y
3 son probabilidades de errores, cada uno bajo condiciones separadas y no pueden com bi
narse. En consecuencia, no es posible determ inar una probabilidad sencilla para tom ar una
decisión incorrecta. Del m ism o m odo, las dos decisiones correctas están distintivam en
te separadas y cada una tiene su propia probabilidad; 1 - a es la probabilidad de una de
cisión correcta cuando la hipótesis nula es verdadera y 1 - 3 es la probabilidad de una
decisión correcta cuando la hipótesis nula es falsa. 1 - 3 se llam a potencia de la prueba
estadística porque es la m edida de la capacidad de una prueba de hipótesis para rechazar
una hipótesis nula falsa, una característica m uy importante.
N o ta: sin im portar el resultado de una prueba de hipótesis, nunca puedes estar seguro de
que se haya alcanzado una decisión correcta.
O bserva nuevam ente los d o s posibles errores en la decisión que podrían ocurrir en el
ejem plo 8.10. La m ayoría de las personas se m olestarían si descubren que gastaron dinero
adicional por un detergente que no tiene m ejor rendim iento que la m arca más barata. Del
m ism o m odo, m uchas personas se m olestarían si descubren que podrían haber com prado
un m ejor detergente. Para evaluar la seriedad relativa de diehos errores se requiere sabsr
si se trata de tu lavandería personal o de un negocio de lavandería profesional, cuánto más
cuesta el detergente de m arca, etcétera.
Existe una interrelación entre la probabilidad del error tipo I (a ), la probabilidad del
error tipo II (3 ) y el tamaño de la muestra (n). Esto es muy parecido a la interrelación entre
el nivel de confianza, error máximo y tamaño de muestra que se estudió en las páginas
355-356. La figura 8.8 muestra la “competencia tripartita” entre a , 3 y n - Si alguno de los
tres aumenta o dism inuye, tiene un efecto sobre uno o ambos de los otros. Por tanto, la
labor del estadístico es “equilibrar” los tres valores de a, 3 y n para lograr una situación
de prueba aceptable.
FIGURA 8.8 Si a se reduce, entonces o 3 debe

La "c o m p e te n c ia trip a rtita " aumentar o n debe aumentar; si 3 dis
minuye, entonces a aumenta o n debe
entre a , 3 y n
aumentar; si n disminuye, entonces a au
menta o 3 aumenta. Las opciones para a,
3 y n definitivamente no son arbitrarias. A
esta altura de tu estudio de la estadística,
sólo se proporcionarán y usarán el tama
ño de la muestra, n y a , P(error tipo I),
para completar una prueba de hipótesis.
3 , P(error tipo II), se investigará con más
detalle en los ejercicios de sección, pero
no se utilizará en esta introducción a la
prueba de hipótesis.
Page 387 of 418

.
.
.
El tam año de la m uestra, n, se explica p o r sí m ism o, así que observa el papel de a.
¿SABÍAS Q U E...?
¿El g u s to d e la d a m a
N ivel de significancia <* p ro b a b ilid a d de com eter un e rro r d e tip o I.
p u e d e s e r la d ife re n c ia ?
A fin a le s d e 1 9 2 0 , se
pla n te ó la p re g u n ta : ¿el Establecer el nivel de significancia puede considerarse com o una “decisión gerencial” . Por
gusto d e la d a m a p uede lo general, alguien a carg o determ ina el nivel de probabilidad con el que quiere arriesgar
ser la d ife re n c ia entre un error de tipo I.
verter leche en una ta z a En este punto del procedim iento de la prueba de hipótesis, la evidencia se recolecta, se
d e té, frente a ve rter té en resume y se calcula el valor de un estadístico de prueba.
una ta z a d e leche? A la
d a m a se le presentaron
Estadístico de prueba V a ria b le a le a to ria cuyo v a lo r se c a lc u la a p a rtir de los
al a z a r dos ta z a s , una
d a to s m uéstrales y se usa p a ra to m a r la d e cisión "re c h a z a r H J ' o "fra c a s a r
d e c a d a una en pa re s y
p a ra re c h a z a r H
ella id e n tific ó co rre cta
m ente to d a s ellas. Si ella
a d iv in ó , su p ro b a b ilid a d El valor del estadístico de prueba calculado se usa en conjunto con una regla de decisión
d e a d iv in a r correctam e n para determ inar si se “rechaza H ” o se “ fracasa para rechazar H Esta re g la d e d e c i
te fue 0 .5 . De m o d o que sión debe establecerse antes de recolectar los datos; ella específica cóm o se llegará a la
se pla n te a la hipótesis de decisión.
que a d iv in ó y o b se rvó la De vuelta a la fiesta de tu am igo: tienes que sopesar la historia de fiestas de tu am igo,
e vid e n cia muestral. Ella el tiem po y el lugar, quiénes acuden m ás, etc., contra tu propio criterio y después tom ar
id e n tific ó correctam ente tu decisión. C om o resultado de la decisión acerca de la hipótesis nula (“ la fiesta será un
las 10 ta za s o fre cid a s .
¿Cuál es la p ro b a b ilid a d
d e a d iv in a r correctam e n
fiasco”), tom arás la acción adecuada; o irás o no irás a la fiesta.
Para com pletar una prueba de hipótesis, necesitarás escribir una conclusión que descri
ba cuidadosam ente el significado de la decisión en relación con el intención de la prueba
te 10 veces en fila? Este de hipótesis.
es el v a lo r p de Fisher.
¿Es p ro b a b le qu e ha ya
La conclusión
a d iv in a d o e id e n tific a d o
a. Si la d e cisió n es "re c h a z a r H ", entonces la conclusión d e b e enunciarse
correctam ente 10 veces
m ás o m enos com o: "e xiste suficiente e v id e n c ia en el nivel de s ig n ific a n c ia
en fila? (1 en 1 0 2 4 =
p a ra d e m o stra r q u e ... [el s ig n ific a d o d e la hipótesis a lte rn a tiv a ]".
0 .0 0 0 9 8 )
b. Si la d e cisió n es "fra c a s a r p a ra re c h a z a r H o" , entonces la co n clu sió n d e b e
e n u n cia rse a lg o p a re c id o a: "n o h a y suficiente e v id e n c ia en el nivel de
s ig n ific a n c ia a p a ra d e m o stra r q u e ... [el s ig n ific a d o d e la hipótesis alter
n a tiv a ]".
C uando escribas la decisión y la conclusión, recuerda que: 1) la decisión es acerca de

H y 2) la conclusión es un enunciado acerca de si se apoya la argum entación de H . Esto es
consistente con la “actitud” de todo el procedim iento de prueba de hipótesis. La hipótesis
nula es el enunciado que está “en ju icio ” y por tanto la decisión debe ser acerca de ella. La
argum entación de la hipótesis alternativa es el concepto que da pie a la necesidad de la deci
sión. Por tanto, la pregunta que conduce a la hipótesis alternativa debe responderse cuando
escribas la conclusión.
Siem pre debes recordar que, cuando tom as la decisión, nada se ha probado. A m bas
decisiones pueden conducir a errores: “ fracasar para rechazar H ” podría ser un error del
tipo II (la falta de suficiente evidencia conduce a que grandes fiestas se pierdan más de una
vez) y “rechazar / / ” podría ser un error del tipo I (m ás de una persona decidió ir a una fiesta
que fue un fiasco).
Page 388 of 418

.
.
.
8 .5 3 “Positivam ente el sistem a de alivio m ás efectivo del pla 8 .5 8 Enuncia

cia las hipótesis nula y alternativa para cada uno de
neta para ciática y dolor de espalda...”, de acuerdo con el Dr. los siguientes:
‘es:
C raig M ueller. E sta afirm ación apareció en w w w .E raseY our-
a. Q uieres dem ostrar un aum ento en com pra y venta de ca
B ackPain.com .
sas unifam iliares este año cuando se com paran con la tasa
a. ¿C óm o tratarías de dem ostrar que el enunciado anterior es del año pasado.
verdadero? ¿Q ué evidencia necesitarías recolectar?
b. Pones a prueba una nueva receta para pastel de queso
b. ¿C óm o tratarías de desaprobar el enunciado anterior? “ bajo en grasas” y esperas encontrar que su sabor no es
¿Q ué evidencia necesitarías recolectar? tan bueno com o el pastel de queso tradicional.
c. ¿T endría m ás sentido tratar de probar que el enunciado c. T ratas de dem ostrar que las lecciones de m úsica tienen un
an te rio re s verdadero o desaprobarlo? Explica. efecto positivo sobre la autoestim a de un niño.
8 .5 4 A lguna vez has escuchado que el varón estadounidense d. Investigas la relación entre el género de una persona y
prom edio m ide 69.7 pulgadas de alto. Sin em bargo, casi todos el autom óvil que conduce; específicam ente, quieres d e
los varones adultos en tu mundo personal parecen estar entre m ostrar que los varones tienden a conducir vehículos tipo
5 y 6 pies de alto, con unos pocos apenas arriba de 6 pies. A sí cam ioneta m ás que las m ujeres.
que, ¿cóm o es que el prom edio es casi de 6 pies? De hecho, tú
8 .5 9 C on el ejem plo de la fiesta de tu am igo (pp. 361 y 366),
estás bastante convencido de que la estatura prom edio puede
con H o : “ la fiesta será un fiasco” frente a H a : “ la fiesta será
ser algo m enor que 69.7 pulgadas.
grandiosa”, describe las cuatro posibles decisiones y las accio
a. ¿C óm o tratarías de dem ostrar que el enunciado anterior nes resultantes según describe el ejem plo 8. 1 2 .
de “m enos de 69.7 pulgadas” es verdadero? ¿Q ué eviden
cia recolectarías? ¿Q ué necesitaría m ostrar la evidencia
8 .6 0 C uando se inspecciona un paracaídas, el inspector busca
algo que pueda indicar que el paracaídas pueda no abrir.
recolectada para convencerte de la verdad del enunciado?
a. Enuncia las hipótesis nula y alternativa.
b. ¿C óm o tratarías de desaprobar el enunciado anterior de
“m enos de 69.7 pulgadas”? ¿Q ué evidencia recolectarías? b. D escribe los cuatro posibles resultados que pueden re
¿Q ué necesitaría m ostrar la evidencia recolectada para sultar dependiendo de la verdad de la hipótesis nula y la
desaprobar el enunciado? decisión alcanzada.
c. ¿.Seria m ás fácil piobai que “ m enos de 69.7 pulgadas” es c. D escribe la seiiedad de los dos posibles errores.
verdadero o desaprobarlo? Explica.
8.61 C uando un m édico en la escena de un accidente serio
8 .5 5 Tú pones a prueba un nuevo sistem a de detonación para inspecciona a cada víctim a, adm inistra la asistencia médica
explosivos y estás preocupado de que el sistem a no sea confia adecuada a todos los heridos, a m enos que esté seguro de que
ble. Enuncia las hipótesis nula y alternativa. la víctim a esté m uerta.
8 .5 6 Con referencia al ejem plo aplicado 8.11, enuncia la hipó a. Enuncia las hipótesis nula y alternativa.
tesis del instructor, la hipótesis alternativa.
b. D escribe los cuatro posibles resultados que puedan re
8 .5 7 Enuncia las hipótesis nula y alternativa para cada uno de sultar dependiendo de la verdad de la hipótesis nula y la
los siguientes: decisión alcanzada.
a. Investigas una queja de que “el correo de entrega especial c. D escribe la seriedad de los dos posibles errores.
tarda dem asiado tiem po” en distribuirse.
8 .6 2 Un proveedor de m ateriales de construcción para auto
b. Q uieres dem ostrar que las personas encuentran el nuevo pistas afirm a que puede sum inistrar una m ezcla de asfalto que
diseño de una silla reclinable m ás cóm odo que el diseño hará que los cam inos pavim entados con este m aterial sean me
anterior. nos resbalosos cuando estén húm edos. Un contratista general
que construye cam inos quiere poner a prueba la afirmación
c. Tratas de dem ostrar que el humo del cigarrillo afecta la
del proveedor. La hipótesis nula es “los cam inos pavim entados
calidad de vida de una persona.
con esta m ezcla de asfalto no son m enos resbalosos que los
d. Pones a prueba una nueva fórm ula para acondicionador cam inos pavim entados con otro asfalto” . La hipótesis alterna
de cabello y esperas dem ostrar que es efectivo para “pun tiva es “los cam inos pavim entados con esta m ezcla de asfalto
tas quem adas”. son m enos resbalosos que los cam inos pavim entados con otro
asfalto” .
Page 389 of 418

.
.
.
a. D escribe el significado de los dos posibles tipos de erro a. ¿Q ué hipótesis nula pone a prueba si com ete un error de
res que pueden ocurrir en la decisión cuando se com pleta tipo I cuando erróneam ente dice que el com ercial es
esta prueba de hipótesis. efectivo?
b. D escribe cóm o la hipótesis nula, com o se enunció an b. ¿Q ué hipótesis nula pone a prueba si com ete un error
teriorm ente, es un “ punto de partida” para la decisión a de tipo II cuando erróneam ente dice que el com ercial es
tom ar acerca del asfalto. efectivo?
8 .6 3 Con la inform ación del ejercicio 8.59, describe cóm o el 8.71 El director de una agencia de publicidad está preocupado
error de tipo II en el ejem plo de la fiesta representa una “opor por la efectividad de un com ercial de televisión.
tunidad perdida” .
a. ¿Q ué hipótesis nula pone a prueba si tom a una decisión
8 .6 4 D escribe las acciones que resultarían en un error de tipo correcta de tipo A cuando dice correctam ente que el co
I y un error de tipo II si se ponen a prueba cada una de las si m ercial no es efectivo?
guientes hipótesis nulas. (Recuerda: la hipótesis alternativa es
b. ¿Q ué hipótesis nula pone a prueba si tom a una decisión
la negación de la hipótesis nula.)
correcta de tipo B cuando dice correctam ente que el co
a. H : La m ayoría de los estadounidenses favorece las leyes m ercial no es efectivo?
contra las arm as de asalto.
8 .7 2 Un político está preocupado por ganar una elección ve
b. H : Las opciones en el m enú de com ida rápida no son nidera.
bajas en sal.
a. ¿Q ué hipótesis nula pone a prueba si com ete un error de
c. H : Este edificio no debe dem olerse. tipo I cuando erróneam ente dice que ganará la elección ?
d. H : N o hay desperdicio en los gastos del gobierno. b. ¿Q ué hipótesis nula pone a prueba si com ete un error tipo
II cuando erróneam ente dice que ganará la elección?
8 .6 5 D escribe la acción que resultaría en una decisión correc
ta tipo A y una decisión correcta tipo B si se pone a prueba
cada una de las hipótesis nulas del ejercicio 8.64.
8 .7 3 a. Si a a: se le asigna el valor 0.001, ¿qué se dice acer
ca del error tipo I?
8 .6 6 D escribe la acción que resultaría en una decisión correc b. Si a o: se le asigna el valor 0.05, ¿qué se dice acerca
ta tipo A y una decisión correcta tipo B si se ponen a prueba las del error tipo I?
hipótesis para el nuevo sistem a de detonación para explosivos
c. Si a a se le asigna el valor 0.10, ¿qué se dice acerca
del ejercicio 8.55.
del error tipo I?
8 .6 7 C onsidera la hipótesis nula del ejem plo aplicado 8.11,
8 .7 4 a. Si a (i se le asigna el valor 0.001, ¿ q u é se dice acer
“/ / ' \ las técnicas de enseñanza no tienen efecto significativo
ca del error tipo II?
sobre las calificaciones de exam en de les estudiantes” . D escri
be las acciones que resultarían en errores tipo I y tipo II si H b. Si a /3 se le asigna el valor 0.05, ¿qué se dice acerca
se pone a prueba. del error tipo II?
8.68 C onsidera la hipótesis nula del ejem plo aplicado 8.11, c. Si a /3 se le asigna el valor 0.10, ¿qué se dice acerca
“/ / : las técnicas de enseñanza no tienen efecto significativo del error tipo II?
sobre las calificaciones de exam en de les estudiantes” . D escri
8 .7 5 a. Si la hipótesis nula es verdadera, la probabilidad de
be las acciones que resultarían en una decisión correcta tipo A
un error de decisión se identifica, ¿con qué nom bre?
y una decisión correcta tipo B si H se pone a prueba.
b. Si la hipótesis nula es falsa, la probabilidad de un
8 .6 9 a. Si la hipótesis nula es verdadera, ¿qué error de
error de decisión se identifica, ¿con qué nom bre?
decisión podría com eterse?
8 .7 6 Supon que una prueba de hipótesis se realiza con el uso
b. Si la hipótesis nula es falsa, ¿qué error de decisión
de oc = 0.05. ¿C uál es la probabilidad de com eter un error de
podría com eterse?
tipo I?
c. Si se tom a la decisión “rechazar H ”, ¿qué error
8 .7 7 Explica por qué a no siem pre es la probabilidad de re
de decisión podría com eterse?
chazar la hipótesis nula.
d. Si se tom a la decisión “ fracasar para rechazar H ’\
8 .7 8 Explica cóm o asignar una probabilidad pequeña a un
¿qué error de decisión podría com eterse?
error controla la probabilidad de su ocurrencia.
8 .7 0 El director de una agencia de publicidad está preocupado
8 .7 9 La conclusión es la parte de la prueba de hipótesis que
po r la efectividad de un com ercial de televisión.
com unica los hallazgos de la prueba al lector. Com o tal, nece
Page 390 of 418

.
.
.
sita atención especial, de m odo que el lector reciba una imagen que de tapones de corcho para usar en em botellado de vino no
precisa de los hallazgos. espum oso (frente a efervescente) pasa la inspección. U na vez
que inspecciones el núm ero obligatorio de la form a aprobada,
a. D escribe cuidadosam ente la “actitud*' del estadístico y el
tom arás una decisión para aceptar o rechazar el lote.
enunciado de la conclusión cuando la decisión es “recha
La parte 1 de la inspección requiere que selecciones al azar
zar H o
32 corchos y m idas tres dim ensiones físicas del tapón cilindri
b. D escribe cuidadosam ente la “actitud" del estadístico y el co de acuerdo con los procedim ientos definidos.
enunciado de la conclusión cuando la decisión es “ fraca L im ites d e especificación
sar en rechazar H o D iám etro 24 mm ± 0.5 mm
O valización < 0.7 mm
8 .8 0 Encuentra la potencia de jn a prueba cuando la probabi
Longitud 45 mm ± 0.7 mm
lidad del error tipo II es:
O
N iveles d e ca lid a d d e a c e p ta c ió n (N C A )
a. 0.01 b. 0.05 c. 0.10 El lote se acepta si no m ás de dos corchos presentan un resul
[EX00-000| identifica el nombre de archivo de una base de datos en línea de un ejercicio: disponible a través de cengagebrain.com
tado inferior o superior a los lím ites de especificación.
8.81 Se sabe que una población con distribución norm al tiene
El lote puede rechazarse si tres o m ás corchos presentan
una desviación estándar de 5, pero su m edia está en cuestión.
un resultado inferior o superior a los lím ites de especificación.
Se argum enta que es p, = 80 o /x = 90, y se diseña la siguiente
Fuente: h H p : / / w v A v .c o d ilie -g e -.o rg
prueba de hipótesis para resolver el argum ento. La hipótesis
nula, H : /x = 80, se pondrá a prueba al usar un valor de datos A continuación se presentan los resultados de inspeccionar la
seleccionado al azar y com pararlo con el valor crítico de 86. m uestra obligada. (Todas las m ediciones están en m ilím etros.)
Si el valor de datos es m ayor que o igual a 86, se rechazará la
a. D eterm ina el núm ero de corchos que pasan la parte 1 de
hipótesis nula.
la inspección.
a. Encuentra a, la probabilidad del error tipo I.
b. Enuncia la decisión y explica cóm o llegaste a ella.
b. Encuentra /3, la probabilidad del error tipo II.
8 .8 2 Supon que el argum ento del ejercicio 8.81 se estableció

c. Prepara un breve reporte escrito que resum a los requisitos
y tus hallazgos y decisión.
usando una m uestra de tam año 4; encuentra a y /3.
8 .8 4 [E X 0 8 -0 8 4 ] Com o inspector de control de calidad en el
8 .8 3 [E X 0 8 -0 8 3 ] Tú eres inspector de control de calidad y es ejercicio 8.83, estás listo para la segunda fase de la inspección.
tás en una posición para tom ar la decisión de si un gran em b ar

Corcho l 2 3 4 5 ó 7 8
Diámetro 24.51 2 4 .1 3 2 4 .2 8 2 4 .2 7 2 3 .7 9 24.1 1 2 4 .0 8 2 3 .6 6

Ovalización 0 20 0 .8 8 0 .3 8 0 .2 0 0 29 0 14 0 .2 0 0 32
Longitud 4 4 .8 9 4 4 .6 9 4 5 .3 6 44 94 4 4 .6 5 4 5 .5 0 4 4 .8 6 4 4 .6 7
Corcho 9 10 11 12 13 14 15 16
Diámetro 24.41 2 4 .0 8 2 4 .0 2 23 9 4 23.71 2 4 .1 8 2 4 .1 3 24 30

Ovalización 0 03 0 .4 3 0 .5 0 0 43 0 51 0 46 053 0 .1 4
Longitud 4 5 .1 3 4 4 .9 2 4 4 .8 8 4 5 .1 4 4 4 .8 7 4 4 .6 7 4 5 01 4 4 .8 6
Corcho 17 18 19 20 21 22 23 24
Diámetro 2 3 .7 8 24.01 2 4 .0 3 2 4 .1 0 2 3 .7 7 2 4 28 2 3 .8 5 2 4 .3 9
Ovalización 0 .0 7 0 .3 2 0 .3 4 0 23 .0 7 6 0 39 0 .4 7 0 .4 3
Longitud 4 5 .1 2 45.21 4 5 .7 0 4 4 .9 5 4 4 .2 7 45 23 45 29 4 4 98
Corcho 25 26 27 28 29 30 31 32
Diámetro 2 4 .2 7 2 3 .9 2 2 4 .2 3 2 4 .1 7 2 3 .7 7 24 40 24.31 23 85
Ovalización 0 .2 0 0 .4 7 0 .2 3 0 23 0 28 0 .3 4 056 005
Longitud 4 4 .8 0 4 5 .0 6 4 5 .3 8 45 1 1 4 4 .7 5 45 4 2 4 5 .0 4 4 4 .5 3
Page 391 of 418

.
.
.
La parte 2 requiere la determ inación del porcentaje de hu Muestra 1 5 5 ó 3 7 ó ó 7 8 ó
m edad de 20 tapones de corcho mientras se sigue el procedi ó 7 5 7 ó ó 7 ó 4 5
m iento prescrito. Muestra 2 1 ó ó 8 ó 5 7 ó 10 ó

L ím ites d e especificación 7 5 7 ó 5 ó ó 8 5 9
V alor nom inal: 6% Muestra 3 5 7 3 5 5 5 ó 5 9 3
Lím ites de especificación: ± 2% (es decir, de 4 a 8%) 5 7 7 9 7 8 5 10 8 9
N iveles d e ca lid a d d e a c e p ta c ió n (NCA )
El lote se acepta si no m ás de dos corchos presentan un resulta a. C onstruye un diagram a de puntos de los datos.
do inferior o superior a los lím ites de especificación. b. E tiqueta por com pleto el diagram a de puntos y encierra
El lote puede rechazarse si tres o más corchos presentan en un círculo los puntos que representen porcentajes de
un resultado inferior o superior a los lím ites de especificación.
corcho inferiores o superiores a los lím ites de especifica
Fuente: hllp://www.codiliege.org ción.
A continuación se m encionan tres diferentes m uestras,
c. Enuncia la decisión y explica cóm o llegaste a ella.
cada una tom ada de diferentes lotes. Revisa los resultados de
la m uestra y responde estas preguntas para cada una de las d. Prepara un breve reporte escrito que resum a los requisitos
m uestras por separado. y tus hallazgos y decisión para cada m uestra.
8.4 P ru eb a d e hipótesis d e m ed ia ¡ i
(cr conocida): Un m étodo d e valor
de p ro b a b ilid a d
En la sección 8.3 se estudiaron los conceptos y gran parte del razonam iento detrás de
una prueba de hipótesis m ientras observabas ejem plos no estadísticos. En esta sección se
form alizará el procedim iento de prueba de hipótesis com o se aplica a enunciados concer
nientes a la m edia de una población bajo la restricción de que cr, la desviación estándar
poblacional, es un valor conocido.
La suposición p ara las pruebas de hipótesis en torno a la m edia p&con una a

conocida La d is trib u c ió n m uestral d e x tiene una d is trib u c ió n n o rm a l.
La inform ación que necesitas para asegurar que esta suposición se satisfaga está contenida
en la distribución m uestral de las m edias m uéstrales y en el TLC:
PTI Si las suposiciones ^

no se satisfacen para La distribución m uestral de m edias todos los tam años de m uestra, o 2 ) si
las pruebas de hipóte m uéstrales x se distribuye en torno a una la población m uestreada al azar no tie
sis en torno a la m edia m edia igual a /x con un error estándar ne distribución norm al, entonces x tiene
p ,co n una c rc o n o c id a , igual a cr^ n; y 1 ) si la población m ues- distribución aproxim adam ente normal
el va lo r p ca lcula do treada al azar tiene distribución norm al, para tam años de m uestra suficientem en
po dría causar una de entonces Jr tiene distribución norm al para te grandes.
cisión equivocad a en
tom o a HO.
La prueba de hipótesis es un procedim iento paso a paso bien organizado que se usa
para tom ar una decisión. U sualm ente se usan dos form atos diferentes para la prueba de
hipótesis. El m étodo de valor de pro babilidad o sim plem ente m étodo valor p , es el proce
so de prueba de hipótesis que ganó popularidad en años recientes, principalm ente com o
resultado de la conveniencia y la habilidad de las com putadoras para “hacer cuentas” . Este
método se organiza com o un procedim iento de cinco pasos.
Page 392 of 418

.
.
.
Sección 8 .4 Prueba de hipótesis de m edia p, (o-co no cida ): Un m étodo de ... 371
LA PRUEBA DE HIPÓTESIS MEDIANTE VALOR DE PROBABILIDAD:
UN PROCEDIMIENTO DE C IN C O PASOS
a. D escribe el p a rá m e tro p o b la c io n a l de interés.

b. E nuncia la hipótesis n u la (H J y la hipótesis a lte rn a tiv a (H J.
Paso 2 Criterios de la prueba de hipótesis:

b. Id e n tifica la d is trib u c ió n d e p ro b a b ilid a d y el estadístico de p ru e b a
a usar.
c. D eterm ina el nivel de s ig n ific a n c ia , a.
a. Recolecta la in fo rm a c ió n muestral.
b. C a lc u la el v a lo r del estadístico d e p ru e b a .
Paso 4 La distribución de probabilidad:
a. C a lc u la el v a lo r p p a ra el estadístico d e p ru e b a .
b. D e te rm in a si el v a lo r p es o no es m enor qu e a.
a. E nuncia la d e cisió n en to rn o a H o .
b. E nuncia la conclusión en to rn o a H a .
Un fabricante de aeronaves com erciales com pra rem aches para usar en el ensam blado
de aviones. C ada proveedor de rem aches que quiere vender rem aches al fabricante de
aeronaves debe dem ostrar que sus rem aches cum plen con las especificaciones requeridas.
PTI Piensa en las conse
cuencias de usar rem a U na de las especificaciones es: “ la resistencia m edia al corte de todos los rem aches, fx, es
ches débiles. al m enos 925 Ib” . C ada vez que el fabricante de aeronaves com pra rem aches, está preocu
pado porque la resistencia m edia pueda ser m enor que la especificación de 925 Ib.
Nota: cada rem ache individual tiene una resistencia al corte, que se determ ina al medir
la fuerza requerida para cortar (“rom per”) el rem ache. C laram ente, no todos los remaches
pueden ponerse a prueba, por tanto, se pondrá a prueba una m uestra de rem aches, y una
decisión acerca de la resistencia m edia de todos los rem aches sin probar se basará en la
m edia de los que se m uestrearon y pusieron a prueba.
P A S O 1 L a p re p a ra c ió n :
a. D escrib e el p a r á m e tr o p o b la cio n a l d e in te rés.
El parám etro poblacional de interés es la m edia /x, la resistencia al corte m edia de
(o fuerza m edia requerida para cortar) los rem aches a considerar para la com pra.
b. E n u n c ia la h ip ó te sis n u la ( H J y la h ip ó tesis a lte rn a tiv a ( H J .
La hipótesis nula y la hipótesis alternativa se form ulan m ediante inspección del proble
m a o enunciado a investigar y prim ero form ulando dos enunciados opuestos acerca de
la m edia /x. Para el ejem plo, estos dos enunciados en oposición son: (A) “ la resistencia
PTI En las pá ginas
m edia al corte es m enor que 925” (¡x < 925, la preocupación del fabricante de aerona
3 6 1 -3 6 3 se dan instruc
ciones más específicas. ves) y (B) “ la resistencia m edia al corte es al m enos 925” (¡x = 925, la afirm ación del
proveedor de rem aches y la especificación del fabricante de aeronaves).
Nota: la ley de tricotom ía del álgebra afirm a que dos valores num éricos deben relacionarse
en exactam ente una de tres relaciones posibles: <, = o >. Estas tres posibilidades deben
representarse en las dos hipótesis opuestas con la finalidad de que las dos hipótesis sean
negaciones una de la otra. Las tres posibles com binaciones de signos e hipótesis se m ues
tran en la tabla 8.5. R ecuerda que la hipótesis nula asigna un valor específico al parám etro
en cuestión y por tanto “igual” siem pre será parte de la hipótesis nula.
Page 393 of 418
.
.
.
TABLA 8 .5 Los tre s p o s ib le s e n u n c ia d o s d e la s
h ip ó te s is n u la y a lte rn a tiv a
1 Hipótesis nula Hipótesis alternativa 1

1. M ayor que o igual a (St) M enor que (<)
2. Menor que o igual a fes) M ayor que (>)
3. Igual a (=) Lio igual a (t 4
El parám etro de interés, la m edia poblacional /x, se relaciona con el valor 925. El enun
ciado (A) se convierte en la hipótesis alternativa:
H : /x < 925 (la m edia es m enor que 925)
Este enunciado representa la preocupación del fabricante de aeronaves y dice: “los

rem aches no satisfacen las especificaciones requeridas*’. El enunciado (B) se convierte
en la hipótesis nula:
H : ijl = 925 (>) (la m edia es al m enos 925)
Esta hipótesis representa la negación de la preocupación del fabricante de aeronaves y

dice: “los rem aches sí satisfacen las especificaciones requeridas” .
Nota: la hipótesis nula se escribirá sólo con el signo igual, lo que por tanto afirm a el valor
exacto asignado. C uando “ igual” se em pareja con “m enor que” o con “m ayor q u e”, el sím
bolo com binado se escribe al lado de la hipótesis nula com o recordatorio de que los tres
signos se representan en estos dos enunciados en oposición.
A ntes de continuar con el ejem plo, observa los tres ejem plos que dem uestran la form u
lación de las hipótesis estadísticas nula y alternativa que involucran la m edia poblacional
/x. Los ejem plos 8.13 y 8.14 dem uestran cada uno una hipótesis alternativa de “ una co la” .
E J E M P L O 8.13
CÓMO ESCRIBIR LAS HIPÓTESIS NULA Y ALTERNATIVA
© (SITUACIÓN DE UNA COLA)
Supon q u e la A g e n c ia de P rotección A m b ie n ta l e n ju ic ia rá a la c iu d a d d e
Rochester p o r no c u m p lir con los está n d a re s d e m o n ó x id o d e c a rb o n o . En
e sp e cífico , la EPA q u e rría d e m o stra r qu e el nivel m e d io de m o n ó x id o d e c a r
b o n o en el a ire del centro de Rochester es p e lig ro s a m e n te e le v a d o , m a y o r a
4 .9 p a rte s p o r m illó n . Enuncia las h ip ó te sis n u la y a lte rn a tiv a .
S olución
Para e n u n c ia r las dos h ip ó te sis, p rim e ro necesitas id e n tific a r el p a rá m e tro
p o b la c io n a l en cuestión: el "n iv e l m e d io d e m o n ó x id o d e c a rb o n o en Roches
te r". El p a rá m e tro /x se c o m p a ra rá con el v a lo r 4 . 9 p a rte s p o r m illó n , el v a lo r
e specífico d e interés. La EPA cuestiona el v a lo r p, y desea d e m o stra r que es
m a yo r a 4 .9 (p .e j., > 4 .9 ) . Las tres p o sib le s re la c io n e s — 1) /x < 4 .9 , 2)
¿x = 4 .9 y 3) /x > 4 . 9 — d e b e n o rd e n a rs e p a ra fo rm a r do s e n u n c ia d o s o p u e s
tos: uno que e n u n cie la p o s ic ió n d e la EPA, "e l nivel m e d io es m a y o r a 4 .9
j/x > 4 .9 ) " , y el o tro que e n u n cie la n e g a c ió n , "e l nivel m e d io no es m a y o r a
4 .9 (/x s 4 .9 ) " . U no d e estos do s e n u n c ia d o s se c o n v e rtirá en la h ip ó te sis n u la ,
H o y el o tro se c o n v e rtirá en la h ip ó te sis a lte rn a tiv a , H a.
o T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c e n g a g c b ra in .c o m
Page 394 of 418
.
.
.
(<t
Sección 8 .4 Prueba de hipótesis de m edia /x conocida): Un m étodo de .. 373
R ecuerda q u e existen dos re g la s p a ra fo rm a r las h ipótesis: 1) la hipótesis

n u la a firm a qu e el p a rá m e tro en cuestión tie n e un v a lo r e s p e cífico ("H o de b e
co n te n e r el sig n o ig u a l") y 2) la a rg u m e n ta c ió n d e la EPA se c o n v ie rte en la
h ip ó te sis a lte rn a tiv a ("m a y o r q u e "). A m b a s re g la s in d ic a n :
H o. /x = 4 .9 (s) y H a. /x > 4 .9
E J E M P L O 8.14
© COMO ESCRIBIR LAS HIPOTESIS NULA Y ALTERNATIVA

(SITUACIÓN DE UNA COLA)
Un in g e n ie ro q u ie re d e m o stra r que las a p lic a c io n e s d e p in tu ra hechas con la
nueva fó rm u la secan y están listas p a ra la sig u ie n te c a p a en un tie m p o m e d io
d e m enos d e 3 0 m inutos. E nuncia las h ip ó te sis nula y a lte rn a tiv a p a ra esta
situ a ció n d e p ru e b a .
Solución
El p a rá m e tro d e interés es el tie m p o de s e ca d o m e d io p o r a p lic a c ió n y 3 0
m inutos es el v a lo r e s p e c ific a d o , /x < 3 0 co rre s p o n d e a "e l tie m p o m e d io es me
n o r que 3 0 " , m ientras que / x a 3 0 co rre s p o n d e a la n e g a c ió n , "el tiem p o
m e d io no es m e n o r que 3 0 " . Por ta n to , las hipótesis son
H o: /x = 3 0 (a) y H a: /x < 3 0
El ejem plo 8.15 dem uestra una hipótesis alternativa de “dos co las”.
E J E M P L O 8.15

© (SITUACIÓN DE DOS COLAS)
La sa tis fa c ció n en el e m p le o es m uy im p o rta n te p a ra la p ro d u c tiv id a d de los
tra b a ja d o re s . F u n cio n a rio s s in d ic a le s a p lic a ro n un c u e s tio n a rio e s tá n d a r de
s a tis fa c c ió n en el tra b a jo a una muestra d e tra b a ja d o re s d e línea d e ensam
b la d o en una g ra n p la n ta , con la e sp e ra n z a d e d e m o stra r q u e la c a lific a c ió n
m e d ia en este c u e s tio n a rio p a ra los tra b a ja d o re s de e n s a m b la d o sería d ife
rente d e la m e d ia e s ta b le c id a de 6 8 . E nuncia las h ip ó te sis nula y a lte rn a tiv a .
Solución
O la c a lific a c ió n m e d ia d e sa tis fa c c ió n la b o ra l es d ife re n te de 6 8 (/x * 6 8 ) o
la m e d ia es ig u a l a 6 8 (/x = 6 8 ). Por ta n to ,
H o: /x = 6 8 y H a. /x * 6 8
© T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c e n g a g c b ra in .c o m
Page 395 of 418
.
.
.
Notas:
1. La hipótesis alternativa se refiere com o de “dos colas” cuando Ha “no es igual”.
2. C uando “ m enor q u e” se com bina con “ m ayor que” , se convierten en “no igual a”.
El punto de vista del experim entador afecta enorm em ente la m anera en que se form an
las hipótesis. Por lo general, el experim entador trata de dem ostrar que el valor de parám e
tro es diferente del valor especificado. P or tanto, el experim entador con frecuencia espera
poder rechazar la hipótesis nula, de m odo que la teoría del experim entador pueda sostener
se. Los ejem plos 8.13, 8.14 y 8.15 tam bién representan los tres posibles arreglos para las
relaciones <, = y > entre el parám etro p, y un valor específico.
La tabla 8.6 m en cio n a algunas frases com unes ad icio n ales usadas en afirm aciones
e indica sus negaciones y las h ip ó tesis en las que se usará cad a frase. N uevam ente,
observa que “ igual” siem p re está en la hipótesis nula. N ota tam bién que la n egación de
“m enor q u e ” es “ m ay o r que o igual a” . P iensa en la negación co m o “ todos los o tro s”
del conjunto de tres signos.
TABLA 8 .6 Frases com unes y sus n e g a c io n e s
H : (;>) frente a Hg: (<) Ho: (<) frente a Ho: (>) H\ (=) frente a Hg: (*)
Al menos M enor que Cuando mucho M ás que Es N o es
N o menos que M enor que N o más que M ás que N o diferente de Diferente de
N o menor que M enor que N o mayor que M ayor que Igual que N o igual que
D espués de establecer las hipótesis nula y alternativa, trabajarás bajo la suposición de

que la hipótesis nula es un enunciado verdadero hasta que haya suficiente evidencia para
rechazarla. Esta situación debe com pararse con un ju icio en una sala de justicia, donde se
supone que el acusado es inocente (Ho: el acusado es inocente frente a Ha: el acusado no
es inocente) hasta que se haya presentado suficiente evidencia para dem ostrar que la ino
cencia es totalm ente increíble (“m ás allá de toda duda razonable”). En la conclusión de la
prueba de hipótesis, se tom ará una de dos posibles decisiones. Se decidirá en oposición a
la hipótesis nula y se dirá que se “rechaza H ” (esto corresponde a “condena” del acusado
en un juicio), o se decidirá en concordancia con la hipótesis nula y se dirá que se “ fracasa
para rechazar H ” (esto corresponde a “ fracaso para condenar” o una “absolución” del
acusado en un juicio).
R egresa al ejem plo de rem aches que se interrum pió en la página 371 y continúa con el
paso 2. R ecuerda que
H \ p. = 925 (>) (al m enos 925) H \ p, < 925 ( m enos que 925)
PA SO 2 Los c rite rio s d e la p ru e b a d e h ip ó tesis:

a. V erifica las su posiciones.
Supon que, de experiencias pasadas, se sabe que la desviación estándar de la re
sistencia al corte de los rem aches es o- = 18. Las variables com o la resistencia al
corte por lo general tienen una distribución am ontonada; p o r tanto, una m uestra de
tam año 50 debe ser suficientem ente grande para aplicar el TLC y garantizar que la
D M M M tendrá una distribución m uestral.
b. Id en tific a la d istrib u c ió n d e p ro b a b ilid a d y el estad ístic o d e p ru e b a a u sa r.
La distribución de probabilidad norm al estándar se usa porque x se espera que tenga
una distribución normal.
Para una prueba de hipótesis de p., se quiere com parar el valor de la m edia muestral
con el valor de la m edia de población com o se enuncia en la hipótesis nula. Esta com para
ción se logra con el estadístico de prueba de la fórm ula (8.4):
Estadístico de prueba p ara la media

(8.4)
cr/sn
Page 396 of 418

.
.
.
Sección 8 .4 Prueba de hipótesis de m edia /x (cr conocida): Un m étodo de .. 375
El valor calculado resultante se identifica com o "★ (“z estrella” ) porque se espera que
tenga una distribución norm al estándar cuando la hipótesis nula es verdadera y las supo
siciones se satisfacen. La ★ (“estrella”) es para recordar que éste es el valor calculado del
estadístico de prueba:
El estadístico de prueba a usar es "★ = A , — con a - 18.

at n
c. D e te rm in a el nivel d e sig n ifican cia, a.
En la sección 8.3 se describió el establecim iento de oc com o una decisión gerencial.

Para ver qué se involucra en la determ inación de a , la probabilidad del error tipo I, para
el ejem plo de los rem aches, com ienza por identificar los cuatro posibles resultados, sus
significados y la acción relacionada con cada uno.
El error tipo I ocurre cuando se rechaza una hipótesis nula verdadera. Esto ocurriría
PTI H a y más en este es
cuando el fabricante pone a prueba rem aches que satisfacen las especificaciones y los
ce n a rio , pero se espera
rechaza. Indudablem ente esto conduciría a que los rem aches no se com praran aun cuando
que captes la idea.
satisfacieran las especificaciones. Con la finalidad de que el gerente establezca un nivel
de significancia, se necesita inform ación relacionada: a saber, ¿cuán pronto se necesita el
PTI a se asign ará en el
nuevo sum inistro de rem aches? Si se necesitan m añana y éste es el único proveedor con un
enunciado de los ejer
sum inistro disponible, esperar una sem ana para encontrar rem aches aceptables podría ser
cicios.
m uy costoso; por tanto, rechazar rem aches buenos podría considerarse un serio error. Por
otra parte, si los rem aches no se necesitan sino hasta el próxim o m es, entonces este error
puede no ser m uy serio. Sólo el gerente conocerá todas las ram ificaciones y, en consecuen
cia, aquí son im portantes los com entarios del gerente.
D espués de m ucha consideración, el gerente asigna el nivel de significancia: a = 0.05.
P A S O 3 L a ev id en c ia m u e stra l:
a. R eco lecta la in fo rm a c ió n m u e stra l.
La m uestra debe ser una m uestra aleatoria extraída de la población cuya m edia /x se
cuestionará. Se selecciona una m uestra aleatoria de 50 rem aches, se pone a prueba
cada rem ache y se calcula la m edia m uestral de la resistencia al corte: .v = 921.18 y
n = 50.
b. C a lc u la el v alo r d el estad ístic o d e p ru e b a .
L a evidencia m uestral (.v y n se encontraron en el paso 3a) se convierte a continua
ción en el v a lo r ca lc u la d o d el estad ístic o de p ru e b a . con la fórm ula (8.4).
(/x es 925 de Ho y a = 18 es una cantidad conocida.) Se tiene
9 2 1 .1 8 -9 2 5 .0 -3 .8 2
= -1 .5 0
a i n Z* 18/, 50 2.5456
P A S O 4 L a d is trib u c ió n d e p ro b a b ilid a d :
a. C a lc u la el v alo r p p a r a el estad ístic o d e p ru e b a .
Valor de probabilidad, o valor p La p ro b a b ilid a d de que el estadístico de

p ru e b a p u e d a ser el v a lo r q u e es o un v a lo r más extrem o (en la d ire cció n
d e la hipótesis a lte rn a tiva ) c u a n d o la h ip ó te sis nula es v e rd a d e ra . [N o ta : se
usará el sím bolo P p a ra re p re se nta r el v a lo r p , e sp e cialm e n te en situaciones
a lg e b ra ic a s .)
D ibuja un esquem a de la distribución norm al estándar y ubica en ella z ^ (que se en

contró en el paso 3b). Para identificar el área que representa el valor p , observa el signo
en la hipótesis alternativa. Para esta prueba, la hipótesis alternativa indica que uno
está interesado en aquella parte de la distribución muestral que es “m enor cpie'' z+ . En
consecuencia, el valor p es el área que yace a la izquierda de z * \ Som brea esta área.
Page 397 of 418

.
.
.
Para encontrar el valor /?, puedes usar cualquiera de los tres m étodos resaltados aquí. El
método que uses no es lo im portante, porque cada m étodo sólo es la herram ienta de elec
ción para ayudarte a encontrar el valor /;.
M étodo 1. U sa la tabla 3 del apéndice B para determ inar el área tabulada relacio
PTI En las páginas 2 7 2 -
nada a la izquierda de z = -1 .5 0 :
2 7 6 se p ro p o rcio n a n
instrucciones com pletas valor p = P (z < z + ) = P(z. < -1 .5 0 ) = 0.0668
para usar la ta b la 3.
M étodo 2. U sa la tabla 5 del apéndice B y la propiedad de sim etría: la tabla 5 está
configurada para perm itirte leer el valor p directam ente de la tabla. D ado que P(z <
PTI Sólo usarás uno de -1 .5 0 ) = P(z > 1.50), sim plem ente localiza z.+ = 1.50 en la tabla 5 y lee el valor p:
estos tres m étodos eq ui
valentes. P (z < -1 .5 0 ) = 0.0668
M étodo 3. U sa la función de probabilidad acum ulada en una com putadora o calcu

PTI En la página 2 8 5 se ladora para encontrar el valor p:
proporcionan instruccio
P (Z < -1 .5 0 ) = 0.0668
nes para usar este co
m ando de computadora. b. D e te rm in a si el v a lo r p es o n o m e n o r q u e a.
¡Inténtalo! O bserva si El valor p (0.0668) no es m enor que a (0.05).
obtienes la misma res
puesta. PA SO 5 L os re su lta d o s:
a. E n u n c ia la decisió n a c e rc a d e H o.
¿El valor p es suficientem ente pequeño para indicar que la evidencia m uestral es
enorm em ente im probable en el evento de que la hipótesis nula sea verdadera? Con
la finalidad de tom ar la decisión, necesitas co nocer la regla de decisión.
Regla de decisión
a. Si el v a lo r p es m e n o r q u e o ig u a l a el nivel d e s ig n ific a n c ia , entonces la
d e cisió n d e b e ser rechazar H
b. Si el v a lo r p es m a y o r qu e e f nivel d e s ig n ific a n c ia , entonces la de cisión
d e b e ser fracasar p ara rechazar H q
La decisión acerca de H : fracasar para rechazar H .

PTI En la p á g in a 3 6 6
b. E n u n c ia la co n clu sió n a c e rc a de H a .
se p ro p o rc io n a in
No hay suficiente evidencia, en el nivel de significancia 0.05, para dem ostrar que
form ación específica
acerca de escribir la la resistencia m edia al corte de los rem aches sea m enor que 925. “ Se fracasa para
conclusión. condenar” la hipótesis nula. En otras palabras, una m edia m uestral tan pequeña
com o 921.18 es probable que ocurra (c ó m a s e define con a ) cuando el verdadero
valor de la m edia poblacional es 925.0 y x tiene distribución norm al. La acción
resultante del gerente sería com prar los rem aches.
Nota: cuando la decisión alcanzada es “fracasar para rechazar / / ” sim plem ente significa
“por falta de m ejor inform ación, actúo com o si la hipótesis nula fuera verdadera” (esto es:
“aceptar H ” es una denom inación equivocada).
A ntes de observar otro ejem plo, repasa los procedim ientos para encontrar el valor p.
El valor p se representa por el área bajo la curva de la distribución de probabilidad para el
estadístico de prueba que es m ás extrem o que el valor calculado del estadístico de prueba.
Existen tres casos separados y la dirección (o signo) de la hipótesis alternativa es la clave.
La tabla 8.7 destaca el procedim iento para los tres casos.
Page 398 of 418

.
.
.
Sección 8 .4 Prueba de hipótesis de m edia /x (cr con ocida): Un m étodo de ... 377
TABLA 8 .7 C ó m o e n co n tra r v a lo re s p con la d is trib u c ió n a c u m u la d a
Caso 1 El vabr p es el área a la Vabr p en cob derecha

Ha contiene ">" derecha de z k Valor de tabb Valor p
'Cola derecha' Vabr p = P\z > zk)
Caso 2 El vabr p es el área a b Vabr p en cob izquierda

Ha contiene *<" izquierda de z k Vabr p
'Cola izquierda" Vabr p = P[z < ¿r*)
m a
Caso 3 El vabr p es el área total de Vabr p en dos cobs

Ha contiene V * ambas cobs
'Dos colas* Vabr p = P[z < - Iz k l| + P\z >
www.elsolucionario.net lz *l)
z k puede estar en cualquier
cob y dado que ambas áreas
son iguales, encuentra b proba
bilidad de una c o b y duplicab.
En consecuencia, vabr
p = 2 x P[z < - lz * l)
O b s e r v a u n e j e m p l o q u e i n v o l u c r a e l p r o c e d i m i e n t o d e d o s c o la s .
E J E M P L O 8.16
PRUEBA DE HIPÓTESIS DE DOS COLAS

D urante años, m uchas g ra n d e s c o m p a ñ ía s en c ie rta c iu d a d han u sado la
A g e n c ia de E m pleo K e lle y p a ra p o n e r a p ru e b a e m p le a d o s p o te ncia les.
El test d e se le cció n de e m p le o q u e se u tiliz a resultó h istó rica m e n te en c a
lific a c io n e s con d is trib u c ió n n o rm a l en to rn o a una m e d ia d e 8 2 , con una
d e s v ia c ió n e stá n d a r de 8 . La A g e n c ia B row n ha d e s a rro lla d o un nuevo test
q u e es m ás rá p id o y más fá c il de a d m in is tra r y p o r ta n to m enos costoso.
B row n a firm a qu e los resultados d e su test son los m ism os que los o b te n i
d os del test Kelley. M u c h a s d e las c o m p a ñ ía s c o n s id e ra n un c a m b io de la
A g e n c ia K e lle y a la A g e n c ia B row n p a ra re c o rta r costos. Sin e m b a rg o , no
q u ie re n re a liz a r el c a m b io si los re sultados d e l test B row n tie n e n un v a lo r me
d io d ife re n te . U na em presa de p ru e b a s in d e p e n d ie n te puso a a n á lis is a 3 6
e m p le a d o s p o te n c ia le s con el test B row n Resultó una m e d ia m uestral de 7 9 .
D e te rm in a el v a lo r p a s o c ia d o con esta p ru e b a de hipótesis. (Supon cr - 8.)
T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c e n g a g c b ra in .c o m
Page 399 of 418
.
.
.
¿SABÍAS QUE...? Solución

El conflicto Fisher Paso 1 La preparación:
y N eym an a. Describe el parám etro poblacional de interés.
Su d ife re n c ia se centró La m e d ia p o b la c io n a l /x, la m e d ia de to d a s las c a lific a c io n e s de test
en sus enfoque s a las u sa n d o el test de la A g e n c ia B row n.
p ru e b a s de hipótesis. b Enuncia la hipótesis nula (H J y la hipótesis alternativa (HJ.
A m b o s m étodos c o m ie n
Los resultados del test d e la A g e n c ia B row n "se rá n d ife re n te s " (la p re
za n con una h ip ó te sis
o c u p a c ió n ) si la c a lific a c ió n d e test m e d ia no es ig u a l a 8 2 . Serán
nula y usan el m ism o
"ig u a le s " si la m e d ia es ig u a l a 8 2 . Por ta n to ,
estadístico de p ru e b a ;
sin e m b a rg o , N e y m a n y
Pearson usan un riesgo H o: /x = 8 2 (resultados de test tie n e n la m ism a m e d ia )
de e rro r e s ta b le c id o y H o. /x 8 2 (resultados d e test tie n e n d ife re n te m e d ia )
Fisher no lo usa. El en Paso 2 Los criterios de la prueba de hipótesis:
fo q u e N e y m a n /P e a rs o n a. Verifica las suposiciones.
sig ue un m é to d o ló g ic o
Se c o n o c e cr. Si las c a lific a c io n e s del test se d is trib u y e n ig u a l qu e las
d e d u c tiv o b á sico de su
c a lific a c io n e s del test K elley, te n d rá n una d is trib u c ió n n o rm a l y la dis
p o n e r q ue la h ip ó te sis es
trib u c ió n m uestral será n o rm a l p a ra to d o s los ta m a ñ o s de m uestra,
v e rd a d e ra y lu e g o bus
can e vid e n c ia q ue co n b Identifica la distribución de p ro bab ilidad y el estadístico de prueba a
tra d ig a las suposiciones. usar.
El e n fo q u e Fisher d e te r
m ina la p r o b a b ilid a d de
La d is trib u c ió n de p ro b a b ilid a d n o rm a l e s tá n d a r y el estadístico de
p ru e b a
la o c u rre n c ia p a ra los z~k - x ¡ Jt. se usará con a = 8
d a to s qu e resultan y usa oy n
V
d ic h o v a lo r d e p ro b a b ili
d a d p a ra v a lo ra r los d a c. Determ ina el nivel de significancia, a.
tos. U na p ro b a b ilid a d Se o m ite el nivel d e s ig n ific a n c ia p o rq u e la p re g u n ta p id e el v a lo r p y
p e q u e ñ a m uestra "im no una d e c is ió n .
p ro b a b ilid a d " p a ra qu e
los d a to s h a y a n o c u rrid o Paso 3 La evidencia muestral:
b a jo una h ipóte sis nula a. Recolecta inform ación muestral: n = 3 6 , x = 7 9 .
v e rd a d e ra . La p ro b a b ili b Calcula el valor del estadístico de prueba.
d a d d e que la h ipó te sis /x es 8 2 d e Ho; o- = 8 es una c a n tid a d c o n o c id a . Se tiene
nula sea c o rre cta es otra
h isto ria : ello re q u ie re un z ir - x ~ ^ • Z 'k - ^ ~ = - 2 25
c r/^ T • 8 / s36~ 1 .3 3 3 3
e n fo q u e b a y e s ia n o y
co n d u c e to d a v ía a otra Paso 4 La distribución de probabilidad:
d isp u ta a c a d é m ic a . a. Calcula el valo r p p ara el estadístico de prueba.
D a d o q u e la h ip ó te sis a lte rn a tiv a in d ic a un test d e do s colas, debes

e n c o n tra r la p ro b a b ilid a d a s o c ia d a con a m b a s colas. El v a lo r p se en
cuentra al d u p lic a r el á re a d e una cola (consulta la ta b la 8 .7 , p. 3 7 7 ).
z + = -2 .2 5
De la ta b la 3 : v a lo r p = 2 x P(z < - 2 . 2 5 ) = 2 ( 0 .0 1 2 2 ) = 0 .0 2 4 4 .
o
De la ta b la 5 : v a lo r p = 2 x P(z > 2 .2 5 ) = 2 ( 0 .0 1 2 2 ) = 0 .0 2 4 4 .
o
Usa la fu n c ió n d e p ro b a b ilid a d a c u m u la d a en una c o m p u ta d o ra o
c a lc u la d o ra : v a lo r p = 2 x P(z < - 2 . 2 5 ) = 0 .0 2 4 4 .
Page 400 of 418

.
.
.
Sección 8 .4 Prueba de hipótesis de m edia p. (a-co no cida ): Un m étodo de ... 379
2. v a lo r p 1j -j v alo r p b. Determ ina si el valor p es o no es m enor que a .

V a lo r d e
t a b la N o es p o s ib le una c o m p a ra c ió n ; en el e n u n c ia d o de la pre
g u n ta n o se p ro p o rc io n a un v a lo r a.

0 .0 1 2 2 *. 0.0122
El v a lo r p p a ra esta p ru e b a d e h ip ó te sis es 0 .0 2 4 4 . A h o ra ca d a
c o m p a ñ ía in d iv id u a l d e c id irá si co n tin ú a con los s e rv ic io s de la
-2 .2 5 A g e n c ia K e lle y o c a m b ia a la A g e n c ia B ro w n . C a d a una necesi
ta rá e sta b le ce r el nivel d e s ig n ific a n c ia q u e m e jo r se ajuste a su
p ro p ia situ a ció n y después to m a r una d e c is ió n usa n d o la re g la
d e d e c is ió n d e s c rita a n te rio rm e n te .
La idea fundam ental d el valor p es expresar el grado de creencia en la hipótesis nula:

PTI Consulta las instruc
ciones en las páginas
• C uando el valor p es m inúsculo (algo com o 0.0003), la hipótesis nula la recha
375-376.
zarían todos porque los resultados m uéstrales son muy im probables para una Ho
verdadera.
• C uando el valor p es bastante pequeño (com o 0.012), la evidencia contra H es
muy fuerte y H la rechazarán m uchos.
• C uando el valor p com ienza a volverse más grande (por decir, 0.02 a 0.08), existe
•
m ucha probabilidad de que datos com o la m uestra involucrada pudieran haber ocu
rrido incluso si H o fuese verdadera y el rechazo de H o no es una decisión sencilla.
C uando el valor p se vuelve grande (com o 0.15 o m ás), los datos no son en abso
luto im probables si H es verdadera y nadie rechazara H .
Las ventajas d el m etido d el valor p son las siguientes: 1) Los resultados del procedi
m iento de prueba se expresan en térm inos de una escala de probabilidad continua desde 0.0
hasta 1 .0 , en lugar de sim plem ente sobre la base de “rechazar” o “ fracaso para rechazar”.
2) Puede reportarse un valor p y el usuario de la inform ación puede decidir acerca de la
fuerza de la evidencia com o se aplica a su propia situación. 3) Las com putadoras pueden
hacer todos los cálculos y reportar el valor p , lo que por tanto elim ina la necesidad de
tablas.
La desventaja d el m étodo d el valor p es la tendencia de las personas a posponer la de
term inación del nivel de significancia. N o debes perm itir que esto ocurra, porque entonces
PTI ¿Tus oponentes es posible que alguien establezca el nivel de significancia después del hecho, lo que deja
muestran sus manos
abierta la posibilidad de que resultará la decisión “preferida”. Sin em bargo, probablem ente
de pó qu er antes de tu
esto es im portante sólo cuando el v alor p reportado cae en el rango de “elección difícil”
apuesta?
(por decir, 0.02 a 0.08), com o se describió anteriorm ente.
E J E M P L O 8.17

CON DATOS MUESTRALES
D e a c u e rd o con los re sultados del e je rc ic io 5 .3 3 (p. 2 4 2 ), la m e d ia d e núm e
ros a le a to rio s d e un solo d íg ito es 4 .5 y la d e s v ia c ió n e s tá n d a r es o- = 2 .8 7 .
E xtrae una muestra a le a to ria d e 4 0 núm eros d e un solo d íg ito de la ta b la 1
del a p é n d ic e B y p o n a p ru e b a la h ip ó te sis "la m e d ia de los núm eros de un
solo d íg ito d e la ta b la 1 es 4 .5 " . Usa or = 0 .1 0 .
Page 401 of 418

.
.
.
Solución
a. Describe el parám etro poblacional de interés.
El p a rá m e tro p o b la c io n a l d e interés es la m e d ia /x d e la p o b la c ió n de
núm eros d e un solo d íg ito d e la ta b la 1 del a p é n d ic e B.
b Enuncia la hipótesis nula (H J y la hipótesis alternativa ( H j.
H o: /x = 4 .5 (m e d ia es 4 .5 )
H a: ¡JL * 4 .5 (m e d ia no es 4 .5 )
Paso 2 Los criterios de la prueba de hipótesis:

Se c o n o c e cr. Las m uestras d e ta m a ñ o 4 0 d e b e n ser suficientem ente
g ra n d e s p a ra sa tisfa ce r el TLC; consulta la discusión d e este tem a en
la p á g in a 3 7 0 .
b Identifica la distribución de p ro bab ilidad y el estadístico de prueba a

usar.
Usa la d is trib u c ió n de p ro b a b ilid a d n o rm a l e stá n d a r y el estadístico de
p ru e b a es z * = X J t . ; cr = 2 .8 7 .
c r/ n
c. Determ ina el nivel de significancia, a.
a = 0 .1 0 (d a d o en el e n u n c ia d o del p ro b le m a )

a. Recolecta inform ación muestral.
Esta muestra a le a to ria se e xtrajo de la ta b la 1 del a p é n d ic e B [T A 0 8 -0 1] :
2 8 2 Í 5 5 4 0 9 i 0 4 ó T
5 1 1 3 8 0 3 6 8 4 8 6 8
9 5 0 1 4 1 2 1 7 1 7 9 3
A p a rtir d e la m uestra: x = 3 .9 7 5 y n = 4 0 .
b Calcula el valo r del estadístico de prueba.

Usa la fó rm u la (8 .4 ) y /x es 4 .5 a p a rtir d e H o y cr = 2 .8 7 :
x -/x . 3 .9 7 5 - 4 . 5 0 -0 .5 2 5 , KÁ i 1A
Z* = W J T z* = 2 . 8 7 / , = O Á S T — n 5 6 — 1 - 16

a. Calcula el valor p p a ra el estadístico de prueba.
D a d o q u e la hipótesis alternativa in d ic a una prueba de dos colas, debes
encontrar la p ro b a b ilid a d aso cia da con a m bas colas, El va lo r p se en-
cuentra al d u p lic a r el á rea de una cola, z ir = - 1 . 1 6 .
El v a lo r p = P = 2 x P(z < - 1.16)
= 2 (0 .1 2 3 0 ) = 0 .2 4 Ó 0
b. Determina si el valor p es o no es menor que a
El v a lo r p (0 .2 4 6 0 ) es m a y o r que a ( 0 . 10).

a. Enuncia la decisión acerca de Ho : fra c a s o 1p a ra re c h a z a r Ho .
b Enuncia la conclusión acerca de H o.
La m e d ia m uestral o b s e rv a d a n o es s ig n ific a tiv a m e n te d ife re n te d e 4 .5
en el nivel d e s ig n ific a n c ia 0 .1 0 .
Page 402 of 418

.
.
.
Sección 8 .4 Prueba de hipótesis de m edia /x (cr conocida): Un m étodo de .. 381
S upon que tom as otra m uestra de tam año 40 de la tabla 1. ¿O btendrías los mismos
resultados? Supon que tom as una tercera m uestra y una cuarta. ¿Q ué resultados puedes
esperar? ¿Q ué m ide el valor p del ejem plo 8.17? La tabla 8.8 m enciona 1) las m edias obte-
TABLA 8 .8
a. Las medias de 50 muestras aleatorias tomadas de la tabla 1 del apéndice B [TA08-08]
3 .8 5 0 5 .0 7 5 4 .3 7 5 4 .6 7 5 5 200 4 .2 5 0 3 .7 7 5 4075 5 .8 0 0 4.9 75

4 .2 2 5 4 125 4 .3 5 0 4925 5 100 4 .1 7 5 4 300 4 400 4 .7 7 5 4525
4 .2 2 5 5 075 4 .3 2 5 5 025 4 .7 2 5 4 .6 0 0 4 .5 2 5 4 .8 0 0 4 .5 5 0 3 875
4 .7 5 0 4 .6 7 5 4 .7 0 0 4 400 5 150 4 .7 2 5 4 350 3 950 4 .3 0 0 4 .7 2 5
4 .9 7 5 4 .3 2 5 4 .7 0 0 4 .3 2 5 4 175 3 .8 0 0 3 .7 7 5 4 .5 2 5 5 .3 7 5 4 225
b. Los valores z-k correspondientes a las 5 0 medias
-1 4 3 2 1 267 - 0 .2 7 5 0 386 1 543 -0 .5 5 1 -1 5 9 8 -0 937 2 .8 6 5 1 047

-0 606 - 0 826 -0 .3 3 1 0937 1 322 -0 .7 1 6 - 0 441 -0 220 0 .6 0 6 0055
- 0 60Ó 1 .2 6 7 -0 .3 8 6 1 157 0 496 0 .2 2 0 0 .0 5 5 0 661 0.1 10 - 1 .3 7 7
0.5 51 0 386 0.4 41 - 0 .2 2 0 1 432 0 .4 9 6 - 0 331 - 1 .2 1 2 -0 .4 4 1 0 496
1 .0 4 7 - 0 3 8 6 0.4 41 - 0 386 - 0 .7 1 6 -1 .5 4 3 -1 .5 9 8 0 .0 5 5 1.928 - 0 605
c. Los valores p correspondientes a las 50 medias
0 .1 5 2 0 205 0 783 0 700 0 123 0 .5 8 2 0 1 10 0 349 0004 0 295

0 .5 4 5 0 409 0 741 0 349 0 186 0 .4 7 4 0659 0 826 0 .5 4 5 0956
0 .5 4 5 0 205 0 .7 0 0 0 .2 4 7 0 620 0 826 0 .9 5 6 0 .5 0 9 0 912 0 .1 6 8
0582 0 700 0 .6 5 9 0 826 0 152 0620 0.7 41 0 226 0 .6 5 9 0623
0 295 0 .7 0 0 0 .6 5 9 0 .7 0 0 0 474 0 123 0 1 10 0 .9 5 6 0 .0 5 4 0 .5 4 5
nidas de 50 m uestras diferentes de tam año 40 que se tom aron de la tabla 1 del apéndice B,
2) los 50 valores de correspondientes a las 50 x y 3) sus 50 valores p correspondientes.
L a figura 8.9 m uestra un histogram a de los 50 valores ?★.
FIG U R A 8 .9
Los 5 0 v a lo re s d e z ★
d e la ta b la 8 .8 io
o
’Ü
9VJ
& 5
El histogram a m uestra que seis valores de z * fueron m enores que -1 .1 6 y siete valores
fueron m ayores que 1.16. Eso significa que 13 de las 50 m uestras, o 26% , tienen valores
m edios m ás extrem os que la m edia ( J = 3.975) del ejem plo 8.17. Esta frecuencia relativa
observada de 0.26 representa un vistazo em pírico al valor/?. O bserva que el valor em pírico
para el valor/? (0.26) es muy sim ilar al v a lo rp calculado de 0.2460. Verifica la lista de va
lores/?; ¿encuentras que 13 de los 50 valores p son m enores que 0.2460? ¿C uáles muestras
resultaron en | zrk | > 1.16? ¿C uáles m uestras resultaron en un valor /? m ayor que 0.2460?
¿C óm o se com paran?
Page 403 of 418
.
.
.
P R U E B A DE H I P Ó T E S I S
PARA M E D I A ¡x C O N a DADA
Escribe los datos en C l ; luego continúa con:
M INITAB
Elige: Stat > Basic Statlsttcs > 1 -S a m ple Z
Escribe: M uestras e n colum nas: Cl
D esviación está n d a r: <r
Selecciona: Perform h y p o th e sis te st
Escribe: Media hipo tetizad a: fx
Selecciona: Opttons
Selecciona: Alternative: less t h a n o n o t e q u a l to o g re a te r th a n > OK > OK
Escribe los datos en la columna A; luego continúa con:

Excel
Elige: A dd-Ins > Data A nalysis Plus > Z-Test: M ean > OK
Escribe: Rango e n trad a: (A1:A20 o selecciona celdas)
Media hip otetizada: p.
D esviación e s t á n d a r (SIGMA) tr > OK
Proporciona valores p p ara p r u e b a s de u n a cola y de dos colas.
Escribe los datos en L1; luego continúa con lo si

T I-8 3 /8 4 Plus guiente y escribe los valores apropiados y resalta Z-Test
InpÜ H ElS S ta ts
Calcúlate:
Elige: STAT > TESTS > l:Z-Test

un: 0
cr: 0
L ist:L i
Fren: 1
< u- □ >M-Ü
C a l c ú l a t e Draw
*************
La solución M IN ITA B al ejem plo de rem aches que se usó en esta sección (pp. 371-372,
374-376), se m uestra a continuación:
PTI jEl m étodo de va lo r
p se "h iz o " para la O n e -sa m ple Z Cl:
com p utad ora ! Test of m u = 925.00 vs < 925.00
The a s s u m e d s ta n d a r d deviatio n = 18.0
N M ean StDev SE M ean Z P
50 921.18 17.58 2.546 -1.50 0.0668
Cuando se usa com putadora, todo lo que queda por hacer es tom ar la decisión y escribir
la conclusión.
© E J E R C I C I O S
8 .8 5 En el ejem plo que com ienza en la página 371, el cons

S E C C I Ó N
a.
8 . 4
El tiem po de reacción m edio es m ayor que 1.25 segun

tructor de aeronaves que com pra los rem aches está preocupa dos.
do de que los rem aches no puedan satisfacer la especificación
b. La calificación m edia en ese exam en de calificación es
de resistencia m edia. Enuncia las hipótesis nula y alternativa
m enor que 335.
del fabricante de aeronaves.
c. El precio de venta m edio de las viviendas en el área no es
8 .8 6 El profesor H art no cree una afirm ación que escuchó: “el
$230 000.
peso m edio de las m ujeres universitarias es de 54.4 kgM. Enun
cia las hipótesis nula y alternativa que él usaría para desafiar d. El peso m edio de los jugadores de fútbol colegial no es
dicha afirm ación. m ayor que 260 Ib.
8 .8 7 Enuncia las hipótesis nula y alternativa utilizadas para e. El salario m edio por hora para un prestador de cuidado
poner a prueba cada una de las siguientes afirm aciones. infantil es cuando m ucho de $15.00.
Page 404 of 418
.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8 .4 Prueba de hipótesis de m edia /x (cr conocida): Un m étodo de .. 383
8.88 E nuncia la hipótesis nula H y la hipótesis alternativa c. H : /x = 138.5, cr = 3.7, n = 14,.? = 142.93
H que se usaría para una prueba de hipótesis relacionada con
d. H : /x = 815, o- = 43.3, n = 60, x = 799.6
cada uno de los siguientes enunciados:
8 .9 5 Sólo existen dos posibles decisiones que pueden resultar
a. La edad m edia de los estudiantes inscritos en clases ves
de una prueba de hipótesis.
Q
pertinas en cierta universidad es m ayor que 26 años.
[ EXOO-OOOJ identifica el nombre de archivo de una base de datos en línea de un ejercicio: base» de datos y Applets Skillbuilder disponibles a través de cen g ag eb rain .
a. Enuncia las dos posibles decisiones.
b. El peso m edio de los paquetes em barcados en A ir Express
durante el mes pasado fue de m enos de 36.7 Ib. b. D escribe las condiciones que conducirán a cada una de
las dos decisiones identificadas en el inciso a.
c. La vida m edia de las lám paras fluorescentes es al m enos
de 1 600 horas. 8 .9 6 a. ¿A qué decisión se llega cuando el valor p es mayor
que a l
d. La resistencia m edia de las soldaduras para un nuevo p ro
ceso es diferente de 570 Ib por área unitaria, la resistencia b. ¿A qué decisión se llega cuando a es m ayor que el
m edia de las soldaduras m ediante el proceso anterior. valor p l
8 .8 9 Identifica los cu atro posibles resultados y describ e la 8 .9 7 Para cada uno de los siguientes pares de valores, enuncia
situación involucrada con cada una en cuanto a las pruebas la decisión que ocurrirá y por qué.
y com pra de rem aches del fabricante de aeron av es. ¿C uál
a. V alor /; = 0.014, a = 0.02
es el error m ás serio: el erro r de tipo I o el erro r de tipo II?
E xplica. b. V alo r/; = 0.118, a = 0.05
8 .9 0 Un fabricante quiere poner a prueba la hipótesis de que c. V alor p = 0.048, a = 0.05

“al cam biar la fórm ula de su dentífrico, dará a sus usuarios m a
d. V alo r/; = 0.064, a = 0.10
yor protección”. La hipótesis nula representa la idea de que “el
cam bio no m ejorará la protección” y la hipótesis alternativa
es “el cam bio m ejorará la protección” . D escribe el significado
de los dos posibles tipos de errores que pueden ocurrir en la
8 .9 8 Para cada uno de los siguientes pares de valores, enuncia
la decisión que ocurrirá y por qué.
a. V alor /; = 0.018, a = 0.01

decisión cuando se realiza la prueba de la hipótesis.
b. V alor /; = 0.033, a = 0.05
8 .9 1 Supon que quieres poner a prueba la hipótesis de que
el cobro m edio para reparaciones auto m o trices es al m enos c. V alor /; = 0.078, a = 0.05
$60 p o r hora en los talleres de una ciudad cercana. E x p li
d. V alo r/; = 0.235, a = 0.10
ca las condiciones que existirían si com etieras un erro r de
decisión al rea liza r un erro r de t i p o I. ¿Y qué hay del erro r 8 .9 9 El valor /; calculado para una prueba de hipótesis es
tipo II? 0.084. ¿Q ué decisión acerca de la hipótesis nula ocurriría en
los siguientes?
8 .9 2 D escribe cóm o la hipótesis nula, enunciada en el ejem
plo 8.14 (p. 373), es un “ punto de partida” para la decisión a a. La prueba de hipótesis se com pleta en el nivel de signifi
tom ar acerca del tiem po de secado para la pintura fabricada cancia 0.05.
con la nueva fórmula.
b. La prueba de hipótesis se com pleta en el nivel de signifi
8 .9 3 Supon que z es el estadístico de prueba y calcula el valor cancia 0. 10 .
de z.+ para cada uno de los siguientes:
8 .1 0 0 a. U na prueba de hipótesis de una cola se completará
a. / / o: / x = 10. <r = 3, = 40, x = 10.6 en el nivel de significancia 0.05. ¿Que valores calcu
lados de p causarán un rechazo de H 1
b. H : p. = 120, cr = 23, n = 2 5 ,x = 126.2
b. U na prueba de hipótesis de dos colas se completará
c. 18.2, <j = 3 .7 ,/? = 140, J = 18.93
en el nivel de significancia 0.02. ¿Qué valores calcu
d. H : /x = 81, <r = 13.3, n = 50, x = 79.6 lados de p causarán una decisión de “fracaso para
rechazar H o ”?
8 .9 4 Supon que z es el estadístico de prueba y calcula el valor
de z.+ para cada uno de los siguientes: 8.101 E je rc icio A p p let
S k illb u ild e r E stim a el
a. H : /x = 51, <r = 4.5, n = 4 0 , x = 49.6
valor p para una prueba de
b. / /o : /x = 20, <r = 4.3, n = 75, J = 21.2 hipótesis de una co la al si
m ular la tom a de m uchas
(continúaenlapágina 384)
Page 405 of 418

.
.
.
m uestras. La prueba de hipótesis dada es para una Ho: p = b. H \ p = 105, H \ p < 105, z k = -0 .8 5
1500 frente a H \ p < 1500. Se tom a una m uestra de 24 y la
c. H o: p = 1 3 .4 ,H \ p * 1 3 .4 , z k = 1.17
m edia m uestral es 1 451.
d. H \ p = 8.56, H \ p < 8.56, z k = -2.11
a. H az clic en “ 10” para “# o f sam ples”. O bserva las m edias
m uéstrales y la probabilidad de ser m enores que 1 451 si e. H o: p = 1 1 0 ,H \ p * 1 1 0 , Zk = -0 .9 3
la m edia verdadera realm ente es 1 500.
8 .1 0 8 C alcula el valor p para cada uno de los siguientes:
b. C am bia a “B atch” y sim ula 1 000 muestras más. ¿C uál
a. H : p = 20, H : p < 20; x = 17.8, <
j = 9, n = 36
es la probabilidad de que sean m enores que 1 451? Éste
es tu valor p estim ado. b. H o : rp = 78.5, Ha : rp > 78.5; .v = 79.8, cr= \5 , n = 100
c. ¿C óm o se m uestra tu valor p estim ado en el histogram a c. H : p = 1.587, H : p * 1.587;

form ado de la tom a de m uchas m uestras? Explica qué x = 1.602, <t = 0.15;/? = 50
significa este valor p respecto a la prueba.
8 .1 0 9 Encuentra el valor de z.k para cada uno de los siguien
d. Si el nivel de significancia fuese 0.01, ¿cuál sería tu deci tes:
sión?
a. H : p = 35 frente a H : p > 35 cuando valor p = 0.0
8 .1 0 2 E je rc icio A p p let S k illb u ild e r E stim a el valor p
b. H : p = 35 frente a H : p <35 cuando valor p = 0.0
para una prueba de hipótesis de dos colas al sim ular la tom a
de m uchas m uestras. La prueba de hipótesis dada es para c. H : p = 35 frente a H : p * 35 cuando valor p = 0.0
H o : p = 4 frente a H o : p * 4.
8 .1 1 0 La hipótesis nula, H : p = 48, se puso a prueba contra
Se tom a una m uestra de 100
la hipótesis alternativa, H : p > 48. U na m uestra de 75 resultó
y la m edia m uestral es 3.6.
en un valor p calculado de 0.102. Si <j - 3.5, encuentra el valor
a. H az clic en “ 10 ” para
“# o f sam ples”. O bser
va las m edias m uéstra
www.elsolucionario.net de la m edia m uestral, x.
8 .1 1 1 La hipótesis nula, H : p = 16, se puso a prueba contra

la hipótesis alternativa, H : p < 16. U na m uestra de 50 resultó
les y la probabilidad de
en un valor p calculado de 0.017. Si x = 14, encuentra el valor
ser m enores que 3.6 o
de la desviación estándar poblacional.
m ayores que 4.4. ¿P or
qué se incluye el “ m ayor que 4.4” ? 8 .1 1 2 Con la solución M IN ITA B al ejem plo de rem aches que
se m uestra en la página 382, describe cóm o M IN ITA B encon
b. C am bia a “ B atch” y sim ula 1 000 muestras más. ¿C uál es
tró cada uno de los seis valores num éricos que reportó com o
la probabilidad de que sean m enores que 3.6 o m ayores
resultados.
que 4.4? Éste es tu valor p estimado.
8 .1 1 3 La siguiente salida de com putadora se usó para co m
c. ¿C óm o se m uestra tu valor p estim ado en el histogram a
pletar una prueba de hipótesis.
form ado de la tom a de m uchas m uestras? Explica qué
significa este valor p con respecto a la prueba.
TEST OF MU = 525.00 VS MU<525.00
d. Si el nivel de significancia fuese 0.05, ¿cuál sería tu deci THE ASSUMED SIGMA = 60.0
sión? N MEAN STDEV SE MEAN Z P VALUE
38 512.14 64.78 9.733 -1.32 0.093
8 . 10 3 D escribe con tus palabras qué mide el valor p.
8 . 10 4 a. C alcula el v a lo rp , dado H : p < 45 y z k = -2 .3 . a. Enuncia las hipótesis nula y alternativa.
b. C alcula el valor p , dado H : p > 58 y z k = 1.8. b. Si la prueba se com pleta con a = 0.05, ¿a qué decisión y
conclusión se llega?
8 . 10 5 C alcula el valor p , dado H : p * 245 y z k = 1.1.
c. Verifica el valor del error estándar de la media.
8 . 10 6 Encuentra el estadístico de prueba z'k y el valor p para
cada una de las siguientes situaciones. 8 .1 1 4 C on la salida de com putadora y la inform ación en el
ejercicio 8.113, determ ina el valor de lo siguiente:
a. H : p = 22.5, H : p > 22.5, x = 24.5, cr = 6, n = 36
a. V alor hipotético de m edia poblacional
b. H o : rp = 200, H a : ‘p < 200, x = 192.5. cr = 40, n = 50
b. M edia muestral
c. Ho: p = 12.4, H : p * 2.4, x = 11.52, <7 = 2 .2 ,w = 16
c. D esviación estándar poblacional
8 .1 0 7 C alcula el valor p para cada uno de los siguientes:
d. Estadístico de prueba
a. H : p = 10, H \ p > 10, z k = 1.48
Page 406 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8 .4 Prueba de hipótesis de m edia p. (a-co no cida ): Un m étodo de ... 385
8 .1 1 5 La siguiente salida de com putadora se usó para co m in v estig ad o r es: “¿ex iste una m ejora significativa en los pe
pletar una prueba de hipótesis. sos al nacer de los bebés de m ujeres p o b res?” U sa oc = 0.02.
Fuente: h H p : / / w w w . c c n in t t c o b m b ia . e d u /
TEST OF MU = 6.250 VS MU NOT = 6.250

a. Define el parám etro.
THE ASSUMED SIGMA = 1.40
N MEAN STDEV SE MZAN Z P VALUE b. Enuncia las hipótesis nula y alternativa.
78 6.596 1.273 0.1585 2.18 0.029
c. Especifica los criterios de prueba de hipótesis.
a. Enuncia las hipótesis nula y alternativa. d. Presenta la evidencia m uestral.
b. Si la prueba se com pleta con a = 0.05, ¿a qué decisión y e. Encuentra la inform ación de la distribución m uestral.
conclusión se llega?
f. D eterm ina los resultados.
c. V erifica el valor del error estándar de la media.
8 .1 1 9 La dueña de una cadena local de alm acenes siempre
d. Encuentra los valores para X.v y Xj t . trata de m inim izar el tiem po que tardan sus clientes en salir.
En el pasado, realizó m uchos estudios de los tiem pos de salida
8 .1 1 6 C on la salida de com putadora y la inform ación del ejer
y m ostraron una distribución norm al con un tiem po m edio de
cicio 8.115, determ ina el valor de lo siguiente:
12 m inutos y una desviación estándar de 2.3 m inutos. Ella im
a. V alor hipotético de m edia poblacional plem ento un nuevo program a para los cajeros con la esperanza
de reducir el tiem po m edio de salida. U na m uestra aleatoria
b. M edia m uestral
de 28 clientes que visitaron su tienda esta sem ana resultó en
c. D esviación estándar poblacional una m edia de 10.9 m inutos. ¿E lla tiene suficiente evidencia
para afirm ar que el tiem po de salida m edio esta sem ana fue de
d. Estadístico de prueba
m enos de 12 m inutos? U sa a = 0.02.
8 .1 1 7 P onem on Institute, ju n to con Intel, p u b licaro n en
abril de 2009 el estudio “ El costo de una laptop p erd id a”.
8 .1 2 0 El tam añ o pro m ed io de una casa en 2008 cayó a
2 343 pies cu ad rad o s, de acuerdo con la N ational A ssocia-
C on una fuerza laboral cada vez m ás m óvil, que tran sp o r
tion o f H om e B u ild ers y rep o rtad o en el USA T oday (11 de
ta datos m ás sen sibles en sus laptops, la p érdid a involucra
en ero de 2009). L os co n stru cto res de v ivienda de una ciudad
m ucho m ás que la laptop en sí. El costo prom ed io de una
al noreste creen que el tam año pro m ed io de las casas sigue
laptop perdida, con base en casos de varias indu strias, es de
crecien d o cad a año. P ara p o n er a p rueba su afirm ación, se
49 246 dólares. E sta cifra incluye el reem plazo de la laptop,
seleccio n ó una m uestra aleato ria de 45 casas nuevas, que
costo de violación de datos, costo de pérdida de p ro d u cti
revelaron un p ro m ed io de 2 4 9 0 pies cuadrados. Si supones
vidad, otros costos legales y forenses. U n estu d io separado
q ue la d esv iació n están d ar p o blacional es de ap ro x im ad a
realizad o respecto a 30 casos Je industrias de aten ció n a la
m ente 450 pies cu ad rad o s, ¿existe ev id en cia de que el tam a
salud produjo una m edia de 67 873 dólares. Si supones que
ño pro m ed io sea m ás g rande en el noreste en com paración
a = 25 000 d ólares, ¿existe suficiente evid en cia p ara ap o y ar
con la cifra nacional p ara 2008? U sa un nivel de significan
la afirm ación de que los costos de sustitución de una lap
cia de 0.05.
top de atención a la salud son m ayores en gen eral? U sa un
nivel de significancia de 0 .0 0 1 . 8 .1 2 1 D esde d u lces hasta jo y e ría y flores, se esp erab a que
Fuente: h tlp : / / c o m « iu n ilie s . in t e L c o in / el co n su m id o r pro m ed io g astara 123.89 d ó lares el D ía de
las M adres de 2009, de acuerdo con una en cu esta de la Na
8 .1 1 8 U no de los m ejores indicadores de la salud de un bebé
tional R etail F ederation para abril de 2009. Los co m ercian
es su peso al nacer. En E stados U nidos, las m adres que viven
tes locales creyeron que este p ro m ed io era m uy alto para
en pobreza por lo general tienen bebés con peso al nacer
su área y co n trataro n una ag en cia para realizar un estudio.
m ás bajo que q uienes no viven en pobreza. A unque el peso
Se tom ó una m uestra aleato ria de 60 co n su m id o res en un
prom edio al n acer para bebés nacidos en E stado s U nidos es
co m ercio local el sábado previo al D ía de las M adres y pro
de aproxim ad am en te 3 300 gram os, el peso al n acer para los
d u jo un im porte m edio m uestral de 106.27 d ólares. Si cr =
bebés de m ujeres que viven en p obreza es de 2 800 gram os,
39.50 d ó lares, ¿la m uestra p ro p o rcio n a suficiente evidencia
con una desviación están d ar de 500 gram os. R ecientem ente,
para ap o y ar la afirm ación de los co m ercian tes, en el nivel de
un hospital local introdujo un nuevo p rogram a in novador
significancia 0.05?
para atención p renatal, para reducir el núm ero de bebés con
Fu e n te : h H p : / / w w w , «i c u te ti n g c Kci rts. c o t í
bajo peso nacidos en el hospital. Al final del p rim er año, se
recolectaron los p esos al nacer de 25 bebés seleccionados 8 .1 2 2 Im agina que eres un cliente que vive en el área de
al azar; todos los bebés nacieron de m ujeres que vivían en com pras descrita en el ejercicio 8 .12 1 y necesitas com prar un
pobreza y participaron en el program a. Su peso m edio al n a regalo del D ía de las M adres. Identifica los cuatro posibles re
ce r fue de 3 075 gram os. La pregunta que te plantean com o sultados y describe la situación involucrada con cada resultado
Page 407 of 418

.
.
.
en cuanto al im porte prom edio gastado en un regalo del D ía de de lo s C entros para el C ontrol y Prevención de E nferm edades
las M adres. ¿C uál es el error más serio: el error tipo I o el error (CD C) es de 1 enferm era por 750 estudiantes. U sa la siguien
tipo II? Explica. te m uestra de 38 escuelas seleccionadas al azar en el estado
de N ueva Y ork para poner a prueba el enunciado “el núm ero
8 .1 2 3 ¿Q uién dice que, m ientras más gastas en un reloj de
m edio de estudiantes por enferm era escolar en N ueva Y ork es
pulsera, el reloj dará la hora con m ás precisión? A lgunos d i
significativam ente m ayor que el estándar CD C de 750”. Supon
cen que ahora puedes com prar un reloj de cuarzo por m enos
<t = 540.
de 25 dólares que da la hora con una precisión igual a la de los
relojes que cuestan cuatro veces m ás. Supon que la precisión 1062 10 70 353 6 7 5 1 5 5 7 1 3 7 4 4 5 9 3 0 2 1 9 46 4 8 7 295
prom edio para todos los relojes vendidos hoy, sin im portar su 1 0 4 7 175 1 78 4 4 8 0 3 7 7 88 3 1035 33 2 3 3 0 9 8 9 1098
precio, está dentro de 19.8 segundos al m es, con una desv ia 1241 7 7 8 1691 9 6 3 1645 1 5 9 4 2 1 2 5 338 1 3 80 8 8 5 7 0 7
1 2 67 14 12 1 0 3 7 1 6 0 3 9 1 5
ción estándar de 9.1 segundos. Se tom a una m uestra aleatoria
de 36 relojes de cuarzo, con precio m enor a 25 dólares y la
a. D escribe el parám etro de interés.
com probación de su precisión revela un error m uestral medio
de 22.7 segundos al mes. C on base en esta evidencia, com p le b. Enuncia las hipótesis nula y alternativa.
ta la prueba de hipótesis de H : p, = 20 frente a H : p, > 20 en
c. C alcula el valor para y encuentra el valor p.
el nivel de significancia 0.05, usando el m étodo de valor de
probabilidad. d. Enuncia tu decisión y conclusión con oc = 0.01.
a. Define el parám etro. 8 .1 2 6 [EX08-1 2 6 ] La E ncuesta N acional de V aloración de

Salud y N utrición (N H A N E S, por sus siglas en inglés) indica
b. E nuncia las hipótesis nula y alternativa.
que más adultos estadounidenses tienen o sobrepeso u obe
c. Especifica los criterios de prueba de hipótesis. sidad, que se define com o tener un índice de m asa corporal
(IM C ) de 25 o más. Los datos de los C entros para el Control
d. P resenta la evidencia m uestral.
e. Encuentra la inform ación de distribución de probabilidad.
y Prevención de E nferm edades (CD C) indican que, para las
m ujeres con edades de 35 a 55, el IMC m edio es 25.12, con
una desviación estándar de 5.3. En un estudio sim ilar que ex a
f. D eterm ina los resultados.
m inó a m ujeres técnicas cardiovasculares registradas en Esta
8.1 2 4 [EX08-1 2 4 ] L os ju e g o s de las grandes ligas de b éis dos U nidos y dentro del m ism o rango de edad, resultaron los
bol pro m edian 2 horas 50.1 m inutos, con una desviación siguientes IMC:
e stán d ar de 21.0 m inutos. Se afirm a que los ju e g o s de los
22 28 26 19
C ard en ales de St. L ouis duran, en prom edio, m ás tiem po que * * *Para el resto de b s datos, ingresa a cengagebrain.com
los ju e g o s de los otros equipos de las g randes ligas. Para
Fuente: An Assessmenlof Cardiovascular Refc &&haviois of Registeitd
p o n er a prueba la verdad de este enunciado, se identifican al Carel iavascuhr Technobgisfe'. conferencia de b Dra. Susan Wambold Universidad
a z ar 12 ju e g o s de los C ardenales y se obtiene el “tiem po de de Toledo, 2002. Reimpresa con permiso.
ju e g o ” para cada uno. Pon a prueba la afirm ación de que las técnicas cardiovascu
140 208 187 173 164 195 170 163 187 150 170 208 lares tienen un IM C prom edio m ás bajo que la población g e
neral. U sa a = 0.05.
Fuente: http://iilb.com/
a. D escribe el parám etro de interés.
En el nivel de significancia 0.05, ¿estos datos m uestran su
ficiente evidencia para concluir que el tiem po m edio de los b. Enuncia las hipótesis nula y alternativa.
juegos de béisbol de los C ardenales es más largo que el de c. C alcula el valor para zic y encuentra el valor p.
los otros equipos de las grandes ligas?
d. Enuncia tu decisión y conclusión con a = 0.05.
a. Define el parám etro.
8 .1 2 7 [E X 0 8 -0 0 1] En el ejercicio 8. 1 , página 344, se propor
b. E nuncia las hipótesis nula y alternativa. cionaron las estaturas para una m uestra aleatoria de 50 m uje
c. Especifica los criterios de prueba de hipótesis. res estadounidenses profesionales de la salud.
d. Presenta la evidencia m uestral. a. D eterm ina un intervalo de confianza de 95% para la esta
tura m edia de todas las m ujeres estadounidenses profesio
e. Encuentra la inform ación de distribución de probabilidad. nales de la salud. Supon que la desviación estándar para
f. D eterm ina los resultados. las estaturas fem eninas es 2.75 pulgadas.
8 .1 2 5 [EX08-1 2 5 ] N acionalm ente, la razón de enferm eras a b. La estatura prom edio de las m ujeres en E stados U nidos
estudiantes queda abajo del estándar federal recom endado, de es 63.7 pulgadas, de acuerdo con el C entro N acional de
acuerdo con el artículo del USA Today “ Enferm eras escolares Estadísticas de Salud. ¿El intervalo para las profesionales
en sum inistro bajo” (11 de agosto de 2009). La recom endación de la salud contiene la m edia para todas las m ujeres?
Page 408 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8.5 Prueba de hipótesis de m edia /x (cr conocida): Un m étodo ... 387
8 .1 2 8 [E X 08-001] De acuerdo con el C entro N acional de 8 .1 2 9 U sa una com putadora o calculadora para seleccionar
Estadísticas de Salud, la estatura prom edio de las m ujeres en 40 núm eros aleatorios de un solo dígito. E ncuentra la media
E stados U nidos es de 63.7 pulgadas, con una desviación están m uestral, y el valor p para poner a prueba H : /x = 4.5 con
dar de 2.75 pulgadas. Con las estaturas de la m uestra aleatoria tra una alternativa de dos colas. Repite varias veces com o en
de 50 m ujeres estadounidenses profesionales de la salud del la tabla 8.8. D escribe tus hallazgos.
ejercicio 8 .1, página 344:
a. Pon a prueba la afirm ación de que la estatura m edia de las

PTI Usa com andos para g e n e ra r datos enteros de la p á gina
m ujeres en la profesión de salud es diferente de las 63.7
9 1 , luego continúa con los com andos de prueba de hipótesis
pulgadas, la estatura m edia de todas las m ujeres en E sta de la p á g in a 3 8 2 .
dos U nidos. U sa un nivel de significancia de 0.05.
b. ¿C óm o se revela “hay una diferencia significativa” (re 8 .1 3 0 U sa una com putadora o calculadora para seleccionar
chazo de la hipótesis nula) en el intervalo de confianza 36 núm eros aleatorios de una distribución norm al con media
form ado en el ejercicio 8.127a? 100 y desviación estándar 15. Encuentra la m edia m uestral,
c. Explica cóm o el intervalo de confianza form ado en el y el valor p para poner a prueba una hipótesis de dos colas de
ejercicio 8.127a podría usarse para poner a prueba la /x = 100. Repite varias veces com o en la tabla 8.8. Describe
afirm ación (prueba de hipótesis) del inciso a de que tus hallazgos.
la estatura m edia de las m ujeres en la profesión de
salud es diferente.
PTI Usa com andos para g e n e ra r datos de las p á ginas 28 3 -
d. ¿C óm o se revelaría “ no hay una diferencia significativa” 2 8 4 , luego continúa con los com andos de prueba de hipóte
(fracaso para rechazar la hipótesis nula) con un intervalo sis de la p á g in a 3 8 2 .
de confianza?
8.5 P ru e b a d e hipótesis d e m ed ia
¡ i (cr conocida): Un m étodo
clásico (opcional)
En la sección 8.3 se sondearon los conceptos y gran parte del razonam iento detrás de una
prueba de hipótesis m ientras considerabas ejem plos no estadísticos. En esta sección se
form alizará el procedim iento de prueba de hipótesis com o se aplica a enunciados concer
nientes a la m edia /x de una población bajo la restricción de que o-, la desviación estándar
poblacional, es un valor conocido.
Suposición para las pruebas de hipótesis acerca de la m edia /x usando una

conocida La d is trib u c ió n m uestral d e x tie n e una d is trib u c ió n n o rm a l.
La inform ación que necesitas para garantizar que esta suposición se satisface, está conte
nida en la distribución m uestral de m edias m uéstrales y en el teorem a del lím ite central.
La distribución muestral de medias todos los tamaños de muestra, o 2) si la

muéstrales x se distribuye en tom o a una población muestreada al azar no tiene
m edia igual a /x, con un error estándar distribución normal, entonces x tiene
igual a cr/ n: y 1 ) si la población mues- distribución aproxim adam ente normal
treada al azar tiene distribución normal, para tamaños de muestra suficientemente
entonces x tiene distribución normal para grandes.
7
Page 409 of 418
.
.
.
La prueba de hipótesis es un procedim iento paso a paso bien organizado que se usa para
tom ar una decisión. U sualm ente se usan dos form atos diferentes para la prueba de hipóte
sis. El enfoque clásico es el proceso de prueba de hipótesis que ha gozado de popularidad
durante m uchos años. Este enfoque se organiza com o un procedim iento de cinco pasos.
La prueba de hipótesis clásica: un procedimiento de cinco pasos
PASO 1 La preparación:
a. D e scrib e el p a rá m e tro p o b la c io n a l d e interés.

b. E nuncia la hipótesis nula (H J y la hipótesis a lte rn a tiv a (H J.
PASO 2 Criterios de la prueba de hipótesis:

b. Identifica la distribución de p ro b a b ilid a d y el estadístico de p ru e b a a usar.
c. D e te rm in a el nivel d e s ig n ific a n c ia , a.
PASO 3 La evidencia muestral:
a. R ecolecta la in fo rm a c ió n m uestral.
b. C a lc u la el v a lo r del estadístico d e p ru e b a .
PASO 4 La distribución de probabilidad:
a. D eterm ina la re g ió n crítica y el (los) valor(es) crítico(s).

b. D e te rm in a si el estadístico d e p ru e b a está o no está en la re g ió n crítica.
PASO 5 Los resultados:
a. E
_
nuncia la d e cisió n en to rn o a H o .
b. E nuncia la conclusión en to rn o a H a .
U n fabricante de aeronaves com erciales com pra rem aches para usar en el ensam blado
de aviones. C ada proveedor de rem aches que quiere vender rem aches al fabricante de
aeronaves debe dem ostrar que sus rem aches cum plen con las especificaciones requeridas.
Una de las especificaciones es: “ la resistencia m edia al corte de todos los rem aches, p,, es
al m enos 925 Ib”. C ada vez que el fabricante de aeronaves com pra rem aches, está preocu
pado porque la resistencia m edia pueda ser m enor que la especificación de 925 Ib.
Nota: cada rem ache individual tiene una resistencia al corte, que se determ ina al m edir
la fuerza requerida para cortar (“rom per”) el rem ache. C laram ente, no todos los rem aches
pueden ponerse a prueba. Por tanto, se pondrá a prueba una m uestra de rem aches y una
decisión acerca de la resistencia m edia de todos los rem aches sin probar se basará en la
m sdia de los que se m uestrearon y pusieron a prueba.
PA SO 1 L a p re p a ra c ió n :
a. D esc rib e el p a r á m e tr o p o b la cio n a l d e in te rés.
El parám etro poblacional de interés es la m edia p,, la resistencia m edia al corte de
(o fuerza m edia requerida para cortar) los rem aches a considerar para com pra.
b. E n u n c ia la h ip ó te sis n u la ( H J y la h ip ó tesis a lte r n a tiv a ( H J .
La hipótesis nula y la hipótesis alternativa se form ulan m ediante inspección del
problem a o enunciado a investigar y prim ero form ular dos enunciados opuestos
acerca de la m edia p,. Para el ejem plo, estos dos enunciados en oposición son A)
“ la resistencia al corte m edia es m enor que 925” (p, < 925, la preocupación del
fabricante de aeronaves) y B) “ la resistencia al corte m edia es al m enos 925” (p, =
925, la afirm ación del proveedor de rem aches y la especificación del fabricante de
aeronaves).
PTI En las páginas
Nota: la ley de tricotom ía del álgebra afirm a que dos valores num éricos deben relacionarse
3 6 1 -3 6 3 se dan instruc
en exactam ente una de tres relaciones posibles: <, = o >. Estas tres posibilidades deben
ciones más específicas.
representarse en las dos hipótesis opuestas con la finalidad de que las dos hipótesis sean
Page 410 of 418
.
.
.
Sección 8.5 Prueba de hipótesis de m edia p, (cr conocida): Un m étodo ... 389
negaciones una de la otra. Las tres posibles com binaciones de signos e hipótesis se m ues
tran en la tabla 8.9. R ecuerda que la hipótesis nula asigna un valor específico al parám etro
en cuestión y por tanto “ igual” siem pre será parte de la hipótesis nula.
TABLA 8 .9 Los tres p o s ib le s e n u n c ia d o s

d e las h ip ó te sis nula y a lte rn a tiv a
Hipótesis nula Hipótesis alternativa
1. M ayor que o igual a (a) Menor que (<)
2. Menor que o igual a (s) M ayor que (>)
3. Igual a (=) N o igual a (*)
El parám etro de interés, la m edia poblacional pt. se relaciona con el valor 925. El enuncia
do (A) se convierte en la hipótesis alternativa:
H : $a < 925 (la m edia es m enor que 925)
Este enunciado representa la preocupación del fabricante de aeronaves y dice: “ los rem a
ches no satisfacen las especificaciones requeridas”. El enunciado (B) se convierte en la
hipótesis nula:
H : ¡a = 925 ( > ) (la m edia es al m enos 925)
Esta hipótesis representa la negación de la preocupación del fabricante de aeronaves y

dice: “ los rem aches sí satisfacen las especificaciones requeridas”.
Nota: la hipótesis nula se escribirá sólo con el signo igual, lo que por tanto afirm a el valor
exacto asignado. C uando “ igual” se em pareja con “m enor que” o con “m ayor q u e”, el sím
bolo com binado se escribe al lado de la hipótesis nula com o recordatorio de que los tres
signos se representan en estos dos enunciados en oposición.
A ntes de continuar con el ejem plo, observa los tres ejem plos que dem uestran la form u
lación de las hipótesis estadísticas nula y alternativa que involucran la m edia poblacional
$a . Los ejem plos 8.18 y 8.19 dem uestran cada uno una hipótesis alternativa de “ una cola”.
E J E M P L O 8.18
Un g ru p o de defensa del co n s u m id o r q u ie re d e s a p ro b a r la a firm a c ió n de un
fa b ric a n te de a u to m ó vile s de q u e un m o d e lo e sp e cífico p ro m e d ia rá 2 4 m illas
p o r g a ló n d e g a s o lin a . E specíficam ente, el g ru p o q u is ie ra d e m o stra r que
las m illa s m e d ia s p o r g a ló n es c o n s id e ra b le m e n te in fe rio r a 2 4 . E nuncia las
hip ó te sis nula y a lte rn a tiv a .
S olución
Para e n u n c ia r las dos h ipótesis, p rim e ro necesitas id e n tific a r el p a rá m e tro p o
b la c io n a l en cuestión: " m illa je m e d io lo g ra d o p o r este m o d e lo d e a u to m ó v il".
El p a rá m e tro p, se c o m p a ra rá con el v a lo r 2 4 m illa s p o r g a ló n , el v a lo r espe
cífic o d e interés. Los defensores cu estionan el v a lo r d e p y q u ie re n d e m ostrar
qu e es m e n o r q u e 2 4 (p .e j., p, < 2 4 ). Existen tres p o sib le s re la cio n e s: 1) p,
< 2 4 , 2) p, = 2 4 y 3) p, > 2 4 . Estos tres casos d e b e n o rd e n a rs e p a ra fo rm a r
dos e n u n c ia d o s en o p o s ic ió n : uno e n u n cia lo qu e los defe n so re s tra ta n de
de m o stra r, "e l nivel m e d io es m e n o r que 2 4 (p, < 2 4 ) " , m ientras qu e la "n e
g a c ió n " es "e l nivel m e d io no es m e n o r que 2 4 (p, a 2 4 )" . U no de estos dos
Page 411 of 418

.
.
.
e n u n c ia d o s se c o n v e rtirá en la h ip ó te sis nula H o y el o tro se c o n v e rtirá en la

hipótesis a lte rn a tiv a H a.
Nota: re c u e rd a q u e existen dos re g la s p a ra fo rm a r las hip ó te sis: 1) la h ip ó te sis

nula a firm a qu e el p a rá m e tro en cuestión tie n e un v a lo r e s p e cífico ("H o d e b e
contener el s ig n o ig u a l") y 2) la a rg u m e n ta c ió n del g ru p o d e defensa del con
sum idor se c o n v ie rte en la h ip ó te sis a lte rn a tiv a ("m e n o r q u e "). A m b a s re g las
in d ic a n :
H : p, = 2 4 [ z ) y H : p, < 2 4
E J E M P L O 8.19
COMO ESCRIBIR LAS HIPOTESIS NULA Y ALTERNATIVA
Supon q u e la EPA d e m a n d a rá a una g ra n c o m p a ñ ía m a n u fa c tu re ra p o r no
c u m p lir los lin e a m ie n to s fe d e ra le s d e em isiones. E specíficam ente, la EPA a fir
ma q u e la c a n tid a d m e d ia d e d ió x id o d e a z u fre en el a ire es p e lig ro s a m e n te
a lta , m a y o r q u e 0 .0 9 p a rte s p o r m illó n . E nuncia las h ip ó te sis nula y a lte rn a tiva
p a ra esta s itu a c ió n d e p ru e b a .
S olución
El p a rá m e tro de interés es la c a n tid a d m e d ia d e d ió x id o de a z u fre en el a ire
y 0 .0 9 p a rte s p o r m illó n es el v a lo r e s p e c ific a d o , p, > 0 .0 9 c o rre s p o n d e a "la
c a n tid a d m e d ia es m a y o r que 0 . 0 9 " , m ientras q u e p, s 0 .0 9 c o rre s p o n d e a
la n e g a c ió n , " la c a n tid a d m e d ia no es m a y o r q u e 0 .0 9 " . Por ta n to , las h ip ó
tesis son
H o: p. = 0 .0 9 ( * ) y H o. p. > 0 .0 9
El ejem plo 8.20 dem uestra una hipótesis alternativa de “dos colas”.
E J E M P L O 8 . 2 0
COMO ESCRIBIR LAS HIPOTESIS NULA Y ALTERNATIVA

(SITUACIÓN DE DOS COLAS)
Le sa tisfa cció n en el e m p le o es m uy im p o rta n te p a ra la p ro d u c tiv id a d d e los
tra b a ja d o re s . F u n c io n a rio s s in d ic a le s a p lic a ro n un c u e s tio n a rio e s tá n d a r de
s c tisfa cció n en el tra b a jo a una muestra d e tra b a ja d o re s d e línea d e ensam
b la d o en una g ra n p la n ta , con la e sp e ra n z a d e d e m o s tra r q u e la c a lific a c ió n
m e d ia en este c u e s tio n a rio p a ra los tra b a ja d o re s d e e n s a m b la d o sería d ife
rente d e la m e d ia e s ta b le c id a d e 6 8 . E nuncia las h ip ó te sis nula y a lte rn a tiv a .
S olución
O la c a lific a c ió n m e d ia d e sa tis fa c c ió n la b o ra l es d ife re n te d e 6 8 (p, * 6 8 ) o
la m e d ia es ig u a l a 6 8 (p. = 6 8 ). Por ta n to ,
H : p, = 6 8 y H : p, * 6B
Page 412 of 418

.
.
.
Sección 8.5 Prueba de hipótesis de m edia /x (cr conocida): Un m eetodo ... 391
Notas:
1. La hipótesis alternativa se refiere com o de “dos colas” cuando Ha “no es igual” .

2. C uando “ m enor que” se com bina con “m ayor que” , se convierten en “no igual a”.
El punto de vista del experim entador afecta enorm em ente la m anera en que se forman
las hipótesis. Por lo general, el experim entador trata de dem ostrar que el valor del parám e
tro es diferente del valor especificado. Por tanto, el experim entador con frecuencia espera
poder rechazar la hipótesis nula, de m odo que la teoría del experim entador pueda sostener
se. Los ejem plos 8.18, 8.19 y 8.20 tam bién representan los tres posibles arreglos para las
relaciones <, = y > entre el parám etro /x y un valor específico.
La tabla 8.10 m enciona algunas frases com unes adicionales usadas en afirmaciones e in
dica sus negaciones y las hipótesis en las que se usará cada frase. N uevam ente, observa que
“igual” siempre está en la hipótesis nula. O bserva también que la negación de “m enor que”
es “no m enor que” , que es equivalente a “m ayor que o igual a”. Piensa en la negación de un
signo com o en los otros dos signos combinados.
TABLA 8 .1 0 Frases com unes y sus n e g a c io n e s
1 H \ (a) frente a H : M Ho‘. (<) frente a H : (>) Ho: (=) frente a H:W f
Al menos M enor que Cuando mucho Más que Es N o es
N o menos que M enor que N o más que Más que 1lo diferente de Diferente de
N o menor que M enor que 14o mayor que M ayor que Igual como N o igual como
D espués de establecer las hipótesis nula y alternativa, trabajarás bajo la suposición de
que la hipótesis nula es un enunciado verdadero hasta que haya suficiente evidencia para
rechazarla. E sta situación debe com pararse con un ju icio en una sala de justicia, donde se
supone que el acusado es inocente (Ho: el acusado es inocente frente a H a: el acusado no
es inocente) hasta que se haya presentado suficiente evidencia para dem ostrar que la ino
cencia es totalm ente increíble (“m ás allá de toda duda razonable”). En la conclusión de la
prueba de hipótesis, se tom ará una de dos posibles decisiones. Se decidirá en oposición a
la hipótesis nula y se dirá que se “rechaza H ” (esto corresponde a “condena” del acusado
en un juicio), o se decidirá en concordancia con la hipótesis nula y se dirá que se “ fracasa
para rechazar H ” (esto corresponde a “ fracaso para condenar” o una “absolución” del
acusado en un juicio).
Regresa al ejem plo de los rem aches que se interrum pió en la página 388 y continúa con
el paso 2. R ecuerda que
H : /x = 925 ( > ) (al m enos 925) H \ /x < 925 (m enos que 925)
PA SO 2 Los criterios de la prueba de hipótesis:

Supon que, de experiencias pasadas, se sabe que la desviación estándar de la re
sistencia al corte de los rem aches es o- = 18. Las variables com o la resistencia al
corte por lo general tienen una distribución am ontonada; por tanto, una m uestra de
tam año 50 debe ser suficientem ente grande para aplicar el TLC y garantizar que la
D M M M tendrá una distribución m uestral.
b. Identifica la distribución de probabilidad y el estadístico d e prueba a usar.

La distribución de probabilidad norm al estándar se usa porque x se espera que tenga
una distribución norm al o aproxim adam ente normal.
Para una prueba de hipótesis de ¿x, se quiere com parar el valor de la m edia muestral
con el valor de la m edia población com o se enuncia en la hipótesis nula. E sta com paración
se logra con el estadístico de prueba de la fórm ula (8.4):
Page 413 of 418

.
.
.
Estadístico de prueba p ara la media
Z* (8.4)
<j n
V
El valor calculado resultante se identifica com o z * (“z estrella'’) porque se espera que
tenga una distribución norm al estándar cuando la hipótesis nula es verdadera y las supo
siciones se satisfacen. La ★ (“estrella”) es para recordar que éste es el valor calculado del
estadístico de prueba:
J¡£_ M
El estadístico de prueba a usar es z * = :— = - .
0 7 1
1
V
c. D eterm ina el nivel de significancia, a
En la sección 8.3 se describió el establecim iento de oc com o una decisión gerencial.

Para ver qué se involucra en la determ inación de a , la probabilidad del error tipo I, para
el ejem plo de los rem aches, com ienza por identificar los cuatro posibles resultados, sus
significados y la acción relacionada con cada uno.
El error tipo I ocurre cuando se rechaza una hipótesis nula verdadera. Esto ocurriría
cuando el fabricante pone a prueba rem aches que satisfacen las especificaciones y los
rechaza. Indudablem ente esto conduciría a que los rem aches no se com prarán aun cuando
PTI H a y más en este es satisfagan las especificaciones. Con la finalidad de que el gerente establezca un nivel de
ce n a rio , pero se espera significancia, necesita inform ación relacionada, a saber: ¿cuán pronto se necesita el nuevo
que captes la idea. sum inistro de rem aches? Si se necesitan m añana y éste es el único proveedor con un sum i
nistro disponible, esperar una sem ana para encontrar rem aches aceptables podría ser muy
PTI a se asign ará en el costoso; por tanto, rechazar rem aches buenos podría considerarse un serio error. Por otra
enunciado de los ejer parte, si los rem aches no se necesitan sino hasta el próxim o m es, entonces este error puede
cicios. no ser m uy serio. Sólo el gerente conocerá todas las ram ificaciones y, en consecuencia,
aquí son im portantes los com entarios del gerente.
D espués de m ucha consideración, el gerente asigna el nivel de significancia: a = 0.05.
PA SO 3 L a evid en cia m u e s tra l:

a. R ecolecta la inform ación m uestral.
La m uestra debe ser una m uestra aleatoria extraída de la población cuya m edia p, se
cuestionará. Se selecciona una m uestra aleatoria de 50 rem aches, se pone a prueba
cada rem ache y se calcula la m edia m uestral de la resistencia al corte: x = 921.18 y
n = 50.
b. C alcula el valor del estadístico de prueba.
La evidencia m uestral ( J y n se encontraron en el paso 3a) se convierte a continua
ción en el valor calculado del estadístico de prueba, con la fórm ula (8.4). (p, es
925 de / / y cr= 18 es una cantidad conocida.) Se tiene
_ T -p ,. _ 9 2 1 .1 8 -9 2 5 .0 _ -3 .8 2 _
<t/ j T ' Z 18 /,5 0 2.5456
PASO 4 La distribución de probabilidad:

a. D eterm ina la región crítica y el (los) valor(es) crítico(s).
La variable normal estándar z es el estadístico de prueba para esta prueba de hipótesis.
Región crítica C o n ju n to de va lo re s p a ra el estadístico d e p ru e b a que causa

rá n el re c h a z o d e la hipótesis n ula. El co n ju n to de va lo re s que no están en
la re g ió n crítica se llam a región no crítica (en o ca sio ne s lla m a d a re g ió n de
a c e p ta c ió n ).
Page 414 of 418

.
.
.
http://ebookgratisenpdf.blogspot.com.ar/ Sección 8.5 Prueba de hipótesis de m edia /x (cr conocida): Un m étodo ... 393
R ecuerda que trabajas bajo la suposición de que la hipótesis nula es verdadera. Por
¿SABÍAS QUE...?
tanto, supones que la resistencia m edia al corte de todos los rem aches en la población
Disputas en enfoque m uestreada es 925. Si éste es el caso, entonces, cuando selecciones una m uestra aleatoria
La estadística no es sólo de 50 rem aches, puedes esperar que esta m edia m uestral, .v, sea parte de una distribución
m a te m á tica . Existen d ife norm al con centro en 925 y que tenga un error estándar de < j ¡s~ñ = 18v 50, o aproxim ada
rentes fo rm a s de e n fo c a r m ente 2.55. A proxim adam ente 95% de los valores de m edia m uestral serán m ayores que
las in fe re n cia s estadísti 920.8 [un valor 1.65 errores estándar p o r abajo de la media: 925 - (1.65)(2.55) = 920.8].
cas y dife re n te s fo rm a s Por tanto, si H es verdadera y p = 925, entonces se espera que x sea m ayor que 920.8
de in te rp re ta r lo q u e d i aproxim adam ente 95% de las veces y m enor que 920.8 sólo 5% de las veces.
cen los d a tos. M ie n tra s
m ás s ig n ific a tiv a s sean
X < 920.8 x mayor que 920.8
las d ife re n c ia s , más
p ro b a b le es qu e existan
d e sa cu e rd o s a c a lo ra d o s M X
M V
f X
entre esos puntos de vis
5% 95 %
ta opuestos. C o m o una
d isp u ta qu e s u rg ió en
i
1 9 3 5 en una discusión 920.8 925 x
de la Real S o c ie d a d Es
ta d ís tic a , cu a n d o R.A.
Fisher d e s a fió a Jerzy Sin em bargo, si el valor de x que se obtiene de la m uestra es m enor que 920.8 (por de
N eym an en cu a n to a cir, 919.5) tendrás que hacer una elección. Podría ser que: (A) tal valor x (919.5) es m iem
si estaba co m p le ta m e n bro de la distribución m uestral con m edia 925 aunque tenga una m uy baja probabilidad
te fa m ilia r iz a d o con el
tem a a discutir. La d is p u
ta se centró en el uso de
de ocurrencia (m enos que 0.05), o (B) x = 919.5 es m iem bro de una distribución muestral
cuya m edia es m enor que 925, lo que la haría un valor que sería m ás probable de ocurriera.
in te rva lo s d e c o n fia n z a
y el e n fo q u e a la p ru e b a
de h ipó tesis d e Pearson
y N e y m a n , fre n te a los
in te rva lo s y co n c e p to de
v a lo re s p de Fisher en 919 5
las p ru e b a s d e s ig n ifi
c a n cia . La d is p u ta d u ró
hasta la m uerte de Fis En estadística, se “apuesta” sobre lo “m ás probable que ocurra” y se considera la segunda
her, en 1 9 6 2 . opción (B) com o la correcta. Por tanto, la cola izquierda de la distribución z se convierte en
la región crítica y el nivel de significancia a se convierte en la m edida de su área.
Valor(es) crítico(s) El " p rim e r" v a lo r o "fro n te ra " d e la re g ió n crítica.
El valor crítico para el ejem plo es -z<0.05) y tiene el valor de -1 .6 5 , com o se encuentra
en la tabla 4 A del apéndice B.
región crítica región no crítica
PTI En las páginas

292-2 9 7 se p ro p o rc io
na in fo rm ació n acerca
de la notación de va lo r
crítico, z(ar).
PTI El som breado se b. D eterm ina si el estadístico de prueba calculado está o no en la región crítica.
usará para id e n tifica r G ráficam ente, esta determ inación se m uestra al localizar el valor para en el bos
la región crítica. quejo del paso 4a.
Page 415 of 418

.
.
.
El valor calculado de z, z 'k = -1 .5 0 , no está en la región crítica (está en la porción
no som breada de la figura).
región crítica región no crítica
z * = -1 .5 0
PASO 5 Los resultados:

a. E nuncia la decisión acerca de H o .
Con la finalidad de tom ar la decisión, es necesario conocer la regla de decisión.
Regla de decisión
a. Si el estadístico d e p ru e b a ca e d e ntro d e la re g ió n crític a , entonces la d e

cisión d e b e ser rechazar Ho. (El v a lo r crítico es p a rte d e la re g ió n crítica.)
b . Si el estadístico d e p ru e b a no está en la re g ió n crític a , entonces la de cisión
d e b e ser fracasar p ara rechazar /-T
PTI En la p á g in a 3 6 6
La decisión es: fracaso para rechazar H o.
1). E nuncia la conclusión acerca de H a.
No hay suficiente evidencia, en el nivel de significancia 0.05, para dem ostrar que
se p ro p o rcio n a in fo rm a
la resistencia m edia al corte de los rem aches es m enor que 925. ‘‘Se fracasa para
ción específica acerca
de cóm o escribir la condenar” la hipótesis nula. En otras palabras, una m edia m uestral tan pequeña
conclusión. com o 921.18 no es im probable que ocurra (com o se define por oí) cuando el verda
dero valor de la m edia poblacional es 925.0. En consecuencia, la acción resultante
sería com prar los rem aches.
A ntes de observar otro ejem plo, se resum en brevem ente algunos de los detalles vistos
hasta el m om ento:
1. La hipótesis nula especifica un valor particular de un parám etro poblacional.

2. La hipótesis alternativa puede tom ar tres form as. C ada form a dicta una ubicación
específica de la región crítica, com o se m uestra en la tabla siguiente.
3. Para m uchas pruebas de hipótesis, el signo en la hipótesis alternativa “apunta” en la
dirección en la que se ubica la región crítica. (Piensa en el signo no igual a [*] com o
en m enos que [<) y en m ayor que [>] y por tanto apunta en am bas direcciones.)
Signo en la hipótesis alternativa

< »* >
Una región Dos regiones Una región
Región crítica Lado izquierdo Mitad en cada lado Lado derecho
Prueba de una cola Prueba de dos colas Prueba de una cola
El valor asignado a oc se llam a nivel de significancia de la prueba de hipótesis. A lfa no

puede interpretarse com o algo m ás que el riesgo (o probabilidad) de rechazar la hipótesis
nula cuando en realidad es verdadera. Rara vez podrás determ inar si la hipótesis nula es
verdadera o falsa; por tanto sólo decidirás “rechazar H ” o “ fracaso para rechazar / / ” . La
frecuencia relativa con la que se rechaza una hipótesis verdadera es a , pero nunca se cono
cerá la frecuencia relativa con la que se com ete un error en la decisión. L as dos ¡deas son
muy diferentes; esto es: un error de tipo I y un error en la decisión son dos cosas totalm ente
diferentes. R ecuerda que existen dos tipos de errores: tipo I y tipo II.
O bserva otra prueba de hipótesis, una que involucra el procedim iento de dos colas.
Page 416 of 418
.
.
.
Sección 8.5 Prueba de hipótesis de m edia /x (cr conocida): Un m étodo ... 395
E J E M P L O 8.21
Se a firm a q u e el peso m e d io d e las m ujeres estudiantes en c ie rta u n ive rsid a d
es d e 5 4 .4 kg. El p ro fe s o r H a rt no cree en la a firm a c ió n y se p re p a ra p a ra
d e m o stra r qu e el peso m e d io no es 5 4 .4 kg. Para p o n e r a p ru e b a la a firm a
c ió n , re co le cta una muestra a le a to ria d e 1 0 0 pesos de entre las m ujeres estu
dia n te s. Resulta una m e d ia m uestral de 5 3 .7 5 kg. ¿Esta es suficiente e vid e n c ia
p a ra qu e el p ro fe s o r H a rt re ch a ce el e n u n c ia d o ? Usa a = 0 .0 5 y cr = 5 .4 kg.
Solución
a. Describe el parám etro poblacional de interés.
El p a rá m e tro p o b la c io n a l d e interés es la m e d ia /x, el peso m e d io de
to d a s las m ujeres estudiantes en la u n iv e rsid a d .
b Enuncia la hipótesis nula (H J y la hipótesis alternativa (HJ.

El peso m e d io es ig u a l a 5 4 .4 kg o el peso m e d io no es ig u a l a 5 4 .4 kg.
H q: /x = 5 4 .4 (peso m e d io es 5 4 .4 )
www.elsolucionario.net H o: p, * 5 4 .4 (peso m e d io no es 5 4 .4 )
(R ecuerda: * es < y > al m ism o tie m p o .)

Se c o n o c e cr. Los pesos de un g ru p o d e m ujeres a d u lta s p o r lo g e n e ra l
tie n e d is trib u c ió n a p ro x im a d a m e n te n o rm a l; p o r ta n to , una muestra de
n = 1 0 0 es suficientem ente g ra n d e p a ra p e rm itir la a p lic a c ió n del TLC.

usar.
La distribución de p ro b a b ilid a d norm al estándar y el estadístico d e prueba
z + = - ~ J ±r se usará; cr = 5 .4 .
c r/ n
c. Determ ina el nivel de significancia, «.

a = 0 .0 5 (dado en el e n u n c ia d o del p ro b le m a ).

a. Recolecta la inform ación muestral: x = 5 3 .7 5 y n = 1 0 0 .
b Calcula el valor del estadístico de prueba.
Usa la fó rm u la (8 .4 ), in fo rm a c ió n de Ho. /x = 5 4 .4 y cr = 5 .4 (conocido):
= 53 75 ~ 54 4 ~ ~0 ,6 5 - - 1 --1 90
cr / n 5 . 4 / v 10 0 0 .5 4

a. Determ ina la región crítica y el (los) valor(es) crítico(s).
La re g ió n c rítica es ta n to la c o la iz q u ie rd a com o la c o la d e re ch a , p o r
que ta n to v a lo re s m ás p e q u e ñ o s co m o más g ra n d e s d e la m e d ia mues
tra l su gieren que la h ip ó te sis nula está e q u iv o c a d a . El nivel d e s ig n i
fic a n c ia se d iv id irá a la m ita d , con 0 .0 2 5 co m o la m e d id a en c a d a
O T u to ria l e n v id e o d is p o n ib le ; in g re s a y a p re n d e m á s e n c e n g a g c b ra in .e o m
Page 417 of 418
.
.
.
región región c o la . Los v a lo re s crítico s se e ncuentran en la ta b la A B del a p é n d ic e

región no crítica
crítica crítica B: ± z(0.025) = ± 1 .9 6 . (Las instrucciones p a ra la ta b la 4B están en la
p. 3 4 8 .)
b Determ ina si el estadístico de prueba está o no en la región crítica.

El v a lo r c a lc u la d o d e z, z k = - 1 . 2 0 , no está en la re g ió n c rític a (que
se muestra en a zul c la ro en la fig u ra a d y a c e n te ).

z* = - 1.2 0 a Enuncia la decisión en torno a Ho: Fracaso p a ra re c h a z a r H o.
b Enuncia la conclusión en torno a H o .
N o h a y suficiente e v id e n c ia , en el nivel d e s ig n ific a n c ia 0 .0 5 , p a ra
d e m o stra r q u e las m ujeres e studiantes tienen un peso m e d io d ife re n te
d e los 5 4 .4 kg a firm a d o s . En otra s p a la b ra s : no h a y e v id e n c ia estadís
tic a p a ra a p o y a r las a rg u m e n ta c io n e s del p ro fe s o r H art.
E J E M P L O 8 . 2 2

CON DATOS MUESTRALES
De a c u e rd o con los re su lta d o s del e je rc ic io 5 .3 3 (p. 2 4 2 ), la m e d ia d e los
núm eros a le a to rio s d e un solo d íg ito es 4 .5 y la d e s v ia c ió n e stá n d a r es cr =
2 .8 7 . E xtrae una m uestra a le a to ria d e 4 0 núm eros de un solo d íg ito d e la
ta b la 1 del a p é n d ic e B y p o n a p ru e b a la h ip ó te sis "la m e d ia d e los núm eros
de un solo d íg ito d e la ta b la 1 es 4 .5 " . Usa a = 0 .1 0 .
Solución
a . Describe el parám etro poblacional de interés.
El p a rá m e tro d e interés es la m e d ia p d e la p o b la c ió n d e núm eros de
un solo d íg ito d e la ta b la 1 del a p é n d ic e B.
b Enuncia la hipótesis nula (H J y la hipótesis alternativa (H J.
H o: p = 4 .5 (m e d ia es 4 .5 )
H a: p * 4 .5 (m e d ia no es 4 .5 )

Se c o n o c e cr. Las m uestras d e ta m a ñ o 4 0 d e b e n ser suficientem ente
g ra n d e s p a ra sa tisfa ce r el TLC; consulta la discusión d e este tem a en
la p á g in a 3 8 7 .
usar.
Usa la d is trib u c ió n de p ro b a b ilid a d n o rm a l e stá n d a r y el estadístico de
p ru e b a z k = X , ¥ = ; cr = 2 .8 7 .
cr n
V
c. Determ ina el nivel de significancia, a .
a = 0 .1 0 (d a d o en el e n u n c ia d o del p ro b le m a )
Page 418 of 418

SOL Elementos de Electromagnetismo - 3ra Edición - Matthew Sadiku

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

SOL Elementos de Electromagnetismo - 3ra Edición - Matthew Sadiku

Enviado por

Direitos autorais:

Formatos disponíveis

www.elsolucionario.

Capítulo 2 A nálisis descriptivo y presentación

Capítulo 3 A nálisis descriptivo y presentación

Capítulo 4 P robabilidad 172

Capítulo 5 Distribuciones de p ro b a b ilid a d (variables discretas) 230

Capítulo 7 V a ria b ilid a d muestral 312

Capítulo 8 Introducción a la inferencia estadística 340

Capítulo 9 Inferencias que involucran una po blació n 412

Capítulo 10 Inferencias que involucran dos poblaciones 478

Capítulo 11 A plicacion es de ¡i cuadrada 544

Capítulo 12 A nálisis de varia n za 578

Capítulo 13 A nálisis de correlación y de regresión lineales 612

Capítulo 14 Elementos de estadística no param étrica 662

PARTE 1 Estadística descriptiva

Capítulo 2 Análisis descriptivo y presentación de datos de una variable 32

Capítulo 3 Análisis descriptivo y presentación de datos bivariados 120

Capítulo 5 Distribuciones de probabilidad (variables discretas) 230

Capítulo 6 Distribuciones de probabilidad norm al 268

Parte 3 Inferencia estadística

Capítulo 9 Inferencias que involucran una población 412

PARTE 4 Más inferencia estadística

Capítulo 12 Análisis de v arian za 578

Capítulo 13 Análisis de correlación y de regresión lineales 612

Capítulo 14 Elementos de estadística noparam étrica 662

Apéndice A: C o n c e p to s in tro d u c to rio s y re v is ió n d e le c c io n e s 71 O

Panoram a de lo que es nuevo en y para esta edición

Nuevos ejemplos aplicados

M ás de 20% de ejercicios nuevos y actualizados

Cobertura de distribución de probabilidad normal completamente rescrita

Nuevos recursos dinámicos en línea de enseñanza y aprendizaje

Recorrido por la undécima edición

Énfasis en la interpretación de la información estadística y aplicaciones reales

y el peso de un pez (capítulo 3). “ De piso a

Ejemplos NUEVOS Y ACTUALIZADOS

para dem ostrar cóm o funciona la estadística en el m undo real. Datos

Cbilfcacttn AMl Gcnonücs Id oiin l

P II Toda ojiva comien­ 3 .8 4 C onform e el verano se calienta, los estadounidenses v ol­

cióse inferior de la Hl estudio incluyó a 2 177 adultos estadounidenses.

primera clase y termina

c. ¿L as distribuciones parecen ser diferentes para los gáne

¿En qué piensas gastar tu devolución

b. C onstruye una gráfica de barras que m uestre las dos dis­

c. ¿Parece existir una gran diferencia entre los géneros de

Fuente: National Retail Federotion 2009 ; encuesta de devoluciones de

Repasos de capítulo estilizados

Ejercicio» del capítulo

Examen de práctica del capítulo

1 .4 L'n estadístico « b asedada c a k iia d a de alguna caracte P A R T E 11; Aplicación de conceptas

C x rjabnobaaH iim aclibniebliddlinC I ybiafnomcMriu idomcM»

C ÍR í S tat > T k U e . > O ró n r . W a b M i t n d CH¡ -SqiMr*

In stru c c io n e s d e tecn o lo g ía a c tu a liz a d a s p a r a M IN IT A B . . X U . U . ~ •-

Excel y TI-83/84 aparecen a través de cada capítulo y ahora

W f . it Xbaa im X m v o io In doto» sabfil ftfa,, n o 1.9, 5.......... lo, dlnr

talar rcavi»tx te » cxoostab *

.o.» lo. baiaanlai •• X a i.ü m a naalr [AJ, lo lobo trenoX ovo

Qifi= MATOX-r ÑAMES

•c. p a g u a » * O O S S V r o, «o. X onEco t u g o M i o - artta d

C o n ju n to s d e d a to s N U E V O S Y A C T U A L IZ A D O S , que totalizan m ás de 400 y se clasifican de pequeño a grande, brindan

Valiosos activos, cambios y mejoras adicionales de esta edición incluyen

tura de datos bivariados para

• A um ento en el foco en tom o al

Recursos de enseñanza y aprendizaje relacionados

Edición comentada del instructor, Estadística elemental, 1 la . edición

PowerLecture™ para Estadística elemental, 1 la . edición

P II Toda ojiva comien 3 .8 4 C onform e el verano se calienta, los estadounidenses v ol

b. C onstruye una gráfica de barras que m uestre las dos dis

En estas gráficas se p ro po rcio na mucha inform ación acerca de conducto

Población Colección o conjunto de individuos, objetos o eventos cuyas p ro

Una m uestra consiste en los individuos, objetos o m ediciones seleccionados de la po

En la encuesta de cuatro clientes del salón de belleza, la variable “nivel de satisfac

V ariable continua V a ria b le cuantitativa que puede asum ir un número inco n

e. ¿C uántas personas respondieron “U na vez cada 4-6 m e

f. El tiem po requerido para responder una llam ada telefóni

M étodo de muestreo Proceso de selección de ítems o eventos que se conver

A p artir de esta encuesta no se pueden extraer conclusiones estadísticas sig