ESTADÍSTICA APLICADA A LA MODULO I

Dra. MARLENE
INVESTIGACIÓN EMPRESARIAL ASTUDILLO VICENTE.
 Estadística Descriptiva

ESTADÍSTICA E INVESTIGACIÓN CIENTÍFICA

MEDIDAS DE RESUMEN:
*MEDIDAS DE TENDENCIA CENTRAL
*MEDIDAS DE DISPERSIÓN
ESTADÍSTICA E INVESTIGACIÓN CIENTÍFICA.

Según Spiegel la estadística

"estudia los métodos científicos para recoger, organizar, resumir
y analizar datos, así como para sacar conclusiones válidas y
tomar decisiones razonables basadas en tal análisis".
 ESTADÍSTICA
Recolecta, organiza,
resume y presenta los
datos en forma
INFERNCIA DEL informativa
RESULTADO

MUESTRA

DESCRIPTIVA

POBLACIÓN

INFERENCIAL Efectúa estimaciones

hipótesis y
predicciones.
 TIPOS DE VARIABLE
Según la funcionalidad que tienen en la investigación, pueden ser:

• Es una variable cuyos valores

dependen de los valores que tome
DEPENDIENTE otra variable. Se representa en el
eje de ordenadas (y).

• Es una variable que su valor no

depende de otra variable. La variable
INDEPENDIENTE independiente suele representarse en
las gráficas en el eje de abscisas (x).

EJEMPLO:
En un estudio estadístico realizado en un instituto se intenta hacer ver a los alumnos que estudiar día a
día influye positivamente en las notas obtenidas.
 Se considera como variable independiente (o explicativa) la variable “promedio de horas de estudio”
 como variable dependiente las “notas obtenidas por cada alumno”.
 Variables cualitativas - cuantitativas

Según su medición existen dos tipos de variables:

•Sexo
Cualitativ as •Modelo de zapatillas deportivas
 •Barrio de la localidad en que vive
 (modalidad) •Deporte preferido

 •Número de hermanos
 •Núm.de aprobados en la 1ª evaluación
Variables   Discretas •Núm de libros leídos trimestralmente
  (Recuentos) •Num. de llamadas telefónicas diarias
Cuantitati vas 
 
 (números)  •Tiempo diario delante del televisor
  •Tiempo de estudio
Continuas •Altura
(Cualquier •Peso
cantidad en •Tiempo empleado en llamadas
un intervalo)
 Escalas de Medición
• Escala Nominal

 Escala Ordinal

 Escala de Intervalo

 Escala de Razón
• Escala Nominal:
Está asociada a variables
cualitativitas y es denominada
de este modo si no se pueden
hacer operaciones aritméticas
entre sus valores, pues éstos son
únicamente ETIQUETAS.
Ejemplo: sexo, código postal,
estado civil, número telefónico,
número al correr en un maratón,
deporte favorito, carrera a
estudiar, etc.
• Escala Ordinal:
Los valores de la variable que tienen un
ORDEN con un nivel específico, pero no
se pueden hacer operaciones aritméticas
entre ellas.
Ejemplo:
Pésimo – Malo – Regular – Bueno –
Excelente
Primaria – Secundaria – Bachiller -
Licenciatura
• Escala de Intervalo:
En ella existe un orden entre los
valores de la variable y además una
NOCIÓN DE DISTANCIA aunque no
se puedan realizar operaciones.
El cero o punto de inicio no es
único, es más bien un punto de
referencia.
Ejemplo: Escalas de temperatura,
la edad de la Tierra, la línea del
tiempo de la humanidad.
• Escala de Razón:
La magnitud tiene
SENTIDO FÍSICO, existe el
cero absoluto, existe
orden, se puede
determinar cuántas veces
es mayor uno que otro.
Ejemplo: peso, estatura,
edad, distancia, dinero,
etc.
 ORGANIZACIÓN DE LOS DATOS
• Una vez que se tenga ordenados los datos, se
acomodan en la “Tabla de distribución de frecuencias
o tabla de frecuencias”.
• La tabla es básicamente una tabla de valores x,y,
dónde “x” representa el dato e “y” representa la
frecuencia.
• La frecuencia es el número de veces que
aparece cada dato.
• Hay dos clases de tablas de frecuencias:
• Para datos NO agrupados.
• Para datos agrupados.
Tabla de frecuencias para datos NO agrupados
rosa azul blanco azul rosa
gris blanco café negro blanco • EJEMPLO
rosa azul café blanco blanco
gris azul blanco rosa gris
gris blanco café negro verde Color Frecuencia
Azul IIII II
Blanco IIII
Café III
Gris IIII
Negro II
Rosa IIII
I
Verde
• Está formada por dos columnas: una para la variable “xi” y la
otra para su frecuencia “f”, a esta frecuencia se le llama
frecuencia absoluta o frecuencia observada.

Xi Frecuencia f

Azul 4
Blanco 7
Café 3
Gris 4
Negro 2
Rosa 4
Verde 1
• Por lo regular, se agregan dos xi f h F
4/25
columnas: la de la frecuencia 0,16 4
Azul 4
relativa “h” y la de la
Blanc 7 0,28 11
frecuencia acumulada “H”.
o
• La frecuencia relativa se
obtiene mediante el cociente Café 3 0,12 14
de la frecuencia y el número Gris 4 0,16 18
total de datos, esto es h = f/n. 0,08 20
Siempre
Negro 2
• La frecuencia acumulada se
Rosa 4 0,16 24
es el
número
obtiene sumando las total
frecuencias anteriores a las Verde 1 0,04 25
frecuencias de un dato dado.

Siempre es 1
Total 25 1
 xi f h F H %
Azul 4 0,16 4 0,16 16%

Blanco 7 0,28 11 0,44 28%

Café 3 0,12 14 0,56 12%

Gris 4 0,16 18 0,72 16%

Negro 2 0,08 20 0,80 8%

Rosa 4 0,16 24 0,96 16%

Verde 1 0,04 25 1 4%

Total 25 1 100%
 PARA DATOS AGRUPADOS
• En ocasiones es conveniente acomodar los datos en
pequeños grupos de igual tamaño, llamados intervalos
de clase.
Límite inferior Límite superior

Intervalo de clase Marca de clase “xi”

38 – 42
Intervalos de clase. 43 – 47
48 – 52
53 – 57
58 – 62
63 – 67
 MARCA DE CLASE

• Es el punto medio, se simboliza “xi”, se obtiene con:

Marca de clase = Límite inferior + límite superior
Límite inferior 2 Lím inf + Lim sup
Límite superior
2
Intervalo de clase Marca de clase “xi”
38 – 42 40
43 – 47 45
MARCA DE
48 – 52 50 CLASE

53 – 57 55
58 – 62 60
63 – 67 65
 TAMAÑO DEL INTERVALO
El tamaño del intervalo se obtiene siguiendo el siguiente
procedimiento:
1.) Para el numero aproximado de clases ( K ), se utiliza las siguiente
fórmula:
 K = 1 + 3.3 log (n)
 Donde K = número aproximado de clases
 n = número de datos.
2.) Para el Rango ( R ), se utiliza las siguiente fórmula:
 R = diferencia entre el dato mayor y el dato menor.
3.) Amplitud de los intervalos ( A ), se utiliza las siguiente fórmula:

 A=R/ K
 EJEMPLO
Los puntajes de un examen de ingreso a la universidad realizado por
40 alumnos son los siguientes:
110, 102, 108, 115, 120, 130, 93, 124, 112, 102, 110, 108, 108,
109, 110, 90, 95, 98, 104, 124, 130, 97, 125, 136, 140, 104, 108,
96, 106, 107, 103, 92, 122, 93, 99, 107, 105, 103, 115, 110.

El menor de
los datos
El mayor de
los datos
Paso 1. Determinamos el número de intervalos o clases k.
Una forma de hacerlo es con la Regla de Sturges, donde:
k = 1 + 3.3 log (n) ;
Para el ejemplo se tiene n = 40 datos, sustituyendo
k = 1 + 3.3 log (40) = 1 + 3.3 (1.602) =
= 1 + 5.28 = 6.28
la cual se redondea al entero siguiente, k = 7.
*Otra alternativa es usando la raíz cuadrada del total de datos n
para este ejemplo nos queda así:
k = raíz (n) = √40 = 6.32
que también se redondea al entero siguiente quedando k= 7.
Paso 2. Determinamos el rango (R) de variación de los datos que
se define como
R = Xmax – Xmin,
donde Xmax es el dato máximo y Xmin es el dato mínimo.
Para el ejemplo
Xmax = 140
Xmin = 90 entonces

R = 140 – 90 = 50
Paso 3. Calculamos la amplitud de clase (A), que
corresponde a la cantidad de datos que van en cada
clase, dividiendo el rango R entre el numero de clases k:

A=R/K
A = 50 / 7 = 7,14
se redondea al entero siguiente

A = 8.
Construimos los intervalos o clases, como la variable es
cuantitativa discreta los intervalos o clases son cerrados, es
decir de la forma [Li, Ls].
Para formar las clases comenzaremos con los limites
inferiores:
· En la primer clase tomamos Li1 = Xmin ( el dato mas
pequeño) en este caso 90. Ls1= li + K = 90 + 8 = 98
· Para los siguientes intervalos el limite inferior es igual al
limite superior anterior mas uno.
Paso 5: Construimos la tabla de distribución de frecuencias
INTERVALOS DE CLASE XI

[ 90 – 97]
[ 98 – 105]
[ 106 – 113 ]
[ 114– 121]
[ 122 – 129]
[ 130 – 137]
[ 138 – 145]
TOTAL
Paso 6: hallamos la Marca de clase (Xi): corresponde al punto
medio del intervalo, Para nuestro ejemplo obtendríamos las
siguientes marcas de clase:
INTERVALOS DE CLASE XI
[ 90 – 97] 93,5
[ 98 – 105] 101,5
[ 106 – 113 ] 109,5
[ 114– 121] 117,5
[ 122 – 129] 125,5
[ 130 – 137] 133,5
[ 138 – 145] 141,5
TOTAL
Paso 7: Se halla la frecuencia absoluta es decir se contabiliza
cuantos datos hay en cada intervalo este dato será f = frecuencia
absoluta
INTERVALOS DE XI f
CLASE
[ 90 – 97] 93,5 7
[ 98 – 105] 101,5 9
[ 106 – 113 ] 109,5 13
[ 114– 121] 117,5 3
[ 122 – 129] 125,5 4
[ 130 – 137] 133,5 3
[ 138 – 145] 141,5 1
TOTAL 40
Paso 8: Se halla la frecuencia relativa ( h ) es decir se divide la
frecuencia absoluta entre el total de datos

INTERVALOS DE XI f h
7/40
CLASE
[ 90 – 97] 93,5 7 0,175
9/40
[ 98 – 105] 101,5 9 0,225
[ 106 – 113 ] 109,5 13 0,325 13/40
[ 114– 121] 117,5 3 0,075
[ 122 – 129] 125,5 4 0,100
[ 130 – 137] 133,5 3 0,075
[ 138 – 145] 141,5 1 0,025
TOTAL 40 1
Paso 9: Se halla la frecuencia porcentual (% ) es decir se
multiplica la frecuencia relativa por 100

INTERVALOS DE XI f h %
0,175x100
CLASE
[ 90 – 97] 93,5 7 0,175 17,5
[ 98 – 105] 101,5 9 0,225 22,5
[ 106 – 113 ] 109,5 13 0,325 32,5
[ 114– 121] 117,5 3 0,075 7,5
[ 122 – 129] 125,5 4 0,100 10,0
[ 130 – 137] 133,5 3 0,075 7,5
[ 138 – 145] 141,5 1 0,025 2,5
TOTAL 40 1 100
: Paso 10: Se agregan las columnas
Frecuencia absoluta acumulada = F Frecuencia relativa acumulada = H
Frecuencia porcentual acumulada = %a
Intervalo de clase “xi” f F h H % %a

[ 90 – 97] 93,5 7 7 0,175 0,175 17,5 17,5

[ 98 – 105] 101,5 9 16 0,225 0,400 22,5 40
[ 106 – 113 ] 109,5 13 29 0,325 0,725 32,5 72,5
[ 114– 121] 117,5 3 32 0,075 0,800 7,5 80
[ 122 – 129] 125,5 4 36 0,100 0,900 10 90
[ 130 – 137] 133,5 3 39 0,075 0,975 7,5 97,5
[ 138 – 145] 141,5 1 40 0,025 1,000 2,5 100

Total 40 1 100
 Gráfica de Datos

• Existen dos tipos de gráficas mas usuales:

• Polígono de Frecuencias
• Histograma
• Gráfica de barras
• Pictograma
• Gráfico Circular o de pastel.
 GRÁFICO CIRCULAR
Ejemplo
Color Frecuencia Conteo Color de Playera
Azul IIII 4 Azul Blanco Café Gris
Negro Rosa Verde
Blanco IIII II 7 4%
Café III 3 16% 16%

Gris 4 8%
IIII
28%
Negro II 2 16%
Rosa IIII 4 12%

Verde I 1
 GRÁFICO DE BARRAS
• La gráfica de barras se traza similar al Histograma,
sólo que las barras se dibujan separadas unas de
otras.
• La escala en el eje “x” es para mostrar categorías o
intervalos de números NO consecutivos.
60
Frecuencia absoluta

50

40

30

20

10

0
PERRO PAJARO
CONEJOS HAMSTER GATO
 Pictograma
• Similar al de barras, sólo que se sustituyen por figuras,
generalmente relacionadas con la variable estudiada.
 Histograma 14

12

• Es la representación gráfica de
10

6
los datos mediante una sucesión 4

de rectángulos. 0
0,95 2,95 4,95

• Está formado por rectángulos cuya anchura

representa a cada uno de los intervalos y la altura
corresponde a la frecuencia.
• En el eje “x” estarán los límites verdaderos, los
puntos medios y en el eje “y” las frecuencias.
 Ejemplo
Intervalo de Punto medio f
Histograma clase “xi”

9 38 – 42 40 2

8 43 – 47 45 4
7 48 – 52 50 8
6
53 – 57 55 5
5
f
4 58 – 62 60 3
3 63 - 68 65 3
2
Total 25
1
0
35 40 45 50 55 60 65
xi
 Polígono de Frecuencias

• Es la representación mediante un gráfico de

línea. En él se muestra la distribución de
frecuencias y está formado por segmentos de
línea que unen los puntos correspondientes a
la frecuencia de cada una de las clases.

• El eje “x” representa el dato “xi”

y el eje “y” las frecuencias.
 Ejemplo
9 Polígono de Frecuencias
Interval Punto f
8
o de medio
7
clase “xi”
6
38 – 42 40 2
5
43 – 47 45 4 f
4
48 – 52 50 8 3

53 – 57 55 5 2

1
58 – 62 60 3
0
63- 68 65 3 35 40 45 50 55 60 65 70
xi
Total 25
 MEDIDAS DE RESUMEN.

MEDIDAS DE MEDIDAS DE
MEDIDAS DE
TENDENCIA POSICIÓN
DISPERSIÓN
CENTRAL RELATIVA

Media aritmética Varianza Cuartiles

Mediana Desviación típica Deciles
Moda Percentiles
 MEDIDAS TENDENCIA CENTRAL

MODA

Agrupados cualitativa
Es el dato que se repite
con mas frecuencia.

No agrupados cuantitativa

2 modas = Bimodal
 PARA DATOS AGRUPADOS
Para calcular la moda de n datos tabulados por intervalos,
primero se determina el intervalo que contiene a la moda,
esto es, el intervalo que tiene la mayor frecuencia (intervalo
modal). Luego se utiliza la fórmula:

 d1 
M o  Li   A
 d1  d 2 

donde:
Li es el límite inferior del intervalo modal.
d1= fi - fi-1
d2= fi - fi+1
A= amplitud del intervalo modal
Ejemplo: La siguiente tabla muestra la inversión anual de 40 empresas.

Marca de Frecuencias Frecuencias

Intervalo
clase acumuladas
mi fi hi Fi Hi

 4, 10 7 1 0,025 1 0.025

10, 16 13 3 0,075 4 0.100
16, 22 19 6 0,150 10 0.250
22, 28 25 12 0,300 22 0.550
28, 34 31 11 0,275 33 0.825
34, 40 37 5 0,125 38 0.950
40, 46 43 2 0,050 40 1.000
40 1,000

Título: “Inversión anual de empresas”

Unidades: miles de dólares.
El intervalo donde se encuentra la mayor frecuencia es el
cuarto intervalo

Entonces: Li = 22
d1= fi - fi-1 = 12 – 6 = 6
d2= fi - fi+1 = 12 – 11= 1
A=6
 d1 
Calculando la moda: M o  Li   A
 d1  d 2 
Mo= 22 + 5,85= 27,14
 MEDIA

Agrupados
Es el promedio
cuantitativa
aritmético de los
valores de la variable.
No agrupados

x .
MUESTRA POBLACIÓN
 MEDIA PARA DATOS NO AGRUPADOS

Sea x1, x2, .... ,xn los valores que toma una variable
cuantitativa X, entonces la media aritmética se
determina mediante:

x1  x 2  .......  x n
media 
n
• Ejemplo: Si las notas en el curso de
introducción a la computación de 10 alumnos
son : 14, 18, 12, 16, 14, 15, 16, 18, 10, 12

14  18  12  16  14  15  16  18  10  12
x
10

x  14,5
Respuesta: La nota promedio es 14,5
 MEDIA ARITMETICA PONDERADA

• La media aritmética de los valores x1, x2, x3, .........., xk ponderada por los
pesos
w1, w2, w3, ........ wk es el número.

w1x1  w 2 x 2  .........  w k x k
x
w1  w 2  ..........  w k
Ejemplo: Si un alumno el semestre pasado obtuvo
11 en Física 2 y su peso es cinco, 13 en el curso
Lengua de peso cuatro y 16 en cálculo 2 de peso 3,
¿ cuál fue su promedio ?

11(5)  13(4)  16(3)

x
543
x  12,92
 Media aritmética para datos
AGRUPADOS

• Si los n valores de una variable estadística discreta X

se clasifican en k valores distintos x1, x2, x3, .........., xk
con frecuencias absolutas respectivas f1, f2, f3, ......, fk,
entonces su media aritmética es el número:

f1 x 1  f 2 x 2  .........  f k x k
x
f1  f 2  ..........  f k
• Ejemplo: En un estudio de edades de estudiantes de Derecho se
obtuvo la siguiente tabla de distribución:
• Edades Frecuencia
• 16 5
• 17 10
• 18 6
• 19 4
• 20 2
• Total 26
• Determina la edad promedio.
Solución

_ 5(16 )  10 (17 )  6(18 )  4(19 )  2( 20 )

x 
5  10  6  4  2

_
x = 18,23 años
 MEDIANA

Agrupados Es el valor que queda en

la parte central de un
grupo de observaciones cuantitativa
arreglados en orden de
magnitud.
No agrupados
 Para datos no agrupados
La mediana de un conjunto de datos es el valor que se
encuentra al medio de la distribución ordenada (en forma
ascendente o descendente). Cuando se tiene mediana uno
sabe que es la misma cantidad de datos que se encuentra por
encima de dicha mediana que por debajo.

Para datos agrupados

Para calcular la mediana para datos agrupados considerando
las frecuencias absolutas, en primer lugar se encuentra el
intervalo donde se encuentra la mediana, este se encontrará
en el primer intervalo cuya frecuencia absoluta acumulada
contiene a la mitad de la muestra.
Luego se utiliza la fórmula:

n
Li =Es el límite inferior del intervalo de la mediana
 Fi1
Me  Li  2
n = Número de datos observados

A
Fi-1= Frecuencia acumulada absoluta del intervalo
inmediatamente anterior al intervalo de la
mediana
fi = Frecuencia absoluta del intervalo de la mediana fi
A = Amplitud del intervalo de la mediana
Ejemplo: La siguiente tabla muestra la inversión anual de 44 empresas.

Marca de Frecuencias Frecuencias

Intervalo
clase acumuladas
mi fi hi Fi Hi

 4, 10 7 1 0,025 1 0.025

10, 16 13 3 0,075 4 0.100
16, 22 19 6 0,150 10 0.250
22, 28 25 12 0,300 22 0.550
28, 34 31 11 0,275 33 0.825
34, 40 37 5 0,125 38 0.950
40, 46 43 2 0,050 40 1.000
40 1,000
• El intervalo donde se encuentra n/2 es el número cuatro,
luego:
• Li= 22; n = 40; Fi-1 =10; fi =12; A= 6
• Por tanto 40
 10
Me  22  2 6
12
Me  27
 MEDIDAS DE DISPERSIÓN

RANGO ( R )
VARIANZA (σ2 2
óS )

DESVIACIÓN TÍPICA (σ ó S)
 EJEMPLO 10
13
La siguiente tabla representa la
22
pérdida de peso en libras, de
RANGO un grupo de personas que se
26
16
 El Rango corresponde a la sometieron a un tratamiento 23
distancia entre el puntaje 35
mayor (llamado valor
durante el último año 53
máximo) y el puntaje Valor Máximo: 60 17
menor (llamado valor 32
mínimo) Valor Mínimo: 10 41
35

Rango = XMax – XMin 24

Rango = XMax – XMin 23

= 60 - 10 27
16
= 50 20
60
48
 EJEMPLO 10
13
RANGO MEDIO La siguiente tabla representa la
22
pérdida de peso en libras, de 26
un grupo de personas que se 16
 Es la media del mayor y menor sometieron a un tratamiento 23
valor, o la tercera parte del camino durante el último año 35

entre el dato de menor valor y el 53

17
dato de mayor valor. Valor Máximo: 60
32
Rango Medio = XMax + XMin Valor Mínimo: 10 41
2 35
24
Rango = XMax – XMin 23

= (60 + 10 ) / 2 27
16
= 35 20
60
48
 DESVIACION ESTANDAR Y VARIANZA DE UNA
POBLACIÓN

Desviación Varianza: La media

Estándar o Típica: aritmética de las
Indica cómo se desviaciones cuadradas
dispersan los datos con de la media.
respecto a la media
Varianza: Corresponde a
Desviación Estándar: la Desviación Estándar al
Corresponde a la Raíz cuadrado
Cuadrada de la Varianza
 (X - )2
  

 2 =
N
 EJEMPLO

• Calcular varianza y desviación estándar para los siguientes puntajes

• 10 – 12 – 15 – 18 - 20

(X  X ) 2
X  15
X X  X
10 -5 25
12 -3 9
68
15
18
0
3
0
9
 2
 13,6
20 5 25 5
  13,6  3,69
 VARIANZA Y DESVIACIÓN ESTÁNDAR EN
MUESTRAS

Varianza en Muestras (s2)

(X - X)2
s2 = n-1
Desviación Estándar en Muestras (s)

s s 2
 MEDIDAS DE POSICIÓN
RELATIVA

CUARTILES

DECILES

PERCENTILES
 CUARTILES.

Los cuartiles son los tres valores de la variable

que dividen a un conjunto de datos ordenados en
cuatro partes iguales.

Q1= 25% Q3=75%

Q2=50%
MEDIANA
 CALCULO DE LOS CUARTILES.

PASO 1: Ordenamos los datos de menor a mayor.

Se presentan 2 casos:
- Para datos pares
- Para datos impares

PASO 2: Buscamos el lugar que ocupa cada cuartil

mediante la expresión:
 NÚMERO IMPAR DE DATOS.

2, 3, 4, 5, 6, 7, 9

Q1 Q2 Q3
 NÚMERO PAR DE DATOS.

1, 2, 3, 4, 5, 6, 7, 9

Q1 Q2 Q3
 CALCULO DE LOS CUARTILES PARA DATOS
AGRUPADOS

En primer lugar buscamos la clase donde se

encuentra ,

en la tabla de las frecuencias acumuladas.

Donde:
Li = Es el límite inferior de la clase donde se encuentra el
cuartil.
N= Es la suma de las frecuencias absolutas.
Fi-1= Es la frecuencia acumulada anterior a la clase del
cuartil.
ai = Es la amplitud de la clase.
 EJEMPLO.
fi Fi

[50, 60) 8 8
[60, 70) 10 18
Hallar el
cuartil 1 [70, 80) 16 34
Cuartil 2 [80, 90) 14 48
Cuartil 3 [90, 100) 10 58
[100, 110) 5 63
[110, 120) 2 65
65
 CALCULO DEL PRIMER CUARTIL

k.N = 1 x 65 = 16,25
4 4
Se busca en la tabla donde se
encuentra 16, 25.

Observamos que Li = 60
Fi-1 = 8 Q1 = 60 + 16.25 – 8 x 10 = 68.25
fi = 10
10
ai = 10
 CALCULO DEL SEGUNDO CUARTIL

k.N = 2 x 65 = 32,5
4 4
Se busca en la tabla donde se
encuentra 32, 5.

Observamos que Li = 70
Fi-1 = 18 Q2 = 70 + 32.5 – 18 x 10 = 79.06
fi = 16
16
ai = 10
 CALCULO DEL TERCER CUARTIL

k.N = 3 x 65 = 48,75
4 4
Se busca en la tabla donde se
encuentra 48, 75.

Observamos que Li = 90
Fi-1 = 48 Q3 = 90 + 48,75 – 48 x 10 = 90.75
fi = 10
10
ai = 10
 PROBABILIDADES

Experimento Aleatorio E

Espacio Muestral Ω

Evento A
 PROBABILIDADES

Probabilidad

= Número de casos favorables

Número de casos posibles

= Número de afectados
Total • La probabilidad de
que en la tirada de
Ejemplo un dado resulte el
2 es 1/6.
 Ejemplo

En una cantidad de cartas bien barajadas que

contiene 4 ases y 48 cartas de otras tipo, ¿Cuál es la
probabilidad de obtener 1 (as) en una sola
extracción?
 EJEMPLO
Si se lanzan 3 monedas. Hallar:
a) El Espacio Muestral,
b) Cuál es el Evento
c) Hallar la probabilidad de obtener exactamente 2
caras, P ( A ) ?
a) El Espacio Muestral (Ω) =
{CCC ,CCS, CSC ,SCC, CSS, SCS, SSC ,SSS}
b) Evento A= obtener exactamente 2 caras.
c) P( A) = { CCS, CSC. SCC}
= 3/8
 REGLAS DEPROBABILIDAD:SUMA Ó
ADICIÓN DE PROBABILIDADES

Para eventos mutuamente excluyentes es decir cuando no

tiene elementos comunes.
 EJEMPLO
Se extrae una carta de una baraja de 52 cartas, los
eventos “as” (A) y “rey” (R). son mutuamente
excluyentes.
Hallar la probabilidad de extraer ya sea un as o un
rey en una sola extracción.

De: P(A o R) = P(A) + P(R)

= 4/52 + 4/52
= 8/52
= 2/13
 REGLAS DEPROBABILIDAD:SUMA Ó
ADICIÓN DE PROBABILIDADES

Para eventos que no son mutuamente excluyentes

P(PUL) = P(P) + P(L) – P(PПL)

 EJEMPLO
Un cliente ingresa a una panadería. La Probabilidad
de que compre a) pan es 0,60,
b) Leche es 0,50 y
c) Pan y leche es 0,30.
¿Cuál es la Probabilidad de que compre pan, leche o
ambos?.

P(P) = 0,60 P(PUL) = P(P) + P(L) – P(PПL)

P(L) = 0,50 = 0,60 + 0,50 – 0,30
P(PПL) = 0,30 P(PUL) = 0,80
 EVENTOS INDEPENDIENTES

Dos eventos son

independientes cuando la
ocurrencia o no EJEMPLO
ocurrencia de uno, no
tiene ningún efecto sobre
la probabilidad de El lanzamiento de una moneda por
ocurrencia del otro. dos veces se considera eventos
Independientes, porque el resultado
del primer lanzamiento no tiene
ningún efecto sobre las respectivas
probabilidades de que ocurra una cara
o sello en el segundo lanzamiento.
 EVENTOS DEPENDIENTES

Dos eventos son

dependientes cuando la
ocurrencia o no ocurrencia EJEMPLO
de uno si afecta la
probabilidad de ocurrencia
del otro evento La extracción de dos cartas sin
reemplazo de un mazo de barajas
son eventos dependientes, porque las
probabilidades asociadas con la
segunda extracción dependen del
resultado de la primera extracción.
REGLA DE LA MULTIPLICACIÓN: PARA EVENTOS
DEPENDIENTES.
Ejemplo: Una urna contiene 6 bolitas blancas y 4 negras, se
extraen 2 bolitas sucesivamente y sin restitución.
a) ¿Cuál es la probabilidad de que ambas bolitas sean
blancas?.
b) ¿Cuál es la probabilidad de que la primera sea blanca y la
segunda negra?.
c) ¿Cuál es la probabilidad de que la primera sea negra y la
segunda blanca?.
d) ¿Cuál es la probabilidad de que ambas sean negras?.