Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESTADSTICA ADMINISTRATIVA I
(Licenciatura en administracin)
Estadstica Administrativa I
pag. 1
ESTADSTICA ADMINISTRATIVA I
(Licenciatura en administracin)
pag. 2
3.2 Poisson
3.2.1 Propiedades: media, varianza y desviacin estndar
3.2.2 Grfica
3.3 Hipergeomtrica
3.3.1 Propiedades: media, varianza y desviacin estndar
3.3.2 Grfica
3.4 Normal
3.4.1 Propiedades: media, varianza y desviacin estndar
3.4.2 Grfica
3.5 Aproximacin de la normal a la binomial
3.5.1 Propiedades: media, varianza y desviacin estndar
3.5.2 Grfica
IV Muestreo y estimaciones
4.1 Definicin de muestreo
4.1.1 Tipos de muestreo aleatorio, sistematizado, estratificado y conglomerados
4.2 Concepto de distribucin de muestreo de la media
4.2.1 Distribucin muestral de la media con conocida y desconocida
4.2.2 Distribucin muestral de la 1-1 con conocida y desconocida
4.2.3 Distribucin muestral de la proporcin
4.2.4 Distribucin muestral p1-p2
4.3 Teorema del lmite central
4.4 Tipos de estimaciones y caractersticas
4.5 Determinacin del tamao de la muestra de una poblacin
4.6 Intervalos de confianza para la media, distribucin Normal y t
4.6.1 Determinacin del tamao de la muestra con grado de confianza y estimacin
4.7 Intervalo de confianza para la diferencia entre dos medias 1 - 2 con y 12 conocidas, con el
uso de la distribucin normal y la t student
4.8 Una sola muestra: estimacin de la proporcin
4.9 Intervalo de confianza para la diferencia de dos proporciones
V Control estadstico de Proceso
5.1. Introduccin a la calidad total
5.2. Control estadstico
5.3. Tipos de variacin
5.4. Graficas de control
5.4.1.Grficas de control para la media del proceso: grfica
5.4.2 Grficas de control para la desviacin estndar del proceso: (S)
5.4.3 Grficas de control para el rango del proceso. Graficas ( R )
5.4.4 Software estadstico
Estadstica Administrativa I
pag. 3
BIBLIOGRAFA (Temario)
1) Levin I. Richard.
Estadstica para administradores
Editorial: Prentice-Hall.
Observaciones:
2) Mendenhall.
Estadstica para administradores.
Editorial: Grupo Editorial Iberoamericana.
_________________________
_________________________
_________________________
3) Stephen P. Sha O.
Estadstica para economistas y administracin de empresas.
Editorial: Harreu. H.
_________________________
_________________________
_________________________
4) Kazmier.
Estadstica para administracin economa y ciencias sociales.
Editorial: McGraw Hill
_________________________
_________________________
5) Spiegel. Murray V.
Estadstica. Editorial:
McGraw Hill
_________________________
_________________________
_________________________
_________________________
Estadstica Administrativa I
pag. 4
(1) www.bibitec.org.mx
(2) Programas: Mathcad y
SSPS.
BIBLIOGRAFA (Apuntes)
Estadstica I
Napolen Labastida Lpez
I.P.N. Limusa
IMPORTANTE
Entregar apuntes completos al
finalizar
el
curso.
(con
Probabilidad y Estadstica
Walpole y Mier
Mc Graw Hill
durante el semestre)
Las
tareas
trabajos
de
Probabilidad y Estadstica
Problemas de Probabilidad
Hugo E. Borras Garca
Rafael Iriarte B.
Facultad de Ingeniera
UNAM
LINKS
software de la lista.
Entregar reporte de lecturas
seleccionadas.
Entregar 10 problemas resueltos
por cada tema.
http://www.minitab.com
http://www.spss.com/corpinfo/
Estadstica Administrativa I
pag. 5
UNIDAD I
RECOPILACIN DE LA INFORMACIN
CONCEPTOS DE ESTADSTICA Y SU CLASIFICACIN
ESTADSTICA. Es la ciencia que estudia los medios para derivar informacin vlida a partir de un
conjunto de datos. Es decir, estudia los mecanismos para la obtencin de datos as como su
manipulacin y anlisis.
El estudio de la estadstica se ha concretado primordialmente en el anlisis de datos y su aplicacin en la
toma de decisiones, lo que ha permitido dividir a la estadstica en:
Estadstica descriptiva
Inferencia estadstica (estadstica inductiva o estadstica analtica).
ESTADSTICA DESCRIPTIVA. Es el proceso que se relaciona con los mtodos y/o tcnicas para
la recopilacin, organizacin y anlisis de un conjunto de datos cuantitativos, con el objeto de
describir en forma apropiada las diversas caractersticas de dicho conjunto.
INFERENCIA ESTADSTICA. Es la tcnica o metodologa mediante la cual es posible realizar la
estimacin de las caractersticas de una poblacin o realizar la toma de decisiones basados en resultados
muestrales.
DEFINICIONES
POBLACIN. Es la totalidad de elementos de un grupo dado que posee una caracterstica delimitada
para el alcance de una investigacin.
MUESTRA. Se denomina muestra a una porcin de datos representativos de una poblacin.
PASOS PARA EFECTUAR UN ESTUDIO ESTADSTICO
El uso de los mtodos estadsticos es muy variado y se aplican generalmente a distintos campos como
son los negocios, economa, educacin, medicina, ingeniera, etc. Para lo cual el proceso para realizar
un estudio estadstico est constituido de las siguientes etapas:
1. Formulacin del problema. Para realizar el estudio de un problema es necesario delimitarlo y
formularlo adecuadamente, definindolo de manera clara y precisa.
2. Diseo del experimento. Esta etapa se basa primordialmente en obtener un mximo de
informacin empleando un mnimo de costo y tiempo.
Estadstica Administrativa I
pag. 6
pag. 7
en la obtencin de datos cuantitativos por medio de la medicin del fenmeno que se este
observando. Para realizar la observacin se utilizan diversos instrumentos auxiliares los cuales son:
1.- La ficha de campo
2.- Estudio de Actividades
realizadas con anterioridad, biografas, etc.
3.- La entrevista
4.- La encuesta
Investigacin
Documental
Bibliogrfica
Hemerogrfica
Escrita
Audiogrfica
Videogrfica
Iconogrfica
Dispositivo magntico
Ficha de campo
Observacin
directa
Actividades anteriores
Entrevista
Formal
Informal
Encuesta
Cuestionario
Cdula de entrevista
Campo
Por interrogacin
Estadstica Administrativa I
pag. 8
DISTRIBUCIN DE FRECUENCIAS
Distribucin de Frecuencia: Es una representacin tabular en la cual se disponen datos divididos en
grupos ordenados numricamente y que se denominan clases o categoras.
Para calcular el nmero de clases de una tabla de frecuencias podemos usar las siguientes
expresiones frmulas:
a)
Raz cuadrada
k =
b)
Regla de Sturges
k = 1 + 3.3 log n
c)
Regla de Stockes
k =
Estadstica Administrativa I
pag. 9
ln(n )
+1
ln(2)
M. en C. Jos Luis Hernndez Gonzlez
10
18
20
19
14
17
10
13
20
10
11
16
19
12
16
15
13
20
10
13
19
n = 35
a)
Raz cuadrada
k =
= 5.916
b)
Regla de Sturges
= 6.095
c)
Regla de Stockes
k =
ln(n )
+1
ln(2)
= 6.129
35
Rango= 20 1 = 19
I=
recorrido 19
=
= 3.1667 4
k
6
Clase
Frecuencias
Frecuencias
Frecuencias
Frecuencias
frecuencias
Marca de
acumuladas
relativas
acumuladas
clase
relativas
li
ls
Fa
fr
far
5/35
5/35
2.5
12
7/35
12/35
6.5
19
7/35
19/35
10.5
27
8/35
27/35
14.5
35
8/35
35/35
18.5
35
k = Nmero de clases
35
ls = Lmite Superior
li = Lmite Inferior
I = Ancho de clase
Estadstica Administrativa I
pag. 10
HISTOGRAMAS
frecuencias
6.5
10.5
14.5
16.5
marca de clase
Polgonos de frecuencia: Es un diagrama de lnea que usa los mismos ejes y escala del histograma,
formando un polgono.
frecuencias
10
8
6
4
2
0
-1.5
2.5
6.5
10.5
14.5
16.5
20.5
16.5
20.5
marca de clase
frecuencias
10
8
6
4
2
0
-1.5
2.5
6.5
10.5
14.5
marca de clase
Estadstica Administrativa I
pag. 11
4.5
8.5
12.5
16.5
20.5
16.5
20.5
frecuencias acumuladas
lmites
40
35
30
25
20
15
10
5
0
0.5
4.5
8.5
12.5
lmites
Estadstica Administrativa I
pag. 12
La mayora de los datos se muestra la tendencia de agruparse alrededor de un punto central y es posible
elegir un valor promedio que describa al conjunto. Las ms usuales son: la Media Aritmtica, la
Mediana, Moda y el Rango Medio.
Media aritmtica
n
xi
muestra
x = i =1
n
x1 + x 2 + K + x n
n
=
N
xi
poblacin
= i =1
N
Mediana
Md =
n +1
posicin
2
Moda (Mo)
Rango medio
x mayor + x menor
2
Rm =
Media geomtrica
M g = n x i = n x1x 2 K x n
i =1
Estadstica Administrativa I
pag. 13
utilizando logaritmos
n
log x i
x i =1
M g = 10
M 1 =
1
1
1
+
+K+
x1 x 2
xn
i =1 i
x i2
Mc =
i =1
x 12 + x 22 + K + x 2n
=
n
wixi
x = i =1
x1w 1 + x 2 x 2 + K + w n x n
w1 + w 2 + K + w n
wi
i =1
Cuartiles (Qi)
Qi =
ni
Di =
ni
1
posicin
2
1
posicin
2
1
posicin
2
Deciles (Di)
10
Percentiles (Pi)
Pi =
Estadstica Administrativa I
ni
100
pag. 14
MEDIDAS DE DISPERSIN
Es una propiedad que describe a un conjunto de datos en relacin al grado de variacin o diseminacin
de los mismos las medidas mas usuales son el rango, la desviacin media, la varianza y la desviacin
Estndar.
R = x mayor x menor
Desviacin media (D. M.)
D.M. =
n | x x |
i
i =1
| x1 x | + | x 2 x | + K + | x n x |
n
Varianza
n
muestra
s2 =
i =1
2 =
poblacin
(x i x) 2 (x 1 x) 2 + (x 2 x) 2 + K + (x n x) 2
=
n 1
n 1
N ( x ) 2
i
i =1
Desviacin estndar
muestra
(x i x ) 2
s= s =
n 1
i =1
poblacin
( x i ) 2
= =
N
i =1
Coeficiente de variacin
cv =
s
x
cv =
Coeficiente de asimetra
ca =
Estadstica Administrativa I
3( x M d )
s
pag. 15
ca =
3( M d )
x =
80 + 78 + 60 + 33 + 80 + 90 + 80 + 98 599
=
= 74.875
8
8
Md =
33
1
60
2
78
3
80
4
8+1
= 4.5 posicin
2
80
5
80
6
90
7
98
8
4.5 posicin
Md = 80
Mo = 80
Rm =
Q2 =
98 + 33
= 65.5
2
(8)(2)
4
1
= 4.5 posicin
2
MEDIDAS DE DISPERSIN
R = 98 33 = 65
s=
403.839 = 20.0958
cv =
20.0958
= 0.268
74.875
ca =
3(74.875 80)
20.0958
Estadstica Administrativa I
2826.88
= 403.839
7
= .0765
pag. 16
DATOS AGRUPADOS
Cuando el conjunto de datos es muy grande lo podemos organizar en una tabla de frecuencias y
despus calcular sus medidas como datos agrupados.
n
x ifi
Media
n = Nmero de datos
x = i =1
li = Lmite inferior
fi
f = Frecuencia
i =1
Mediana
Moda
Cuartiles
Deciles
Percentiles
fa a
I
M d = li + 2
f
1
M o = li +
1 + 2
ni
fa a
Q i = li + 4
ni
fa a
I
D i = li + 10
ni
fa a
I
Pi = li + 100
( x ) 2 f i
Varianza
2 = i =1
fi
i =1
Estadstica Administrativa I
pag. 17
fa
xf
(x-)2f
2.5
12.5
387.2
12
6.5
45.5
161.28
19
10.5
73.5
4.48
27
14.5
116.0
81.92
35
18.5
148.0
414.72
35
395.5
1049.6
li
ls
Media
=
395.5
= 11.30
35
Mediana
Buscar en las frecuencias acumuladas el valor de
n
35
=
= 17.5 en las frecuencias acumuladas,
2
2
como no aparece tmese el rengln con la frecuencia mayor a 17.5 que corresponde a la clase de 8.5
a menos de 12.5.
li
ls
fa
2.5
12
6.5
19
10.5
27
14.5
35
18.5
35
sustituir
li = 8.5
faa = 12
f =7
I= 4
17.5 12
M d = 8 .5 +
4 = 11.64
7
Moda
Tomar la mayor frecuencia, considerar el valor de 8 en la clase de 12.5 a menos de 16.8.
li = 12.5
1 = 1
2 = 0
I =4
1
M o = 12.5 +
4 = 16.5
1+ 0
Estadstica Administrativa I
pag. 18
Varianza
2 =
1049.6
= 29.99
35
29.99 = 5.473
Desviacin estndar
11.30 (agrupados)
5.47 (agrupados)
Asimetra. Es una medida del grado de distorsin respecto a la simetra que presenta una distribucin
de frecuencias. Cuando una distribucin es perfectamente simtrica los valores de la media, la
mediana y de moda son iguales.
Simtrica
Asimetra positiva
(a la derecha)
Asimetra negativa
(a la izquierda)
Leptocrtica
Mesocrtica
Platicrtica
Estadstica Administrativa I
pag. 19
UNIDAD II
INTRODUCCIN A LA PROBABILIDAD Y VALOR ESPERADO
CONJUNTOS Y TCNICAS DE CONTEO
DEFINICIN Y NOTACIN DE CONJUNTOS
El trmino conjunto juega un papel fundamental en el desarrollo de las matemticas modernas;
Adems de proporcionar las bases para comprender con mayor claridad algunos aspectos de la teora
de la probabilidad. Su origen se debe al matemtico alemn George Cantor (1845 1918).
Podemos definir de manera intuitiva a un conjunto, como una coleccin o listado de objetos con
caractersticas bien definidas que lo hace pertenecer a un grupo determinado.
Para que exista un conjunto debe basarse en lo siguiente:
La coleccin de elementos debe estar bien definida.
Ningn elemento del conjunto se debe contar ms de una vez, generalmente, estos elementos
deben ser diferentes, si uno de ellos se repite se contar slo una vez.
El orden en que se enumeran los elementos que carecen de importancia.
NOTACIN
A los conjuntos se les representa con letras maysculas A, B, C, ... y a los elementos con letras
minsculas a, b, c, ..., por ejemplo, el conjunto A cuyos elementos son los nmeros en el
lanzamiento de un dado.
A = { 1, 2, 3, 4, 5, 6 }
En base a la cantidad de elementos que tenga un conjunto, estos se pueden clasificar en conjuntos
finitos e infinitos.
Existen dos formas comunes de expresar un conjunto y la seleccin de una forma particular de
expresin depende de la conveniencia y de ciertas circunstancias siendo:
Estadstica Administrativa I
pag. 20
A = {1, 2, 3}
2 A; 5 A
TIPOS DE CONJUNTOS
CONJUNTO VACI O NULO: Es aquel que no tiene elementos y se simboliza por o { }.
A = {x2 + 1 = 0 | x R}
El conjunto A, es un conjunto vaco por que no hay ningn nmero real que satisfaga a x2+1 = 0
pag. 21
CONJUNTO POTENCIA
La familia de todos los subconjuntos de un conjunto se llama conjunto potencia. Si un conjunto es
finito con n elementos, entonces el conjunto potencia tendr 2n subconjuntos.
A = {1, 2}
El total de subconjuntos es:
22 = 4
{1,2}, {1}, {2}, { }
CONJUNTOS DISJUNTOS
Son aquellos que no tienen elementos en comn, es decir, cuando no existen elementos que
pertenezcan a ambos.
F = {1, 2, 3, 4, 5, 6}
G = {a, b, c, d, e, f}
PARTICIN
Cuando un conjunto es dividido en subconjuntos mutuamente excluyentes y exhaustivos, se le
denomina particin.
OPERACIONES DE CONJUNTOS
Unin.
Interseccin.
Diferencia.
Complemento.
Producto cartesiano.
Estadstica Administrativa I
pag. 22
LEYES DE CONJUNTOS
DE IDEMPOTENCIA
AA=A
A A=A
DE INVOLUCIN
(A) = A
ASOCIATIVA
(A B) C = A (B C )
(A B) C = A (B C)
DE COMPLEMENTO
A A = U
A A =
U=
= U
CONMUTATIVA
A B = B A
DMORGAN
(A B) = A B
A B=B A
(A B)= A B
DISTRIBUTIVA
A (B C) = (A B) (A C)
A (B C) = (A B) (A C)
DE IDENTIDAD
A U = U
A = A
Estadstica Administrativa I
A U=A
A =
PRINCIPIO DE CONTEO
n(A B) = n(A) + n(B)
AB=
n(A B) = n(A) + n(B) - n(A B) A B
pag. 23
DIAGRAMAS DE VENN
Un diagrama de Venn es una representacin pictrica de conjuntos en el plano. El conjunto universal
U se representa por un rectngulo, cualquier otro conjunto se representa con un crculo. Una
operacin se representa mediante el sombreado de los elementos del conjunto.
AB
EVENTOS
EXPERIMENTO ESTADSTICO: Es el proceso mediante el cual se genera un conjunto de datos
y puede ser determinstico o aleatorio.
ESPACIO MUESTRAL: Son todos los posibles resultados que se obtienen de un experimento
denotado por S o .
S = {1, 2, 3, 4, 5, 6}
EVENTO SIMPLE: Son los eventos constituidos por un slo elemento.
A = {4}
EVENTO COMPUESTO: Es cualquier evento que se puede descomponer en dos o ms eventos
simples.
B = {2, 4, 6}
EVENTOS MUTUAMENTE EXCLUYENTES: Llamados tambin disjuntos, no pueden ocurrir
simultneamente, es decir, la ocurrencia de ellos excluye la ocurrencia de los otros.
AB=
EVENTOS INDEPENDIENTES: Cuando la ocurrencia o no ocurrencia de un evento no afecte la
ocurrencia de otro evento.
EVENTOS DEPENDIENTES: Si los eventos A y B estn relacionados de tal modo que la
ocurrencia de B depende de la ocurrencia de A, entonces A y B son independientes.
Estadstica Administrativa I
pag. 24
TCNICAS DE CONTEO
Para determinar el espacio muestral o el tamao del espacio muestral, es necesario desarrollar
algunas tcnicas de enumeracin las cuales son:
El Diagrama de rbol
Anlisis Combinatorio.
DIAGRAMAS DE RBOL
Los diagramas de rbol son ordenaciones empleadas para enumerar todas las posibilidades lgicas
de una secuencia de eventos, donde cada evento puede ocurrir en un nmero finito. Proporcionan un
mtodo sistemtico de enumeracin objetiva de los resultados.
Ramas
Raz
A continuacin, se presenta un Diagrama de rbol, referente a las respuestas que se pueden dar a
tres preguntas de Verdadero o Falso.
Tenemos dos opciones posibles para cada pregunta, V o F el rbol presenta dos ramas en cada
pregunta.
b) F 3)
V
F
1)
V
V
F
F
V
V
F
V
F
F
Estadstica Administrativa I
pag. 25
Las diferentes formas en que se puede contestar son ocho y forman el espacio muestral.
B
A
C
C
C
A
A
B
lgebra
Biologa
lgebra
Biologa
Contabilidad
Contabilidad
lgebra
Contabilidad
Biologa
Contabilidad
Biologa
lgebra
lgebra
Contabilidad
Contabilidad
Biologa
Biologa
lgebra
ANLISIS COMBINATORIO
Los diagramas de rbol muestran objetivamente el nmero de resultados posibles en que se puede
disponer de la ordenacin de un conjunto de elementos, pero esta enumeracin es limitada, pues a
medida que aumenta el nmero de objetos dicha ordenacin se complica, por lo que hay que utilizar
otro procedimiento ms sencillo para determinar el nmero total de resultados. Con este fin, nos
Estadstica Administrativa I
pag. 26
apoyaremos en los conceptos permutaciones y combinaciones, los cuales tienen como base el
principio fundamental del conteo.
Cuntas placas de automvil se pueden hacer utilizando dos letras seguidas de tres cifras? No se
admiten repeticiones.
26 x 25 x 10 x 9 x 8 = 468000
El smbolo ! se lee factorial y es el producto resultante de todos los enteros positivos de 1 a n; es
decir, sea n un nmero entero positivo, el producto n (n-1) (n-2)...3 x 2 x 1 se llama factorial de n.
n! = n (n -1 ) (n -2 )...3 x 2 x 1
5! = 5 x 4 x 3 x 2 x 1 = 120
Por definicin 0! = 1
PERMUTACIONES
Una permutacin de un conjunto de elementos, es un ordenamiento especfico de todos o algunos
elementos del conjunto, facilita el recuento de las ordenaciones diferentes que pueden hacerse con
los elementos del conjunto.
Nota: En una permutacin el orden en que se disponen los elementos del conjunto es importante.
PERMUTACIONES DE n ELEMENTOS
Por el principio fundamental del conteo podemos enunciar que el nmero de permutaciones de n
objetos distintos tomados de n en n, es:
n Pn = n!
Estadstica Administrativa I
pag. 27
Se quiere conocer el conjunto de todas las disposiciones posibles de tres personas colocadas en
hilera para tomar una fotografa.
3P3
= 3! = 6
= 5! = 120
Hay seis banderas de distintos colores. Cuntas seales diferentes se pueden enviar usando las seis
banderas al mismo tiempo?
6P6
= 6! = 720
n!
(n r )!
3 P2 =
3!
= 3! = 6
(3 2)!
Cuntas ternas pueden formarse con las 26 letras del alfabeto, si cada letra slo puede utilizarse
una sola vez?
26!
26!
=
= 15600
26 P3 =
(26 3)! 23!
Estadstica Administrativa I
pag. 28
Cinco personas entran a una sala en la que hay 8 sillas. De cuntas maneras diferentes pueden
ocupar las sillas?
8!
8!
=
= 6720
8 P5 =
(8 5)! 3!
n!
n1! n2! ... nk!
Cuntas palabras diferentes de cuatro letras pueden formarse con las letras LULU?
4 P2, 2 =
4!
24
=
=6
2! 2!
4
11!
= 34650
4! 4! 2!1!
11 P4, 4, 2, 1 =
Cuntos mensajes pueden enviarse con diez banderas utilizndolas todas, si son cuatro negras,
tres verdes y tres rojas?
10
= 4200
10 P4, 3, 3 =
4! 3! 3!
PERMUTACIONES CIRCULARES
Cuando los elementos se encuentran dispuestos en forma circular tenemos:
n Pc
= (n 1)!
Estadstica Administrativa I
pag. 29
COMBINACIONES
Ya sabemos que en una permutacin el orden de los elementos es importante, pero cuando el orden
de colocacin carece de importancia, a la disposicin de dichos elementos se le denomina
combinacin.
Por lo tanto, una combinacin es un subconjunto o una disposicin de todos los elementos de un
conjunto, sin tener en cuenta el orden de ellos.
El nmero de combinaciones o subconjuntos no ordenados, cada uno formado por r elementos, que
pueden obtenerse de un conjunto de n elemento es:
n Cr =
n!
n!
n
o =
(n r )! r!
r (n r )! r!
3 C2 =
3!
3!
6
=
= =3
(3 2)! 2! 1! 2! 2
Por lo tanto, el resultado se reduce a 3 posibles formas ya que en una combinacin el orden de los
elementos no es importante.
Se tienen cinco obreros para un trabajo especial que requiere de tres de ellos. De cuntas maneras
diferentes se puede seleccionar un equipo de tres?
5 C3 =
5!
5!
120
=
=
= 10
(5 3)! 3! 2! 3! 12
De un club de 20 socios, se van a seleccionar 3 para formar la mesa directiva. De cuntas formas
puede constituirse?
20 C 3 =
Estadstica Administrativa I
20!
20!
6840
=
=
= 1140
(20 3)! 3! 17! 3!
6
pag. 30
=n Cn r
n Cr
As:
100 C 98 =100 C100 98 =100 C 2
(a + b ) n =
n n
n r r
r a
r = 0
P( A) =
Esta es la definicin clsica o apriori (antes de), es de aplicacin fcil, pues no se necesita de ningn
experimento para su clculo, sino nicamente el conocimiento de las condiciones en que se realiza el
experimento. Se supone que todos los resultados posibles son conocidos, y que todos tienen la
misma probabilidad de ocurrir.
Si una urna contiene 10 esferas blancas, 15 azules y 5 rojas, la probabilidad de extraer al azar una
esfera blanca, es:
10 1
P (B) =
=
30 3
Estadstica Administrativa I
pag. 31
n( A)
n
Donde n(A) es el nmero de veces que se observ realmente el evento A, y n es el nmero de veces
que se efectu el experimento.
La probabilidad estimada, obtenida en esta forma, se denomina probabilidad experimental. A medida
que aumenta el nmero de ensayos o experimentos, la probabilidad estimada de que ocurra un
evento, que se obtiene a travs de la frecuencia relativa, se va acercando al valor apriori.
Por medio del enfoque de frecuencias relativas, la probabilidad se determina sobre la base de la
proporcin de veces que ocurre un resultado favorable, en un nmero de observaciones o
experimentos. No hay supuesto previo de iguales probabilidades.
35 1
=
70 2
Tales apreciaciones suelen ser de criterio personal, y por lo tanto, dos personas pueden cuantificar en
forma diferente, la probabilidad subjetiva del mismo evento. Podemos entonces considerar la
probabilidad subjetiva como la evaluacin personal de la ocurrencia de un evento incierto, que se
hace con base en criterios o experiencias sobre casos semejantes.
AXIOMAS DE PROBABILIDAD
Los axiomas de la formulacin moderna de la teora de la probabilidad constituyen una base para
deducir a partir de ellas un amplio nmero de resultados.
Estadstica Administrativa I
pag. 32
AXIOMA 1
Si A es un evento de S, entonces la probabilidad del evento A es:
0 P(A) 1
Como no podemos obtener menos de cero xitos ni ms de n xitos en n experimentos, la
probabilidad de cualquier evento A, se representa mediante un valor que puede variar de 0 a 1.
AXIOMA 2
Si dos eventos son mutuamente excluyentes, la probabilidad de obtener A o B es igual a la
probabilidad de obtener A ms la probabilidad de obtener B.
P(A B) = P(A) + P(B)
En general podemos decir que la suma de las probabilidades de todos los posibles eventos
mutuamente excluyentes es igual a 1:
P(A1) + P(A2) + P(A3) + ... + P(An) = 1
AXIOMA 3
Si A es un evento cualquiera de un experimento aleatorio y A es el complemento de A, entonces:
P(A) = 1 - P(A)
Estadstica Administrativa I
pag. 33
AB=
Entonces A y B son conjuntos disjuntos o mutuamente excluyentes, o sea que no pueden ocurrir en
forma simultnea
P(A B) = P(A) + P(B)
En cambio, si ambos eventos tienen puntos muestrales en comn A B
S
AB
P(A B) = P(A) + P(B) - P(A B)
PROBABILIDAD CONDICIONAL
En una caja hay 5 esferas blancas, 4 rojas y 3 negras. Se extrae una esfera, se observa su color y se
regresa a la caja. Bajo estas condiciones, Cul es la probabilidad de que al extraer 3 esferas, stas
sean de color rojo?
4
4
4
64
1
P (R1 R2 R3) =
x
x
=
=
12 12 12 1728 27
Estadstica Administrativa I
pag. 34
Es decir:
P(A B) = P(A) P(B / A)
o
P(B A) = P(B) P(A / B)
En una caja hay 5 esferas blancas, 4 rojas y 3 negras. Si se extraen al azar 3 esferas en forma
consecutiva, sin reemplazo, Cul es la probabilidad de que las 3 sean de color rojo?
Sea R1 el evento extraer una esfera roja.
P(R1R2R3) = P(R1) P(R2 / R1) P(R3 / R1 R2) =
4
3
2
24
1
x
x
=
=
12 11 10 1320 51
P( A / B) =
P (B A )
P (B )
Una caja contiene 200 focos, 50 azules y 50 rojos; de los cuales, 10 son defectuosos: 6 azules y 4
rojos. Cul es la probabilidad de que un foco elegido al azar, sea defectuoso (evento D)?
P ( D) =
10
1
=
100 100
Si seleccionamos un foco al azar y se observa que ste es azul (evento A), Cul es la probabilidad
de que el foco sea defectuoso, dado que es azul ?
Escribiremos P(D/A), para representar la probabilidad del evento D, dado A. Entonces, puesto que
hay 50 focos azules y de stos, 6 son defectuosos
P(D / A) =
Estadstica Administrativa I
pag. 35
6
3
=
50 25
TEOREMA DE BAYES
A1
An
B
A2
A3
A4
Si A1, A2, A3, ..., An es una particin de S, y B es cualquier evento. Entonces para cualquier i,
P ( A i / B) =
P(A i )P(B/A i )
P(A 1 )P(B/A 1 ) + P(A 2 )P(B/A 2 ) + ... + P(A n )P(B / A n )
Es decir:
P ( A i / B) =
Estadstica Administrativa I
P(A i )P(B/A i )
P(A i )P(B/A i )
pag. 36
1 3 1 2 2
P (R ) = + =
2 5 2 10 5
b) Hallar la probabilidad de que se escogiera la caja I, dado que la esfera es R, (es decir que el
resultado de arrojar la moneda sea guila).
La persona que arroj la moneda no da a conocer si result guila o sol (de tal manera que la caja de
la cual se sac la esfera se desconoce) pero indica que se extrajo una esfera roja.
Buscamos la probabilidad de que se escoja la caja I y se sabe que se sac una esfera roja. Empleando
el teorema de Bayes, esta probabilidad est dada por:
P (I / R ) =
P (I ) P ( R / I )
P(I )P(R / I ) + P(II )P(R / II )
1 3
3
2 5
P (I / R ) =
=
1 3 1 2 4
+
2 5 2 | 0
En un Instituto Superior, el 25 por ciento de los hombres y el 10 por ciento de las mujeres estudian
Biologa. Las mujeres constituyen el 60 por ciento del estudiantado. Si se selecciona en forma
aleatoria un estudiante y resulta que est cursando Biologa, determinar la probabilidad de que sea
mujer.
P(H) = 0.40;
P(M) = 0.60;
P (M / B ) =
Estadstica Administrativa I
P(B/H) = 0.25;
(0.6)(0.1)
(9.4)(0.25) + (0.6)(0.1)
pag. 37
P(B/M) = 0.10
= 0.375
FORMULARIO
Factorial
P( A) =
Casos posibles
n!=n(n-1)(n-2)(3)(2)(1)
P( A) =
Permutaciones de n elementos
n!
n Pn1, n2, ..., nk =
n1! n2! ... nk!
S A B
P(A B) = P(A) + P(B) - P(A B)
Permutaciones circulares
= (n 1)!
Probabilidad condicional
P(A B) = P(A) P(B) (Independientes)
Combinaciones
n Cr =
0 P(A) 1
n!
(n r )!
n Pc
Axiomas
= n!
n Pn
n( A)
n!
(n r )! r!
P (B / A ) =
Frmula binomial
(a + b ) n =
P( A B)
P( A)
n
r a n r b r
r = 0
n
P( A / B) =
Probabilidad de un evento
P (B A )
P (B )
Teorema de Bayes
P ( A i / B) =
Estadstica Administrativa I
P(A i )P(B/A i )
P(A 1 )P(B/A 1 ) + P(A 2 )P(B/A 2 ) + ... + P(A n )P(B / A n )
pag. 38
UNIDAD III
Distribucin de probabilidad de variables aleatorias
discretas
ESPACIO MUESTRAL. El el conjunto de todos los resultados posibles de un experimento estadstico
denotado por S o
VARIABLE. Se denomina variable a la entidad que puede tomar un valor cualesquiera durante la
duracin de un proceso dado. Si la variable toma un solo valor durante el proceso se llama constante.
VARIABLE ALEATORIA: Es una funcin que asocia un nmero real a cada elemento del espacio
muestral. Es decir son aquellas que pueden diferir de una respuesta a otra.
P(x)
Discretas
pag. 39
Distribuciones discretas. Son aquellas donde las variables asumen un nmero limitado de valores,
por ejemplo el nmero de aos de estudio.
Binomial
Hipergeomtrica
Multinomial
Poisson
Discretas
Distribuciones continuas. Son aquellas donde las variables en estudio pueden asumir cualquier
valor dentro de determinados lmites; por ejemplo, la estatura de un estudiante.
Uniforme
Continuas
Exponencial
Normal
Una distribucin de frecuencias es un listado de las frecuencias observadas de todos los resultados
de un experimento que, en realidad se han presentado cuando se lleva a cabo un experimento; en
cambio, una distribucin de probabilidad es un listado de las probabilidades de todos los resultados
posibles que podran presentarse si se efectuara el experimento.
Las probabilidades que se asocian a cada uno de los valores que toma la variable aleatoria x constituyen
lo que se conoce como DISTRIBUCIN DE PROBABILIDAD, la cual puede ser representada
Estadstica Administrativa I
pag. 40
mediante una funcin matemtica, una grfica o una tabla de valores. La diferencia consiste en que la
funcin matemtica se transforma en una funcin probabilstica.
S
E0
E1
X
x0
x1
P(X) p(x0) p(x1)
...
...
...
En
xn
p(xn)
Dados los eventos E1, E2, ..., En S, se dice que x es una variable aleatoria, si a cada valor de xi que
asume cada Ei, se le asocia su probabilidad de ocurrencia y cumple con las siguientes condiciones:
a)
La probabilidad para todo valor que asuma la variable aleatoria xi, ser mayor o igual a cero
pero menor que uno.
0 P(xi) 1 xi
b)
La suma de todas las probabilidades asociadas a todos los valores que toma la variable x, es
igual a la unidad.
n
P(x i ) = 1
1
P(x i )dx
=1
P(E0) =
1
4
X
0
Estadstica Administrativa I
pag. 41
2
M. en C. Jos Luis Hernndez Gonzlez
Sabemos que una variable aleatoria discreta o discontinua es aquella en la que existe una distancia
bien definida entre dos de los valores consecutivos que asume; y dichos valores son numerables.
Existen varios modelos matemticos que representan diversos fenmenos discretos de la vida real.
Las ms tiles son:
1.La distribucin uniforme discreta.
1.La distribucin de probabilidad Binomial o de Bernoulli.
2.La distribucin de probabilidad Hipergeomtrica.
3.La distribucin de probabilidad de Poisson.
UNIFORME DISCRETA
Si la variable aleatoria X asume valores de X1, X2, ..., Xk con iguales probabilidades, entonces la
distribucin uniforme es:
f (x, k ) =
1
k
P(x)
x1
x2
xk
xi
= i =1
k
Estadstica Administrativa I
pag. 42
(x i
)2
2 = i =1
k
La distribuciin de probabilidad del lanzamiento de un dado es:
S = {1, 2, 3, 4, 5, 6}
P (x = 1, 2, ..., 6) =
1
6
=
1+ 2 + 3+ 4 + 5 + 6
= 3 .5
6
= 2.91
LA DISTRIBUCION BINOMIAL
Esta distribucin fue elaborada por Jacobo Bernoulli y es aplicable a un gran nmero de problemas
de carcter econmico y en numerosas aplicaciones como:
- Juegos de azar.
- Control de calidad de un producto.
- En educacin.
- En las finanzas.
La distribucin binomial posee las siguientes propiedades esenciales:
1.2.-
3.4.5.-
La probabilidad de que el evento E ocurra x veces y el evento E' ocurra (n - x) veces en n ensayos
independientes est dado por la frmula binomial:
n
P (x, n, p) = p x qn - x
x
Estadstica Administrativa I
pag. 43
donde:
Si se lanza 4 veces una moneda, calcular el evento "Nmero de guilas que caen."
datos:
n = 4 ensayos.
1
p = probabilidad de xito en un ensayo.
2
1 1
q = 1 - p = 1 =
2 2
x = 0, 1, 2, 3, 4
S = {lanzar 4 veces la moneda}
A = {nmero de guilas que caen}
0
4
1 4 1 1
1
P (E0) = P 0,4, = =
2 0 2 2
16
1
3
1 4 1 1
4
P (E1) = P1,4, = =
2 1 2 2
16
1 4 1 1
6
P (E 2 ) = P 2,4, = =
2 2 2 2
16
1 4 1 1
4
P (E3) = P 3,4, = =
2 3 2 2 16
Estadstica Administrativa I
= npq
npq
= Media
= Varianza
= Desviacin estndar
pag. 44
DISTRIBUCIN MULTINOMIAL
Ocurre cuando en el experimento binomial cada intento tiene ms de dos resultados posibles.
Las probabilidades de ocurrencia p1, p2, ..., pk en un solo ensayo, la distribucin de probabilidad de las
variables aleatorias k1, k2, ..., kn que representan el nmero de ocurrencias de E1, E2, ..., En en n
intentos independientes es:
P(n, k 1 , k 2 , K , k n ) =
n!
k
kn
p 1 1 p k2
2 K pn
k 1!k 2! K k n!
Calcular la probabilidad de obtener dos veces el nmero 4, dos veces el nmero 5 y una vez el
nmero 2, en el lanzamiento de un dado 5 veces.
2
5! 1 1 1
= 0.00385
2!2!1! 6 6 6
P(5, 2, 2, 1) =
LA DISTRIBUCIN HIPERGEOMTRICA
x
x
P(x, N, M, n) =
N
n
Grficamente se puede representar como:
Estadstica Administrativa I
N-M
n-x
pag. 45
N
n
donde:
N
n
M
N-M
x
n-x
Si en una empresa se presentan para cubrir dos vacantes 13 aspirantes de los cuales 5 son hombres y
8 son mujeres, calcular " El nmero de hombres contratados."
N
A
E0
E1
E2
M=5
N-M = 8
x=0
n-x = 2
N = 13
n=2
desarrollando
N = 13 total de aspirantes
M = 5 aspirantes hombres
N-M = 8 aspirantes mujer
n = 2 vacantes totales
x = 0,1,2 hombres posibles a contratar
n-x = 2,1,0 mujeres posibles a contratar
5 8
28
0 2
P(E0) = P(0,13,5,2) =
=
= 0.3588 = 35.88%
78
13
2
Estadstica Administrativa I
pag. 46
5 8
40
1 1
P(E1) = P(1,13,5,2) =
=
= 0.5128 = 51.28%
78
13
2
5 8
10
2 0
P(E2) = P (2,13,5,2) =
=
= 0.1282 = 12.82%
78
13
2
MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIN
El clculo de estas magnitudes pueden realizarse con las siguientes frmulas:
M
= n
N
2 =
nM(N M)(N n)
N 2 (N 1)
= Media
= Varianza
= Desviacin estndar
2 =
(2)(5)(13 5)(13 2)
(13) 2 (13 1)
=
Estadstica Administrativa I
= 0.4339
0.4339 = 0.6587
pag. 47
Si N resultados pueden dividirse en la k celdas N1, N2, ..., Nk con k1 ,k2, ..., kn elementos
respectivamente, entonces la distribucin de probabilidad representa el nmero de elementos
selecionados, en una muestra aleatoria de tamao n, es:
N 1 N 2 N n
k 1 k 2 k n
P(n; k 1, k 2 , K , k n ) =
N
n
Si en un refrigerador hay 12 envases de refrescos de los cuales son 10 de manzana, 5 de naranja y 4
de uva, cal es la probabilidad de que al surtir un pedido de 7 envases tomados al azar 2 sean de
manzana, 4 de naranja y 1 de uva.
N1 = 3
N2 = 5
N3 = 4
N = 12
k1 = 2
k2 = 4
k3 = 4
n=7
3 5 4
2 4 1
P(7;2,4,1) =
= 0.0758
12
7
DISTRIBUCIN DE POISSON
Esta funcin de distribucin de variable discreta se emplea para calcular las probabilidades asociadas a
la variable aleatoria dentro de un intervalo continuo de tiempo o espacio; este intervalo es generalmente
una unidad de medida conocida: cm2, km, gramos, litros, pulgadas, etc.
Algunos de los problemas que presentan como un fenmeno con distribucin de Poisson son:
- Los embotellamientos que se producen por da.
- Nmero de llamadas por hora.
- Defectos por m2 de tela.
- Nmero de defectos por lote de un proceso de produccin.
- Nmero de negocios cerrados por semana.
Estadstica Administrativa I
pag. 48
A este tipo de problemas se les conoce el nmero de xitos x obtenidos por unidad de medida en n
ensayos; pero es totalmente imposible conocer el nmero de fracasos (n - x).
P(E) = P(x, ) =
x e -
x!
donde:
n
= Nmero de ensayos
x
= Nmero de xitos esperados en n ensayos
e
= 2.71828...
= n p = Constante igual al nmero de xitos promedio por unidad de medida
p
= Probabilidad constante durante el proceso igual al nmero de xitos promedio por unidad de
medida.
Un conmutador recibe en promedio 5 llamadas sobre autos extraviados por hora. Cul es la
probabilidad de que en una hora tomada al azar reciba?
a) Ninguna llamada.
b) Exactamente 3 llamadas.
c) No ms de 3 llamadas.
Para este problema
= n p.
a) Ninguna llamada. x = 0
5 0 e .5
P (E 0 ) = P (0,5) =
= 0.00674963
0!
b) Exactamente 3 llamadas: x = 3
P (E 3 ) = P (3,5) =
5 3 e .5
= 0.1404
3!
c) No ms de 3 llamadas: x < 4
P(x < 4) = P(x 3) = P(x0 = 0) + P(x1 = 1) + P(x2 = 2) + P(x3 = 3)
P(x < 4) = 0.0067+ 0.0337 + 0.0842 + 0.1406 = 0.2652 = 26.52 %
Estadstica Administrativa I
pag. 49
= Media
= Varianza
= Desviacin estndar
x
La distribucin normal de probabilidad es muy importante por las siguientes razones:
1.2.3.-
Se sabe que las mediciones que se obtienen en muchos procesos aleatorios tienen esta clase de
distribucin.
Con frecuencia puede utilizarse en probabilidades normales para aproximar otras distribuciones
de probabilidad tales como la distribucin Binomial y Poisson.
Las distribuciones estadsticas como la media muestral y la proporcin muestral tienen
distribucin normal cuando el tamao de la muestra es grande, sin importar la forma de la
distribucin de la poblacin de origen.
pag. 50
f(x) =
1
2
( x )2
-
e 2
2
donde:
= 3.1416
e
= 2.7183
= Media de la distribucin
= Desviacin estndar de la distribucin
La tabla de probabilidades normales se basan en la distribucin especfica de la distribucin normal
estndar, donde = 0 y = 1 cualquier valor de x de una poblacin con distribucin normal se puede
convertir a su valor normal estndar equivalente z por la siguiente ecuacin.
z =
x-
Estadstica Administrativa I
pag. 51
SOLUCIN:
a) P(500 < x < 650)
x - 650 500
z =
=
= 1.50
100
de las tablas estandarizadas obtenemos
A = 0.4332 = 43.32%
100
de las tablas estandarizadas obtenemos
A1 = 0.1915
x - 600 500
z2 = 2
=
= 1.00
100
de las tablas estandarizadas obtenemos
A1 = 0.3413
A = A1 + A2 = 0.1915 + 0.3413 = 0.5338 = 53.38%
Estadstica Administrativa I
pag. 52
pag. 53
Estadstica Administrativa I
pag. 54
Estadstica Administrativa I
pag. 55
TIPOS DE MUESTREOS
No Probabilstico.
Probabilstico.
Simple
Sistemtico
Estratificado
Por conglomerados
Estrato
Conglomerado
Universo
Elemento
Estadstica Administrativa I
pag. 56
Simple.
Este tipo de muestreo, consiste en elaborar una lista de la poblacin enumerndola, para posteriormente
mediante la generacin de nmero aleatorios es seleccionado cada uno de los elementos que constituyen
la muestra, o mediante frmulas de recurrencia diseadas para ste propsito. Es adecuado cuando la
poblacin es pequea y los elementos puedan enumerarse.
1
5
11
17
23
35
38
44
Sistemtico.
En este tipo de muestro, tambin se elabora una lista con los elementos de la poblacin, pero en lugar de
seleccionarlos de manera aleatoria, se recorre la lista y se va seleccionando cada elemento con un
intervalo uniforme que se mide en tiempo, orden y espacio. Es ms sencillo de aplicar que el simple, sin
embargo, no es posible de utilizar con poblaciones grandes o con la posibilidad de que la poblacin
tenga datos con periodicidad.
Estadstica Administrativa I
11
3
pag. 57
Estratificado.
Por conglomerados.
Consiste en definir subgrupos de elementos homogneos en forma natural y/o existen grupos ya
definidos. No se requiere seleccionar de todos los conglomerados, y en ocasiones, es suficiente con
seleccionar uno de los conglomerados con todos sus elementos, es posible utilizar el muestreo aleatorio
considerando grupos en lugar de elementos.
Estadstica Administrativa I
pag. 58
POBLACIONES
Dependiendo de cmo se seleccionen los elementos para un estudio podremos tener las siguientes
poblaciones:
Poblacin finita
Poblacin infinita
Poblacin finita. Se llama as a la poblacin que es de tamao limitado cuyos elementos son
numerables.
Poblacin infinita. Se llama as a la poblacin de tamao limitado cuya cantidad de elementos son
innumerables.
MUESTREOS
El hecho de regresar un elemento muestreado a la poblacin antes de extraer otro elemento de la misma,
determina si el muestreo es con o sin reemplazo
Con reemplazo
Sin reemplazo
Con reemplazo.
Si un elemento se extrae de la poblacin y posteriormente se regresa a la misma, tiene la posibilidad de
quedar incluido otra vez en la muestra en otra extraccin.
Sin reemplazo.
Si el elemento extrado no se regresa a la poblacin entonces, solamente formar parte de la muestra
una sola vez.
DISTRIBUCIONES MUESTRALES.
La distribucin de todos los valores posibles que pueden ser tomados por alguna estadstica, calculados
a partir de muestras del mismo tamao extradas aleatoriamente de la misma poblacin, se llama
distribucin muestral de esa estadstica.
Las distribuciones muestrales pueden construirse empricamente cuando se obtiene de una poblacin
finita, discreta. Para lo cual se procede como:
1.- De una poblacin finita, discreta de tamao N, se extraen aleatoriamente todas las muestras posibles
de tamao n.
2.- Se calcula la estadstica de inters para cada muestra.
3.- Se enumeran en una columna los diferentes valores observados de la estadstica y, en otra columna,
la frecuencia correspondiente de la ocurrencia de cada uno de esos valores.
Estadstica Administrativa I
pag. 59
EJEMPLO:
Suponga se que de una poblacin de tamao N = 5 edades de nios, dadas como {6, 8, 10, 12, 14}, la
media poblacional = 10 y la varianza poblacional 2 = 8 y la varianza muestral es s2 = 10. Si
extraemos todas las muestras posibles de tamao n = 2, si consideramos un muestreo con remplazo y
calculamos la media tendremos Nn muestras posibles es decir 52 = 25 posibles muestras de tamao 2.
x1 = ( 6 + 6)/2
x4 = ( 6 + 12)/2
x7 = ( 8 + 8)/2
x10 = ( 8 + 14)/2
x13 = (10 + 10)/2
x16 = (12 + 6)/2
x19 = (12 + 12)/2
x22 = (14 + 8)/2
x25 = (14 + 14)/2
= 6
= 9
= 8
= 11
= 10
= 9
= 12
= 11
= 14
x2 = ( 6 + 8)/2
x5 = ( 6 + 14)/2
x8 = ( 8 + 10)/2
x11 = (10 + 6)/2
x14 = (10 + 12)/2
x17 = (12 + 8)/2
x20 = (12 + 14)/2
x23 = (14 + 10)/2
= 7
= 10
= 9
= 8
= 11
= 10
= 13
= 12
x3 = ( 6 + 10)/2
x6 = ( 8 + 6)/2
x9 = ( 8 + 12)/2
x12 = (10 + 8)/2
x15 = (10 + 14)/2
x18 = (12 + 10)/2
x21 = (14 + 6)/2
x24 = (14 + 12)/2
= 8
= 7
= 10
= 9
= 12
= 11
= 10
= 13
Frecuencia
1
2
3
4
5
4
3
2
1
25
Frecuencia relativa
1/25
2/25
3/25
4/25
5/25
4/25
3/25
2/25
1/25
1
Estadstica Administrativa I
pag. 60
Distribucin muestral
E(x) =
Poblacin infinita:
Poblacin finita:
x =
x =
N-n
N -1
A la fraccin
n
se le llama fraccin de muestreo. Cuando la fraccin de muestreo es menor que 0.05,
N
n
DISTRIBUCIN t
Si el tamao de muestra es pequeo, los valores de S2, varian considerablemente de muestra a muestra,
para ello es necesario usar la distribucin t.
t=
x
s
n
Estadstica Administrativa I
pag. 61
DIFERENCIA DE MEDIAS
Si se sacan al azar muestras independientes de tamaos n1 y n2 de dos poblaciones discretas o
continuas, con medias 1 2 y varianzas 1 y 2 respectivamente entonces la distribucin muestral de
la diferencia de medias X 1 X 2 , esta distribuida aproximadamente en forma normal con medias y
12 22
2
varianzas:
X1 X 2 = 1 2 y X1 X 2 =
+
n1 n 2
Se tiene que
(X 1 X 2 ) (1 2 )
Z=
12 22
+
n1 n 2
DISTRIBUCIN DE PROPORCIONES
Si una poblacin es infinita y distribuida binomialmente, si p y q son las probabilidades respectivas y
considerando muestras de tamao n extradas de esta poblacin, la distribucin muestra de
proporciones est dada por:
~
pp
z=
p(1 p)
n
DISTRIBUCION DE LA DIFERENCIA ENTRE DOS PROPORCIONES DE MUESTRAS.
(~
p1 ~
p 2 ) (p 1 p 2 )
z=
p 1 (1 p 1 ) p 2 (1 p 2 )
+
n1
n2
DISTRIBUCIN MUESTRAL DE
Si S es la varianza de una muestra aleatoria de tamao n tomada de una poblacin normal que tiene
varianza 2, entonces los valores de la variable aleatoria X2 se calculan con:
(n 1)s 2
2 =
2
DISTRIBUCIN MUESTRAL DE 1
2
Si S1 y S2 son las varianzas de variables aleatorias independientes de tamaos n1 y n2 , que se sacan
de poblaciones normales con varianzas 1 y 2, respectivamente, entonces,
S12
2
F=
12
S 22
22 S12
12 S 22
22
tiene una distribucin F con v1 = n1 1 y v2 = n2 1 grados de libertad
donde si se escribe f(v1, v2) para f con v1 y v2 grados de libertad, se tiene que:
1
f 1 (v1 , v 2 ) =
f (v 2 , v1 )
Estadstica Administrativa I
pag. 62
PARMETROS Y ESTIMADORES
Toda medida de tendencia central o de dispersin obtenida de una poblacin, se conoce como
parmetro de la poblacin; aquellas que son obtenidas de una muestra se denominan estimadores, ya
que con ellas se realizar la estimacin de esos parmetros.
Muestreo. Es la operacin para tomar una muestra del universo. El objetivo es contar con datos
necesarios para estimar parmetros en la poblacin, hacer inferencia estadstica con la mayor
confiabilidad posible.
Parmetros y estimadores ms usuales
Parmetros
Media poblacional:
N
X
= i
i =1 N
Varianza poblacional:
Estimadores
Media muestral
n
x
x= i
i =1 n
Varianza muestral
2 =
(X i ) 2
i =1
N
Desviacin estndar
poblacional:
N
(X
i =1
N
Donde X es el valor de
cada medicin desde i = 1
hasta N
N es el nmero de elemento
que constituyen la
poblacin bajo estudio
Proporcin poblacional de
elementos con atributo:
Xi
Px =
N
N es el nmero de
elementos de la poblacin
Estadstica Administrativa I
pag. 63
s2 =
(x
x) 2
i =1
n 1
Desviacin estndar
n
s2 =
(x
x) 2
i =1
n 1
Donde x es el valor de cada
medicin desde i = 1 hasta
n
n es el nmero de elemento
que constituyen la muestra
estudiada
Proporcin poblacional de
elementos con atributo:
xi
px =
n
n es el nmero de
elementos de la muestra
al valor del parmetro. En el caso de que sean diferentes decimos que es sesgado y que e =
x.
x se
Nivel de significancia / 2
l-
Estadstica Administrativa I
Nivel de
confianza 1-
Nivel de significancia / 2
ivel de confianza
ivel de significancia
pag. 64
(x 1 x 2 ) z / 2
12 22
+
n1 n 2
1
1
+
n1 n 2
(n 1 1)s 12 + (n 2 1)s 22
sp =
n1 + n 2 2
= n1 + n2 2
Intervalo de confianza para diferencia de medias 1 2 desconocidas
(x 1 x 2 ) t / 2
Estadstica Administrativa I
s 12 s 22
+
n1 n 2
s 12 s 22
+
1 n2
2
s 12
s 22
n
n
1
2
+
n 1 1 n 2 1
pag. 65
12
22
s 12
s 22 f /2( 1 , 2 )
12 s 12
2 2 f /2( 1 , v 2 )
2 s2
1 = n 1 - 1
2 = n 2 - 1
Estadstica Administrativa I
pag. 66