Escolar Documentos
Profissional Documentos
Cultura Documentos
ACREDITADA POR ACCREDITATION COUNCIL FOR BUSINESS SCHOOLS AND PROGRAMS (ACBSP),
EUROPEAN COUNCIL FOR BUSINESS EDUCATION (ECBE)
Y AXENCIA PARA A CALIDADE DO SISTEMA UNIVERSITARIO DE GALICIA (ACSUG)
MANUAL:
MÉTODOS CUANTITATIVOS I
CICLO III
LIMA - PERÚ
1
UNIVERSIDAD DE SAN MARTIN DE PORRES
RECTOR
ING. JOSÉ ANTONIO CHANG ESCOBEDO
VICE RECTOR
ING. RAÚL EDUARDO BAO GARCÍA
SECRETARIO DE FACULTAD
DR. LUIS ANTONIO CUEVA ZAMBRANO
2
DERECHOS RESERVADOS
3
INTRODUCCIÓN
4
ÍNDICE
PORTADA
INTRODUCCIÓN
INDICE DE CONTENIDO
OBJETIVOS
PAUTAS PARA EL ESTUDIO Y LOS TRABAJOS DE APLICACION
6
TEMA N° 12 DISTRIBUCIÓN DE LAS PROPORCIONES 94-99
1. Proporción Muestral de Éxitos
2. Error Estándar de la Proporción
ACTIVIDADES APLICATIVAS
AUTOEVALUACION
REFERENCIAS DOCUMENTALES
7
OBJETIVOS
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS
8
METODOS CUANTITATIVOS I
ESTADÍSTICA
DESCRIPTIVA
PROBABILIDAD Y
DISTRIBUCIÓN DE
PROBABILIDADES
DISTRIBUCIÓN PARA
VARIABLES
CONTINUAS
9
UNIDAD I: ESTADÍSTICA DESCRIPTIVA
CONTENIDOS PROCEDIMENTALES
CONTENIDOS ACTITUDINALES
CONTENIDOS CONCEPTUALES
10
ESTADÍSTICA DESCRIPTIVA
RECOLECCIÓN Y PRESENTACIÓN
DE DATOS
GRÁFICAS
MEDIDAS DE
TENDENCIA CENTRAL
MEDIDAS DE DISPERSIÓN Ó
VARIACIÓN DE LOS DATOS
COEFICIENTES DE VARIACIÓN
Y DE ASIMETRÍA
11
TEMA N° 01
RECOLECCION Y PRESENTACIÓN DE DATOS
PRESENTACIÓN DE LA INFORMACIÓN.
Estadística es un término que es usado con mucha frecuencia para hacer
referencia a cualquier información o dato; sin embargo, la estadística es mucho
más que la simple colección de información ya que involucra todo un conjunto
de procesos, que tiene como objeto alcanzar un mayor conocimiento de una
realidad que es desconocida y sobre la cual se desea tomar decisiones.
Variables
Diagrama de
Distribución Barras
De Frecuencias
Continua Relativas Acumuladas
Grafica de Pastel
Circulares
Discretas
Grafica
Pictogramas
12
¿ALGUNA VEZ SE ENCONTRÓ CON EL HOMBRE “PROMEDIO”?
Población
Por ejemplo:
Conjunto de familias de una ciudad.
Conjunto de bombillas eléctricas producidas en un día.
Muestra
Parámetro
A. Estadística Descriptiva
Es la parte de la estadística que estudia un grupo de datos dado, sin
inferir sus conclusiones a un grupo mayor.
14
. Toma de decisiones y Gestión empresarial según los resultados de la
estadística.
. Investigación de temas de la especialidad.
Variable
Variable Cualitativa
Variable Cuantitativa
Variable Discreta
Variable Continua
REDONDEOS DE DATOS.
Se usa generalmente para uniformizar datos de variable continua ,
aproximando a una determinada cifra: milésimas, centésimas, décimas,
unidades, decenas, centenas, millares, millones, etc. Con el fin de
minorizar los errores, sobre todo cuando con los datos se van a efectuar
operaciones.
Técnica:
. Si la cifra a eliminar es 0, 1, 2, 3,4: se desecha la cifra
. Si la cifra a eliminar es 6, 7, 8, 9: se desecha la cifra y se aumenta en
una unidad la cifra de orden superior.
15
. Si la cifra a eliminar es 5: se aplica el criterio del “par más cercano”.
-Si el digito precedente es par, este no se modifica.
-Si el dígito precedente es impar, este será aumentado en una unidad.
Ejem:
E1. 47.340 => 47.34 E2. 7.730 => 7.73 E3. Elimina la última cifra
47.341 47.34 7.731 7.73 72.8 =>73
47.342 47.34 7.732 7.73 72.814 =>72.81
47.343 47.34 7.733 7.73 183.575 =>183.58
47.344 47.34 7.734 7.73
47.345 47.34 7.735 7.74
47.346 47.35 7.736 7.74
47.347 47.35 7.737 7.74
47.348 47.35 7.738 7.74
47.349 47.35 7.739 7.74
47.350 47.35 7.740 7.74
Ejemplo Nº 1
Generalizando:
A = {x1, x2, x3, .................. xi .................., xn }
Ejemplo Nº2
Corresponde a una muestra de 100 observaciones sobre las tallas de los
alumnos, expresada en metros:
16
B=
1,60 1,70 1,55 1,68 1,72 1,70 1,63 1,76 1,54 1,71
1,78 1,74 1,65 1,63 1,55 1,68 1,69 1,74 1,80 1,66
1,65 1,69 1,59 1,68 1,70 1,73 1,74 1,76 1,75 1,69
1,78 1,77 1,69 1,71 1,70 1,75 1,76 1,77 1,68 1,64
1,69 1,70 1,71 1,76 1,71 1,72 1,74 1,69 1,58 1,59
1,60 1,63 1,64 1,65 1,68 1,70 1,70 1,72 1,75 1,58
1,71 1,75 1,74 1,71 1,70 1,69 1,68 1,73 1,72 1,74
1,71 1,70 1,72 1,79 1,78 1,82 1,80 1,79 1,71 1,71
1,70 1,72 1,76 1,75 1,70 1,71 1,69 1,68 1,60 1,62
1,59 1,58 1,61 1,65 1,69 1,71 1,75 1,74 1,70 1,78
PRESENTACIÓN DE LA INFORMACIÓN
Ejem:
Las alturas de 100 estudiantes, registradas con aproximación de
pulgadas.
Clases Frecuencia(f)
(Alturas) (Nº de estudiantes)
60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 - 74 8
N = 100
Es el punto medio del intervalo de clase. Se obtiene como la semi- suma de los
límites de clases.
17
- los datos de cada clase se consideran que coincide con su
correspondiente marca de clases.
- Se determina al rango.
- se divide el rango en un numero conveniente de intervalos (5 a 20) o
usando alguno de los criterios mencionados.
- se determina el tamaño del intervalo y las clases con
C =_____R_____
Nº de clases
138 164 150 132 144 125 149 157 146 158
163 119 154 165 146 173 142 147 135 153
140 135 161 145 135 142 150 156 145 128
3.-
18
Histograma, polígonos y curvas de frecuencia
15
12
0
112,5 122,5 132,5 142,5 152,5 162,5 172,5
Marcas de Clase
19
Distribución de Frecuencia de una Muestra Discreta
k=7 f= n = 30
20
3. El cociente obtenido en la división realizada en el segundo
paso representa la anchura o tamaño del intervalo de clase (c).
Para n = 100
k = 1 + 3,332 log n
k = 1 + 3,332 log 100
k = 7,7
Consideramos el valor:
k =7
q1 = 1.54
q2 = 1.82
q2 – q1
c = k
1,82 – 1,54
c = 7 = 0,04,
21
TABLA DE FRECUENCIAS (EJM 2)
Clases Frecuencia
Marcas Conteo
(Estaturas f
1,56 [1,54 – 1,58] IIIII I 6
1,60 (1,58 – 1,62] IIIII III 8
1,64 (1,62 – 1,66] IIIII IIIII 10
1,68 (1,66 – 1,70] IIIII IIIIIIIIIIIIIIIIIIII III 28
1,72 (1,70 – 1,74] IIIII IIIIIIIIIIIIIIIIIIII I 26
1,76 (1,74 – 1,78] IIIII IIIIIIIIII II 17
1,80 (1,78 – 1,82] IIIII 5
Ejemplo de Aplicación:
Con los datos del ejem Nro. 2. Hallar el Histograma y Polígono de
frecuencias respectivos.
28
FA 30 26
rl 25
e u
cm 20 17
u n
15
e o 10
n s 10 8
c 6 5
i 5
a
s
1,56 1,60 1,64 1,68 1,72 1,76 1,80
Marcas de clase(Estaturas)
22
Distribución de Frecuencias Relativas
f R2 = 8
= 0,08 que puede expresarse como el 8%
100
FA3 = f1 + f2 + f3
FA = f1 + f2 + f3 + .............. + fn
FA3 = 6 + 8 + 10 = 24
FA3 = 24
Interpretación:
Ejemplo:
23
FAR4= fR1 + fR2 + fR3 + fR4
Generalizando:
FAR4 = 0,52
Interpretación:
Ejemplo:
x Clases(estaturas fi fR FA FAR
)
1.56 [1.54 – 1.58] 6 0.06 ; 6% 6 0.06 ; 6%
1.60 (1.58 – 1.62] 8 0.08 : 8% 14 0.14 ; 14%
1.64 (1.62 – 1.66] 10 0.10 ; 10% 24 0.24 ; 24%
1.68 (1.66 – 1.70] 28 0.28 ; 20% 52 0.52 ; 52%
1.72 (1.70 – 1.74] 26 0.26 ; 26% 78 0.78 ; 78%
1.76 (1.74 – 1.78] 17 0.17 ; 17% 95 0.95 ; 95%
1.80 (1.78 – 1.82] 5 0.05 ; 5% 100 1.00 ;100%
n = 100 f R =1ó100%
24
Fig. 1.8 Gráfica de Frecuencias Acumuladas Ojiva
FA
100 100 100
94 95
86
80
76 78
“Menor oigual”
60
52
48
40
24 “Mayor que”
20 22
14
6 5
1,54 1,58 1,62 1,66 1,70 1,74 1,78 1,82
Intervalos de clase
TALLER 01
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
INTRODUCCIÓN AL ANÁLISIS DE
DATOS – PRESENTACIÓN DE LA INFORMACIÓN
EJERCICIOS Y PROBLEMAS
25
promedio de clientes de una empresa visitadas por un vendedor, f) el
total de ventas en soles.
3. Se encuestó a un grupo de 30 alumnos sobre el departamento del
Perú en el que nacieron y respondieron como se indica.
L T T C P T A A C L L P A AA
L LL P C A A T L T C L A L L
614627245686532
525756146459236
9 8 7 8 4 3
2 1 0 5 3 2
1 1 7 3 2 8
7 6 6 4 3 2
2 0 9 4 6 9
6 9 4 3 5 7
3 2 1 4 4 2
17 15 78 21 10 32 7 65 18 87
4 22 34 42 9 9 82 79 98 4
44 65 62 77 81 81 45 37 83 44
26
77 13 41 16 13 13 82 37 5 54
7 67 88 41 22 22 92 16 67 85
Distribución de Frecuencias, Intervalos de Clase y Métodos
Gráficos.
807 811 620 650 817 732 747 823 844 907
660 753 1050 918 857 867 675 880 878 890
881 872 869 841 847 833 829 827 822 811
766 787 923 792 803 933 947 717 817 753
1056 1076 958 970 776 828 831 781 1088 1082
832 863 852 788 980 889 1030 897 755 891
27
Uso de Computadoras para Generar Números Aleatorios.
AUTOEVALUACION
SAMPLE
277 170 368 180 299 124 402 359 204
240 351 24 29 339 167 154 100 122
260 339 77 128 94 345 98 71 91
377 199 243
10 14 15 13 17
16 12 14 11 13
15 18 9 14 14
9 15 11 13 11
12 10 17 16 12
11 19 12 14 15
28
Solución (Datos de entrada y resultados por computadora)
DATOS DE ENTRADA
29
TEMA N° 2
ORGANIGRAMA
Tendencia Central
Datos no agrupados
Media Aritmética
Mediana
Moda
Media Geométrica
Datos agrupados
Media Aritmética
Mediana
Moda
CONCEPTOS RELACIONADOS
30
LA MEDIA ARITMÉTICA
Simbología.-Fórmulas.
Dependiendo de la información disponible ( poblacional o muestral) se
puede tener:
Media o promedio poblacional (u):
N
u= 1 Xi = x .............................. (2.1)
N i=1 N
Media o promedio muestral( X ):
n
x= 1 Xi = x .............................. (2.2)
n i=1 n
Donde : Xi = Valor de la i – enésima observación de la variable
(suma de todos los datos)
Propiedades:
31
Ejemplos:
LA MEDIA PONDERADA
Fórmula:
p = factor de ponderación.
x = datos
Ejemplos
X P = S/. 38,67
Interpretación:
Si se elige al azar un vendedor se espera que cobre una comisión de: S/.
38.67 por cada teléfono vendido.
32
E4: suponga que los costos de producción y las cantidades producidas
por tres sucursales A, B y C son:
Solución
X P = 1,16 soles
Interpretación:
El costo de producción promedio por artículo, para la empresa es de
1,16 soles por cada unidad producida.
LA MEDIANA
Características:
Cálculo de la Mediana:
33
Ejemplos
Interpretación:
Solución
3, 4, 5, 5, 6, 7, 8, 9 y con n = 8 se tiene:
X (n / 2) X (n / 2 1) X (8 / 2) X (8 / 2 1) X 4 X 5 5 6
Med 5,5
2 2 2 2
MODA
34
Media o Promedio Muestral ( X )
fxi fx
X = ó en forma simple X n= ................... (2.7)
f
donde:
N = Nº de datos de la Población.
n = Nº de datos de la muestra.
Ambas fórmulas señalan que cada punto medio de cada clase (X c), se
multiplica por la frecuencia de clase correspondiente (f), luego se suman
estos productos () para después dividir esta suma entre el número total
de observaciones (f) representadas en la distribución de frecuencias.
Ejemplos
Total 60 (fx)=1575
Solución
En la misma tabla calculamos la marca de clase (xc), es decir el valor
intermedio de cada clase ó intervalo, y (fx), obtenemos:
fx 1575
x = n = 60 = 26,25
x = 26,25
35
Interpretación:
Número de Marca de
Salario Mensual (fx)
Trabajadores (f) Clase (x)
S/.2400 – 2599 7 2499,50 S/. 17496,50
2600 – 2799 20 2699,50 53990,50
2800 – 2999 33 2899,50 95683,50
3000 – 3199 25 3099,50 77487,50
3200 – 3399 11 3299,50 36294,50
3400 – 3599 4 3499,50 13998,00
Solución
Interpretación:
Fórmula Utilizada:
N/2 - faA
Med = LI + (fc ) i ..................................... (2,8)
Donde:
Ejemplo
Solución
Interpretación:
Donde:
LI = Límite exacto inferior de la clase que contiene la moda.
d1 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la
clase precedente.
d2 = Diferencia entre la frecuencia de la clase modal y la frecuencia de la
clase siguiente.
i = Tamaño de intervalo de clase.
Ejemplo
E12: Con referencia a los datos agrupados de la tabla 2.3. Hallar la moda.
Solución
d1 13
Mo LI ( )i 2799,50 ( )200 S / .2923,31
d1 d 2 13 8
Interpretación:
38
TEMA N°3
Ejemplos
a) Segundo Cuartil.
b) Segundo Decil
c) Punto Percentil 40.
Solución
Siendo n = 15:
a) Q2 = X[2n/4 + ½] = X[2x15/4 + ½] = X8 = 5300
39
CUARTILES, DECILES Y PERCENTILES PARA DATOS AGRUPADOS
Fc
Donde:
Solución
40
Luego según fórmula:
fc 20
Conclusión:
49,5 es el límite exacto inferior de la clase que contiene la medición
3n/4 ó 37.5, por tanto el cuartil 3 se encuentra en el quinto intervalo y
su valor es 53,25 min.
Conclusión:
19,5 es el límite superior de la clase que contiene la medición n/10 ó
5, por tanto el decil 1 se encuentra en el segundo intervalo y su valor
es 23.5 min.
Conclusión:
Fórmula
n
xg = x1 . x2 . x3 . x4 . .................... xn ....................... (2.17)
41
Donde:
x = n valores de una serie
Ejemplo
Solución
Reemplazando en la fórmula:
n
xg = x1 . x2 . x3 . x4 . .................... xn ; para n = 5
5
xg = (1,026) (1,054) (1,038) (1,005) (1,014)
5
xg = 1,14390337
Interpretación:
42
Fórmula:
Xh
1 ............................................ (2.18)
1 / x
n
Donde:
xh = media armónica
EJEMPLO
E16: Los siguientes datos registran el tiempo medio que utilizan 4 clientes
al realizar una compra de un artefacto doméstico. Calcule e interprete el
tiempo medio.
Cliente A B C D
Tiempo
(Minutos) 45 38 52 40
SOLUCIÓN
Para n = 4
Reemplazando en la fórmula
4 4 x88920
Xh
1
1
1
1 1976 2340 1710 2223
45 38 52 40
X h = 43,117953 min.
43
TALLER 02
EJERCICIOS Y PROBLEMAS
2. Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El próximo mes se piensa incrementar el sueldo de cada trabajador en S/.
100¿Con cuanto dinero se debe contar para poder pagar los nuevos
sueldos?
3.Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El próximo mes se piensa incrementar el sueldo de cada trabajador en
20% de su sueldo actual ¿Con cuanto dinero se debe contar para poder
pagar los nuevos sueldos?
4 Una empresa tiene 100 trabajadores cuyo sueldo promedio es de S/. 900.
El próximo mes se piensa incrementar el sueldo de cada trabajador en
20% de su sueldo actual y además da una bonificación de S/. 50 ¿Con
cuanto dinero se debe contar para poder pagar los nuevos sueldos?
240, 240, 240, 240, 240, 240, 240, 240, 255, 255, 265, 265,
280, 280, 290, 300, 305, 325, 330 y 340.
44
8. En una compañía que maneja 4 productos, los márgenes de utilidad
correspondientes a c/u de ellos durante el año fiscal anterior fueron:
producto A, 4,2 %; producto B, 5,5 %; producto C, 7,4 % y producto D,
10,1 %. Hallar el margen de utilidad promedio.
La Media Ponderada
10. Suponga que los precios al menudeo de determinados artículos han
sufrido los cambios que se muestran en la tabla siguiente. Determine el
cambio porcentual promedio de los precios al menudeo con referencia al
promedio de gastos que se indica en la tabla.
Solución
En la misma tabla calculamos el punto medio de clase (x), f(x) y fa
obteniendo:
45
Tabla (c). Distribución de Frecuencias para alquiler mensual por
departamento.
1.- u
( fx)
104500
S / .522.75
N 200
Nota:
12. Las siguientes cifras son los importes del consumo en dólares de
quince personas en un restaurante en orden ascendente; 10, 10, 25,
25, 25, 35, 40, 53, 90, 125, 135, 245, 275, 309, 410. Determinar:
80,6; 89,9; 101,4; 102,6; 115,0; 120,1; 123,4; 126,3; 131,8; 138,6;
151,6 y 160,5. Determine:
46
a) El primero, segundo y tercer cuantil.
b) El segundo decil.
14. Hallar la media geométrica de una serie 18, 21, 23, 24 y 22 tomada
en este orden.
Ejercicios y Problemas
Solución
47
millones de dólares, obtenidas en transacciones nacionales e
internacionales por las 100 empresas multinacionales con oficina
matriz en los E.U. Las columnas sucesivas de número corresponden a
la lista alfabética de las empresas en la tabla original.
48
TEMA N°4
ORGANIGRAMA
VARIACIÓN (DISPERSIÓN)
Datos No Agrupados
Rango (Amplitud)
Desviación Media
Datos Agrupados
Rango (Amplitud)
CONCEPTOS RELACIONADOS
49
Mientras que las medidas de Tendencia Central identifican el valor
“Típico” representativo en un conjunto de datos en contraste:
Las medidas de variación (dispersión) describen la medida de esta
variabilidad según sea grande o pequeña con respeto a una Medida de
Tendencia Central (Media) x o u.
Ejemplo:
Conocidos los porcentajes o notas (x) de 80 estudiantes de Métodos
Cuantitativos 1 se les puede disponer formando una distribución de
frecuencias que da una idea más ordenada de las características de la
variable x (calificación o puntos).
1ro se le calcula la media de la variable x. Con este valor se puede
representar la distribución de frecuencias.
Si los puntajes (Notas) son muy altos con respeto a la media la
variabilidad será grande.
Si los puntajes (Notas) son muy próximos a la media, la variabilidad será
pequeña.
La Medida de esta variabilidad es lo que se llama Medidas de Variación
o Dispersión.
Solución
Para A: 93-25 = 68 puntos
Para B: 73 – 66 = 7
50
LA DESVIACIÓN MEDIA
Solución
x 50 55 60 70 75 80 390
1) x 65
n 6 6
15 10 5 5 10 5 60
10
6 6
xu
D M Poblacional =
N
xx
DM Muestral =
n
Donde:
x = datos del Problema.
u = media poblacional de los datos.
n,N = Nº de datos.
x = media muestral de los datos.
51
E4: Para los datos de ventas de aparatos eléctricos que se dieron en el
E1, hallar la Desviación Media (DM).
Solución
x 5 8 8 11 11 11 14 16
1ro u = 10,5
n 8
X x-u x-u
5 5-10,5=-5,5 5,5
8 8-10,5=-2,5 2,5
8 8-10,5=-2,5 2,5
11 11-10,5=0,5 0,5
11 11-10,5=0,5 0,5
11 11-10,5=0,5 0,5
14 14-10,5=3,5 3,5
16 16-10,5=5,5 5,5
Total 21,0
xu 21,0
DM = 2,625 2,6 unidades
N 8
Interpretación:
LA VARIANZA.
LA DESVIACIÓN ESTÁNDAR
( x u ) 2
Desviación Estándar Poblacional
N
( x x ) 2
Desviación Estándar Muestral s
n 1
52
2do Tabla: Considerando estas ventas como población:
X x-u (x-u)2
5 -5,5 30,25
8 -2,5 6,25
8 -2,5 6,25
11 0,5 0,25
11 0,5 0,25
11 0,5 0,25
14 3,5 12,25
16 5,5 30,25
Total 86,00
( x u ) 2 86
Desviación Estándar 10,75 3,3unidades
N 8
Varianza Muestral: s
2
n 1
x 2 n x
2
53
x 2 Nu 2 968 8(10,5)2
10,75 3,3 unidades
N 8
MEDIDAS DE VARIABILIDAD (DISPERSIÓN) ASIMETRÍA Y
CURTOSIS DE LOS DATOS.
(1) Asimétrica
x (2) Asimétrica
x (3) Simétrica
x
Negativa Positiva (Insesgada)
(Esta sesgada (Sesgada hacia
hacia la izquierda) la derecha)
x x 54 x
(1) Platikúrtica (2) Leptokúrtica (3) Mesocúrtica
EL COEFICIENTE DE VARIACIÓN (C.V.)
500 300
CV ( A) 0,033 y CV ( B) 0,060
u 15000 5000
55
Su Fórmula:
3(u Med )
Asimetría Poblacional:
3( x Med )
Asimetría de la Muestra:
S
u = x =10.5 =
x 84 10,5
n 8
X X5
Med = X (5 8 8 11 11 11 14 16) = 4
2
11 11
Med = 11
2
= 3,3
3(u Med ) 3(10,5 11,0)
Asimetría = 0,45
3,3
(El grado en que están sesgados se refleja en este valor)
X
Asimetría Negativa
56
EL RANGO Y LOS RANGOS MODIFICADOS PARA DATOS
AGRUPADOS.
Fórmula Empleada:
DMPOBLACIONAL =
( f ) x u
N
E10: Para los datos de salarios diarios del Problema anterior calcular la
Desviación Media.
Solución
Pto. Medio
Salario (f) Nº de
de clase f(x) | x u| f x u
Mensual Trabajadores
(Intervalo) x
2400 2599 2499,50 7 17496,50 450 3150
2600 2799 2699,50 20 53990,00 250 5000
2800 2999 2899,50 33 95683,50 50 1650
3000 3199 3099,50 25 77487,50 150 3750
3200 3399 3299,50 11 36294,50 350 3850
3400 3599 3499,50 4 13998,00 550 2200
Total: 100 294950,00 Total: 19600
57
LA VARIANZA YLA DESVIACIÓN ESTANDAR PARA DATOS
AGRUPADOS.
Varianza Poblacional:
2
f x u
2
N
f x x
2
Varianza Muestral: S 2
n 1
f x u
2
f x x
2
Pto. Medio
x x x x f x x
Salario (f) Nº de 2 2
de clase f(x)
Diario Trabajadores
(Intervalo)x
2400 - 2599 2499,50 7 17496,50 -450 202500 1417500
2600 - 2799 2699,50 20 53990,00 -250 62500 1250000
2800 - 2999 2899,50 33 95683,50 -50 2500 82500
3000 - 3199 3099,50 25 77487,50 150 22500 562500
3200 - 3399 3299,50 11 36294,50 350 122500 1347500
3400 - 3599 3499,50 4 13998,00 550 302500 1210000
Total: 100 294900,50 Total : 5870000
Solución
58
f x x
2
5870000
6to:Reemplazo de fórmula S 59292.93
n 1 99
S 243.50
Varianza Poblacional: 2
f x 2 Nu 2
N
Varianza Muestral: S 2
n 1
fx n x
2 2
875825025 1002949
2
S 243,50
100 1
59
TALLER 03
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
2. Una empresa fabrica clavos que se venden por cajas. Para una
muestra de 40 cajas, se observaron los siguientes números de clavos
por caja.
Nùmero de clavos 18 19 20 21 22
Nùmero de Cajas 4 9 15 10 2
60
Renta Mensual Nro. De Departamentos
350-379 3
380-409 8
410-439 10
440-469 13
470-499 33
500-529 40
530-559 35
560-589 30
590-619 16
620-649 12
TOTAL 200
61
MAXIMUN OF TIME
MAXIMUM of TIME = 18
MTB >MINIMIM ’ TIME ’ K2
MAXIMUN OF TIME
MINIMUM of TIME = 9
MTB > SUBTRACT K2 K1 K3
Answer = 9.0000
MTB >stdev ’ TIME ’
62
UNIDAD II
PROBABILIDADES, DISTRIBUCIÓN DE PROBABILIDADES
CONTENIDOS PROCEDIMENTALES
CONTENIDOS ACTITUDINALES
CONTENIDOS CONCEPTUALES
63
PROBABILIDAD Y DISTRIBUCIÓN DE
PROBABILIDADES
SUMA DE PROBABILIDADES
EVENTOS MUTUAMENTE
EXCLUYENTES Y NO
EXCLUYENTES
MULTIPLICACIÓN DE
PROBABILIDADES
EVENTOS DEPENDIENTES E
INDEPENDIENTES
DISTRIBUCIÓN DE
PROBABILIDADES
BINOMIAL Y DE POISSON
64
ORGANIGRAMA
PROBABILIDAD
Subjetivo
Regla de la
Multiplicación
Probabilidad
Condicional
CONCEPTOS RELACIONADOS
RELACIONES
ENTRE SUCESOS
Mutuamente
Excluyentes
Independientes
Y dependientes
Complementarios
65
DEFINICIÓN DE PROBABILIDAD
EVENTO
EVENTOS NO EXCLUYENTES
Dos o más eventos son no excluyentes cuando es posible que ocurran al
mismo tiempo Ejm:
Evento A: masculino
Evento B: menor de 30 años
EVENTOS COMPLEMENTARIOS
Dos eventos A y B son complementarios si son mutuamente excluyentes
y su unión es el espacio muestral. Es decir si A B = y A B = A
y B son eventos complementarios, y se puede expresar que:
Ac
A =B
Bc = A
B
66
Fórmula:
N ( A)
P( A)
N( S )
N A
P(A) = = 4/52 = 1/13
N S
Solución
a) El Espacio Muestral () = {CCC CCS CSC SCC CSS SCS SSC SSS}
P(A)3/8
c) Exactamente 2 sellos?
3/8
d) Exactamente 3 caras
1/8
PROBABILIDAD SUBJETIVA
CONSIDERACIONES GENERALES
1.La Probabilidad de ocurrencia de cada Punto Muestral, debe estar
entre 0 y 1.
0 P(A) 1
67
2.La Suma de las Probabilidades de todos los puntos Muestrales debe
ser igual a 1.
P(A) + P(A’) = 1
Es decir en una observación o experimento dados, el evento debe ocurrir
o No. Por ello la suma de la probabilidad de ocurrencia + la Probabilidad
de no ocurrencia siempre es igual a 1.
(AB = ):
A B P(AB)=PA+PB
E6: Se extrae una carta de una baraja de 52, los eventos “as” (A) y “rey”
(R) son mutuamente excluyentes.
Solución
Solución
68
Solución
PROBABILIDAD CONDICIONAL
Definición:
P( AyB) P( A B)
P( B / A)
P( A) P( A)
Donde:
69
P(A) = Probabilidad simple no, condicional de un primer evento A.
PROBABILIDAD CONJUNTA:
Definición:
Una Medida de la Probabilidad del acontecer simultáneo de dos o más
eventos se llama probabilidad conjunta. Para los eventos A y B, esta
probabilidad se simboliza por P(AyB) o P(AB).
Solución
P A B 2 / 6 2
P B / A
P A 3/ 6 3
Este resultado queda comprobado por el hecho que de los 3 resultados
pares 2, 4, 6 sólo 2 son mayores que 3.
70
E14: Si se lanza dos veces una moneda la probabilidad de que ambos
eventos sean cara es:
P(AyB) = P(AB) = P(A). P(B) = ½ x ½ = ¼
C1 y C2 1/4
1/2 C2
C1
1/2
1/2
S2 C1 y S2 1/4
S1 y C2 1/4
1/2 C2
1/2
S1
1/2 1/4
S2 S1 y S2
4/4 = 1.00
71
Solución
Resumen de Resultados:
72
TALLER 04
Cálculo de Probabilidades
1. Se lanza un dado:
a) Enumérese los elementos del espacio muestral.
b) Enumérese los elementos de contenido en el suceso de que el
resultado sea par.
c) Enumérese los elementos de contenidos en el suceso de que el
resultado sea, mayor que 4.
73
7. Se elige una carta de una baraja. ¿ Cuál es la probabilidad de que sea?.
a) Un as?.
b) Una espada?.
c) Un as o una espada?.
d) Un as o una carta roja?.
e) Una carta con una figura?.
12. Una caja contiene 100 tubos de televisor. La probabilidad de que haya al
menos un tubo defectuoso es 0,05 y de que tenga al menos dos tubos
defectuosos es 0,01. ¿Cuál es la probabilidad de que la caja contenga:
a) Ningún tubo defectuoso?.
b) Exactamente un tubo defectuoso?.
c) A lo más un tubo defectuoso?.
15. Una urna contiene 7 bolas blancas y 5 negras, si se saca dos bolas.¿Cuál
es la probabilidad de que las dos sean blancas si:
a) Se extrae sin restitución.
b) Se extrae con restitución.
74
17. La urna A contiene 4 bolitas blancas y 6 rojas, la urna B contiene 3
bolitas blancas y 5 rojas y la urna C 7 blancas y 7 rojas. Se saca
una bolita de cada urna. ¿Cuál es la probabilidad de que sean las
tres del mismo color?
19. Se sacan dos cartas sin restitución de una baraja de la cual se han
eliminado previamente las cartas con figuras. ¿Cuál es la
probabilidad de que la suma de los puntos de las cartas sea 19?.
75
TEMA N° 7
DISTRIBUCIONES DE PROBABILIDADES
DISTRIBUCIONES DE PROBABILIDAD
VARIABLES VARIABLES
DISCRETAS CONTINUAS
Normal
Binomiales
Poisson
CONCEPTOS RELACIONADOS
Esperanza Matemática
Valor Esperado
76
ESPERANZA MATEMÁTICA (VALOR ESPERADO O PROMEDIO)
El Valor Esperado.-
77
E(x) = xP(x)
= 12/8
= 1,5 caras.
E3: Con base en la tabla del 1er. ejemplo, hallar el valor esperado de la
variable aleatoria. (Promedio de alquiler diario de camionetas)
Solución
E4: Una caja contiene 3 bolitas negras y 7 blancas. Se saca una bolita
de la caja si ésta es negra Ud. gana $2, pero si es blanca usted pierde
$1. ¿Cuál es la esperanza matemática de este juego?
Solución
Interpretación:
78
5.3 LA DISTRIBUCIÓN BINOMIAL
n!
= p xqn x
x!(n x)!
Donde:
n!
nCx = C xn = Coeficiente Binomial =
x!( n x )!
(x) = Nº específico de éxitos
(n) = Nº de ensayos u observaciones
(p) = Probabilidad de éxito en c/u de los ensayos.
q = 1-p = Probabilidad de fracaso en cualquier ensayo.
Solución
Datos:
P = 0.20 n=6
q = 1-0.20 = 0.80 x=4
6!
= (0.20) 4 (0.80) 2
4!(6 4)!
6 x5 x 4 x3 x 2
= (0.0016)(0.64)
(4 x3x 2)( 2)
= 0.01536 0.015
79
Solución
6!
P(x=5) = 6C5 (0,20)5 (0,80)1 = (0,20)5(0,80)
5! 1!
= 6(0,00032) (0,80) = 0,001536
6!
P(x=6) = 6C6(0,20)6(0,80)0 = (0,000064)(1)
6! 0!
= (1) (0,000064) = 0,000064
Solución
Sabemos:
P(x < 3, n = 15, p = 0,20) = P(x 2)
= P(x = 0) + P(x =1) + P(x = 2)
= 0,0352 + 0,1319 + 0,2309 (Ver Apéndice 2)
= 0,3980 0,40
Ejemplo de Aplicación:
Solución
Solución
n 20
x 16 no contiene valor para p 0,95
p 0,95
Es decir:
n = 20
p( x=4/n=20, p=0,05) = 0,0133
x=4
Solución
Obtener al menos 4 circuitos defectuosos = P(x=4) + P(x=5) + ... +
P(x=20) circuitos defectuosos, ésto suma según tabla 0,0133 + 0,0022
+ 0,0003 = 0,0158, del mismo modo.
81
P(a lo sumo 3 circuitos defectuosos), se encuentra como la suma de
las probabilidades de obtener 0, 1, 2 y 3 circuitos defectuosos, es decir
0,3583 + 0,3774 + 0,1887 + 0,0596 = 0,9842.
Solución
82
Solución
P(x=3/=5.0) = 0.1404
Nota 1: Cuando lo que interesa es la probabilidad de “x o mas” o “x o
menos”. Se aplica la regla de adición para eventos mutuamente
excluyentes.
Solución
Solución
Dado x = Nº de Personas
Promedio por horas = 12
83
En donde: Del apéndice 4 obtenemos:
TALLER 05
ACTIVIDAD APLICATIVA - AUTOEVALUACIÓN
DISTRIBUCIONES DE PROBABILIDADES
A. Valor Esperado
Número de Camiones 0 1 2 3 4 5 6
a) P(X 2) c) P(X 4)
b) P(X = 2) d) P(X = 4)
a) P(X 7) c) P(X 5)
b) P(X = 7) d) P(X = 5)
C. Distribución Poisson
85
11. El Promedio mensual de incendios grandes en una ciudad es de
1.5. Utilícese la distribución de Poisson para determinar la
probabilidad de que haya exactamente un incendio grande en
un periodo de dos meses.
86
UNIDAD III:
DISTRIBUCIÓN NORMAL, DISTRIBUCIÓN DE LA MEDIA MUESTRAL
CONTENIDOS PROCEDIMENTALES
CONTENIDOS ACTITUDINALES
CONTENIDOS CONCEPTUALES
87
DISTRIBUCIÓN PARA VARIABLES
CONTINUAS
DISTRIBUCIÓN NORMAL
DISTRIBUCIÓN DE LA MEDIA
MUESTRAL Y
DE PROPORCIONES
88
TEMA N°10
Distribución Normal
f(x)
Peso, Kg
2000 4000 6000 8000 10000 12000
89
Uso de las Tablas de Distribución Normales
90
Solución
u = 13,0
= 0,1
P(12,8 x 13,1)
Si
xu
Z
12,8 13,0 13,1
De la figura: X1 X2
X1 u
12,8 13,0
Z1 2,0
0,1
X u 13,1 13,0
Z2 2 1,0
0,1
TALLER 6
ACTIVIDAD APLICATIVA AUTOEVALUACIÓN
Distribución Normal
91
15. Un rodamiento es considerado defectuoso y por lo tanto es
rechazado si su diámetro es mayor que 2.02 pulgadas o menor
que 1,98 pulgadas. ¿Cuál es el número esperado de
rodamientos rechazados si los diámetros de una partida de
10,000 rodamientos están distribuidos, normalmente con una
media de 2 pulgadas y una desviación estándar de 0.01
pulgadas?.
92
SOFTWARE ESTADÍSTICO (Aplicación por Computadora)
DISTRIBUCIÒN NORMAL
Caso Estudio 1:
Caso Estudio 2
93
TEMA N°11
ORG ANIGRAMA
DISTRIBUCIONES MUESTRALES
94
Debido a factores como tiempo y costo, se estiman los parámetros
poblacionales desconocidos por ejemplo la media (u) examinando
la información de la muestra ( x ) de la población, la cual debe ser
representativa de la población objeto del estudio.
CONSIDERACIONES GENERALES
E1: Si tenemos una población de N=4, que indican los ingresos anuales
de 4 analistas de sistemas 10, 20, 30 y 40 (en miles de soles)
a.- Calcular la media de la población (u)
b.- La desviación estándar poblacional ( )
c.- Si tomamos muestras aleatorias de tamaño n=2 hacer una lista de
todos los pares posibles de las diferentes muestras de la media.
95
Para cada uno de los pares identificados, calcule la media muestral x
con su respectiva probabilidad, y demuestre que la media de todas las
medias muestrales posibles (u x ) es igual a la media de la población (u)
de donde se seleccionaron las muestras.
x x
2 2
x
Ns Ns
donde:
N n
x
n N 1
96
E2: Del primer ejemplo demostraremos que al utilizar las dos fórmulas
del error estándar dadas, el resultado es el mismo.
Solución
s N n 57 100 16 57 84
sx
n N 1 16 100 1 4 99
TALLER 8
97
empresas . Se sabe que la producción por trabajador siguen una
distribución normal. El promedio de la producción de todos los
trabajadores de COCA_COLA es de 100 unidades y su desviación
estándar es de 14.142, mientras que el promedio de la producción de
todos los trabajadores KOLA REAL es de 85 unidades y su desviación
estándar es de 12.247 unidades. Si y representan el promedio
muestral de la producción de los 20 y 25 trabajadores respectivamente.
Encuentre la probabilidad de que el promedio de las unidades
producidas por los 20 trabajadores sea al menos 20 unidades más que
el de los 25 trabajadores.
Solución:
Datos:
98
TEMA N° 12
Solución
S 200
Sabemos: P 0,40
n 500
Nota: Tal como estudiamos en distribución muestral donde u x (media de
todas las medias Muestrales) = u(media de la población).
En este caso: P =
Donde:
P = media de las proporciones Muestrales.
= proporción de la población.
99
Central aplicado a la distribución de proporciones Muestrales.
Aquí se debe cumplir lo siguiente:
n> 50 y
Tanto n como n(1-) son mayores que 5.
(1 ) N n
P
n N 1
Solución
Las muestras posibles de tamaño n = 2 y la proporción de
éxitos (vive), se indican en la tabla siguiente.
Se cumple también 5C2 = 10. M = muere, Vive = V.
Ns = Nº de muestras posibles = 10
S
Sabemos: p
n
Donde:
p = proporción muestral de éxitos.
S = proporción de éxitos en una muestra.
n = 2.
Proporción de
Muestra
Éxitos P
M1 V2 0,5
M1 V3 0,5
M1 M4 0,0
M1 M5 0,0
V2 V3 1,0
V2 M4 0,5
V2 M5 0,5
V3 M4 0,5
V3 M5 0,5
M4 M5 0,0
P = 4,0
P
P 4 0,40
Ns 10
donde:
p = proporciones.
p = media de todas las proporciones.
Ns = Nº de muestras posibles.
100
Es decir P (media de todas las proporciones ) es igual a u(media de la
población) = 0,40.
(1 ) N n (0,4)(0,6) 5 2
P 0,3
n N 1 2 5 1
APLICACIÓN ESTADÍSTICA
Pedro envía 200 cartas en las que ofrece vender el producto. Tiene que
hacer 160 ventas. Como mínimo para financiar el viaje que tiene
programado a Hawai.
TALLER 9
101
4. De un estudio contable se toma alzar una muestra de 500
empleados de un número mayor a ellos. Los trabajadores realizan
labores a destajo y se encuentran que el producto medio de pago
por cliente es de 2000 nuevos Soles, con una desviación
estandarmuestral S=200 Nuevos Soles. Hallar el pago promedio a
destajo para todos los empleados de la empresa, con un intervalo
de confianza del 90%.
102
UNIDAD IV
ORGANIGRAMA
Intervalos Prueba
De Confianza De Hipótesis
Estimación Medias
Puntual Poblacionale
s
Medias Estadísticos
Poblacionales utilizados
Distribución
t de
Student
Entre
Dos Medias
Poblacionales
103
CONTENIDOS PROCEDIMENTALES
CONTENIDOS ACTITUDINALES
CONTENIDOS CONCEPTUALES
104
ESTIMACIONES CON INTERVALOS DE
CONFIANZA, PRUEBA DE HIPOTESIS
DISTRIBUCIÓN T DE STUDENT
DIFERENCIA DE MEDIAS
PRUEBA DE HIPOTESIS
JI-CUADRADA
105
TEMA N° 13
INTERVALOSDE CONFIANZA PARA LA MEDIA POBLACIONAL
Parámetros de Población
Media, u x
Diferencia entre las medias de 2 poblaciones u1 – u2 x1 x2
I. Proporción, p̂
Diferencia entre las propiedades de
p1 p2
dos poblaciones; 1 - 2
s2
Varianza, 2
s
Desviación Estándar,
106
estimación por intervalo que permite tener una confianza del 95% de que
ese intervalo incluye el valor de la media poblacional.
TALLER 10
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
a) Con el 95%
b) Con el 90% de confianza.
TEMA N° 14
107
Así mismo, la distribución t, tiene una media igual a cero, es simétrica
respecto de la media y se extiende de - a + .
Cálculo del Estadístico (t)
Se calcula como el estadístico Z.
Su formula es:
xu
t
Sx
S
x t gl S x x t gl
n
TALLER 11
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
Determinar:
Solución
a) x
x 191,6 15,97 x 15,97 gr
n 12
n x 2 ( x ) 2 12(3059,46 (191,6) 2 )
b) S
n(n 1) 12(11)
S 0,15
c) x t gl S x 15,97 t11 15,97 2,201
n 12
INTERPRETACIÓN:
El peso promedio por sobre se encuentra ente 15,88 y 16,06 grs
TEMA N°15
u1 – u2 = ( x1 x 2 ) z x1 x2
109
u1 – u2 = ( x1 x 2 ) zS x1 x2
Fórmula del Error Estándar de la Diferencia entre dos medias.
x x x2 x2
1 2 1 2
S x1 x2 S x21 S x22
Solución
Sabemos:
Int. del 99% = ( x1 x 2 ) Z S x x
1 2
S x1 x2 S S
2
x1
2
x2
En donde:
Z = 2,58
S1 1400 1400
S x1 255,60
n1 30 5,477
S2 1000 1000
S x2 158,11
n2 40 6,325
110
S x1 x2 (255,60)2 (158,11)2 300,55
Reemplazando Tenemos:
Int. del 99% = S/. 1000 2,58 (300,55)
= 1000 – 775,4 a 1000 + 775,4
= 225 a 1775
Es decir: 225 u1 – u2 1775
INTERPRETACIÓN:
Puede estimarse que el salario anual promedio de la primera empresa
es mayor que el correspondiente a ala segunda en una cantidad que va
de S/. 225 a S/. 1775 con una confianza del 99% en una estimación por
intervalo.
TALLER 12
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
E1: Una revista describía una prueba por Daniel S.A. para comparar la
eficacia de dos tipos de fertilizantes químicos. Se trataron 50 hectáreas
con cada uno de los tipos . Los incrementos de producción por hectárea
de trigo dieron medias de x1 = 14,2 litros para el fertilizante 1 y de x2 =
17,5 litros para el fertilizante 2. Las desviaciones estándar de ambos
fertilizantes eran de 1 =1,92 y 2 =2,05. Calcular el intervalo de
confianza del 99% para estimar la diferencia de la eficacia en los dos
fertilizantes.
CASO ESTUDIO 1.
En una Empresa Auditora un contador toma una muestra promedio de 36
cuentas por cobrar diferentes de valor 2.6 mill. de soles. Encuentre el intervalo
de confianza del 95% para la media poblacional suponiendo que la desviación
estándar de la población es de 0,3 mill. de soles.
111
3. - Colocar los datos.(Ver grafico en clase)
4.- Luego aparecerán los resultados pedidos en la pregunta.(Ver grafico en
clase)
TEMA N°16
PRUEBA DE HIPÓTESIS
Prueba de Hipótesis.
Solución
u = 36 onzas
= 5%
x = 37,6
S = 3 onzas
n = 100 95%
Ho: u = 36 Rechazo
H1: u 36 /2 = 0,025
Sabemos:
xCR uH ZSx 35,41 uH=36 36,59
= 36 (1,96)(0,3)
= 36 0,588
35,41 hasta 36,59
INTERPRETACIÓN.
TALLER 13
ACTIVIDAD APLICATIVA – AUTOEVALUACIÓN
Solución
u = 27
n = 50
x = 25,3
S = 2,1 Rechazo
= 1% Ho:0,99 /2 = 0,005
Ho: u = 27 0,4950
H1: u 27 26,23 uH=27 27,77
E4. Si la vida útil de las focos de una marca específica es cuando menos
4200 hrs. La vida útil promedio para una muestra aleatoria de n = 10
focos es x 4000 hrs. con desviación estándar muestral S = 200hrs.
Si tiene vida útil D. normal – probar la hipótesis con alfa = 5%
Solución
n = 10 Ho: 4200 hrs.
H1: < 4200
tCRÍTICA (gl = 9, x = 0,05) = -1,833
S 200 200
Sx 63,3hrs.
n 10 3.16
x 0 4000 4200
CAL 3,16
Sx 63.3
HO
Acepta
HI
114
tCAL = -3,16 tCRITICO = -1,833
Interpretación: Se rechaza Ho, se acepta H1 de que 1< 4200
LA PRUEBA ESTADÍSTICA DE JI – CUADRADA
PRUEBAS PARA LA INDEPENDENCIA DE DOS VARIABLES
CATEGÓRICAS (PRUEBAS PARA TABLAS DE CONTINGENCIAS)
CUADRO 1
Jabón
Ingresos Total
B1 B2
A1 40 60 100
A2 110 90 200
Total 150 150 300
En el Cuadro 1
115
Observamos en los totales de las filas (renglones) y columnas que:
150 + 150 = 300 personas
100 + 200 = 300 Personas
100 tienen ingresos A1, y
200 tienen ingresos A2
También
150 usan jabón B1, y
150 usan jabón B2
Resultando:
CUADRO 2
Jabón
Ingresos Total
B1 B2
A1 100
A2 200
Total 150 150 300
Obtenemos:
CUADRO 3
116
B1 B2
A1 40 (50) 60 (50) 100
A2 110 (100) 90 (100) 200
Total 150 150 300
PRUEBA DE HIPÓTESIS NULA DE INDEPENDENCIA PARA LOS DATOS
DE LA TABLA ANTERIOR UTILIZANDO UN NIVEL DE SIGNIFICANCIA DEL
5%
FORMULADE JI CUADRADA:
( f fe )
X2 = 0
fe
Donde:
fe = Frecuencia esperada
f0 = Frecuencia observada
Hipótesis nula = H0 = No existe una relación estadísticamente significativa
entre los ingresos de una persona y la clase de jabón que
usa. Por tanto son independientes.
Hipótesis alterna: HA = Existe una relación estadísticamente significativa entre
los ingresos de una persona y la clase de jabón que usa por tanto son
dependientes.
gl = (r – 1) (c – 1) = (2 – 1 ) (2 – 1) = 1
( f fe )
X2 = 0
fe
TALLER 14
117
x = 112 toneladas, con = 50 toneladas y un intervalo de confianza
del 95%. Este promedio mensual será.
118
¿apoyaría un intervalo de confianza del 95% la postura de la
empresa? (La cual fue causada por inflar los gastos de contratos de
construcción).
Las cuentas de los gastos siguen distribución normal.
PRUEBA DE HIPÓTESIS
119
APENDICE II: DISTRIBUCION BINOMIAL
120
APENDICE II: DISTRIBUCION BINOMIAL (CONT)
121
122
APENDICE II: DISTRIBUCION BINOMIAL (CONT)
123
APENDICE II: DISTRIBUCION BINOMIAL (CONT)
124
APENDICE II: DISTRIBUCION BINOMIAL (CONT)
125
APENDICE II: DISTRIBUCION BINOMIAL (CONT)
126
APENDICE IV: DISTRIBUCION DE POISSON
127
APENDICE IV: DISTRIBUCION DE POISSON
128
APENDICE IV: DISTRIBUCION DE POISSON (CONT)
129
DISTRIBUCION DE POISSON (CONT)
130
APENDICE IV: DISTRIBUCION DE POISSON (CONT)
131
APENDICE IV: DISTRIBUCION DE POISSON (CONT)
132
APENDICE V: DISTRIBUCION NORMAL
133
APENDICE VI DISTRIBUCION t DE STUDENT
134
EJERCICIOS Y PROBLEMAS ADICIONALES
Aproximaciones.
5, 6, 1, 7, 3, 1, 4, 8, 2, 3,5,7,1,3,4,5,6,8,3,4,5,2,5,4
6,7,2,3,5,4,6,4,3,2,6,4,3,4,5,6.
Determinar su media aritmètica, su mediana y su moda.
CLASES FRECUENCIAS f
118-127 4
128-137 7
138- 147 16
148-157 19
158-167 5
168-177 6
178-187 3
135
136
Tiempos de ensamble de 30 empleados, en minutos
10 14 15 13 17 16 12 14 11 13 15 18 9 14 14 9 15 11
13 11 12 10 17 16 12 11 16 12 14 15.
CLASES f
118 – 126 3
127 – 135 5
136 – 144 9
145 – 156 12
154 – 162 5
163 – 171 4
172 – 180 2
b) El coeficiente de variación
1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 0 1 0
5 7 4 8 0 5 3 8 1 9 2 5 7 0 7 0 5 9 8
1 1 1 1 0 1 1 0 1 0 1 1 1 1 1 2 0 1 1
0 5 3 2 9 6 2 9 0 8 1 4 6 3 2 0 8 2 0
137
Programe por MINITAB:
a) La construcciòn de un histograma
b) El calculo de la mediana
13.-La ventas por hora de una maquina automática pueden ser de 5, 8, 11, 13,
15 o 20
Gaseosas de ½ litro con las probabilidades de 0.4, 0.3, 0.1, 0.1, 0.005, 0.05
Respectivamente. Determine la venta esperada a liquidar de las 14:00 horas a
las 22:00 horas.
14.- Debido a la elevada tasa de interés, una empresa reporta que el 20% de
sus cuentas por cobrar están vencidas. Si un contador toma una muestra
aleatoria de 6 de estas cuentas. Determine la probabilidad de cada uno de los
siguientes eventos con la distribución Binomial:
15.- Se ha determinado que el número de clientes que llegan cada hora a una
tienda tiene la distribución de probabilidad que se muestra en la tabla:
Numero clientes X 0 1 2 3 4 5 6
138
b) Determina la probabilidad de que el precio de acción cambie
durante la semana.
19.- El diámetro medio interior de una muestra de 300 tubos producidos por
una fabrica es de 0.530 pulgadas y la desviación estándar es de0.0005
pulgadas. El uso de los tubos permitirá una tolerancia de 0.522 a 0.538
pulgadas; de otro moto se considera defectuosos. Determina el porcentaje de
tubos defectuosos suponiendo que los tubos producidos se distribuyen
normalmente.
23.-Las lámparas que fabrica cierta empresa tiene una vida media de 1500
horas y una desviación estándar de 100 horas.
¿Halla la probabilidad de que una muestra aleatoria de 25 lámparas tenga una
vida media entre 1450 y 1600 horas?
139
26.- en un Bufete de abogados hay 6 socios. A continuación se indica el
numero de casos que cada miembro llevo a la corta en el mes pasado.
Números de
Socios
Casos
Ruud 3
Austin 6
Sass 3
Palmer 3
Wilhelms 0
Schueller 1
28.- Un contador piensa que el número medio de días necesarios para realizar
un trabajo debe ser U = 27 si la media es menor que 27, el contador teme que
l trabajo se ejecuta con descuido de calidad, mientras que una media por
encima de 27 puede dar lugar a unos gastos innecesarios.
Se Eligio al azar 50 trabajos con objeto de probar (contrastar esta afirmación).
Se encuentra que la media es x = 26.7 días, con una desviación estándar S
=2.1 días, el contador desea probar (contraste) la hipótesis con nivel de
significancia de 10% (90% de confianza). Determina el sistema de hipótesis y
realizar la prueba. Si rechaza la hipótesis nula, el contador tendrá que volver a
valorar el proceso de trabajo para garantizar que se siguen procedimientos
adecuados.
140
APLICACIÓN CON EL PROGRAMA DE MINITAB
DISTRIBUCION NORMAL
Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009
0.00008
0.00007
0.00006
Densidad
0.00005
0.00004
0.00003
0.00002
0.00001
0.05
0.00000
26234 34458
X
Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009
0.00008
0.00007
0.00006
Densidad
0.00005
0.00004
0.00003
0.00002
0.00001
0.03978
0.00000
26234 35000
X
142
Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009
0.00008
0.00007
0.00006
Densidad
0.00005
0.00004
0.00003
0.00002
0.00001
0.03978
0.00000
26234 35000
X
Gráfica de distribución
Normal, Media=26234, Desv.Est.=5000
0.00009
0.00008
0.00007
0.00006
Densidad
0.00005
0.00004
0.00003
0.00002
0.00001 0.1062
0.00000
20000 26234
X
143
Abrir el Minitab. Clic en Graph (Grafica).
Colocarse en el siguiente Menú y opción:
GraphProbabilityDistributionPlot (Grafica de distribución de
Probabilidad).
Se despliega la ventana de ProbabilityDistributionPlots (parcelas de
distribución de probabilidad).
Clic en View Probability (ver probabilidad).
Clic en Ok.
Seleccionar Distribución Normal
Introducir los valores de la Media (mean), en este caso la Media es
de $ 25000 dólares
Y la desviación estándar (Standard desviation), este caso la
desviación estándar es de $ 3000 dólares.
Al introducir estos datos tanto la Media y la desviación estándar se
desplego una grafica.
Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014
0.00012
0.00010
Densidad
0.00008
0.00006
0.00004
0.00002
0.05
0.00000
25000 29935
X
144
Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014
0.00012
0.00010
Densidad
0.00008
0.00006
0.00004
0.00002
0.04779
0.00000
25000 30000
X
145
Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014
0.00012
0.00010
Densidad
0.00008
0.00006
0.00004
0.00002
0.05
0.00000
25000 29935
X
Gráfica de distribución
Normal, Media=25000, Desv.Est.=3000
0.00014
0.2977
0.00012
0.00010
Densidad
0.00008
0.00006
0.00004
0.00002
0.00000
25000 27500
X
146
una solicitud de préstamos. ¿Cuál es la probabilidad de que el monto
solicitado sea 80,000 o mayor?
𝑥−𝜇
𝜇 = 70,000 𝑧=
𝜎
𝜎 = 20,000
𝑝(𝑥 ≥ 80,000)
80,000−70,000 10,000
𝑧= = 20,000 = 0,50 =La probabilidad acumulada es de 0,1915
20,000
𝑝(𝑥 ≥ 80,000) = 0.5000 − 0,1915 = 0,3085
147
Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK
148
Clic en ShadedArea
Seleccionar x vakue, clic en Middle. y proporcional los valores de x ₁ y x₂
Clic en OK
Distribution Plot
Normal, Mean=70000, StDev=20000
0.000020
0.000015
Density
0.000010
0.000005 0.3085
0.000000
7000080000
X
Resolución
149
𝜇 = 150 Segundos
𝜎 = 15 Segundos
𝑝(125 ≥ 𝑥 ≥ 150)
125−150
𝑍= =-1,67
15
Rpta : 𝑝(125 ≤ 𝑥 ≤ 150)Z=-1,67 pero por la tabla de distribución
da una área de 0,4525. Por tanto la probabilidad de que una
transmisión dure entre 125 y 150 segundos es 45,25%
150
Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK
SelecionarDistribucion normal
Introducer los valores de la media(Mean) y la desviaciones andar
(standardderivation)
Clic en ShadedArea
Seleccionar x vakue, clic en Middle. y proporcional los valores de x ₁ y x₂
Clic en OK
151
Minitab despliega la grafica de minitab con el valor de la probabilidad
sombreada
Distribution Plot
Normal, Mean=150, StDev=15
0.030
0.025
0.020 0.4522
Density
0.015
0.010
0.005
0.000
125 150
X
Solución
𝜇 = 36500 𝑚𝑖𝑙𝑙𝑎𝑠
𝜎 = 5000 𝑚𝑖𝑙𝑙𝑎𝑠
𝑝(𝑥 ≥ 40000)
Para que x=40000, se tiene
𝑥 − 𝜇 40000 − 36500 3500
𝑧= = = = 0,70
𝜎 5000 5000
152
Rpta:𝑝(𝑥 ≥ 40000),z=0,70 entonces por la tabla de distribución normal es
igual a 0,7580 de manera que 1000-0,7580=0,2420 es la probabilidad de
que z sea mayor a 0,70 y por lo tanto de que x sea mayor a
40000.entonces 24,2% de los neumáticos durara más de 40000 millas.
153
Se despliega la ventana de probalityDistributionPlots
Clic en View probability
Clic OK
SelecionarDistribucion normal
Introducir los valores de la media(Mean) y la desviación estándar
(standardderivation)
Clic en ShadedArea
Seleccionar x vakue, clic en ightTail.y proporcional los valores de x
Clic en OK
154
Distribution Plot
Normal, Mean=36500, StDev=5000
0.00009
0.00008
0.00007
0.00006
Density
0.00005
0.00004
0.00003
0.00002
0.2420
0.00001
0.00000
36500 40000
X
DISTRIBUCION MUESTRAL
1. Un asistente contable necesita conocer la probabilidad de que la media
muestral de los precios de carpetas sea mayor que 10.5 soles,
considerando que el tamaño muestral es 25 y la población es de 2000.
Sabiendo que los precios se distribuyen (poblacionalmente) con u = 10
soles con una desviación estándar poblacional de = 1.5 soles.
Solución
155
Gráfica de distribución
Normal, Media=10, Desv.Est.=0.3
1.4
1.2
1.0
Densidad
0.8
0.6
0.4
0.2
0.04779
0.0
10 10.5
X
Solución
Grafica
Gráfica de distribución de probabilidad
Ver probabilidad
Media 5, desviación 0.25
Área sombreada. Valor de x
Cola izquierda
Escribir 4.5
Aceptar
156
Gráfica de distribución
Normal, Media=5, Desv.Est.=0.25
1.8
1.6
1.4
1.2
Densidad
1.0
0.8
0.6
0.4
0.2
0.02275
0.0
4.5 5
X
Solución
157
Gráfica de distribución
Normal, Media=2000, Desv.Est.=100
0.004
0.003
Densidad
0.002
0.001
0.1587
0.000
2000 2100
X
Solución
158
Gráfica de distribución
Normal, Media=4000, Desv.Est.=240
0.0018
0.4592
0.0016
0.0014
0.0012
Densidad
0.0010
0.0008
0.0006
0.0004
0.0002
0.0000
39004000 4200
X
Solución
Grafica
Gráfica de distribución de probabilidad
Ver probabilidad
Media 45, desviación 1.667
Área sombreada. Valor de x
Centro
Escribir 42 44.5
Aceptar
159
Gráfica de distribución
Normal, Media=45, Desv.Est.=1.667
0.25
0.20
0.15
Densidad
0.3462
0.10
0.05
0.00
42 44.545
X
Gráfica de distribución
Normal, Media=520, Desv.Est.=37
0.012
0.010
0.008
Densidad
0.006
0.004
0.002
0.05
0.000
520 580.9
X
161
Obtemos la probabilidad
162
FUENTES DE INFORMACIÓN
Básica
1. - Anderson, D., Sweeney, D. y Willians, T. (2008). Estadística para
administración y economía (10a. ed.). México: Thomson Learning.
2.- Berenson, M.yLevine. D. (1991). Estadística para administración y
economía: conceptos y aplicación. México: McGraw-Hill.
3.- Kazmier,L. (2006). Estadística aplicada a la administración y a la economía
(4a. ed.). México: McGraw-HiIl.
4.- Levine, R. (2004). Estadística para administración y economía(7a. ed.).
México: Pearson Educación.
Complementaria
5.- Anderson, D., Sweeney y D., Willians,T. (2009). Estadística para
administración y economía. México: Thomson.
6.- Arnaldos, F. (2003). Estadística descriptiva: para economía y administración
de empresas. Madrid: Thomson Editores.
7.-Avila, R. (2000). Estadística elemental. Lima: RA.
8.-Kohler, H. (1996). Estadística para negocios y economía, México:
Continental.
9.-Martínez, C. (2002). Estadística y muestreo. Bogotá: ECOE.
10.- Romero, F. (2000). Estadística para ti: aplicada a la investigación. Lima:
(s.n.).
11.- Spiegel, R. (2009).Estadística (4a. ed.). México: McGarw-Hill.
12.- Webster , A. (2000). Estadística aplicada a los negocios y la economía.
Bogotá: McGraw-Hill.
FUENTES ELECTRONICAS:
Curso virtual: estadística (s.f.), de http://www.iific.edu.pe/
SOFTWARE ESPECIALIZADO:
MINITAB - SPSS – EXCEL
163