Curso de estadistica aplicada

ESTADÍSTICA APLICADA N. Guarín S.

http://tifon.unalmed.edu.co/~pagudel/estadistica.html

.

N. GUARÍN S.
nguarins@epm.net.co

BIOGRAFÍA DEL AUTOR TABLA DE CONTENIDO

.

ISBN Se publica bajo el total consentimiento del autor Colombia

http://tifon.unalmed.edu.co/~pagudel/estadistica.html [15/09/2002 7:40:42]

ESTADÍSTICA APLICADA Tabla de Contenido

Tabla de Contenido
.

Introducción

1. La Estadística

1.1 Importancia
1.2 Definición
1.3 División
.
2. Etapas del Método Estadístico

2.1 Planteamiento del problema
2.2 Fijación de los objetivos
2.3 Formulación de las hipótesis
2.4 Definición de la unidad de observación y de la unidad de medida
2.5 Determinación de la población y de la muestra
2.6 La recolección
2.7 Crítica, clasificación y ordenación
2.8 La tabulación
2.9 La presentación
2.10 El análisis
2.11 Publicación
Cuestionario
.
3. Distribución de Frecuencias

3.1 Distribución de frecuencias simple
Ejercicios
3.2 Distribución de frecuencias por intervalo
3.3 Reglas empíricas para la construcción de Intervalos
Cuestionario y ejercicios propuestos
.
4. Representación Gráfica

4.1 Definición
4.2 Componentes de una gráfica

http://tifon.unalmed.edu.co/~pagudel/tabla.html (1 de 4) [15/09/2002 7:40:53]


4.3 Principales tipos de gráficos
4.3.1 Gráfico de líneas
4.3.2 Gráfico de líneas compuesto
4.3.3 Gráfico de barras
4.3.4 Gráfico de barras compuesto
4.3.5 Gráfico de sectores circulares
4.3.6 Histograma de frecuencias
4.3.7 Polígono de frecuencias
4.3.8 Histograma de frecuencias acumuladas
.
5. Medidas de Tendencia Central

5.1 Media aritmética
5.1.1 Propiedades de la media aritmética
5.1.2 Media aritmética con cambio origen y de escala
5.1.3 Media aritmética ponderada
5.2 Mediana
5.2.1 La mediana cuando los datos no están agrupados en intervalos
5.2.2 La mediana cuando la información está agrupada en intervalos
5.3 La Moda
5.3.1 La moda cuando los datos no están agrupados en intervalos
5.3.2 Cálculo de la moda con la información agrupada en intervalos
.
6. Medidas de Posición (Percentiles)

6.1 Cuartiles
6.2 Quintiles
6.3 Deciles
6.4 Centiles
6.5 Resumen
.
7. Medidas de Dispersión

7.1 Rango o recorrido
7.2 Desviación media
7.3 Varianza
.....
7.4 Coeficiente de variabilidad



.
8. Regresión y Correlación Lineal

8.1 Tablas de doble entrada
8.2 Correlación
8.3 Regresión lineal
8.3.1 Ajuste rectilíneo (método de los mínimos cuadrados)
8.3.2 Ajuste parabólica (método de los mínimos cuadrados)
.
9. Tasas e Índices

9.1 Tasa
9.2 Índice
9.2.1 Índice simple
9.2.1.1 Índice de base fija
9.2.1.2 Índice de base móvil
9.2.2 Índices compuestos (globales)
9.2.2.1 Índice de Laspeyres
9.2.2.2 Índice de Passche
9.2.2.3 Índice ideal de Fisher
Cuestionario y ejercios propuestos
.
10.Nociones de Probabilidad (Eventos)

10.1 Nociones de conteo
10.1.1 Principio fundamental 1
10.1.2 Principio fundamental 2
10.1.3 Permutaciones
10.1.4 Variaciones
10.1.5 Combinaciones
10.1.6 Permutaciones con repetición
10.1.7 Variaciones con repetición
Ejercicios propuestos
10.2 Definición de probabilidad
10.2.1 Probabilidad a priori
10.2.2 Probabilidad a posteriori
10.2.3 Probabilidad subjetiva
10.3 Axiomas de la teoría de probabilidades
10.4 Probabilidad condicional e independencia estadística



10.5 Variable aleatoria
10.6 Función de probabilidad
10.6.1 Función de probabilidad
10.6.2 Función de distribución
10.7 Valor esperado (esperanza matemática)
10.7.1 Media aritmética poblacional
10.7.2 Varianza poblacional
.
11.Distribuciones Especiales

11.1 Distribución de Bernoulli
11.2 Distribución binomial, tablas binomiales
11.3 Distribución de Poisson, tablas de Poisson
11.4 Distribución normal
11.5 Distribución normal estándar, tablas normales
11.6 El tamaño de la muestra
.

Apéndice No. 1

Apéndice No. 2

Apéndice No. 3

Solución a Algunos Ejercicios Propuestos

Enlaces

Bibliografía

.
.....

... ...


ESTADÍSTICA APLICADA Introducción

Introducción

Las acciones que acometemos hoy
se basan en un plan de ayer y
las expectativas del mañana.

La palabra estadística se origina, en las técnicas de recolección, organización,
conservación, y tratamiento de los datos propios de un estado, con que los antiguos
gobernantes controlaban sus súbditos y dominios económicos. Estas técnicas
evolucionaron a la par con el desarrollo de las matemáticas, utilizando sus herramientas
en el proceso del análisis e interpretación de la información.

Para mediados del siglo XVII en Europa, los juegos de azar eran frecuentes, aunque sin
mayores restricciones legales. El febril jugador De Méré consultó al famoso matemático y
filosofo Blaise Pascal (1623-1662) para que le revelara las leyes que controlan el juego de
los dados, el cual, interesado en el tema, sostuvo una correspondencia epistolar con el
tímido Pierre de Fermat (1601-1665, funcionario público apasionado por las matemáticas;
célebre porque no publicaba sus hallazgos) dando origen a la teoría de la probabilidad, la
cual se ha venido desarrollando y constituyéndose en la base primordial de la estadística.

En nuestros días, son de uso cotidiano las diferentes técnicas estadísticas que partiendo de
observaciones muestrales o históricas, crean modelos lógico-matemáticos que se
"aventuran" describir o pronosticar un determinado fenómeno con cierto grado de
certidumbre medible.

El presente texto no pretende teorizar el saber estadístico, desde luego, no es un libro para
. . . estadísticos, ya que, adrede se obvia el rigor científico de lo expuesto en beneficio de la
.....
. . sencillez necesaria para el neófito; con un lenguaje coloquial se conduce al lector a través
del contenido, a partir de dos o tres ejemplos que ilustran la aplicabilidad de los temas
tratados.

El avance tecnológico en la informática ha contribuido enormemente al desarrollo de la
estadística, sobre todo en la manipulación de la información, pues en el mercado existen
paquetes estadísticos de excelente calidad, como el SAS, SPSS, SCA, STATGRAPHICS,
amén de otros, que "corren" en un ordenador sin mayores exigencias técnicas,
permitiendo el manejo de grandes volúmenes de información y de variables.

La estadística, entonces, dejó de ser una técnica exclusiva de los estados, para convertirse
en una herramienta imprescindible de todas las ciencias, de donde proviene la
desconcertante des-uniformidad en las definiciones de los diferentes autores, ya que cada
estudioso la define de acuerdo con lo que utiliza de ella y tenemos definiciones como que:
la estadística es la tecnología del método científico, o que es el conocimiento relacionado

http://tifon.unalmed.edu.co/~pagudel/introduccion.html (1 de 2) [15/09/2002 7:40:57]

ESTADÍSTICA APLICADA Introducción

con la toma de decisiones en condiciones de incertidumbre, o que la estadística son
métodos para obtener conclusiones a partir de los resultados de los experimentos o
procesos, o que es un método para describir o medir las propiedades de una población. En
fin, no se trata de discutir si la estadística es una ciencia, una técnica o una herramienta,
sino de la utilización de sus métodos en provecho de la evolución del conocimiento.

La estadística hace inferencias sobre una población, partiendo de una muestra
representativa de ella. Es a partir del proceso del diseño y toma de la muestra desde donde
comienzan a definirse las bondades y confiabilidad de nuestras aseveraciones, hechas,
preferentemente, con un mínimo costo y mínimo error posible.

... ...

http://tifon.unalmed.edu.co/~pagudel/introduccion.html (2 de 2) [15/09/2002 7:40:57]

ESTADÍSTICA APLICADA 1. La Estadística

1. La Estadística

" El poder se nutre de la información
y el conocimiento".

1.1 IMPORTANCIA

En las últimas décadas la estadística ha alcanzado un alto grado de desarrollo, hasta el
punto de incursionar en la totalidad de las ciencias; inclusive, en la lingüística se aplican
técnicas estadísticas para esclarecer la paternidad de un escrito o los caracteres más
relevantes de un idioma.

La estadística es una ciencia auxiliar para todas las ramas del saber; su utilidad se entiende
mejor si tenemos en cuenta que los quehaceres y decisiones diarias embargan cierto grado
de incertidumbre... y la Estadística ayuda en la incertidumbre, trabaja con ella y nos
orienta para tomar las decisiones con un determinado grado de confianza.

Los críticos de la estadística afirman que a través de ella es posible probar cualquier cosa,
lo cual es un concepto profano que se deriva de la ignorancia en este campo y de lo
polifacético de los métodos estadísticos. Sin embargo muchos "investigadores"
tendenciosos han cometido abusos con la estadística, elaborando "investigaciones" de
intención, teniendo previamente los resultados que les interesan mostrar a personas
ingenuas y desconocedoras de los hechos. Otros, por ignorancia o negligencia, abusan de
la estadística utilizando modelos inapropiados o razonamientos ilógicos y erróneos que
conducen al rotundo fracaso de sus investigaciones.

Lincoln L. Chao* hace referencia a uno de los más estruendosos fracasos, debido a los
abusos en la toma de una muestra:

Se trata del error cometido por la Literary Digest que, en sus pronósticos para las
elecciones presidenciales en EE.UU. para 1936, afirmó que Franklin D. Roosvelt
obtendría 161 votos electorales y Alfred Landon, 370. La realidad mostró a Roosvelt con
523 votos y a Landon con 8 solamente.
..
El error se debió a que la muestra fue tomada telefónicamente a partir de la lista de
..... ..
suscriptores de la Digest y, en 1936, las personas que se daban el lujo de tener teléfonos y
.
suscripciones a revistas no configuraban una muestra representativa de los votantes de
EE.UU. y, por ende, no podía hacerse un pronóstico confiable con tan sesgada
información.

1.2 DEFINICIÓN

http://tifon.unalmed.edu.co/~pagudel/1estadistica.html (1 de 2) [15/09/2002 7:41:00]

ESTADÍSTICA APLICADA 1. La Estadística

Definir la estadística es una tarea difícil porque tendríamos que definir cada una de las
técnicas que se emplean en los diferentes campos en los que interviene. Sin embargo,
diremos, en forma general, que la estadística es un conjunto de técnicas que, partiendo de
la observación de fenómenos, permiten al investigador obtener conclusiones útiles sobre
ellos.

1.3 DIVISIÓN

La estadística se divide en dos grandes ramas de estudio que son: La estadística
descriptiva, la cual se encarga de la recolección, clasificación y descripción de datos
muestrales o poblacionales, para su interpretación y análisis, que es de la que nos
ocuparemos en este curso; y la estadística matemática o inferencial, que desarrolla
modelos teóricos que se ajusten a una determinada realidad con cierto grado de confianza.

Estas dos ramas no son independientes; por el contrario, son complementarias y entre
ambas dan la suficiente ilustración sobre una posible realidad futura, con el fin de que
quien tenga poder de decisión, tome las medidas necesarias para transformar ese futuro o
para mantener las condiciones existentes.

______________________________
* LINCOLN, L. Chao. Estadística para Ciencias Administrativas. Trad. Jesús María
Castaño.

... ...

http://tifon.unalmed.edu.co/~pagudel/1estadistica.html (2 de 2) [15/09/2002 7:41:00]

ESTADÍSTICA APLICADA 2. Etapas del Método Estadístico

2. Etapas del Método Estadístico

El método estadístico, parte de la observación de un fenómeno, y como no puede siempre
mantener las mismas condiciones predeterminadas o a voluntad del investigador, deja
que actúen libremente, pero se registran las diferentes observaciones y se analizan sus
variaciones.

Para el planeamiento de una investigación, por norma general, se siguen las siguientes
etapas:

2.1 Planteamiento del problema.
2.2 Fijación de los objetivos.
2.3 Formulación de la hipótesis.
2.4 Definición de la unidad de observación y de la unidad de medida.
2.5 Determinación de la población y de la muestra.
2.6 La recolección.
2.7 Crítica, clasificación y ordenación.
2.8 Tabulación.
2.9 Presentación.
2.10 Análisis.
2.11 Publicación.

2.1 PLANTEAMIENTO DEL PROBLEMA

Al abordar una investigación se debe tener bien definido qué se va a investigar y por qué
se pretende estudiar algo. Es decir, se debe establecer una delimitación clara, concreta e
inteligible sobre el o los fenómenos que se pretenden estudiar, para lo cual se deben tener
en cuenta, entre otras cosas, la revisión bibliográfica del tema, para ver su accesibilidad y
consultar los resultados obtenidos por investigaciones similares, someter nuestras
proposiciones básicas a un análisis lógico; es decir, se debe hacer una ubicación histórica
y teórica del problema.

2.2 FIJACIÓN DE LOS OBJETIVOS

Luego de tener claro lo que se pretende investigar, Debemos presupuestar hasta dónde
queremos llegar; en otras palabras, debemos fijar cuales son nuestras metas y objetivos.
Estos deben plantearse de tal forma que no haya lugar a confusiones o ambigüedades y

http://tifon.unalmed.edu.co/~pagudel/2etapas.html (1 de 5) [15/09/2002 7:41:04]


debe, además, establecerse diferenciación entre lo de corto, mediano y largo plazo, así
como entre los objetivos generales y los específicos.

2.3 FORMULACIÓN DE LAS HIPÓTESIS

Una hipótesis es ante todo, una explicación provisional de los hechos objeto de estudio, y
su formulación depende del conocimiento que el investigador posea sobre la población
investigada. Una hipótesis estadística debe ser susceptible de docimar, esto es, debe
poderse probar para su aceptación o rechazo.

Una hipótesis que se formula acerca de un parámetro (media, proporción, varianza, etc.),
con el propósito de rechazarla, se llama Hipótesis de Nulidad y se representa por Ho; a su
hipótesis contraria se le llama Hipótesis Alternativa (H1).

2.4 DEFINICIÓN DE LA UNIDAD DE OBSERVACIÓN Y DE LA UNIDAD DE
MEDIDA

La Unidad de Observación, entendida como cada uno de los elementos constituyentes de
la población estudiada, debe definirse previamente, resaltando todas sus características;
pues, al fin de cuentas, es a ellas a las que se les hará la medición.

La unidad de observación puede estar constituida por uno o varios individuos u objetos y
denominarse respectivamente simple o compleja.

El criterio sobre la unidad de medición debe ser previamente definido y unificado por
todo el equipo de investigación. Si se trata de medidas de longitud, volumen, peso, etc.,
debe establecerse bajo qué unidad se tomarán las observaciones ya sea en metros,
pulgadas, libras, kilogramos, etc.

Asociado a la unidad de medida, deben establecerse los criterios sobre las condiciones en
las cuales se ha de efectuar la toma de la información.

2.5 DETERMINACIÓN DE LA POBLACIÓN Y DE LA MUESTRA

Estadísticamente, la población se define como un conjunto de individuos o de objetos
que poseen una o varias características comunes. No se refiere esta definición únicamente
a los seres vivientes; una población puede estar constituida por los habitantes de un país o
por los peces de un estanque, así como por los establecimientos comerciales de un barrio
o las unidades de vivienda de una ciudad.

Existen desde el punto de vista de su manejabilidad poblaciones finitas e infinitas. Aquí
el término infinito no está siendo tomado con el rigor semántico de la palabra; por
ejemplo, los peces dentro de un estanque son un conjunto finito; sin embargo, en
términos estadísticos, puede ser considerado como infinito.

Muestra es un subconjunto de la población a la cual se le efectúa la medición con el fin



de estudiar las propiedades del conjunto del cual es obtenida.

En la práctica, estudiar todos y cada uno de los elementos que conforman la población no
es aconsejable, ya sea por la poca disponibilidad de recursos, por la homogeneidad de sus
elementos, porque a veces es necesario destruir lo que se está midiendo, por ser
demasiado grande el número de sus componentes o no se pueden controlar; por eso se
recurre al análisis de los elementos de una muestra con el fin de hacer inferencias
respecto al total de la población. Existen diversos métodos para calcular el tamaño de la
muestra y también para tomar los elementos que la conforman, pero no es el objetivo de
este curso estudiarlos. Diremos solamente que la muestra debe ser representativa de la
población y sus elementos escogidos al azar para asegurar la objetividad de la
...
..... investigación.
..

2.6 LA RECOLECCIÓN

Una de las etapas más importantes de la investigación es la recolección de la
información, la cual ha de partir, a menos que se tenga experiencia con muestras
análogas, de una o varias muestras piloto en las cuales se pondrán a prueba los
cuestionarios y se obtendrá una aproximación de la variabilidad de la población, con el
fin de calcular el tamaño exacto de la muestra que conduzca a una estimación de los
parámetros con la precisión establecida.

El establecimiento de las fuentes y cauces de información, así como la cantidad y
complejidad de las preguntas, de acuerdo con los objetivos de la investigación son
decisiones que se han de tomar teniendo en cuenta la disponibilidad de los recursos
financieros, humanos y de tiempo y las limitaciones que se tengan en la zona geográfica,
el grado de desarrollo, la ausencia de técnica, etc.

Es, entonces, descubrir dónde está la información y cómo y a qué "costo" se puede
conseguir; es determinar si la encuesta se debe aplicar por teléfono, por correo, o si se
necesitan agentes directos que recojan la información; establecer su número óptimo y
preparar su entrenamiento adecuado.

2.7 CRITICA, CLASIFICACIÓN Y ORDENACIÓN

Después de haber reunido toda la información pertinente, se necesita la depuración de los
datos recogidos. Para hacer la crítica de una información, es fundamental el
conocimiento de la población por parte de quien depura para poder detectar falsedades en
las respuestas, incomprensión a las preguntas, respuestas al margen, amén de todas las
posibles causas de nulidad de una pregunta o nulidad de todo un cuestionario.

Separado el material de "desecho" con la información depurada se procede a establecer
las clasificaciones respectivas y con la ayuda de hojas de trabajo, en las que se establecen
los cruces necesarios entre las preguntas, se ordenan las respuestas y se preparan los
modelos de tabulación de las diferentes variables que intervienen en la investigación.



El avance tecnológico y la popularización de los computadores hacen que estas tareas,
manualmente dispendiosas, puedan ser realizadas en corto tiempo.

2.8 LA TABULACIÓN

Una tabla es un resumen de información respecto a una o más variables, que ofrece
claridad al lector sobre lo que se pretende describir; para su fácil interpretación una tabla
debe tener por lo menos: Un titulo adecuado el cual debe ser claro y conciso. La Tabla
propiamente dicha con los correspondientes subtítulos internos y la cuantificación de los
diferentes ítems de las variables, y las notas de pie de cuadro que hagan claridad sobre
situaciones especiales de la tabla, u otorguen los créditos a la fuente de la información.

2.9 LA PRESENTACIÓN

Una información estadística adquiere más claridad cuando se presenta en la forma
adecuada. Los cuadros, tablas y gráficos facilitan el análisis, pero se debe tener cuidado
con las variables que se van a presentar y la forma de hacerlo. No es aconsejable saturar
un informe con tablas y gráficos redundantes que, antes que claridad, crean confusión.
Además la elección de determinada tabla o gráfico para mostrar los resultados, debe
hacerse no sólo en función de las variables que relaciona, sino del lector a quien va
dirigido el informe.

2.10 EL ANÁLISIS

La técnica estadística ofrece métodos y procedimientos objetivos que convierten las
especulaciones de primera mano en aseveraciones cuya confiabilidad puede ser evaluada
y ofrecer una premisa medible en la toma de una decisión.

Es el análisis donde se cristaliza la investigación. Esta es la fase de la determinación de
los parámetros y estadísticos muestrales para las estimaciones e inferencias respecto a la
población, el ajuste de modelos y las pruebas de las hipótesis planteadas, con el fin de
establecer y redactar las conclusiones definitivas.

2.11 PUBLICACIÓN

Toda conclusión es digna de ser comunicada a un auditorio. Es más, hay otros estudiosos
del mismo problema a quienes se les puede aportar información, conocimientos y otros
puntos de vista acerca de él.

CUESTIONARIO

1. ¿Por qué se considera importante la estadística?



2. Enuncie las ramas en las que se divide la estadística y establezca su campo de acción.

3. Enumere las etapas del método estadístico.

4. ¿Por qué es importante la revisión bibliográfica en el desarrollo de una investigación
estadística?.

5. ¿Qué es la hipótesis nula?.

6. Defina: Población, Muestra, Censo y Muestreo.

7. ¿Por qué usualmente se recurre al análisis a través de muestras y no de poblaciones?.

8. ¿Para qué se utiliza un muestreo piloto?.

9. ¿Con qué fin se critica una información?

10. ¿Cuáles son los componentes de una tabla?

... ...


ESTADÍSTICA APLICADA 3 Distribución de Frecuencias


Después de recoger toda la información correspondiente a la investigación,
es decir, al agotar todo el trabajo de campo, nuestro escritorio se llena de un
cúmulo de datos y cifras desordenadas los cuales, al ser tomados como
observaciones individuales, dicen muy poco sobre la población estudiada; es,
entonces, tarea del investigador “hacer hablar las cifras”, comenzando por la
clasificación y ordenación, consignando la información en tablas inteligibles
que denominamos distribuciones de frecuencias.

3.1 DISTRIBUCIÓN DE FRECUENCIAS SIMPLE

Para una mayor sencillez, en la exposición del tema, nos valemos del siguiente ejemplo:
Supongamos que en la fábrica de confecciones “La Hilacha”, ha estallado un conflicto laboral y
sus cincuenta operarias solicitan un aumento en el salario integral diario sopena de paralizar la
fábrica.

El Gerente-propietario recoge la información respecto a la variable salario diario de sus 50
operarias y la relaciona en la tabla No 1.

Tabla No.1

http://tifon.unalmed.edu.co/~pagudel/3frecuencias.html (1 de 10) [15/09/2002 7:41:19]


Tabla No. 2

Tabla No. 3



Tabla No. 4

Como se puede observar, hay una gran diferencia entre los datos brutos de la tabla No.1 y el
ordenamiento y agrupamiento de la tabla No. 4.



Con el fin de obtener una mejor tabla interpretativa, introduciremos la siguiente simbología:

n: El tamaño de la muestra, es el número de observaciones.
Xi: La variable; es cada uno de los diferentes valores que se han observado.

La variable xi, toma los x1, x2... xm valores.

fi: La frecuencia absoluta o simplemente frecuencia, es el número de veces
que se repite la variable Xi; así f1, es el número de veces que se repite la
observación x1, f2 el número de veces que se repite la observación x2 etc.

fa: La frecuencia acumulada, se obtiene acumulando la frecuencia
absoluta.

fr: Frecuencia relativa; es el resultado de dividir c/u de las frecuencias
absolutas por el tamaño de la muestra.

fra: Frecuencia relativa acumulada; se obtiene dividiendo la frecuencia acumulada entre el
tamaño de la muestra.

Distribución Teórica de Frecuencias de n Observaciones

. .
. .
. .
. .



. .

Veamos el ejemplo que venimos trabajando:

Tabla No. 5
Distribución de Frecuencias del Salario Diario de 50 Obreras



En la práctica, cuando se tiene confianza en el ordenamiento, no son necesarias tantas tablas; se
puede pasar de la tabla No1 directamente a la tabla No 6.

Tabla No. 6
Salario Diario de 50 Operarias de La Fabrica de Confecciones
“La Hilacha”(Miles de Pesos)

Analizando las columnas porcentuales fr y fra se obtienen, entre otras las siguientes conclusiones:

q Sólo el 4% de las obreras gana el máximo salario/día de la fabrica, el cual corresponde a
$58.000.00
q El salario diario mínimo ($50.000.00) lo gana únicamente una obrera, lo que constituye el
2% del personal asalariado.
q El 62% de las operarias tiene un salario diario entre $53.000.00 y $55.000.00
q El 60% de las obreras tiene un salario/día de $54.000.00 o menos.
q El 64% tiene un ingreso/día de $54.000.00 o más.

CUESTIONARIO Y EJERCICIOS PROPUESTOS

1. ¿Qué es frecuencia absoluta?

2. Cómo se obtiene:
2.1 ¿La frecuencia acumulada?



2.2 ¿La frecuencia relativa?
2.3 ¿La frecuencia relativa acumulada

3. En una distribución de frecuencias ¿se pueden establecer conclusiones porcentuales, utilizando
solamente la frecuencia relativa? ¿Por qué?

4. La siguiente tabla relaciona las ausencias al trabajo de 50 obreras, durante el mes de octubre, en
la fabrica de confecciones "la hilacha".

4.1 Construir una distribución de frecuencias simple.
4.2 Sacar 3 conclusiones.

5. Años de experiencia de las 50 operarias de la fabrica de confecciones "la hilacha"

Ordenar la Información y responder :
5.1 ¿Qué porcentaje de las obreras tiene experiencia inferior o igual a 6 años?
5.2 ¿Que porcentaje tiene experiencia entre 5 y 7 años (incluyendo los extremos)?

6.

Palabras por Minuto Escritas por un Grupo de Mecanógrafas



Construir una distribución de frecuencias y resaltar 3 conclusiones

7. La siguiente tabla muestra, las respuestas obtenidas en un cuestionario aplicado a las obreras de
la fábrica "La hilacha", respecto a la edad, estado civil, número de hijos, experiencia, años de
estudio, ingresos diarios, gastos en educación y ausencias al trabajo en el último mes, así como una
calificación del desempeño otorgada por el supervisor.



Hacer las respectivas distribuciones de frecuencias, para cada una de las variables.

... ...




3.2 DISTRIBUCIÓN DE FRECUENCIAS POR INTERVALOS

Usualmente los valores de los datos no permiten un agrupamiento de ellos en una tabla de
frecuencias simple, debido a que se encuentran distribuidos a través de todo el recorrido y el
número de veces que se repite cada observación no es significativo en todos los casos, y en la
mayoría de ellos su frecuencia es baja. Una tabla de frecuencias construida en estas condiciones,
no presenta ninguna utilidad.

Ilustraremos el caso a través de un ejemplo, para ello, supongamos que la fabrica de
baldosas”De las casas”, con el objeto de ofrecer una garantía de su producto, desea hacer un
estudio técnico de su producción, para lo cual extrae una muestra de 100 baldosas, cada una de
las cuales se somete a una prueba de resistencia, destructiva cuyos datos expresados en Kg/
Cm2, se relacionan a continuación:

Tabla No. 7
Resistencia en Kg/Cm2 de 100 Baldosas de La Fabrica
“De Las Casas”

La clasificación en una distribución de frecuencias simple daría como resultante un
ordenamiento de por lo menos 80 items; la mayoría de ellos con frecuencia unitaria.

Se hace necesario el agrupamiento en intervalos o clases que haga más compacta, manejable y
presentable la información.



El número de clases y la amplitud de los intervalos los fija el investigador de acuerdo con el
conocimiento que posea de la población, la necesidad de hacer comparación con otras
investigaciones y la presentación de la información. Sin embargo, se recomienda que la
información no sea demasiado compacta, lo cual le restaría precisión, ni demasiado dispersa, ya
que no se tendría claridad.

En términos generales, es usual que el número de intervalos no sea inferior a 5 ni superior a 15.
Struges propone que el número de clases o intervalos sea determinado por la expresión m ≅1 +
3.3 log(n).*

La amplitud debe ser igual para todos los intervalos y, en lo posible, no se debe trabajar con
clases abiertas.

3.3 REGLAS EMPÍRICAS PARA LA CONSTRUCCIÓN DE
INTERVALOS

Cuando no se tiene experiencia en el manejo de la información es aconsejable seguir los pasos
que se dan a continuación:

3.3.1 Determinar los datos de mayor y menor valor Xmax, Xmin.

3.3.2 Calcular el rango o recorrido

3.3.3 Determinar el número de intervalos (m) y la amplitud de clase (A): ,
Debe tenerse presente que m es un número natural. Luego se busca la amplitud A:

,

3.3.4 Calcular el rango ampliado:

3.3.5 Establecer la diferencia , es decir la cantidad en que ha sido alterado el
recorrido, la cual no debe ser superior a la amplitud.

(“a”) También puede ser definida como la cantidad positiva más pequeña
que le hace falta al rango o recorrido para ser divisible exactamente por la
amplitud

3.3.6 Distribuir adecuadamente la cantidad “a” de la siguiente manera:



Al valor X min se le resta aproximadamente y la parte restante se le
suma a X max, obteniendo el límite inferior del primer intervalo y el
límite superior del último, respectivamente.

3.3.7 Construir los intervalos, calcular los puntos medios o marcas de clase y hacer el
agrupamiento de frecuencias.

Distribución Teórica de Frecuencias por Intervalos de n
Observaciones

n: Número de observaciones
LIPI: Límite inferior del primer intervalo



LSUI: Límite superior del último interval
Xi: Punto medio del intervalo, o marca de clase

* Con el fin de prever dobles conteos, quien clasifica deberá
especificar si los intervalos son abiertos a la derecha o abiertos
a la izquierda, en estas notas, trabajaremos con intervalos
abiertos a la derecha; es decir, del tipo , donde el
límite superior no está incluido dentro de la clase.

Retomemos el ejercicio de la Tabla No. 7 y construyamos una distribución de frecuencia por
intervalos.

3.3.1 ,

.
. 3.3.2 Rango ,
....
.
.
.
. 3.3.3 Número de intervalos ,
,

No es lógico tener 7.6 intervalos, por lo tanto se procede a aproximar el número de intervalos a
un número natural cercano.

Aproximemos, , y busquemos la amplitud.

,

Ya terminado el número de clases en m=7 encontramos que la amplitud debe ser mayor que 94.
Fijémosla, entonces, en A = 100, que hace más manejable y presentable la tabla con la
información.

3.3.4 Rango ampliado , .

3.3.5 Hemos alterado el rango original , cambiándolo por el rango ampliado



. La diferencia está representada por o sea

3.3.6 Tenemos por tanto, que distribuir adecuadamente la diferencia entre los rangos

Como se dijo antes, no estamos hablando de restar o sumar estrictamente sino una cantidad
aproximada que brinde una buena presentación.

3.3.7 Construcción de los intervalos.

Tabla No. 8
Construcción de los Intervalos
para la Resistencia de las Baldosas

Se puede desde luego, proceder a agrupar la información en los respectivos intervalos, haciendo
la salvedad de que ninguno de los límites superiores de clase son considerados dentro de los
intervalos.

Tabla No. 9
Distribución de Frecuencias por Intervalos
de la Resistencia de 100 Baldosas de la Fabrica “de las Casas”



Conclusiones:

q El 72% de las baldosas tiene una resistencia entre 300 y 600 Kg/Cm 2.
q El 86% de las baldosas resiste menos de 600 Kg/Cm2.
q Sólo el 5% resiste 700 o más Kg/Cm2.


1. ¿Por qué se recurre al agrupamiento en distribuciones de frecuencias por intervalos?

2. ¿Cómo se determina el número de intervalos y la amplitud de ellos?

3. ¿Qué es una marca de clase?

4.

Consumo de agua, en m3de 184 familias
n un barrio residencial de una ciudad durante el mes de octubre:



Construir una distribución de frecuencias por intervalos.
4.1 Asumiendo el número de intervalos m = 8
4.2 Asumiendo el número de intervalos m = 9
4.3 Comparar las dos distribuciones y las conclusiones que de ellas se deriven.

5.

Calificaciones Obtenidas por 130 Estudiantes en un Examen de Estadística:



Construir una distribución de frecuencias por intervalos y resaltar cuatro (4) conclusiones.

______________________________
* Ver Apéndice No. 2

... ...


ESTADÍSTICA APLICADA 4. Representación Gráfica

4. Representación Gráfica

A pesar de la gran ayuda que prestan las tablas y cuadros con información organizada, no todos
los públicos alcanzan a comprenderla o no disponen del tiempo suficiente para analizarla.

Es por ello que la mayoría de los investigadores acostumbran a reforzar la descripción a través
de dibujos, generalmente con formas geométricas, que ayudan a visualizar el comportamiento de
las variables tratadas.

4.1 DEFINICIÓN

Una gráfica o diagrama es un dibujo complementario a una tabla o cuadro, que permite observar
las tendencias de un fenómeno en estudio y facilita el análisis estadístico de las variables allí
relacionadas.

4.2 COMPONENTES DE UNA GRÁFICA

Una gráfica, al igual que un cuadro o una tabla, debe constar de:

4.2.1 Título adecuado: El cual debe ser claro y conciso, que responda a las preguntas: Qué
relaciona, cuándo y dónde se hicieron las observaciones.

4.2.2 El cuerpo: o gráfico en sí, cuya elección debe considerar el o los tipos variables a
relacionar, el público a quien va dirigido y el diseño artístico del gráfico.

4.2.3 Notas de pie de gráfico: Donde se presentan aclaraciones respecto al gráfico, las escalas
de los ejes, o se otorgan los créditos a las fuentes respectivas.

Es de anotar que por medio de gráficos tendenciosos se pueden deformar o resaltar situaciones o
estados, que presentados en un gráfico apropiado, mostrarían un comportamiento normal.

Generalmente una información es distorsionada por algunas de las siguientes causas:

4.2.1.1 La relación entre los ejes no es la mas apropiada ( ver gráficos No.1 y
No.2.

4.2.1.2 Gráficos con escalas desproporcionadas, o mala elección del punto de
origen ( ver gráfico No.3).

http://tifon.unalmed.edu.co/~pagudel/4grafica.html (1 de 12) [15/09/2002 7:41:55]


Variación de La Inflación en Colombia
1995-2000

Gráfico No. 1

Gráfico No. 2



Gráfico No. 3

Como se puede observar, el gráfico No.1 “realza” el decrecimiento de la variable inflación,
mientras que el No.2 intenta mostrar una estabilización o decrecimiento parsimonioso.

Los dos dibujos son incorrectos debido a que no conservan una proporción adecuada entre sus
ejes. Sin embargo, el gráfico No. 3 tiene una buena proporción entre los ejes. Pero, la distorsión
se debe a la mala numeración en el eje “Y” pues, el punto de origen O ha sido eliminado y
asignado un valor arbitrario, la escala es inadecuada para resaltar el decrecimiento inflacionario
de los dos últimos periodos.

Ambas situaciones son erróneas o tendenciosas y se deben corregir asignando escalas apropiadas
a los ejes y utilizando la siguiente regla:

Donde: Lx: Longitud del eje horizontal

Ly: Longitud del eje vertical

“La longitud del eje vertical es igual a tres cuartos de la longitud del eje horizontal”.

4.3 PRINCIPALES TIPOS DE GRÁFICOS



Existe una gran cantidad de gráficos para la representación de datos estadísticos, ya que de ellos
depende el diseño artístico de quien los elabora, así como de su imaginación al combinar varios
tipos de ellos, como forma de presentar una información.

Entre los gráficos más comunes tenemos:

4.3.1 Gráfico de Líneas: Usado básicamente para mostrar el comportamiento de una variable
cuantitativa a través del tiempo. El gráfico de líneas consiste en segmentos rectilíneos unidos
entre sí, los cuales resaltan las variaciones de la variable por unidad de tiempo. Para su
construcción ha de procederse de la siguiente manera: en el eje de las ordenadas se marcan los
puntos de acuerdo con la escala que se esté utilizando. En el caso de una escala aritmética,
distancias iguales en el eje, representan distancias iguales en la variable.

Variación de la Inflación en Colombia
1995 -2000

El eje de la variable X se divide en unidades de tiempo iguales, teniendo presente el número de
ítems que ha de presentarse, así como la longitud del eje. Es de anotar la conveniencia de
mostrar la interrupción y acercamiento del eje a su origen cuando esto haya ocurrido.

4.3.2 Gráfico de Líneas Compuesto: Cuando se tienen varias variables a representar, con el fin
de establecer comparaciones entre ellas (siempre que su unidad de medida sea la misma); se
utiliza plasmarlos en un sólo gráfico, el cual es el resultado de representar varias variables en un
mismo plano.

Variación de la Inflación y el Salario de la Hilacha



4.3.3 Gráfico de Barras: El gráfico de barras, como su nombre lo indica, está constituido por
barras rectangulares de igual ancho, conservando la misma distancia de separación entre sí. Se
utiliza básicamente para mostrar y comparar frecuencias de variables cualitativas o
comportamientos en el tiempo, cuando el número de ítems es reducido.

Número de Hijos de 50 Obreras en "La Hilacha"

Éstos gráficos suelen ser de barras verticales, aunque se pueden utilizar de forma horizontal.

4.3.4 Gráfico de Barras Compuesto

Preferencias de Partido Según Sexo
.
.
...
.
..



.
.

4.3.5 Gráfico de Sectores Circulares Usualmente llamado gráfico de pastel, debido a su forma
característica de una circunferencia dividida en cascos, por medio de radios que dan la sensación
de un pastel tajado en porciones.

Se usa para representar variables cualitativas en porcentajes o cifras absolutas cuando el número
de ítems no es superior a 5 y se quiere resaltar uno de ellos. Para su construcción se procede de
la siguiente forma: La circunferencia tiene en su interior 360 grados, los cuales hacemos
corresponder al total de la información, es decir al 100%; luego, para determinar el número de
grados correspondiente a cada componente se multiplica el porcentaje respectivo por 360 y se
divide por 100, los cuales se miden con la ayuda de un transportador para formar los casquetes
de los diferentes ítems.

Estado Civil de 50 Operarias de "La Hilacha"

4.3.6 Histograma de Frecuencias: Para la construcción de un histograma de frecuencias de



fácil interpretación y que no falsee la información, debe disponerse de una distribución de
frecuencias por intervalos con amplitud igual para cada clase o intervalo. En el eje de las
abscisas procedemos a representar los intervalos de la variable, y en el eje de las ordenadas las
frecuencias de cada clase.

El histograma se construye dibujando barras contiguas que tienen como base la amplitud de cada
intervalo y como alturas las frecuencias respectivas.

Histograma de Frecuencias de la Resistencia de 100 Baldosas

4.3.7 Polígono de Frecuencias

Resistencia de 100 Baldosas



Para la construcción de un polígono de frecuencias, se marcan los puntos medios de cada uno los
intervalos en la parte superior de cada barra del histograma de frecuencias, los cuales se unen
con segmentos de recta.

4.3.8 Histograma de Frecuencias Acumuladas El histograma de frecuencias acumuladas
también es obtenido a partir de una distribución de frecuencias, tomando en el eje horizontal las
clases de la variable, y en el eje vertical las frecuencias acumuladas correspondientes a cada
intervalo






1. ¿Cuál es el objetivo de un gráfico?

2. Describa los componentes de una gráfica .

3. ¿Cuáles son las principales causas de distorsión de la información de un gráfico?

4. ¿ Cuál debe de ser la proporción entre los ejes del plano cartesiano para la construcción de un
gráfico?

5. Para los ejercicios 4 y 5 del capitulo 3, numeral 3.2 construir:
5.1 Un histograma de frecuencias
5.2 Un polígono de frecuencias.
5.3 Un histograma de frecuencias acumuladas
5.4 Un polígono de frecuencias acumuladas

6.

Costo Promedio del Consumo de Energía
de la Fábrica de Confecciones "La Hilacha".



Construir un gráfico de líneas para esta información.

7.

Índice de Precios al Consumidor 1999-2001



Graficar : El valor del índice, la variación mensual y la variación anual, en función del tiempo.

8. Resultados electorales en Colombia, en la elección de presidente de la república para el
período 1986-1990:

Liberal 58%
Conservador 36%
Otros 6%



Construir un gráfico apropiado para esta información.

... ...


ESTADÍSTICA APLICADA 5. Medidas de Tendencia Central

En los capítulos anteriores, nos referimos a la clasificación, ordenación y presentación de
datos estadísticos, limitando el análisis de la información a la interpretación porcentual de
las distribuciones de frecuencia.

El análisis estadístico propiamente dicho, parte de la búsqueda de parámetros sobre los
cuales pueda recaer la representación de toda la información.

Las medidas de tendencia central, llamadas así porque tienden a localizarse en el centro de
la información, son de gran importancia en el manejo de las técnicas estadísticas, sin
embargo, su interpretación no debe hacerse aisladamente de las medidas de dispersión, ya
que la representabilidad de ellas está asociada con el grado de concentración de la
información.

Las principales medidas de tendencia central son:

5.1 Media aritmética.
5.2 Mediana
5.3 Moda.

5.1 MEDIA ARITMÉTICA

Cotidiana e inconscientemente estamos utilizando la media aritmética. Cuando por ejemplo,
decimos que un determinado fumador consume una cajetilla de cigarrillos diaria, no
aseguramos que diariamente deba consumir exactamente los 20 cigarrillos que contiene un
paquete sino que es el resultado de la observación, es decir, dicho sujeto puede consumir
18, un día; 19 otro; 20, 21, 22; pero según nuestro criterio, el número de unidades estará
alrededor de 20.

Matemáticamente, la media aritmética se define como la suma de los valores observados
dividida entre el número de observaciones.

:
Media aritmética de la variable X
: Valores de la variable X

http://tifon.unalmed.edu.co/~pagudel/5medidas.html (1 de 13) [15/09/2002 7:42:38]


: Signo de sumatoria, indica que se debe sumar

Ejemplo: Cantidad de cigarrillos consumidos por un fumador en una semana.

. . . Lunes: 18
Martes: 21
Miércoles: 22
Jueves: 21
Viernes: 20
Sábado: 19
Domingo: 19

Entonces la media aritmética es.

El fumador consume en promedio 20 cigarrillos diarios.

Cuando la variable está agrupada en una distribución de frecuencias, la media aritmética se
calcula por la fórmula:

Ejemplo:



Cantidad de Cigarrillos Consumidos
por un Fumador en una Semana Dada:

Ejemplo:

Calculo de La Media Aritmética.
El Salario/día de 50 Operarias



= 54.100 pesos/día

Si la información está relacionada en una distribución de frecuencias por intervalos, se
toman como valores de la variable las marcas de clase de los intervalos, entiéndase por
marca de clase el punto medio entre los límites de cada clase o intervalo.

Ejemplo:

Cálculo de La Media Aritmética de la



La resistencia promedio de las 100 baldosas es de 448
Kg/Cm².

5.1.1 Propiedades de la Media Aritmética

5.1.1.1 La suma de las diferencias de los datos con respecto a la media
aritmética es igual cero.

Demostración:

pero



Como

Ejemplo de Comprobación:

En el Ejercicio del Fumador Cuya Media Aritmética
es de 20 Cigarrillos / día:

Para una distribución de frecuencias:

Salario/día de 50 Operarias en
. La Fábrica de Confecciones "La Hilacha"
.
..... . (Miles De Pesos)
.
.



5.1.1.2 La suma de las diferencias cuadráticas de los datos,
con respecto a la Media Aritmética, es mínima.

Quiere decir esta propiedad que cualquier otro parámetro p,
diferente a la media aritmética hace mayor la expresión:

que

Para

Demostración:

Debemos, entonces, probar que:



veamos:

pero (propiedad a.)

entonces:

como

luego



5.1.1.3 Si a cada uno de los resultados le sumamos o le
restamos una constante C , la Media Aritmética queda
alterada en esa constante.

Demostración:

Tenemos los datos x1,x2,.... ....xn . Cuya media aritmética
es

sea

La media aritmética de la nueva variable es:

entonces

En el ejemplo de las baldosas, , a cada uno de los
datos restémosle una constante .



5.1.1.4 Si cada uno de los datos se multiplica por una
constante k, entonces la media aritmética queda
multiplicada por esa constante:

Tenemos los datos x1,x2,.... ....xn cuya media aritmética es

sea
,

Si multiplicamos cada una de las resistencias de las 100
baldosas por

una constante tenemos:



5.1.2 Media Aritmética con Cambio de Origen y de Escala

En estadística es usual la transformación de variables utilizando las dos últimas
propiedades:

C = un valor de tendencia central (media, mediana, moda o cualquier otro parámetro.

k = generalmente la desviación standar, desviación media, la amplitud etc.

Sea

..... para nuestro ejemplo C = 450, k = 100



A la nueva variable “Y” le calculamos la media aritmética.

5.1.3 Media Aritmética Ponderada

Hemos visto que la Media Aritmética se calcula con base a la magnitud de los datos,
otorgándoles igual importancia a cada uno de ellos. Sin embargo en muchas ocasiones la
magnitud del dato esta ponderada con un determinado peso que lo afecta relativamente.

La Media Aritmética ponderada tiene en cuenta la importancia relativa de cada uno de los
datos, para lo cual la definimos con la siguiente expresión:

donde

: Media aritmética ponderada



xi: Valor de la variable X
wi: Ponderación del ítem xi

Ejemplo:

Las calificaciones de un estudiante están conformadas por los siguientes
factores:

Un examen cuyo valor es 40% en el cual obtuvo una nota de 4.5, un trabajo
de consulta con ponderación del 10% y calificación de 1.0, una exposición
equivalente al 15% con nota de 2.0, y por último una investigación con valor
del 35% calificada con 3.5.

entonces la nota definitiva es:

... ...




5.2 LA MEDIANA

Otra medida de tendencia central, utilizada principalmente en estadística no paramétrica, es
la mediana, la cual no se basa en la magnitud de los datos, como la media aritmética, sino en
la posición central que ocupa en el orden de su magnitud, dividiendo la información en dos
partes iguales, dejando igual número de datos por encima y por debajo de ella.

5.2.1 La Mediana Cuando los datos no están Agrupados en Intervalos.

Partiendo de la información bruta, ordenamos los datos ascendente o descendentemente:

se define

Mediana = , si n es impar ó

Mediana = , si n es par

En el ejercicio de los cigarrillos, consumidos por un fumador tenemos lunes
18, martes 21, miércoles 22, jueves 21, viernes 20, sábado 19, y domingo 19.
Ordenando ascendentemente :

n, es impar, entonces

Veamos cuando n es par:



Consumo mensual de agua, en m3, por la fábrica de
confecciones “la hilacha”.

Enero= 10,. . . . Mayo= 14, . . . . Septiembre= 18,
Febrero= 12, Junio= 19, Octubre= 22,
Marzo= 15, Julio= 17, Noviembre= 15,
Abril= 18, Agosto= 18, Diciembre= 13

Mediana=

.
. Como se puede observar, en este caso la mediana no es un
..... . dato perteneciente a la información, es un parámetro que
. divide la información dejando el 50% por encima y el 50%
.
por debajo de ella.

5.2.2 La Mediana Cuando la Información se Encuentra Agrupada en Intervalos

Si la información esta agrupada en intervalos iguales, entonces la mediana se calcula según
la siguiente expresión:

Me: Mediana
LI: Límite inferior del intervalo donde se encuentra la mediana
(intervalo mediano), el cual se determina observando en que clase
se encuentra la posición n/2.)




: Frecuencia acumulada anterior al intervalo mediano
: Frecuencia del intervalo mediano
A: Amplitud del intervalo

Ejemplo:

Resistencia de 100 Baldosas de la Fabrica “De Las Casas”

en la columna de frecuencia acumulada advertimos que la
observación número 50 se halla en el cuarto intervalo 4.

Se concluye que el 50% de las baldosas resiste menos de
445.45 Kg/Cm2 y el 50% resiste mas de 445.45 Kg/Cm2.



... ...




5.3 LA MODA

La moda, como su nombre lo indica, es el valor más común (de mayor frecuencia dentro de
una distribución. Una información puede tener una moda y se llama unimodal, dos modas y
se llama bimodal, o varias modas y llamarse multimodal. Sin embargo puede ocurrir que la
información no posea moda.

5.3.1 La Moda Cuando los datos no están Agrupados en Intervalos

Salario de 50 Operarias de la
Fabrica de Confecciones "La Hilacha"

El valor que más veces se repite es 54 con una frecuencia de 12,
entonces decimos que la moda es Mo = 54.000.00 pesos diarios.



Cantidad de Cigarrillos Consumidos
por un Fumador en una Semana Dada:

Los valores de mayor frecuencia corresponden a 19 y 21, por lo tanto
se trata de una distribución bimodal con Mo1=19 y Mo2=21

5.3.2 Cálculo de la Moda Cuando la Información está Agrupada en Intervalos

Cuando la información se encuentra agrupada en intervalos de igual tamaño la moda se
calcula con la siguiente expresión.

. , donde:
.
..... .
.
.
Mo: Moda
LI: Límite inferior del intervalo modal
fm: Frecuencia de la clase modal
f(m-1) : Frecuencia de la clase premodal
f(m+1) : Frecuencia de la clase posmodal
A : Amplitud de los intervalos

Ejemplo:




A pesar que el valor 444.44 no es un dato real de la información asumimos
ese parámetro como el de mayor ocurrencia.


1. ¿Que es una medida de tendencia central?

2. ¿Cuales son las principales medidas de tendencia central?

3. Defina : media aritmética mediana y moda.

4. ¿Cuándo se utiliza la media aritmética ponderada?

5. Enuncie las propiedades de la media aritmética

6. Para cada información de los ejercicios del capitulo 3, calcular e interpretar la media
aritmética, la mediana y la moda.

7. La tripulación de un avión, en su itinerario compra los siguientes galones de gasolina:

Ciudad X 200 galones a 4000 pesos el galón



Ciudad Y 250 galones a 3500 pesos el galón
Ciudad Z 300 galones a 3000 pesos el galón

¿Cuál es el costo promedio de la gasolina comprada?

... ...


ESTADÍSTICA APLICADA 6. Medidas de Posición

6. Medidas de Posición (Percentiles)
En el Capitulo anterior, vimos lo referente a las medidas de tendencia central, las cuales, a su
vez, son también medidas de posición ya que, de todas maneras ocupan un lugar dentro de la
información.

Nos ocuparemos ahora de ciertos parámetros posicionales muy útiles en la interpretación
porcentual de la información.

6.1 CUARTILES

Las cuartillas o cuartiles son valores posicionales que dividen la información en cuatro partes
iguales, el primer cuartil deja el 25% de la información por debajo de él, y el 75% por
encima, el segundo cuartil, al igual que la mediana, divide la información en dos partes
iguales, y por último el tercer cuartil deja el 75% por debajo de sí, y el 25% por encima.

Gráficamente:

Se necesita, entonces calcular tres cuartillas ya que la cuarta queda automáticamente
determinada.

, donde:

k: Oden del cuartil k = 1,2,3
LI:.......... Límite inferior del intervalo que contiene el cuartil
fa(i-1): Frecuencia acumulada hasta el intervalo anterior al que contiene
el cuartil
fi : Frecuencia del intervalo que contiene el cuartil

http://tifon.unalmed.edu.co/~pagudel/6Percentiles.html (1 de 6) [15/09/2002 7:43:16]


A: Amplitud de los intervalos

Ejemplo:

Resistencia de 100 Baldosas de la Fabrica "De Las Casas"

Primer cuartil:

posición que debe ser ubicada en la frecuencia acumulada, para determinar que
clase contiene este cuartil.

El 25% de las baldosas resiste menos de 352.38 Kg/Cm2 y el 75% tiene una
resistencia superior.

Como el segundo cuartil es lo mismo que la mediana: Me=Q2=445.45Kg/Cm2

Calculemos la tercera cuartilla k=3



El 75% de las baldosas tiene una resistencia inferior a 538..88 Kg/Cm2 y el
25% una resistencia superior.

6.2 QUINTILES

Los quintiles o quintillas dividen la información en cinco partes iguales, agrupándolas en
porcentajes de 20, 40, 60, y 80 por ciento, en consecuencia debemos calcular cuatro
parámetros:

Gráficamente:

.
.
....
.
.....
.
.

calculemos por ejemplo la segunda quintilla para el ejercicio que traemos:

k=2,

El 40% de las baldosas resiste menos de 415.15kg/cm2 y el 60% resiste más.



6.3 DECILES

Similarmente, los deciles o decillas dividen la información en diez partes iguales, en
cantidades porcentuales de 10 en 10.

6.4 CENTILES

Obviamente los centiles dividen la información en 100 partes, lo cual facilita la interpretación
porcentual de una distribución de frecuencias.

6.5 RESUMEN

En general para calcular cualquier percentil:

, donde:

r: Número de partes en que se divide la información
k: Orden del percentil k = 1,2,.....,r-1



LI: Límite inferior del intervalo que contiene el percentil
fa(i-1): Frecuencia acumulada hasta el intervalo anterior al que contiene el
percentil
fi: Frecuencia del intervalo que contiene el percentil
A: Amplitud de los intervalos

En nuestro ejercicio, si el gerente de la fabrica de baldosas desea ofrecer un
garantía de resistencia mínima. Basado en la muestra que se ha obtenido, si no
quiere remplazar ninguna pieza, lógicamente debe afirmar que el producto
resiste 100 o más Kg/Cm2. Pero si esta dispuesto a remplazar el 5% de su
producción, entonces:

Se debe dar una garantía de 210kg/cm2 de resistencia mínima.


1. ¿ Para qué se utilizan los percentiles ?

2. ¿ En cuantas partes se divide la información con:

2.1 Los cuartiles
2.2 Los quintiles
2.3 Los deciles
2.4 Los centiles

3. Para la información de los ejercicios 4 y 5 de la sección 3.2 calcular e interpretar ;

3.1 La primera y tercera cuartilla



3.2 El segundo y cuarto quintil
3.3 ¿ Que porcentaje hay entre la primera y tercera quintilla ?
3.4 ¿ Que porcentaje hay entre la primera cuartilla y la segunda quintilla ?
3.5 ¿ Que porcentaje hay entre la tercera cuartilla y el noveno decil ?

... ...


ESTADÍSTICA APLICADA 7. Medidas de Dispersión

7. Medidas de Dispersión
En el análisis estadístico no basta el cálculo e interpretación de las medidas de tendencia
central o de posición, ya que, por ejemplo, cuando pretendemos representar toda una
información con la media aritmética, no estamos siendo absolutamente fieles a la realidad, pues
suelen existir datos extremos inferiores y superiores a la media aritmética, los cuales, en honor
a la verdad, no están siendo bien representados por este parámetro.

En dos informaciones con igual media aritmética, no significa este hecho, que las
distribuciones sean exactamente iguales, por lo tanto, debemos analizar el grado de
homogeneidad entre sus datos. Por ejemplo, los valores 5, 50, 95 tiene igual media aritmética,
y mediana que los valores 49, 50,51; sin embargo, para la primera información la media
aritmética , se encuentra muy alejada de los valores extremos 5 y 95, cosa que no ocurre con la
segunda información que posee igual media aritmética y mediana, vemos entonces que la
primera información es mas heterogénea o dispersa que la segunda.

Para medir el grado de dispersión de una variable, se utilizan principalmente los siguientes
indicadores:

7.1 Rango o recorrido
7.3 Varianza y desviación típica o estándar
7.4 Coeficiente de variabilidad.

7.1 RANGO O RECORRIDO

Es la medida de dispersión mas sencilla ya que solo considera los dos valores extremos de una
colección de datos, sin embargo, su mayor utilización está en el campo de la estadística no
paramétrica.

R = Xmax – Xmin

Xmax, Xmin son el máximo y el mínimo valor de la variable X, respectivamente.

En el ejemplo introductorio, vemos que el rango para la primera información es
R1=95-5=90, mientras que R2=51-49=2, se hace pues manifiesta la gran dispersión de la
primera información contra la homogeneidad de la segunda.

http://tifon.unalmed.edu.co/~pagudel/7dispersion.html (1 de 6) [15/09/2002 7:43:27]


7.2 DESVIACIÓN MEDIA

La desviación media, mide la distancia absoluta promedio entre cada uno de los datos, y el
parámetro que caracteriza la información. Usualmente se considera la desviación media con
respecto a la media aritmética:

, donde

DM : Desviación media
xi : Diferentes valores de la variable X
fi : Número de veces que se repite la observación xi
Media aritmética de la información
n: Tamaño de la muestra.
m: Número de agrupamientos o intervalos

Ejemplo:

Salario de 50 Operarias de la
Fabrica de Confecciones “La Hilacha”



1.400.00 es el error promedio que se comete al remplazar los ingresos diarios de
cada una de las 50 obreras por 54.100 pesos.

7.3 VARIANZA

El problema de los signos en la desviación media, es eludido tomando los valores absolutos de
las diferencias de los datos con respecto a la media aritmética. Ahora bien, la varianza obvia
los signos elevando las diferencias al cuadrado, lo cual resulta ser más elegante, aparte de que
es supremamente útil en el ajuste de modelos estadísticos que generalmente conllevan formas
cuadráticas.

La varianza es uno de los parámetros más importantes en estadística paramétrica, se puede
decir que, teniendo conocimiento de la varianza de una población, se ha avanzado mucho en el
conocimiento de la población misma.

Numéricamente definimos la varianza, como desviación cuadrática media de los datos con
respecto a la media aritmética:

, donde:

S2 : Varianza
. xi : Valor de la variable X
. : Media aritmética de la información
....
. fi : Frecuencia absoluta de la observación xi
.
.
n: Tamaño de la muestra.
.
m: Número de agrupamientos o intervalos

Salario/dia de 50 Operarias en la Fábrica de
Confecciones
“La Hilacha” (Miles de Pesos)



Como los datos están expresados en miles de pesos y la varianza se encuentra en
forma cuadrática obtenemos una varianza de 3’210.000 pesos. Sin embargo para
una mejor comprensión debemos recurrir a la desviación típica o estándar
definida como la raíz cuadrada de la varianza:

El error estándar es de 1.791 pesos/diarios.

En el ejemplo de las baldosas:

Resistencia de 100 Baldosas de La Fábrica “De Las Casas”



7.4 COEFICIENTE DE VARIABILIDAD

Generalmente interesa establecer comparaciones de la dispersión, entre diferentes muestras que
posean distintas magnitudes o unidades de medida.

El coeficiente de variabilidad tiene en cuenta el valor de la media aritmética, para establecer un
número relativo, que hace comparable el grado de dispersión entre dos o mas variables, y se
define como:

Comparemos la homogeneidad de las dos informaciones anteriores, las cuales tienen diferente
unidad de medida.

para el salario:

para la resistencia



Concluimos que es mucho más dispersa la información correspondiente a la
resistencia de las baldosas.


1. ¿ Cuál es la utilidad de las medidas de dispersión?

2. ¿ Cuales son las principales medidas de dispersión?

3. ¿ Cuál es la medida adecuada para comparar la dispersión entre varias variables que posean
diferente magnitud o diferente unidad de medida?

4. Para cada una de las informaciones de los ejercicios de los capítulos anteriores, calcular e
interpretar:

4.1 Rango
4.3 Coeficiente de variabilidad

... ...


ESTADÍSTICA APLICADA 8. Regresión y Correlación Lineal

Hasta ahora hemos hecho la tabulación y el análisis para una sola variable. Pero los
investigadores, además de analizar una información en forma individual, generalmente se
interesan en establecer cruces y buscar relaciones entre diferentes variables.

8.1 TABLAS DE DOBLE ENTRADA

Para la presentación bidimensional de las variables "X, Y" se procede de la siguiente manera:

q Se ordenan las variables "X, Y" respectivamente
qSe tabulan los valores X horizontalmente, y los valores Y
verticalmente.
q Se buscan las frecuencias para cada par ordenado (xi,yj).
q Se suma horizontalmente para obtener las frecuencias de “Y” fyj, y
verticalmente para obtener las frecuencias de “X” fxi .

xi : Valores de la variable X, i=1,2,....m
yj : Valores de la variable Y, j=1,2,... k
fxi : Frecuencia de la observación xi
fyj : Frecuencia de la observación yj
fij : Frecuencia conjunta de los valores (xi,yj)
fa0xi : Frecuencia acumulada de la variable “X”, en el item i
fayj : Frecuencia acumulada de la variable “Y”, en el item j
frxi : Frecuencia relativa para la variable “X”, en el item i
fryj : Frecuencia relativa para la variable “Y”, en el item j
fraxi : Frecuencia relativa acumulada para la variable “X”
frayj : Frecuencia relativa acumulada para la variable “Y”.

http://tifon.unalmed.edu.co/~pagudel/8regresion.html (1 de 11) [15/09/2002 7:44:09]


Tabla de Doble Entrada para la
Representación de dos Variables “X, Y”

Como se puede advertir en la disposición de las frecuencias, la interpretación de la variable “Y”,
puede hacerse analizando los relativos propios en forma horizontal, en tanto que el análisis de la
variable “X” se hace en forma vertical.

Experiencia Laboral y Salario Diario de 50 Obreras de la Fábrica
de Confecciones “La Hilacha”. “X” : Experiencia en Años,
“Y”: Salario Miles de Pesos



Analizando los relativos para cada una de las variables podemos sacar, entre otras, las siguientes
conclusiones:

q El 64% tiene una experiencia igual o inferior a 6 años.

q El 68% tiene una experiencia entre 5 y 7 años incluyendo sus extremos.

q El 60% gana 54.000 pesos diarios o menos.

q El 62% gana entre 53.000 y 55.000 pesos incluyendo sus extremos.

Las tablas de doble entrada también pueden usarse para variables cualitativas, o combinarse
variables cualitativas con cuantitativas.

Estado Civil y Número de Hijos de
50 Obreras de la Fabrica “La Hilacha"
X: Estado Civil, Y : Número De Hijos.

Se deja al lector la interpretación y análisis de esta tabla.

8.2 CORRELACIÓN

En el análisis conjunto para dos o más variables es básica la búsqueda del tipo y grado de la
relación que pueda existir entre ellas, o si por el contrario, las variables sean independientes
entre sí y la relación que puedan mostrar se debe únicamente al azar, o a través de terceras
variables.

El sondeo del tipo y grado de la correlación, parte desde la misma presunción del investigador,
teniendo presente que la búsqueda de relaciones entre variables debe ser lógica, es decir
relacionar lo que sea razonable y no datos cuya asociación sea desde cualquier punto de vista
absurda.



Veamos algunas variables susceptibles de relacionar:

q El peso y estatura de un grupo de adultos.

q Edad y peso de un grupo de niños.

q Ingresos y gastos de arrendamiento de un grupo de familias.

q Escolaridad e ingreso mensual de un grupo de empleados.

q Ventas y utilidades de un almacén de variedades.

En el cuestionario aplicado a las obreras de la "Hilacha", parece que se indaga por ciertas
variables que puedan explicar el salario devengado por ellas; como podría ser, los años de
experiencia, los años de estudio, las ausencias al trabajo, la evaluación del desempeño por parte
de su supervisor, amén de otras variables que pueden tener influencia en la asignación salarial.

Para fortalecer el indicio de correlación inicial, se grafica cada uno de los
pares ordenados de las variables (xi,yj) en un plano cartesiano, para
observar la “nube de puntos” o diagrama de dispersión, donde se advierte
la tendencia o no, de la información representada.



A pesar de la ilustración visual que ofrecen las gráficas, solo podemos
percibir la tendencia, mas no el grado o fortaleza de la relación, entre la
variable independiente “X” y la variable dependiente “Y”.

Para cuantificar la calidad de la dependencia, entre las dos variables, el
indicador mas acostumbrado es el Coeficiente de correlación, definido
como:

, donde:

r : Coeficiente de correlación entre “X” y “Y”
Sx: Desviación típica de “X”
Sy: Desciacion típica de “Y”
Sx,y : Covarianza entre “X” y “Y”



.
.
....
.
.
.
.



En la práctica, cuando no tenemos la información agrupada en una tabla de
doble entrada, asumimos que cada observación bivariada tiene frecuencia
unitaria, entonces r se convierte en:

Tabla de Trabajo para el Calculo de L Coeficiente de Correlacion



El coeficiente de correlación, es un indicador del grado de la relación entre las dos variables, el
cual oscila en el intervalo cerrado , es decir, .

Cuando r toma un valor extremo, ya sea r=1 ó r=-1 existe una correlación perfecta positiva o
negativa según el signo, como lo podemos corroborar en el siguiente ejemplo:

Aspiración Salarial, de Acuerdo a La Experiencia de las Obreras de la
Fabrica de Confecciones “La Hilacha”

, Correlación perfecta positiva

Sin embargo, no todas las relaciones son tan ideales, en el común de los
casos –1< r <1. Empíricamente se afirma que:

1. Si Correlación perfecta
2. Si ó Correlación excelente
3. Si ó Correlación buena
4. Si ó Correlación regular
5. Si ó Correlación mala
6. Si No hay correlación


Existen desde luego, pruebas estadísticas que miden la bondad de un
coeficiente de correlación con un determinado nivel de confiafilidad, pero
no son tema de este curso.

Salario Actual y Años de Experiencia de 50
Obreras de la Fabrica “La Hilacha”
Exp Mil/dia Exp Mil/dia

Años X Y XYX2 Y2 Años X Y XY X2 Y2

4 52 208 16 2704 8 57 456 64 3249

5 54 270 25 2916 6 54 324 36 2916

7 55 385 49 3025 6 55 330 36 3025

6 54 324 36 2916 5 53 265 25 2809

5 53 265 25 2809 7 55 385 49 3025

7 56 392 49 3136 8 56 448 64 3136

5 54 270 25 2916 5 53 265 25 2809

9 58 522 81 3364 9 57 513 81 3249

3 51 153 9 2601 6 54 324 36 2916

6 54 324 36 2916 5 53 265 25 2809

7 54 378 49 2916 2 50 100 4 2500

3 51 153 9 2601 6 55 330 36 3025

6 54 324 36 2916 4 52 208 16 2704

7 55 385 49 3025 5 53 265 25 2809

6 54 324 36 2916 6 54 324 36 2916



8 56 448 64 3136 4 52 208 16 2704

4 52 208 16 2704 8 57 456 64 3249

6 54 324 36 2916 7 56 392 49 3136

5 53 265 25 2809 3 51 153 9 2601

7 55 385 49 3025 8 58 464 64 3364

7 55 385 49 3025 6 55 330 36 3025

7 55 385 49 3025 5 53 265 25 2809

4 52 208 16 2704 6 54 324 36 2916

7 55 385 49 3025 6 53 318 36 2809

5 53 265 25 2809 7 56 392 49 3136

TOTAL 294 2705 160391850146501

Se vislumbra una relación positiva, con coeficiente de correlación:

Entre la experiencia y el salario actual hay una excelente correlación
positiva.

Si escudriñamos en la magnitud de las relaciones entre las diferentes
variables cuantitativas, que se han indagado a las obreras de “LA
HILACHA” encontramos los siguientes coeficientes de correlación:



En el problema que nos ocupa, la variable salario/día tiene una excelente
correlación positiva, con los años de experiencia, y una buena correlación
directa con la calificación y la escolaridad, empero hay una buena relación
inversa, con la variable ausencias al trabajo.

... ...




8.3 REGRESIÓN LINEAL

Teniendo ya conocimiento de la intensidad de la correlación entre las variables, manifestada a
través del diagrama de dispersión, y el coeficiente de correlación, podemos ensayar el ajuste de
un modelo estadístico que se adapte mejor a las n observaciones; lo que lleva por nombre
regresión. Uno de los procedimientos muy comunes en el ajuste regresivo es el método de los
mínimos cuadrados, que produce estimaciones con menor error cuadrático promedio

8.3.1 Ajuste Rectilíneo (Método de los Mínimos Cuadrados)

La forma general de una ecuación de línea recta es:

con:

X: Variable independiente
Y: Variable dependiente
a : Término independiente o intercepto
b: Coeficiente de X

Debemos establecer los parámetro “a” y “b” de la ecuación para poder
expresar los valores de la variable Y en función de los valores de la variable
X, esto es:

multipliquemos cada una de estas ecuaciones por su respectivo valor de X



Las ecuaciones (1) y (2) son llamadas ecuaciones normales de la línea
recta, de donde se pueden despejar los parámetros a, b en función de los
datos originales.

De (1) tenemos:

Remplazando (3) en (2):



Las estimaciones para los parámetros son:

El gorrito “ ^ ” colocado sobre el parámetro indica estimaciones
fundamentadas, en los datos muestrales.

Para ajustar el modelo rectilíneo a los ingresos diarios actuales explicados
por los años de experiencia, en la “Hilacha”, aprovechamos los totales ya
calculados en el coeficiente de correlación:

Como quiera que los items de la variable salario están en unidades de mil
pesos, la ecuación de pronóstico definitiva es:



Salario Real y Estimado Vs. Experiencia

Insistimos en la existencia de pruebas estadísticas, que miden la bondad de los parámetros
estimados y del modelo en sí, a estas alturas de nuestro documento no tenemos las herramientas
para aplicarlas, sin embargo en el mercado hay software estadístico, que calcula los parámetros,
ajusta los modelos y efectúa las respectivas pruebas, sin exigir al usuario grandes conocimientos
de estadística matemática. Se debe tener cuidado, eso sí, en la interpretación adecuada de los
resultados.

El siguiente es el reporte parcial producido por el programa de computador Statgraphics plus :



El programa calcula:

y
y consecuentemente el modelo

,

el paquete hace también las pruebas t student para la hipótesis nula H0 :
a=0 vs la hipótesis alternativa H1 : y H0 : b = 0 vs H1 : , dado
que el valor “p” para ambos casos p= 0.0000, con una confiabilidad
superior al 99% se rechazan ambas hipótesis de nulidad, a favor de las
hipótesis alternativas. En cuanto al valor p = 0.0000 (para la prueba F) en
la tabla de análisis de varianza, también se interpreta la validez del modelo
con un nivel de confiabilidad superior al 99%.

De otro lado corrobora una correlación positiva excelente r=0.957578 y un
coeficiente de determinación R-cuadrado, de 91.6956% que indica el
porcentaje de la variable salario explicado por la variable experiencia.

El coficiente de determinación R2 viene expresado como:



Aprovechemos este pequeño paréntesis, para decir que hoy la
tecnología informática ha hecho posible la formulación y
solución de complejos modelos multivariados, que constan de
cientos de variables, que en años recientes solo se podían
teorizar.

En la búsqueda de las variables que explican la variable salario,
en la fabrica “La Hilacha” obtenemos el siguiente reporte del
programa Statgraphics plus:



El software, analiza los diferentes valores “p” y descalifica la variable
edad, al nivel del 90% de confidencialidad, debido a que p=0.1451 hace
que el coeficiente de esta variable no sea significante dentro del modelo.



.
.
...
.
..
.
.

Eliminada la variable edad, encontramos un modelo válido con un nivel de
confianza superior al 99% cuyos coeficientes son admitidos con una
confiabilidad superior al 95%.

R-cuadrado para este modelo es 95.58% , es decir el porcentaje del salario
que está siendo explicado por las variables independientes, es ligeramente
menor al R-cuadrado anterior (95.8%), sacrificio insignificante cuando se
trata de reducir la complejidad del modelo.

Veamos las estimaciones producidas por la ecuación



Miles estim
hijosExpEsco- GastauseCalif Error
$/dia salario

2 4 5 52 5 3 1 52.51 0.51

2 5 5 54 6 2 1 53.23 - 0.77

3 7 4 55 8 1 4 55.25 0.25

3 6 4 54 9 1 3 54.36 0.36

1 5 3 53 3 2 2 52.91 - 0.09

0 7 8 56 1 1 4 55.84 - 0.16

1 5 3 54 2 2 3 53.26 - 0.74

0 9 9 58 0 0 5 57.79 - 0.21

3 3 3 51 10 3 1 51.35 0.35

3 6 3 54 9 2 2 53.59 - 0.41

1 7 6 54 3 2 3 54.98 0.98

2 3 3 51 6 5 1 50.82 - 0.18

0 6 7 54 1 1 2 54.55 0.55

0 7 7 55 1 1 3 55.34 0.34

0 6 5 54 2 2 3 53.93 - 0.07

0 8 8 56 3 1 4 56.18 0.18

1 4 3 52 2 3 2 52.20 0.20

2 6 4 54 5 2 2 53.87 - 0.13



2 5 4 53 5 3 2 53.05 0.05

0 7 9 55 4 2 3 55.26 0.26

0 7 8 55 4 1 3 55.29 0.29

1 7 6 55 4 2 3 54.89 - 0.11

2 4 3 52 7 3 1 51.82 - 0.18

1 7 6 55 3 1 3 55.26 0.26

3 5 3 53 7 2 2 53.25 0.25

0 8 9 57 3 1 5 56.67 - 0.33

4 6 5 54 13 2 3 54.30 0.30

3 6 5 55 8 2 3 54.43 - 0.57

3 5 4 53 8 2 2 53.40 0.40

3 7 4 55 9 0 3 55.18 0.18

1 8 6 56 4 0 4 56.23 0.23

2 5 4 53 6 2 2 53.23 0.23

0 9 8 57 2 0 4 57.10 0.10

1 6 5 54 3 1 3 54.47 0.47

2 5 3 53 6 2 3 53.23 0.23

2 2 3 50 7 5 1 50.18 0.18

2 6 5 55 6 0 3 54.82 - 0.18

2 4 3 52 6 4 1 51.64 - 0.36

2 5 4 53 8 3 1 52.50 - 0.50



2 6 4 54 8 1 2 53.85 - 0.15

3 4 3 52 11 4 1 51.51 - 0.49

1 8 9 57 3 0 4 57.07 0.07

0 7 8 56 5 0 4 55.72 - 0.28

2 3 3 51 6 4 1 51.10 0.10

1 8 9 58 3 0 4 57.07 - 0.93

2 6 5 55 4 0 2 54.77 - 0.23

1 5 5 53 2 4 1 52.71 - 0.29

2 6 4 54 3 1 1 54.10 0.10

2 6 5 53 7 3 1 53.39 0.39

1 7 6 56 3 0 3 55.54 - 0.46

8.3.2 Ajuste Parabólico (Método Mínimos Cuadrados)

Suele suceder que al dibujar la nube de puntos correspondiente a n
observaciones bivariante, se observa una tendencia no rectilínea, pero a la
cual se le puede ajustar un modelo teórico conocido.

Dentro de la familia de modelos, es de aplicación común el ajuste regresivo
polinomial de grado s “ ”. Similarmente con el procedimiento seguido
en el ajuste rectilíneo, vamos a encontrar las ecuaciones normales par una
parábola, de forma general
es decir , , ......., . Si
cada una de estas ecuaciones la multiplicamos por su respectivo valor de x,
y repetimos la acción tenemos:



sumando se obtienen las siguientes ecuaciones normales

(1)

(2)

(3)

De donde se pueden estimar los parámetros de la parábola “ ”.

Ejemplo: En un experimento agropecuario, se toma una muestra
de 15 unidades de una variedad de árbol frutal, se observa el
rendimiento en frutos de acuerdo con la cantidad de fertilizante
utilizado:

Resolviendo se obtienen las siguientes estimaciones de los parámetros:

, ,



El programa Statgraphics produce el siguiente reporte:



Parábola Ajustada


1.

Ingresos y Gastos en Arrendamiento de un Grupo
de Familias; en Miles de Pesos.



1.1 Calcular el coeficiente de correlación e interpretarlo.
1.2 Ajustar el modelo adecuado para esta información.
1.3 ¿ Cuánto se estima, debe pagar una familia con ingreso mensual de 270.000
pesos?

2. ¿ Que es un coeficiente de correlación ?
3. Cuando hay correlación:

3.1 Perfecta
3.2 Excelente
3.3 Buena



4. ¿ Cuales son las ecuaciones normales de la línea recta ?

... ...


ESTADÍSTICA APLICADA 9. Tasas e Índices

9. Tasas e Índices
Como ya se dijo, el análisis de un fenómeno basado en las cifras absolutas, ofrece una idea
general de su tendencia o comportamiento; pero para efectos de establecer comparaciones
adecuadas del mismo fenómeno con otra región, o su ocurrencia a través del tiempo, se
utilizan ciertos indicadores denominados tasas e índices

9.1 TASA

Una tasa es la resultante de una fracción, en donde el numerador está contenido dentro del
denominador:

Ejemplos:

D: Tasa de deserción escolar.
R: Número de retiros durante el año.
M: Número total de matriculados durante el año.

TE: Tasa de empleo.
PEAO: Población económicamente activa ocupada.
PEA : Población económicamente activa.

Valga anotar que a las tasas se les debe multiplicar por una constante k, la cual
generalmente es 100, 1000 o múltiplos de ellos, con el fin de convertirlos en porcentajes,
por millares etc.

En demografía, las tasas son de uso frecuente, entre otras, mencionaremos las siguientes:

Donde:

http://tifon.unalmed.edu.co/~pagudel/9tasas.html (1 de 10) [15/09/2002 7:45:36]


TM : Tasa de mortalidad.
D : Número de defunciones en un periodo y área dada.
P : Población total en esa área a mitad del periodo.

Donde

TN : Tasa de natalidad
N : Número de nacidos vivos ocurridos en un periodo y área dada
P : Población total del área a mitad del periodo.

Donde:

TC : Tasa de nupcialidad.
M : Número de matrimonios efectuados en un periodo y área dada.
P : Total de la población a mitad del periodo.

El siguiente cuadro muestra la evolución de la tasa de desempleo en Colombia, resultados
obtenidos de la encuesta nacional de hogares para los periodos comprendidos entre los años
1.990 –2.000

Tasas de Desempleo en Colombia
1.990-2.000



9.2 ÍNDICE

Un número índice, como comúnmente se le llama, es un indicador de los cambios relativos
de una o más variables a través del tiempo.

Entre las principales aplicaciones de los números índice, está la de establecer
comparaciones entre los indicadores de las diferentes zonas geográficas, profesiones ,
grupos étnicos etc.

Para la construcción de un número índice, se procede ante todo, a fijar el periodo de
referencia o "periodo base" de la serie temporal, teniendo presente que debe ser un periodo
normal, esto es, que no se hayan presentado situaciones fortuitas (guerras, terremotos,
incendios u otro tipo de imprevisto), que incidan en el valor de la variable para ese periodo.
Además debe considerarse un periodo reciente que haga comparables los diferentes valores
de las variables consideradas.



9.2.1 Índice Simple

Un número índice simple, es aquel que se calcula para una sola variable, dividiendo cada
uno de los valores de la serie cronológica, por el valor correspondiente al "periodo base"
previamente definido.

9.2.1.1 Índice de Base Fija

, si la variable se refiere a precios
, si la variable se refiere a cantidades

Ip : Índice de precios
Pn: Precio del artículo en el periodo n
P0 : Precio del artículo en el periodo base
Iq : Índice de cantidades
qn : Cantidad del articulo en el periodo n
q0 : Cantidad del articulo en el periodo bas

Precio Promedio del Kilovatio/Hora 1995-2001
Pagado por la Fabrica de Confecciones “La Hilacha”

Consumo Promedio de Energía en
La Fabrica de Confecciones “La Hilacha”



En la primera tabla hemos calculado los índices de precios simples, con base
en 1995 y 1998 respectivamente, pero no se han tenido en cuenta las
cantidades, mientras que en la segunda tabla se han calculado los índices de
cantidades sin considerar los precios.

Calculemos, ahora los índices del valor relativo, que considere tanto los
.
precios como las cantidades:
.
..... .
.
.

Precio y Consumo Promedio de Energía en

9.2.1.2 Índice de Base Móvil



Solo hemos considerado, los índices simples de base fija, esto es, con un
periodo base determinado. Es común que interese comparar un índice con el
índice del periodo inmediatamente anterior, en consecuencia se debe fijar el
periodo base en el periodo anterior al referenciado, y así sucesivamente hasta
completar la serie, al cual se le nombra índice de base móvil.

Variaciones del Salario Promedio Diario en

9.2.2 Índices Compuestos (Globales)

Un número índice compuesto, muestra los cambios de un conjunto de variables, auque sus
unidades de medidas, cantidades y precios, en el tiempo, sean diferentes entre sí. Cuando
hablamos por ejemplo de los índices indicadores del costo de la canasta familiar, se toman
en cuenta muchos artículos cuyos consumos inciden en el costo de vida, con una
ponderación o importancia diferente en cada caso. Colectivamente no es lo mismo un
cambio en el precio de la carne, huevos o leche, que un cambio en el precio de los
perfumes, joyas o cualquier otro artículo suntuoso.

9.2.2.1 Índice de Laspeyres

Este índice asume como ponderaciones, en el cálculo del índice global, las
cantidades de los artículos en el periodo base.

Donde:



PL : Índice de precios global (Laspeyres).
q0 : Cantidad del periodo base.
p0 : Precio del artículo en el periodo base
pn : Precio del artículo en el periodo n

Índice de Precios de Cuatro Artículos

9.2.2.2 Índice de Paasche

El estadístico Paasche, sugiere que las ponderaciones sean las cantidades
utilizadas en el periodo n. Se obtiene entonces el siguiente indicador:

Este índice, es poco utilizado debido al dinamismo de qn , necesitando nuevas
ponderaciones cada vez que se cambia de periodo.

9.2.2.3 Índice ideal de Fisher

Se propone el promedio geométrico entre los dos índices anteriores:

Una de las principales aplicaciones de los índices de precios, es la de medir la
deflación e inflación, que es la variación que existe en el poder adquisitivo



del dinero. También podemos utilizar, los índices de precios al consumidor
para determinar el salario real de un grupo de personas.

Salario Promedio Nominal y Real en la Fabrica “La Hilacha”

Dado el deterioro del salario real en los dos últimos años debería considerarse
un generoso aumento.


1. ¿Qué es una tasa?

2. ¿Qué es un índice?

3. ¿Para qué se utilizan los números índices?

4. ¿Cómo se construye un número índice simple?

5. ¿Cómo se construye un número índice compuesto?

6. Los precios y las cantidades de un articulo X vienen dados en la siguiente tabla:



Tomando como año base 1995, calcular para los otros años:

6.1 Los índices de precios.
6.2 Los índices de cantidades.
6.3 Los índices de valores.

7. A continuación se relacionan los precios y las cantidades del año base, de cuatro
artículos diferentes:

Calcular el índice de Laspeyres

8.

Salario Mínimo Legal Diario en Colombia e Índice
de Precios al Consumidor para el Año 2.000-2001
(Periodo Base Diciembre de 1998).



Calcular el salario real para cada uno de los meses.

... ...


ESTADÍSTICA APLICADA 10. Nociones de Probabilidad (Eventos)

10. Nociones de Probabilidad
(Eventos)
“Los planes corresponden al hombre,
las probabilidades a Dios.”
Proverbio chino

Todo experimento debe ser susceptible de repeticiones conservando las mismas condiciones
con las cuales se realizó su antecesor. Esto es, el investigador debe fijar esas condiciones,
bajo las cuales se realizarán las sucesivas repeticiones del experimento y conservarlas en
cada una de las réplicas, de tal manera que sus inferencias resulten lo más fiables posible.
Sin embargo, aun así no siempre se obtienen los mismos resultados, pues a veces participan
factores incontrolables que aparentemente no obedecen a ninguna causa natural, ni
intervención humana intencionada y que denominamos Azar o casualidad.

Desde el punto de vista de la presencia o no de la contingencia en los resultados, si
definimos experimentos determinísticos y experimentos aleatorios:

Experimento determinístico es aquel en el cual, bajo las mismas condiciones
experimentales, las repeticiones del experimento absolutamente todas, siempre producen el
mismo resultado.

El experimento Aleatorio, conservando las mismas condiciones experimentales, los
resultados no se pueden predecir, con exactitud, para ninguna repetición.

Sí, por ejemplo lanzamos una moneda al aire para observar de cual lado cae, no podemos
pronosticar con certeza, si se presenta sello o se presenta cara. Tenemos entonces presente
el componente del azar y por consiguiente un experimento aleatorio. No ocurriría igual si la
moneda estuviese diseñada igual por ambos lados y por consiguiente sería un experimento
determinístico:

Todos los posibles resultados de un experimento aleatorio, conforman
el espacio muestral que representaremos por “S”, a cualquier
subconjunto del espacio muestral se le denomina suceso o evento
aleatorio y lo denotaremos con “E”. . Cada uno de los elementos
del espacio muestral se denomina evento elemental “e”:

Definiciones sobre Sucesos:

q El evento ocurre cuando se verifica uno de los dos, o ambos sucesos.

http://tifon.unalmed.edu.co/~pagudel/10Probabilidad.html (1 de 6) [15/09/2002 7:46:03]


q El evento se presenta cuando ocurren los dos simultáneamente.

Evento o suceso elemental

Evento o suceso seguro Siempre se presenta en un experimento: S

Evento o suceso imposible nunca ocurre dentro un experimento: •

Eventos incompatibles Dos o más sucesos son incompatibles o excluyentes cuando la
ocurrencia de uno impide la presencia de los otros. Si E1, E2 excluyentes entonces

Sucesos complementarios o contrarios Dos sucesos son complementarios cuando son
mutuamente excluyentes y su unión conforma: el espacio muestral: son
complementarios . . Si E es un evento seguro, entonces E=S

En general, los sucesos o eventos, tienen las mismas propiedades de los conjuntos.

Propiedades de los eventos:



q El complemento de la unión de dos sucesos es la intersección de sus complementos:

. q El complemento de la intersección de dos sucesos es la unión de sus complementos:
.
..... .
.
. Ejemplo:

Lanzamos una moneda para observar, si cae del lado de cara o del lado de
sello:

q Espacio muestral
q Eventos elementales ,
q Evento seguro
q Evento imposible
q E1 y E2 son eventos excluyentes.

Ejemplo:

Lanzar un par de dados, marcados c/u con los números 1,2,3,4,5 y 6

Espacio muestral



E1: (suma igual a 2): suceso elemental
E2: (suma igual a 3):
E11: (suma igual a 12): suceso elemental

Con la unión e intersección de dos o mas eventos, se generan nuevos sucesos.

Ejemplo:

En una mesa hay un juego (28 fichas) de dominó, se voltea
una ficha para observar sus números:

Espacio muestral



E1: La diferencia absoluta entre sus componentes sea igual
a0

a1

a2

a3

a4

a5

a6



... ...



(Eventos)

10.1 NOCIONES DE CONTEO

10.1.1 Principio Fundamental 1

Si un suceso A puede ocurrir de n maneras y otro suceso B puede
ocurrir m maneras, entonces el suceso A ó B (Sucede el evento A ó
sucede el evento B) puede ocurrir de formas, siempre y cuando
los eventos no puedan suceder simultáneamente.

Ejemplo:
En el lanzamiento de un dado, de cuantas maneras se puede
obtener un número inferior a 2 o mayor que 4?

A: (número inferior a 2) sucede solo de una manera.
B : (número superior a 4), sucede de dos maneras
A ó B (número inferior a 2 o superior a 4)

sucede de 1+2=3 maneras.

10.1.2 Principio Fundamental 2

Si un seceso A puede suceder de n maneras y un suceso B de m formas,
entonces el suceso A y B (sucede el evento A y sucede el Evento B)
puede ocurrir de n(m) modos.

Ejemplo:
De cuantas maneras distintas pueden caer 2 dados, lanzados
simultáneamente:

A: (dado 1) puede caer de 6 maneras.

http://tifon.unalmed.edu.co/~pagudel/101probabilidad.html (1 de 5) [15/09/2002 7:46:15]


B : (dado 2) puede caer de 6 maneras
A y B (dado 1 y dado 2 ) sucede de 6(6) =36 maneras

10.1.3 Permutaciones

Se le llama permutacion a cada uno de los arreglos de n elementos,
cuya diferenciación mutua se debe al orden en que están colocados sus
elementos. Al total de permutaciones obtenidas con n elementos se le
representa por:

1

Ejemplo:
Cuantas palabras diferentes se pueden formar con las letras
n, l, o, e; así no tengan sentido?

nloe, nleo, nelo, neol, nole noel, lnoe, lneo, leno, leon, lone, loen, elon, elno,
enlo, enol, eoln, eonl, olne, olen, oeln, oenl, onle, onel.

10.1.4 Variaciones

A cada uno de los arreglos de r elementos obtenidos de un grupo de n elementos ,
cuya diferenciación mutua se deba a los elementos ó el orden de colocación, se le denomina
variación. El número total de variaciones se representa por:

Ejemplo:
Cuantos números de tres cifras se pueden construir con los dígitos
1,2,3,4,5,6,7,8,9,0 si ninguno se puede repetir

10.1.5 Combinaciones



A cada uno de los arreglos de r elementos obtenidos de un grupo de n elementos ,
cuya diferenciación mutua se deba a los elementos sin importar el orden de colocación de
. ellos, se le denomina combinación. El número total de combinaciones se representa por:
.
..... .
.
.

Ejemplo:
De cuantas maneras se puede escoger un comité de 4
hombres de un grupo de 8?

10.1.6 Permutaciones con Repetición

En el caso de las permutaciones, si el elmento1 se repite r1 veces, el elemento 2 se repite r2
veces, etc. Y el elemento k se repite rk, se le llama permutaciones con repetición y se
calcula con:

Ejemplo:
Cuantas palabras diferentes, aun sin significado, se pueden formar con las
letras de la palabra amorosos?

10.1.7 Variaciones con Repetición

En el caso de las variaciones si los elementos se pueden repetir hasta r veces se
les denomina variaciones con repetición y se obtienen por:

Ejemplo:
¿Cuantos números de cuatro cifras existen?



EJERCICIOS PROPUESTOS

1. ¿De cuántas maneras se pueden colocar dos anillos diferentes en la misma mano, de
modo que no estén en el mismo dedo?

2. Al lanzar cinco dados de distintos colores ¿cuántos resultados podemos obtener?

3. Con los números 1,2,3,4,5 y 6:

3.1 ¿Cuántos números distintos de siete cifras podríamos formar?
3.2 ¿Podremos numerar a los 3224564 habitantes de una ciudad con esos
números?

4. Se lanzan al aire uno tras otro cinco dados equilibrados de seis caras. ¿Cuál es el número
de casos posibles?

5. ¿Cuántos números de seis cifras existen que estén formados por cuatro números dos y
por dos números tres?

6. Lola tiene 25 bolitas (10 rojas, 8 azules y 7 blancas) para hacerse un collar. En- garzando
las 25 bolitas en un hilo, ¿cuántos collares distintos podrá realizar?

7. ¿Cuántas palabras distintas, con o sin sentido, podremos formar con las letras de la
palabra educación? ¿y con la palabra vacaciones?

8. Un grupo de amigos formado por Raúl, Sonia, Ricardo y Carmen organizan una fiesta,
acuerdan que dos de ellos se encargarán de comprar la comida y las bebidas ¿De cuántas
formas posibles puede estar compuesta la pareja encargada de dicha misión?

9. Una fábrica de helados dispone de cinco sabores distintos (vainilla, chocolate, nata, fresa
y cola) y quiere hacer helados de dos sabores ¿Cuántos tipos de helado podrán fabricar?

10. Un grupo de amigos y amigas se encuentran y se dan un beso para saludarse. Si se han
dado en total 21 besos, ¿cuántas personas había?

11. En una carrera de 500 metros participan doce corredores ¿De cuántas maneras pueden
adjudicarse las medallas de oro, plata, bronce?

12. ¿De cuántas formas pueden cubrirse los cargos de presidente, vicepresidente, secretario
y tesorero de un club deportivo sabiendo que hay 14 candidatos?



______________________________
1 A n! se le denomina factorial de n

... ...



(Eventos)

10.2 DEFINICIÓN DE PROBABILIDAD

Los eventos aleatorios no son predecibles con absoluta certeza, no obstante podemos
medir el grado de confianza con que se hace un pronóstico, sobre la ocurrencia o no de un
determinado suceso.

10.2.1 Probabilidad Clásica o "a priori"

Si un evento puede ocurrir de n maneras, equiprobables y mutuamente excluyentes, de las
cuales m maneras son favorables al suceso A; se define probabilidad del suceso A como:

Ejemplo:
En el lanzamiento de un dado de seis caras una vez, si

10.2.2 Probabilidad "a posteriori" o de Frecuencia Relativa

Si un experimento se repite n veces , de las cuales m veces se
presenta el suceso A, entonces es de esperarse que:



La proporción de veces que se presenta el suceso A tiende a
estabilizarse en un número entre 0 y 1 llamado probabilidad de A.
Si por ejemplo, lanzamos un dado cien veces y observamos la presencia del número “2” en
16 veces,

en tal caso

10.2.3 Probabilidad Subjetiva

En la probabilidad subjetiva intervienen preferencias y emociones del
analista que en general, son diferentes para cada caso. Por ejemplo, un
apostador puede preferir el número “3” porque su horóscopo se lo
recomienda.

10.3 AXIOMAS DE LA TEORÍA DE PROBABILIDADES

Para todo experimento, la probabilidad de ocurrencia de un evento A, p(A), es una función
que cumple con los siguientes axiomas:

10.3.1

10.3.2
10.3.3 Si dos o más sucesos son incompatibles entre sí, entonces la
probabilidad de la unión de ellos, es igual a la suma de sus
probabilidades respectivas



De estos tres axiomas podemos, fácilmente, deducir que:

10.3.3.1 La Probabilidad de un evento imposible es
igual a cero.

10.3.3.2 La probabilidad de un evento es igual
a la unidad menos la probabilidad de su complemento.
10.3.3.3 Toda probabilidad está definida entre la
probabilidad del suceso imposible y la probabilidad del
evento seguro.
10.3.3.4 .

10.3.3.5

Si dos eventos son compatibles, la probabilidad de su unión
es igual a la suma de sus probabilidades menos la
probabilidad de su intersección.

.
.
..... .
.
.



En el ejemplo del lanzamiento de dos dados si:

A : (suma sea mayor que 5 pero menor que 10)

B : (la suma sea mayor que 8)

10.4 PROBABILIDAD CONDICIONAL
E INDEPENDENCIA ESTADÍSTICA

Si tenemos los sucesos A, B en un experimento aleatorio, con p(B)>0, se llama
probabilidad condicional a: p(A/B) La probabilidad de ocurrencia del evento “A” dado que



ya se ha presentado el suceso “B”.

Ejemplo:
a un grupo de personas se le pregunta sobre la intención de
voto para las próximas elecciones.

p(vote dado que es masculino)=

p(vote dado que es femenino)=

Independencia Estadística

Por ejemplo la probabilidad de obtener un número impar en el segundo
lanzamiento de un dado, no depende de si en el primer lanzamiento se


obtuvo un número impar.


1. Defina:

1.1 Experimento aleatorio, y experimento determinístico
1.2 Evento elemental, suceso seguro, suceso imposible, eventos excluyentes y
eventos independientes.

2. Para cada uno de los eventos definidos en el lanzamiento de dos dados, calcular su
respectiva probabilidad de ocurrencia.

3. En el experimento de seleccionar una ficha de dominó, determinar las probabilidades
para todos sus eventos elementales.

4. Para el ejemplo de la intención de voto según el sexo, calcular la probabilidad de no
votante dado que es de sexo masculino.

... ...



(Eventos)

10.5 VARIABLE ALEATORIA

En el cálculo de probabilidades, generalmente, es más sencillo identificar los eventos
numéricamente, y no con la simple descripción del suceso que pueda ocurrir, es más, en
muchas ocasiones no podemos registrar todos los sucesos inmersos en el espacio muestral
del experimento. Debemos recurrir a cuantificar esos símbolos iniciales en números reales
que se puedan operar matemáticamente.

Definición: Una variable aleatoria es una función definida sobre un espacio muestral a los
números reales. Si ese espacio muestral especificado como dominio es numerable, decimos
que la variable es de tipo discreto, en caso contrario diremos que es de tipo continuo.

En el experimento de lanzar una moneda, una vez, definimos la variable aleatoria X: el
número de sellos obtenido.

X(c) = 0
X(s) = 1

En la tirada de dos dados si X es la suma obtenida:



10.6 FUNCIÓN DE PROBABILIDAD

Las variables aleatorias, transforman eventos del espacio muestral en eventos numéricos, los
cuales desde luego, tienen asociada una probabilidad de ocurrencia.

10.6.1 Función de Probabilidad f(x)=p(X=x) :

Es una función definida sobre una variable aleatoria a los reales en el
intervalo que cumple con los axiomas de la teoría de la
probabilidad.

10.6.2 Función de Distribución F(x)=p(X=x)



Es la acumulada de una función de probabilidad.

-∞ : Limite inferior de la variable X

Ejemplo:

En el Lanzamiento de una Moneda,
X: Número de Sellos

Ejemplo:

X es la Suma Obtenida en el Lanzamiento de dos Dados:



.
.
..... .
.
.

Ejemplo:

Si X: Diferencia en Valor Absoluto,
Entre los dos Sectores de una Ficha de Dominó:

Hemos creado 3 ejemplos de funciones de probabilidad para variables
aleatorias discretas con sus respectivas funciones de distribución, que
nos permiten calcular las probabilidades para cualquier tipo de evento.
Calculemos algunas para el lanzamiento del par de dados, donde X es la
suma obtenida:

Consultando directamente en la función de distribución de esta variable
discreta, F(x)=p(X≤x) tenemos:



Para el caso continuo, supongamos que un practicante de tiro al blanco siempre acierta
indistintamente, en un círculo de 20 centímetros de radio.



La distancia que hay entre el punto “a=0” (centro) y cualquier punto de la circunferencia
“b=20” es .

¿ Cuál es la probabilidad que un disparo impacte a menos de 15 cm del centro? ¿ a más de 9
centímetros? ¿Entre 7 y 14 centímetros?

Para toda variable continua:




1. Defina: Variable aleatoria, variable aleatoria discreta, variable aleatoria continua, función
de probabilidad y función de distribución.

2. En el ejercicio de la ficha de dominó, si X representa la diferencia absoluta entre los dos
números, representar y calcular la probabilidad de ocurrencia de los siguientes eventos:

2.1 La diferencia sea menor o igual a 5
2.2 La diferencia sea mayor que 2
2.3 La diferencia sea mayor que 2 pero menor o igual 5
2.4 La diferencia sea mayor que 5 ó menor que 3

... ...



(Eventos)

10.7 VALOR ESPERADO (ESPERANZA MATEMÁTICA)

10.7.1 Media Aritmética Poblacional

En el tratamiento de las medidas de tendencia central, resaltamos la importancia de la
media aritmética de una variable, como parámetro representativo de una muestra.

En el análisis poblacional, la media aritmética o valor esperado de una variable aleatoria, se
define como el promedio ponderado de los diferentes valores que puede asumir la variable
X, usando como ponderaciones las probabilidades respectivas de ocurrencia.

si X es discreta ó

si X es continua

-∞ : límite inferior de la variable
∞: límite superior de la variable

Ejemplo:

X es la Suma Obtenida en el Lanzamiento de Dos Dados



.
.
..... .
.
.

En promedio la suma obtenida en N tiradas es de “7”. Si
pagaramos en pesos la suma obtenida en cada lanzamiento,
deberíamos cobrar más de 7 pesos para obtener utilidad en
el juego.

En la variable X, distancia del centro al punto de impacto
del tirador, el valor esperado es:

10.7.2 Varianza Poblacional

Similarmente a la definición de la media aritmética poblacional, la varianza se define como:

ó


1. Calcular el valor esperado para la variable diferencia en el ejemplo del dominó.



2. Si usted juega chance, calcule su valor real de acuerdo con los premios que espera
obtener y compárelo con lo que realmente paga.

3. Tome un billete de lotería y calcule su precio equitativo.

4. Un contrabandista se enfrenta al siguiente dilema: Introducir o no, mercancía por valor
de 5'000.000 obteniendo una utilidad de 1'000.000. El riesgo de ser detectado y castigado
con el decomiso de la mercancía es del 17%. ¿Que le aconseja usted.?

... ...


ESTADÍSTICA APLICADA 11. Distribuciones Especiales

11. Distribuciones Especiales
En el capítulo anterior desarrollamos modelos probabilísticos a partir de abstracciones de los
experimentos previamente descritos, a los cuales se les crea una función de probabilidad,
que describa las posibilidades de esa realidad experimental.

Muchos de los acontecimientos cotidianos, pueden ser asimilados a funciones probabilísticas
teóricas, que son de gran ayuda en la toma de decisiones bajo condiciones de incertidumbre.
Eminentes estudiosos de la estadística han planteado modelos probabilísticos que han
contribuido al desarrollo de la ciencia. Veamos algunos de ellos:

11.1 DISTRIBUCIÓN DE BERNOULLI

Se puede afirmar que el experimento de Bernoulli, describe el modelo aleatorio más sencillo,
el cual tiene las siguientes características:

q En el experimento sólo se hace un ensayo.

q En el experimento sólo se admiten dos resultados incompatibles, que llamaremos
éxito y fracaso.

q La probabilidad de un éxito es p(E)=p.

q La probabilidad de un fracaso es p(F)=1-p = q

q X : es el número de éxitos x = 0,1.

http://tifon.unalmed.edu.co/~pagudel/11distribuciones.html (1 de 13) [15/09/2002 7:47:48]


Es el caso cuando se lanza una moneda una vez y se observa de cual lado cae o se analiza un
artículo para ver si está defectuoso o no, se obtiene o no un trabajo etc.

11.2 DISTRIBUCIÓN BINOMIAL

La distribución binomial se obtiene haciendo n pruebas de Bernoulli independientes entre sí,
en tal caso tiene las siguientes características:

q n : número de repeticiones independientes del experimento de Bernoulli.
q Todas las pruebas deben tener una probabilidad constante de éxito “p” y una
probabilidad constante de fracaso “q”=1-p.
q X : es el número de éxitos en las n pruebas, entonces; n-X : número de fracasos.

Analicemos el experimento con tres repeticiones:

. (1)



(1) se puede expresar como:




entonces para n=3, tenemos que:



En general la función de probabilidad binomial tiene la siguiente forma:

y la función de distribución:

La media aritmética de una variable aleatoria con distribución binomial es
, y varianza . Con los parámetros n, y p se tipifica la
distribución binomial y la representamos como: .

La distribución binomial es simétrica cuando p=0.5, en caso contrario es asimétrica a la
izquierda o a la derecha, según el valor de p sea inferior o superior a 0.5. Ver gráfico:



Tablas Binomiales



.
.
..... .
.
.



Ejemplo:

Se sabe que el 20% de la cartera de una empresa está vencida, se toma una
muestra al azar de 15 cuentas. ¿Cuál es la probabilidad de que:

1. Haya cuatro ó menos cuentas vencidas?
2. Haya menos de cuatro cuentas vencidas?
3. Haya más de dos cuentas vencidas.
4. Haya más de dos pero menos de cinco cuentas vencidas?
5. Haya exactamente 3 cuentas vencidas?
6. No haya cuentas vencidas?
7. Cuál es valor esperado de cuentas vencidas?
8. Cuál es la desviación estándar para el número de cuentas vencidas?

Solución:

X: número de cuentas vencidas.
Éxito: Cuenta vencida.
Probabilidad de éxito : p=0.2
Número de pruebas n=15



1. En las tablas de distribuciones binomiales, , en la intersección
x=4 y p=0.2, consultamos .

2.

3.

4.

5.

6.

7.

8.

... ...




11.3 DISTRIBUCIÓN DE POISSON

La distribución de Poisson es de gran utilidad cuando tenemos variables distribuidas a
través del tiempo ó del espacio. Es el caso del número de llamadas que entran a una central
telefónica en una unidad de tiempo, la cantidad de personas que atiende un cajero en una
hora, los baches por kilómetro en una autopista, los artículos defectuosos que hay en un
lote de producción; amén de su utilización como aproximación binomial cuando p es muy
cercano a cero, o n superior a 30. (p<0.1 , n>30).

La función de probabilidad de Poisson es:

Donde:

: es decir, la media aritmética es igual a la varianza.

: (la base de los logaritmos naturales).
X: número de éxitos en la unidad de tiempo o de espacio
considerado.

Ejemplo:

Un cajero de un banco atiende en promedio 7 personas por
hora, cual es la probabilidad de que un una hora
determinada:
1. Atienda menos de 5 personas
2. Atienda más de 8 personas
3. Atienda más de 5 pero menos de 8 personas



4. Atienda exactamente 7 personas

Consultando la tabla para la distribución de Poisson:

1.

2.

3.

4.

Ejemplo:

En cierto núcleo poblacional, el 0.5% es portador del V.I.H. En una muestra
de 80 personas, cual es la probabilidad:

1. De que haya alguna persona portadora.
2. No haya personas portadoras.

Solución:

1.
2.

Probabilidades de Poisson Acumuladas



.
.
..... .
.
.

11.4 DISTRIBUCIÓN NORMAL

Dada la caracterización propia de este modelo continuo, donde coinciden las medidas de
tendencia central, media, moda y mediana; la simetría respecto a estos parámetros y la
facilidad de su aplicación hacen de la distribución normal, una herramienta de uso común,
máxime que la mayoría de las variables económicas y sociales se ajustan a una función
normal.

La distribución normal, también es útil como aproximación de los modelos binomial y
poisson expuestos anteriormente, y yendo un poco más adelante, sustentados en el teorema
del “límite central” podemos afirmar que, cuando el tamaño de la muestra es lo
suficientemente grande, podemos asumir el supuesto de normalidad para una suma de



variables.

La forma acampanada de la variable normal, resalta la perfección de esta curva definida
por los parámetros

se representa como:

La aparente complejidad de la distribución normal no debe preocupar al lector, donde:

X : Variable aleatoria distribuida normalmente
Media aritmética de la variable
Varianza de la variable
e 2.71828 constante (base de los logaritmos naturales)
3.1416 constante

Sin embargo, existen infinitas distribuciones normales, ya que por cada media aritmética ó
varianza diferente se describe una función también diferente:

Normal Diferente Media Igual Varianza

Normal Diferente Varianza Igual Media



... ...




11.5 DISTRIBUCIÓN NORMAL ESTANDAR

Con el sinnúmero de diferentes distribuciones normales que se generarían con cada media o
varianza diferente, se hace necesario efectuar un cambio de origen y de escala en la variable
original, para estandarizarla y obtener una nueva variable cuya manipulación es más fácil:

con , la nueva variable Z se distribuye normalmente con media
aritmética y varianza

Dado que la distribución normal es una variable continua

Ejemplo:

Si asumimos que la resistencia de las baldosas se distribuye
normalmente con y




Si extraemos una baldosa al azar : Cual es la probabilidad de que:

1. Resista menos de 448 Kg/cm2?
2. Resista más de 588 Kg/cm2 ?
3. Resista entre 308 y 588 Kg/cm2 ?
4. Resista entre 168 y 728 Kg/cm2 ?
5. Resista más de 600 Kg/cm2 ?
6. Resista menos de 200 ó más de 700 Kg/cm2 ?

Con la ayuda de los valores tabulados:



.
.
....
.
.
.
.




1. La probabilidad de que un visitante efectúe una compra en un almacén,
durante un día dado es 0.8. Si al negocio entran 20 clientes, ¿cuál es la
probabilidad de que el almacén realice:

1.1 Exactamente 16 ventas?
1.2 Menos de 17 ventas?
1.3 Más de 14 ventas?
1.4 Exactamente 5 ventas?
1.5 ¿Cuál es el número esperado de ventas?

2. Si un almacén tiene en promedio 5 ventas por hora. ¿Cual es la
probabilidad de que en una hora determinada:

2.1 Haya exactamente 4 ventas?
2.2 Haya más de 3 ventas?
2.3 No se efectúen ventas?



3. Una de cada 10 personas mayores de 40 años de una comunidad, sufren
de hipertensión. Se toma una muestra de 50 personas mayores de 40 años.
Utilizando primero la distribución binomial y luego la aproximación a la
distribución de Poisson, responder y comparar los resultados:

3.1 ¿Cuál es la probabilidad que haya más de 4 hipertensos?
3.2 ¿Cuál es la probabilidad que haya exactamente 5
hipertensos?

4. Un lote de arandelas tiene un diámetro normal con media 10
milímetros y desviación típica 0.5 milímetros. Se toma una arandela al
azar. ¿Cuál es la probabilidad de que tenga un diámetro:

4.1 Superior a 10.5 milímetros?
4.2 Entre 9 y 11 milímetros?
4.3 Menos de 9 milímetros?

... ...




11.6 EL TAMAÑO DE LA MUESTRA

El teorema del limite central, sustenta la aproximación a la normalidad para muchas
distribuciones discretas. Cuando el tamaño de la muestra es grande, y dicha muestra es
tomada de cualquier distribución con media •, finita y varianza σ2 finita, entonces la media
aritmética muestral tiene una distribución normal con media y varianza

Podemos entonces establecer intervalos de confianza para
,
α : es denominado el nivel de significancia , si la significancia es por
ejemplo, α=0.05 entonces la confiabilidad es del 0.95.



Si entonces el 95% de las muestras se encontrarán en el
intervalo

,

ahora bien , como los parámetros poblacional • y σ son desconocidos, para muestras
grandes (n>30) la varianza muestral S2 es un buen estimador de la varianza poblacional σ2 ,
podemos afirmar con una confiabilidad predeterminada que la media aritmética poblacional
• se halla en el intervalo

estamos admitiendo que la diferencia máxima entre • y es de:

esto es:

entonces el tamaño de muestra mínimo es

donde :

: Valor crítico obtenido de la tabla normal, para una
confiabilidad de
S2: Varianza muestral
e: Error máximo admitido

Sin embargo, n está en función de la varianza, la cual en la práctica es desconocida, ante lo
cual debemos hacer un muestreo piloto para estimar la varianza y proceder a reajustar el
tamaño de la muestra mínimo.



Ejemplo:

Se desea realizar una investigación para analizar, cual es la
resistencia promedio de una producción de baldosas. Si
admitimos un error máximo 25 Kg/Cm2, cual debe ser el
tamaño de muestra mínimo si exigimos una confiabilidad
del 95%, y en una muestra piloto obtuvimos una desviación
típica de 140 Kg/Cm2?

Con una confiabilidad del 90% se quiere estimar la
proporción de ciudadanos que votará en las próximas
elecciones. Cual debe ser el tamaño de la muestra, si
admitimos un error del 3% y se sabe que en las pasadas
elecciones hubo una abstención del 70%?

Dado que X es una distribución binomial con •x= np y

Entonces
.
.
..... .
.
. por consiguiente



... ...


ESTADÍSTICA APLICADA Apéndice No. 1

Apéndice No. 1
Una expresión general para cualquier media particular es la siguiente:

Si consideramos que todos los datos tiene frecuencia igual a la unidad, es decir:

La fórmula general queda:

Donde:

M (t): Media
Σx: Suma de todos los datos.
n: Número de datos
t: Un valor arbitrario - < t <

Como se puede observar; dándole valores a t, se obtienen medias particulares. Las más
comunes son:

Para t = 1,

http://tifon.unalmed.edu.co/~pagudel/apendice1.html (1 de 3) [15/09/2002 7:49:22]


Para t = -1,

. La cual se denomina media armónica.
.
..... . Nótese que la media armónica es el recíproco de la media aritmética de los recíprocos de
. los datos.
.
Antiguamente la media armónica era llamada subcontraria.

Para t = 2,

Si t = 0,

Para resolver la indeterminación presentada por:

se procede de la siguiente forma:



... ...



Apéndice No. 2
Para obtener la fórmula m se deben hacer los siguientes supuestos:

1. El mínimo de datos que amerita clasificación en intervalos es 16.

2. El número de intervalos no debe ser inferior a (5).

3. Cada vez que se duplique la información se incrementa en uno (1) el número de
intervalos.

Así las cosas, se obtiene la siguiente correspondencia:

.
.
..... .
.
.

Se llega a la siguiente igualdad:

n = 2m –1

Tomando logaritmo a ambos lados de la ecuación



... ...



Apéndice No. 3
Ejercicio general de aplicación.

Número de Personas por Familia y Consumo
Diario de Arroz, Según Encuesta a 50 Familias de Quibdó

Como puede observarse, la variable X (número de personas por familia) es de tipo discreto,
cuyos ítems no necesitan agruparse en intervalos; sin embargo, la variable Y (gramos de arroz
diarios consumidos por familia) es una variable de tipo continuo y sus valores tienen poca
frecuencia; en consecuencia, se hace necesario la agrupación en clases o intervalos:



1.

2.

3.

4.

5.

6.

7. Construcción de los intervalos:

Así las cosas, se procede a construir una tabla de doble entrada, con las variables X, Y para
efectuar el conteo respectivo.

Numero de Personas por Familia
y Consumo Diario de Arroz, en un Grupo de 50 Familias



De la anterior tabla se pueden obtener, entre otras, las siguientes conclusiones:

q El 62 % de las familias las conforman entre 5 y 7 personas.

q El 62 % de las familias tienen 6 personas o menos.

q El 64 % de las familias consume entre 400 y 800 gramos de arroz, diariamente.

q El 84 % de las familias consume menos de 1000 gramos diarios de arroz.

Calculemos ahora las medidas de tendencia central y dispersión más importantes, a través de la
siguiente tabla:

Tabla de Trabajo para el Cálculo de

.



. . . ..
. .
.
.

Luego, es más dispersa la variable y: Consumo de arroz.

Búsqueda de la correlación entre las dos variables.

1. Diagrama de Dispersión

Se vislumbra una correlación positiva y una tendencia rectilínea.

2. Cálculo del Coeficiente de Correlación.

Tabla de Trabajo para el Cálculo de Coeficiente de Correlacion



Debido a que los datos están agrupados en frecuencias, debemos hacer los cálculos teniendo en
cuenta las veces que cada par de observaciones se repite.

Entre el número de personas por familia y el consumo de arroz, existe una correlación positiva
excelente.

Se pueden utilizar los mismos totales para efectos de calcular los parámetros a y b de la recta de
regresión.



El modelo lineal queda por consiguiente:

Modelo que predice el consumo de arroz, en función del número de personas por familia:

Para finalizar, veamos el comportamiento gráfico del modelo rectilíneo entre el número de
personas por familia y el consumo de arroz.

Recta de Regresión



... ...


ESTADÍSTICA APLICADA Solución a Algunos Ejercicios Propuestos

Solución a Algunos Ejercicios
Propuestos
3.1-6

3.1-7 Edad

3.1-7 Estado Civil

http://tifon.unalmed.edu.co/~pagudel/ejercicios.html (1 de 12) [15/09/2002 7:50:20]


3.1-7 Número de Hijos

3.1-7 Experiencia Laboral

3.1-7 Escolaridad



3.1-7 Gastos en Educación

3.1-7 Ausencias

3.2-4



3.1-7 Calificación

3.2-4

3.1-7 Calificación



4-5 Histograma

4-5 Polígono

4-5 Histograma Acumulado



.
.
....
.
.
.
.
4-5 Polígono de Frecuencias Acumuladas

4-8



5-6

7-4

8-1



9-7



9-8

10.1-1 Si se usa el pulgar:

10.1-2 Variaciones con repetición



10.1-5 Permutaciones con repetición

10.1-8 Combinaciones

10.1-10 Combinaciones

10.4-4

10.6-2.1

10.6-2.2



10.6-2.3

10.6-2.4

10.5-4.1

10.5-4.2

10.5-4.3



... ...


ESTADÍSTICA APLICADA Enlaces

Enlaces

Librería Virtual Elaleph
www.elaleph.com/

Universidad Nacional de Colombia sede Medellín
www.unalmed.edu.co/

El Portal de las Matemáticas
www.matematicas.net/

Libros y Software Gratis
www.recursosgratis.com/

DANE Colombia
www.dane.gov.co/

Planeación Nacional Colombia N.N.P.
www.dnp.gov.co/

Ministerio de Desarrollo Colombia
www.mindesa.gov.co/

Web Estadístico de Navarra
www.lander.es/

Bioestadística: Métodos y Aplicaciones
ftp.medprev.uma.es/libro

Aula Fácil
..... ..... www.aulafacil.org/

Probabilidad y Estadística
w3.mor.itesm.mx/

Diseño de Experimentos y Teoria de Muestras

http://tifon.unalmed.edu.co/~pagudel/enlaces.html (1 de 2) [15/09/2002 7:50:24]

ESTADÍSTICA APLICADA Enlaces

libros.netstoreusa.com/

Distribuciones Estadísticas
www.sisweb.com/

Probabilidad
thales.cica.es/

Distribución de Poisson
www.ual.es/

Tratamiento de la Incertidumbre
www.dc.fi.udc.es/

Universidad de Antioquia
extension.udea.edu.co/

Estadística Lejarza
www.uv.es/

... ...

http://tifon.unalmed.edu.co/~pagudel/enlaces.html (2 de 2) [15/09/2002 7:50:24]

ESTADÍSTICA APLICADA Referencias Bibliográficas

Referencias Bibliográficas

Alatorre, et al., Introducción a los métodos estadísticos, México, UPN.

Azorín, Poch. Francisco. Curso de muestreo y aplicaciones, Aguilar, 1969.

Barahoma, Abel y otro. Metodología de trabajos científicos, Ipler, 1979.

Bencardino M., Ciro. Estadística, Apuntes y 600 Problemas Resueltos, 2a Edición,
Ecoe, 1982.

Castillo, Juana, Estadística inferencial básica, México, CCH, UNAM.

CHAO. Lincoln L. Estadística para Ciencias Administrativas, 2a Edición, MCGRAW-
HILL, 1980.

Dixon, Wilfrid J y otro. Introducción al Análisis Estadístico, 2a Edición, MCGRAW-
HILL, 1965.

Doms, Fernan P. La Estadística Qué Sencilla, 2a Edición, Paraninfo, 1969.

Downie, N. M. y otro. Métodos Estadísticos Aplicados. Harper Row Publishers Inc.,
1970.

Giardina, Basilio. Manual de Estadística, 3 Edición, 1972.

Haber, Audrey. Estadística General, Fondo Educativo Interamericano, 1973.

Hoel, Paul G. Estadística elemental, México, CECSA.

Johnson, Robert, Estadística elemental, Buenos Aires, Grupo Editorial
Iberoamericana.
...
..... Kazmier, Leonard J. Estadística Aplicada a la Administración y la Economía,
..
MCGRAW-HILL, 1978.

Leitold Louis. El Cálculo con Geometría Analítica, 2a Edición, Harla S.A., 1973.

Levin Yack. Fundamentos de Estadística en la Investigación Social, 2a Edición, Harla
S., 1977.

Llerena, León, Ricardo y otro. Curso de Estadística General, U. de A., 1981.

http://tifon.unalmed.edu.co/~pagudel/bibliografica.html (1 de 2) [15/09/2002 7:50:28]

ESTADÍSTICA APLICADA Referencias Bibliográficas

Mejía V., William. Bioestadística General, Escuela Nal. De Salud Pública, U. de A.,
1980.

National Council of Teachers. Of. Mathematics USA. Recopilación, Organización e
interpretación de Datos, Trilla, 1970.

Portilla, Ch. Enrique. Estadística, Primer Curso. Interamericano, 1980.

Richards, Larry E. Y otro. Estadística en los Negocios. ¿porqué y cuándo?,
MCGRAW-HILL,1978.

Seymour, Lipschutz, Teoría y problemas de probabilidad, México, McGraw-Hill.

Shao, Stephen P. Estadística para Economistas y Administradores de Empresas, 15a
Edición, 1979.

Spiegel, Murray R. Estadística, MCGRAW-HILL, 1970.

Spiegel, Murray, Teoría y problemas de estadística, México, McGraw-Hill.

Stevenson, William, Estadística, México, Harla.

Yamane, Taro, Estadística, México, Harla.

... ...

http://tifon.unalmed.edu.co/~pagudel/bibliografica.html (2 de 2) [15/09/2002 7:50:28]

ESTADÍSTICA APLICADA Norbeto Guarín Salazar

NORBERTO GUARÍN SALAZAR
Estadístico Universidad de Medellín
M.Sc. Estadística Universidad Nacional de Colombia
Profesor Asociado Universidad del Chocó

..... .....

... ...

http://tifon.unalmed.edu.co/~pagudel/nguarin.html [15/09/2002 7:50:30]

Curso de estadistica aplicada

Más contenido relacionado

Destacado (20)

Similar a Curso de estadistica aplicada (20)

Último (20)

Curso de estadistica aplicada