ESTADSTICA EMPRESARIAL

DRA. YESENIA SAAVEDRA NAVARRO

CONTENIDO
Estadstica descriptiva. Probabilidades. Variables aleatorias. Inferencia
estadstica. Muestreo y estimacin. Contraste de hiptesis. Anlisis
estadstico y control de calidad. Anlisis de regresin. Prediccin.
Teora de decisiones. Nmeros ndice. Mtodos cuantitativos (simplex,
matrices, software empresarial, cte. l. Mtodos de investigacin de
operaciones. Teora de decisiones.

SEMANA N 01

ESTADSTICA
DESCRIPTIVA

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

ESTADSTICA: Estudio de los mtodos de recogida y

descripcin de datos, as como del anlisis de esta
informacin

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

ETAPAS DE UN ESTUDIO ESTADSTICO:

1.Recogida de datos
2.Ordenacin, tabulacin y grficos*
3.Descripcin de caractersticas*
4.Anlisis formal

Estadstica descriptiva: parte de

la estadstica que se ocupa de
las etapas 2 y 3

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

INDIVIDUO

Poblacin: Conjunto de
elementos a los que se les
estudia una caracterstica
Individuo: Cada uno de los
elementos de la poblacin

MUESTRA

POBLACIN

Muestra:Subconjunto
representativo de la poblacin

ESTADSTICA DESCRIPTIVA

VARIABLES ESTADSTICAS. MODALIDADES

C
O
N
C
E
P
T
O
S

S
I
C
O
S

Variable estadstica (v.e.):

Caracterstica propia del individuo
objeto del estudio estadstico

Ejemplos:
- Estatura
- Salario
- Color del pelo
- Nivel de colesterol
- N de hijos de una familia

Modalidad: Cada una de las

posibilidades o estados diferentes de
una variable estadstica
Exhaustivas e incompatibles

Ejemplo:

color del pelo:

- castao
- rubio
- negro

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

CUALITATIVAS

Las
caractersticas no
son cuantificables Grupo sanguneo
Profesin
Color del pelo

Numricas
numerables

TIPO DE
VARIABLES
Discretas

N de hijos de una
familia
N de nidos de
procesionarias por
rbol
N de virus en un
cultivo

CUANTITATIVAS
Cuantificables o
numricas

Continuas

Numricas
no

Estatura
Salario
numerables Nivel de colesterol

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

Variables
discretas

Absolutas, ni (n individuos modalidad i)

Absolutas acumuladas, Ni n1 n2 ... ni
Relativas, fi ni n (proporcion indiv. modalidad i)
Re lativas acumuladas, F i

S
I
C
O
S

f1 f 2 ... fi

Absolutas, ni

xi

ni

Ni

fi

Fi

x1
...
xi
...
xk

n1
...
ni
...
nk

N1
...
Ni
...
Nk

f1
...
fi
...
fk

F1
...
Fi
...
Fk

Absolutas
acumuladas, Ni

Relativas
fi = ni / n
Relativas
acumuladas
Fi = Ni / n

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

Variables
continuas

S
I
C
O
S

Marca de clase xi (punto medio

de cada intervalo)

Amplitud ai (distancia entre los extremos)

Intervalos cerrados por un extremo y abiertos por otro

Intervalo I i

e0 e1
...
e i-1 ei
...
e k-1 ek

xi

ni

Ni

fi

Fi

x1
...
xi
...
xk

n1
...
ni
...
nk

N1
...
Ni
...
Nk

f1
...
fi
...
fk

F1
...
Fi
...
Fk

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

V.E. Cualitativas: Grfico rectangular

S
I
C
O
S

20

10

Preferencias

N de Clientes
(n i )

BBVA

10

BCP

14

BI

20

BS

CMAC

4
54

BBVA

BCP

BI

BS

CMAC

ESTADSTICA DESCRIPTIVA

V. E. Cualitativas: Grfico de sectores

C
O
N
C
E
P
T
O
S

Grados de un sector = 360 0 x fi

S
I
C
O
S

BBVA

N de
Entidades
ni
10

0,185

66,6

BCP

14

0,259

93,24

BI

20
6
4

0,37
0,111
0,074

133,2
39,96
26,64

Preferencias

BS

CMAC

54

fi

Grados

CMAC
BBVA
BS

EI

BCP

ESTADSTICA DESCRIPTIVA

V. E. Discretas: Grfico de barras

C
O
N
C
E
P
T
O
S

S
I
C
O
S

fi

Fi

35

N de
tipos de
crdito

N clientes: n i

20

0.20

0.20

25

30

0.30

0.50

20

25

0.25

0.75

15

15

0.15

0.90

10

10

0.10

30

n = 100

5
0
2

ESTADSTICA DESCRIPTIVA

V. E. Continuas: Histograma

C
O
N
C
E
P
T
O
S

Estatura

S
I
C
O
S

ni

hi = ni / ai

El rea de
cada rectngulo
es proporcional
a la frecuencia

hi
2.2

140 160

30

1.5

160 170

22

2.2

170 180

20

2
1,8
1,5

180 190

18

1.8

190 200

10

100
140

160 170 180 190 200

ESTADSTICA DESCRIPTIVA

Caractersticas de variables estadsticas unidimensionales

C
O
N
C
E
P
T
O
S

Caractersticas de Posicin

S
I
C
O
S

Estatura

Media aritmtica

ni

ni x i

i 1

fi x i i 1

ni x i

1
Media : x

33900
210

N
Personas

xi

ni xi

140 150

20

145

2900

150 160

100

155

15500

160 180

80

170

13600

180 200

10

190

1900

n = 210

161.42

M. Clase

33900

 Valor de la variable ms frecuente

Moda
Puede haber ms de una moda Plurimodal

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

Variables discretas

S
I
C
O
S

Datos en serie

2, 2, 3, 3, 3, 3, 5, 6, 7

Datos en tabla
Mo = 3

2.2 1.5

Mo 160
10 167.777
2.2 1.5 2.2 2
Observaciones:

1. Puede utilizarse la frecuencia relativa

2. Si las amplitudes son iguales, la moda
se puede obtener directamente con las
frecuencias

xi
1
2
3
4
5

ni
34
36
45
22
17

Mo = 3

Mediana
Valor de la variable que ocupa el lugar
central en una serie de datos ordenados.

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

El 50% de los elementos de la poblacin

tienen un valor de la variable menor o igual
que la mediana. El 50% de los elementos
de la poblacin tienen un valor de la
variable mayor o igualque la mediana.

S
I
discretas
C Variables
Datos en serie
O N impar de observaciones:
2, 2, 2, 3, 5, 6, 7,
S

7, 8

xi n N
i
i
2
3
5
6
7
8

3
1
1
1
2
1
9

Fi

0,333
0,111
0,111
0,111
0,222
0,111
1

0,333
0,444
0,555
0,666
0,888
0,999

xi n N
i
i
3
4
6
7
8
9

Me = 5

N par de observaciones: 3, 4, 6, 6, 6, 7, 8, 8, 9, 9
Indeterminada entre 6 y 7

3
4
5
6
8
9

fi

1 1
1 2
3 5
1 6
2 8
2 10
10

fi

Fi

0,1
0,1
0,3
0,1
0,2
0,2
1

0,1
0,2
0,5
0,6
0,8
1

Me = 6 7

ESTADSTICA DESCRIPTIVA

Variables discretas
Datos en tabla

C
O
N
C
E
P
T
O
S

S
I
C
O
S

xi

ni

Ni

fi

Fi

10

0.142
0.214

0.142
0.357

10

20

25

0.357
0.178

0.714
0.892

0.107

28

n /2 = 14
Fi = 0,5

Me = 2

Observacin: Si n / 2 coincide con un N i

la mediana est indeterminada entre x i y x i+1

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

50
n N i 1
0,5 Fi 1
Me ei 1
a i ei 1 100
ai
fi
ni

Variables continuas

Estatura

ni

Ni

fi

Fi

140 150

15

15 0.15 0.15

150 160

30

45 0.30 0.45

160 170

25

70 0.25 0.70

170 180

20

90 0.20 0.90

180 200

10 100 0.10

n/2 = 50
Fi = 0,5

100
Me 160

0.5 0.45
10 160 2 162
0.25

Observacin: Si n/2 coincide con un Ni

la mediana es el extremo superior del intervalo que le

corresponde

ESTADSTICA DESCRIPTIVA

Percentiles

C
O
N
C
E
P
T
O
S

S
I
C
O
S

Definicin: Pk , k: 1,2,...,99, percentil k, valor de la

variable que deja por debajo, el k% de los valores de la
variable
Q1 = P25 Cuartil 1
Q2 = P50 Cuartil 2 = Me
Q3 = P75 Cuartil 3
D1 = P10 Decil 1
D2 = P20 Decil 2
.

D9 = P90 Decil 9

Clculo para v.e. discretas:

Igual que la mediana, cambiando:

50
n
100

por

k
n
100

Clculo para v.e. continuas:

k
k
Fi 1
n N i 1
Pk e i 1 100
a i ei 1 100
ai
fi
ni

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

Ejemplos percentiles v.e. discreta

xi

ni

Ni

20

20

30

50

44

94

20

114

10

124

Percentil 40, P40 = 3

k
40
n
124 49,6
100
100
k
95
n
124 117,8
100
100

124
nk /100 =
124x25/100 = 31
nk /100 =
124x50/100 = 62
nk /100 =
124x75/100 = 93

Percentil 25, P25 = 3 = Q1

Percentil 50, P50 = 4 = Me = Q2

Percentil 75, P75 = 4 = Q3

Percentil 95, P95 = 6

ESTADSTICA DESCRIPTIVA

Ejemplos percentiles v.e. continua

Tallas

C
O
N
C
E
P
T
O
S

140-150

ni
15

Ni

fi

Fi

15 0.15 0.15

P40

B
160-170
25 70 0.25 0.70
P75

170-180
20 90 0.20 0.90
180-200
10 100 0.10
1
S
100
I
k
nk
C
Fi 1
Ni 1
Pk ei 1 100
a i ei 1 100
ai
fi
ni
O
0.75 0.70
75 70
P75 170
10 170
10 172.5 Q3
0.20
20
S P 150 0.4 0.15 10 150 40 15 10 158.33
150-160

40

0.30

30

45 0.30 0.45

30

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

Caractersticas de Dispersin

Miden la Homogeneidad de las observaciones

S
I
C
O
S

Rango o recorrido
Valor mximo menos valor mnimo de la variable

Recorrido intercuartlico

Q 3 Q1

ESTADSTICA DESCRIPTIVA

Varianza
k

C
O
N
C
E
P
T
O
S

S
I
C
O
S

ni x i x

i 1

2
n
x
ii

i 1

Desviacin tpica

2
Coeficiente de variacin

C. V .

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

Ejemplo

xi

ni

nixi

nixi2

4
6
8

20
40
44

80
240
352

320
1440
2816

10
12

36
22
162

360
264
1296

3600
3168
11344

ni x i 2

2 Var X i 1

2
11344 1296
x

6.02
162 162
2

2 6.02 2.4535

ESTADSTICA DESCRIPTIVA

Momentos centrales (Respecto a la media)

C
O
N
C
E
P
T
O
S

S
I
C
O
S

ni x i x

i 1

ni x i x

r 1 1 i 1

ni x i x

r 2 2 i 1

ESTADSTICA DESCRIPTIVA

1.3.3 Caractersticas de forma

Coeficiente de Sesgo (Asimetra)

C
O
N
C
E
P
T
O
S

S
I
C
O
S

1
Si

3
3

1 0 Distribucin simtrica

Si 1 0

Distribucin sesgada a la derecha

Si 1 0 Distribucin sesgada a la izquierda

Coeficiente de Curtosis (Aplastamiento)

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

S
I
C
O
S

4
4

Si 2 0

Distribucin igual de aplastada que la

distribucin Normal

Si 2 0 Distribucin menos aplastada que la distribucin

Normal

Si 2 0

Distribucin ms aplastada que la

distribucin Normal

Grfico de caja

ESTADSTICA DESCRIPTIVA

v.a.i.

C
O
N
C
E
P
T
O
S

mn

S
I
C
O
S

F1

f1

v.a.s.

Q1

Me

Q3

f2

F2

V.A.I.= Dato ms prximo, por exceso, a f1

f1=Q1-1.5(Q3-Q1) frontera interior inferior
(valor adyacente inferior)
f2=Q3+1.5(Q3-Q1) frontera interior superior V.A.S.=Dato ms proximo, por defecto, a f2
(valor adyacente superior)
F1=Q1-3(Q3-Q1) frontera exterior inferior

F2=Q3+3(Q3-Q1) frontera exterior superior

Valores atpicos o anmalos: Datos inferiores a f1

superiores a f2 (distinguindose)

**

anmalos

v.a.i.

Q1

Me Q3

v.a.s

o
anmalos

ESTADSTICA DESCRIPTIVA

C
O
N
C
E
P
T
O
S

Ejemplo

Sea la variable estadstica n de hijos. Los

datos de 30 familias son los siguientes:

1,2,0,0,2,4,3,0,1,1,1,2,3,4,8,3,0,1,1,3,2,1,0,4,10,5,1,0,2,4

S
I
C
O
S

mn = 0
Datos ordenados:
mx = 10
00000011111111222223333444458 10
Q1 = 1
Q3 = 3
Me = 2
f1 = -2
5
0
1
2
3
4
6
7
8
f2 = 6
F1 = -5
*
F2 = 9
Vai = 0
Vas = 5
Valores anmalos = 8, 10

10

GRACIAS

SEMANA N 02

Variable aleatoria
Una variable aleatoria X es una funcin que asocia a cada
suceso del espacio muestral E de un experimento aleatorio un
valor numrico real:

X :E

w X ( w)
La variable aleatoria puede ser discreta o continua.

Funcin de probabilidad

1/100
1 2 3

........

99 100 X

Distribucin uniforme discreta

Si X es una variable aleatoria que representa los resultados posibles del
experimento, decimos que X se distribuye uniformemente.
Si el espacio muestral consta de n sucesos simples, 0 < n < ,
entonces la funcin de probabilidad discreta se define como p(x) = 1/n
para todo x del espacio muestral.
:
1 + int [n (rnd)]

Funcin de probabilidad o distribucin

Una vez definida una variable aleatoria X, podemos
definir una funcin de probabilidad o distribucin
de probabilidad asociada a X, de la siguiente forma:

p : [0,1]
x p ( x) P( X x)
La funcin de probabilidad debe cumplir:

(i ) 0 p( x) 1 x
(ii ) p( x) 1
x

(Suma sobre todos los posibles valores

que puede tomar la variable aleatoria).

Requerimientos de una distribucin de

probabilidad
X

P(X)

P(X)

P(X)

-1
0
1
2
3

.1
.2
.4
.2
.1
1.0

-1
0
1
2
3

-.1
.3
.4
.3
.1
1.0

-1
0
1
2
3

.1
.3
.4
.3
.1
1.2

0 p( x) 1 para todo x

p ( x) 1
x

A
P(A) =.98

B
P(B) =.98

PA .7
P(A)=.3
P B Z

B
P(B/A)=.97

P(A) =.98

PB PZ B
P A PZ APB PZ B

4. Distribuciones de probabilidad
Variable aleatoria: es cualquier regla que relaciona un nmero con
cada resultado en el espacio muestral SS.

1.

0 P( y ) 1

2.

P ( y ).
to d a
y

FX ( x) P( X x)

0 F ( x) 1
Limx F ( x) 1
Limx F ( x) 0
X E ( X ) xf X ( x) xP( X x)
x

f X ( x) P( X x)

X 2 E[( X X ) 2 ] ( x X ) 2 P( X x)
x

Distribuciones de probabilidad
discretas
1. Distribucin hipergeomtrica
2. Distribucin Binomial
3. Distribucin de Poisson

Distribucin hipergeomtrica
Se aplica cuando n > 0.1N
El muestreo se hace sin reemplazo
P(x,N,n,D) es la probabilidad de exactamente x xitos
en una muestra de n elementos tomados de una
poblacin de tamao N que contiene D xitos. La
funcin de densidad de distribucin hipergeomtrica:
D
x

N D
n x
N
n

C C
P( x)
C

n!
C
x!(n x)!
n
x

La media y la varianza de la distribucin

hipergeomtrica son:

nD

nD D N n
1

N N N 1
2

Ejemplo: De un grupo de 20 productos, 10 se

seleccionan al azar para prueba. Cul es

la probabilidad de que 10 productos
seleccionados contengan 5 productos
buenos? Los productos defectivos son 5
en el lote.
N = 20, n = 10, D = 5, (N-D) = 15, x = 5
P(x=5) = 0.0183 = 1.83%

5! 15!

5!0! 5!10!
P(5)
0.0183
20!
10!10!

Distribucin binomial
Se aplica para poblaciones grandes N>50 y n<0.1N
con p >= 0.1.
El muestreo binomial es con reemplazo

La binomial es una aproximacin de la

hipergeomtrica
La distribucin normal se aproxima a la binomial
cuando np > 5

La variable aleatoria X tiene una distribucin

binomial
n x
f ( x) P( X x) p (1 p) n x
x 0,1,..., n
x

Tiene media y varianza.

E ( X ) X np
V (X )

2
X

np(1 p)

Distribucin de Poisson
Se utiliza para modelar datos discretos
Se aproxima a la binomial cuando p es
igual o menor a 0.1, y el tamao de muestra
es grande (n > 16) por tanto np > 1.6

Una Variable aleatoria X tiene distribucin Poisson si toma

probabilidades con.

e
f ( x)
x!

x 0,1,...

np
np

Distribuciones de probabilidad
continuas
1. Distribucin exponencial

2. Distribucin normal

Distribucin Exponencial
Modela artculos con una tasa de falla constante y est
relacionada con Poisson.

Modela el tiempo medio entre llegadas

Si x se distribuye exponencialmente, y=1/x sigue una
distribucin de Poisson
La funcin de densidad de probabilidad exponencial es:
Para x >= 0

f ( x)

e x

Donde Lambda es la tasa de falla y theta es la media

La funcin de densidad de la distribucin exponencial