Aplicación de Estadística Descriptiva

Universidad Tecnica de
Ambato
Facultad de Contabilidad y
Auditora
Carrera de Economa
APLICACIN DE ESTADSTICA DESCRIPTIVA
EN ECONOMA
TRABAJO FINAL
PORTAFOLIO RESUMEN DE CONTENIDOS
INTEGRANTES:
Daniel Gallo
Andrea Rojas
Natasha Rosales
Cynthia Vega
DOCENTE:
Ing. Mg. Danilo Lozada
ABRIL 2016 AGOSTO 2016
AMBATO-ECUADOR
APLICACIN DE ESTADSTICA DESCRIPTIVA EN

ECONOMA
PORTAFOLIO DE CONTENIDOS
APLICACIN A LA ESTADSTICA
EN ECONOMA
La estadstica es una disciplina que utiliza recursos matemticos para organizar
y resumir una gran cantidad de datos obtenidos en la realidad, e inferir
conclusiones respecto de ellos, se ocupa de los mtodos cientficos para
recolectar, organizar, analizar y presentar datos as como sacar conclusiones
valederas y tomar sediciones con base a ste anlisis; as tambin realizar
predicciones acerca del conjunto del cual se seleccionado dichos datos.
La palabra estadstica se deriva de la palabra estado, la funcin de los
gobiernos entre otras cosas es llevar los registros de poblacin, nacimientos,
cosechas, impuestos y toda la informacin que engloba l estado, es as que
tradicionalmente se defini la estadstica, como un instrumento de compilacin,
organizacin, presentacin y anlisis de datos numricos.
Solo cuando nos adentremos en un mundo mas especifico como en el campo
de la investigacin de las ciencias sociales: medicina, teologa, psicologa,
entre otros, empezamos a percibir que la estadstica no es algo ms, si no que
se convierte en una herramienta que hoy por hoy permite dar luz y obtener
resultados por lo tanto, beneficios en cualquier tipo de estudio y da una gua de
accin en situaciones prcticas.
CONCEPTO
ESTADISTICA; es una rama de las matemticas que se encarga de recolectar,
organizar e interpretar los datos de la investigacin para una buena forma de
decisiones. Existen dos clases de estadstica: ESTADISTICA DESCRIPTIVA Y
ESTADISTICA INFERENCIAL.
ESTADISTICA DESCRIPTIVA: es la parte de la estadstica que describe y
analiza la poblacin sin pretender sacar conclusiones de tipo general, sino, que
Pgina 2

ECONOMA
las conclusiones obtenidas en l proceso de investigacin sern vlidas
solamente para dicha poblacin.
ESTADISTICA INFERENCIAL: es la parte de la estadstica cuyo propsito es
la de inferir o inducir leyes de comportamiento de la poblacin dicho estudio se
lo realiza mediante una muestra y las conclusiones obtenidas en el proceso de
investigacin sern vlidas para toda la poblacin.
POBLACIN: es un conjunto grande completo de individuos, elementos o
unidades que poseen caractersticas comunes y observables.
EJEMPLOS:
Todos los estudiantes de la Universidad Tcnica de Ambato.

Todos los estudiantes Tercero de Economa.
Todos los pacientes que fueron detectados con resfriado comn en l
Hospital Docente Ambato en l ao 2015.
MUESTRA: es una parte de la poblacin o un subconjunto de sta.

EJEMPLO:
Un estudio acerca de las calificaciones obtenidas con los estudiantes de
Contabilidad y Auditora en l mes de abril en l ao 2015.

Todos los pacientes con resfriado comn en l ao 2015.
VARIABLES: se definen las variables como magnitudes que tienden a sufrir

modificaciones o cambio de un dominio determinado.
Las variables en l proceso de investigacin pueden tomar cualquier valor y se
los representa con las ltimas letras del alfabeto.
Las caractersticas que varan de individuos a individuos o de objeto a objeto se
llaman variables, mientras que permanecen inalterables se llaman constantes.
EJEMPLOS:
La Universidad Tcnica de Ambato lleva a cabo un estudio para

determinar la situacin ocupacional de sus egresadas en la carrera de
Pgina 3

ECONOMA
psicologa, identifique las propiedades siguientes como constantes o
variables.
PROPIEDADES:
Gnero = constante
Ingresos anuales = variable
Profesin = constante
Nmero de aos de experiencia = variable
Nivel jerrquico ocupacional = variable
PLANO CARTESIANO: estn formados por dos rectas perpendiculares, que

forman un ngulo de 90 estn formados por el eje de las abscisas y
ordenadas.
EJEMPLO:
Se realiza una investigacin acerca de las preferencias de adquirir un producto
que satisfaga la sed y a la vez la seora del kiosko que pedidos podra hacer a
la prxima cita de distribuidor.
Coca cola
Coca cola
Agua
Nestea
Cerveza
Tampico
Nestea
Nestea
Jugo
Yogurt
Yogurt
Ninguno
Ninguno
Caf
Caf
Nestea
Energizante
Agua
Pony
Pgina 4

ECONOMA
Pony
Nestea
Nestea
Nestea
Ninguna
Pony
Cerveza
Cerveza
Yogurt
Jugo
Jugo
Pony
Nestea
Agua
Jugo
Ninguno
Energizante
Energizante
Jugo
Coca cola
Nestea
PROCESO:
1. En un cuadro de distribucin de frecuencias.
2. Grficos pertinentes.
3. Interpretacin.
VARIABLES
FRECUENCIA
FRECUENCIA
ABSOLUTA
RELATIVA
COCA COLA
0.075
7.5%
AGUA
0.075
7.5%
NESTEA
0.225
22.5%
15
CERVEZA
0.075
7.5%
18
TAMPICO
0.025
2.5%
19
Pgina 5
FRECUE
ABSOLU
ACUMUL
3

ECONOMA
JUGO
0.125
12.5%
24
YOGURT
0.075
7.5%
27
CAF
0.05
5%
29
ENERGIZANTE
0.075
7.5%
32
NINGUNA
0.1
10%
36
PONY
0.1
10%
40
CUADRO DE
DISTRIBUCION DE
FRECUENCIAS
TOTAL
40
Pgina 6
100
%

ECONOMA
11
9
7
5
2
0
GRFICO
EJEMPLO
De 30 familias se va a realizar una investigacin acerca del nmero de hijos
que conforman dichos hogares.
Se pide realizar un cuadro de distribucin de frecuencia, interpretaciones y
graficas de frecuencia.
Pgina 7

ECONOMA
CUADRO DE DISTRIBUCION DE
VARIABLES
FRECUENCIA
ABSOLUTA
FRECUENCIAS
FRECUENCIA
%
FRECUENCIA
RELATIVA
ABSOULTA
FRECUENCI
RELATIVA
0,17
17%
ACUMULADA
5
0,13
13%
0,30
0,13
13%
13
0,43
10%
16
0,53
20
0,66
30 4
0,99
0,10
ACUMULAD
0,17
0,13
99% 13%
0,27
27%
28
0,93
0,03
3%
29
0,96
0,03
3%
30
0,99
TOTAL
Pgina 8

ECONOMA
INTERPRETACIONES
Fa5= 4 de las 30 familias tienen 4 hijos.
Fa7= 1 de las 30 familias tienen 1 hijo.
Fr6= el 27% de las 30 familias tienen 5 hijos.
Fr4= el 10% de las 30 familias tienen 3 hijos.
Fra3= el 43% de las 30 familias tiene entre 0 y 2 hijos.
10
8
6
4
2
0
0
DIAGRAMA DE FRECUENCIAS
DIAGRAMA DE FRECUENCIAS ACUMULADAS
38
30
23
15
8
0
0
Pgina 9

ECONOMA
VARIABLES CONTINUAS
CONCEPTO:
Cuando los valores del dominio de variacin son susceptibles de medir, se
puede asumir valores decimales. Ejemplo; peso de una persona, talla de una
persona.
EJEMPLO;
El departamento de bienestar social de la escuela La Merced de la ciudad de
Ambato desea determinar el nmero de horas semanales que dedican los
nios menores de 6 aos a ver televisin. Una muestra de 40 nios da como
resultado lo siguiente:
10
16
23
15
18
19
19
22
21
25
27
17
23
23
19
27
12
26
24
26
25
20
14
21
10
15
12
13
14
11
Pgina 10

ECONOMA
19
26
26
13
15
17
19
22
26
SOLUCION:
VALOR MAXIMO: 27
VALOR MINIMO: 10
RANGO ( v.max- v. Mnimo): 17
NUMERO DE CLASE (1+3.3 log n): 6
ANCHO INTERVALOS (w= R/k): 3
INTERPRETACION
Fa2: el 7 de los 40 nios investigados dedican 2 horas a ver
televisin.
Fa4: 8 de los 40 nios investigados dedican 4 horas a ver televisin.
Fr4: el 20% de los 40 nios investigados dedican 4 horas a ver
televisin.
Fr2: el 17% de los 40 nios investigados dedican 2 horas a ver
televisin.
Fra4: el 59% de los nios investigados dedican 4 horas a ver
televisin.
Pgina 11

ECONOMA
El diagrama de tallo y hoja es estadstica es de muy fcil aplicacin y sirve para

identificar el nmero de veces que se repite la variable es decir facilita el
clculo de la frecuencia absoluta. Para mayor compresin detallamos de la
siguiente forma:
Los datos siguientes corresponden a las personas que se encuentran en el
asilo de ancianos (aos) representados a travs de un diagrama de tallo y hoja.
58,104,93,74,90,74,90,80,68,100,77,85,84,80,70,84,101,84,93,70,90,74,77,58,
64,409,96,77,90,74,93,80,74,88,84,77,70,60,,104,77,93,77,96,84,77,90,88,86,7
4,64,108,80,93,77,100,84,77,80,80,83,77,68,110,80,96,80,104,88,80,80,88,74,
80,70,60,80,96,80,108,88,80,84,68,78,80,74,64,80,100,80,64,90,88,77,70,70,8
4,77,68,84,100,84,68,90,90,77,74,45
a) cuadro de distribucin de frecuencias.

b) Aplique el diagrama de talo y hoja
c) Grafica de frecuencias
d) Interpretacin
Valor mximo= 110
Valor minimo=58
Rango=52
N clases=8
Ancho del intervalo= 7
Pgina 12

ECONOMA
Nclases
Intervalos
Marca
de
clase
F.a
F.r
F.a.a
F.r.a
1
2
3
4
5
6
7
8
58-64
65-71
72-78
79-85
86-92
93-99
100-106
107-113
61
68
75
82
89
96
103
110
8
13
27
31
17
10
9
5
0.066
0.108
0.225
0.258
0.1416
0.083
0.075
0.0416
6.6
10.8
22.5
25.8
14.16
8.3
7.5
4.16
8
21
48
79
96
106
115
120
0.066
0.174
0.399
0.657
0.7986
0.8816
0.9566
0.9982
6.6
17.40
39.9
65.7
79.86
88.16
95.66
99.82
Diagrama de tallo y hoja

TALL
HOJA
O
5
6
7
8
8480480844
447004774067477077747774084700774
5
050800844860400300800800080040008
9
10
11
4444044
3006030336036600030
408048048004
00
Diagrama de tallo y hoja ordenado:

TALLO
5
6
7
8
9
10
11
HOJA
88
00444488888
0000000444444445677777777777777777778
000000000000000000000003444444444456888888
0000000003333336666
000004444888
00
Existe una diversidad de grficos estadsticos; estos se eligen de acuerdo al

tipo de variable y al propsito para el cual se construyen. Los grficos de mayor
importancia son:
Pgina 13

ECONOMA
GRFICO DE BARRAS SIMPLE
Para su elaboracin se debe contar con una tabla o cuadro de entrada simpe; y
debe constar lo siguiente:
Todas las barras tienen el mismo ancho.

El espacio entre barra y barra debe ser el mismo y constituye la mitad
del ancho de la barra.

El ancho de la barra debe ser el doble del espacio que se deja entre
barra y barra.
El nmero de la escala en cada eje debe ser proporcional entre si.
Ejemplo:
Pacientes atendidos en el hospital con gripe segn el grado de instruccin:
Grado de instruccin
Analfabeto
Primaria
Secundaria
superior
TOTAL
N de pacientes
38
63
16
03
120
Pgina 14
%
31.7
52.5
13.3
02.5
100

ECONOMA
60
50
40
30
20
10
0
analfabeto
primaria
secundaria
superior
GRAFICA DE BARRAS COMPUESTA

Para su elaboracin se debe contar con una tabla o cuadro de entrada doble.
Grado
instruccin
Analfabetismo
Primaria
Secundaria
Superior
TOTAL
de Gnero
Masculino
Total
Femenino
13
35
9
2
59
15
28
7
1
51
Pgina 15
28
63
16
3
110

ECONOMA
40
35
30
25
masculino
20
femenino
15
10
5
0
Analfabetismo
Primaria
Secundaria
Superior
Una vez distribuidas las frecuencias por clases se procede a determinar las
marcas de clases y los lmites que son los que determinan el espesor de las
barras del histograma.
Esto es posible representarlo mediante un histograma y polgono de frecuencia;
se debe tomar en cuenta que el polgono de frecuencia no es otra cosa que el
mismo histograma pero representado mediante segmentos de recta que pasan
por las marcas de clase o puntos medios calculados.
Ejemplo:
El cuadro representa al salario promedio mensual por cada trabajador.
Pgina 16

ECONOMA
X
67-71
72-76
77-81
82-86
87-91
92-96
97-101
102-106
107-111
112-116
117-121
122-126
F
0
3
6
12
18
25
20
14
9
6
3
0
Marca de clase
69
74
79
84
89
94
99
104
109
114
119
124
F
0
3
6
12
18
25
20
14
9
6
3
0
Marca de clase
69
74
79
84
89
94
99
104
109
114
119
124
Frecuencias por frontera

X
66.5-71.5
71.5-76.5
76.5-81.5
81.5-86.5
86.5-91.5
91.5-96.5
96.5-101.5
101.5-106.5
106.5-111.5
111.5-116.5
116.5-121.5
121.5-126.5
Pgina 17

ECONOMA
30
25
20
15
10
Ejercicio:
Se ha registrado el peso en gramos de 39 piezas , las cuales dio como
resultado lo siguiente :
64,1
67,3
64,4
65
66,9
67
65,7
65,4
68,8
66,7
65,3
64,6
65
64,3
63,9
66
66,4
65,7
65,8
63,1
66,6
66,1
64,1
64,3
66,4
65,3
64,4
63,5
66,3
68,5
63
63,2
64
64
63,1
65,5
65,1
66,8
64,5
Maximo: 68,8
Minimo: 63
rango:5,8
ancho del intervalo: 1
N clases: 6
Intervalo
Marca
de
clase
f.a
f.r
f.a.a
f.r.a
1
2
3
4
5
6
63-64[
64-65[
65-66[
66-67[
67-68[
68-69[
63,5
64,5
65,5
66,5
67,5
68,5
7
10
10
8
2
2
0.179
0.256
0.256
0.205
0.051
0.051
17.9
25.6
25.6
20.5
5.1
5.1
7
17
27
35
37
39
0.179
0.435
0.691
0.896
0.647
0.998
17.9
43.5
69.1
89.6
94.7
99.8
Pgina 18

ECONOMA
TALLO
63
64
65
66
67
68
HOJA
0011259
0011234456
00133457789
13446789
03
58
12
10
OJIVA
Es una grfica asociada a la frecuencia absoluta acumulada que permite ver
las observaciones generadas para una mejor comprensin.
Pgina 19

ECONOMA
Ojiva
45
40
35
30
25
20
15
10
5
0
63
64
65
66
67
68
69
GRFICA DE TENDENCIA
Se utiliza cuando se necesita presentar datos en orden cronolgico.
Ejemplo:
AO
2010
2011
2012
2013
2014
2015
TIPO DE ENFERMEDAD
CARDIOVASCULAR
VARICELA
30
50
20
80
50
100
60
100
10
110
120
110
Pgina 20
TOTAL
80
100
150
160
120
230

ECONOMA
140
120
100
80
CARDIOVASCULAR
VARICELA
60
40
20
0
2010
2011
2012
2013
2014
2015
DIAGRAMA CIRCULA, PASTEL O POR SECTORES

Sirve para representar y comparar las dimensiones de las partes de un
fenmeno con el fenmeno o evento total. Para su elaboracin se utiliza la
circunferencia, siendo necesario que los valores absolutos y porcentuales sean
traducidos en grados y a casa elemento de la variable le corresponde un sector
de la circunferencia .
Ejemplo:
Se desea Investigar de la poblacin Cul es la infraestructura que posee?
INFRAESTRUCTURA
Casa propia
Departamento
Arriendan
Ninguna
TOTAL
360 360
K=
=
N
3000 = 0,12
POBLACIN
1000
1500
450
50
3000
Pgina 21

ECONOMA
Casa propia
Departamento
Arriendan
Ninguna
TOTAL
1000*0,12=120
1500*0,12= 180
450*0,12=54
50*0,12= 6
3000
INFRAESTRUCTURA
Casa propia
Departamento
Arriendan
Ninguna
TOTAL
PORCENTAJE
(1000*100)/3000=33,33%
(1500*100)/3000=50%
(450*100)/3000=15%
(50*100)/3000=1,67%
100%
15%
2%
Departamento
50%
Arriendo
Ninguna
33%
Casa propia
Pgina 22

ECONOMA
Las medidas de tendencia central permiten hallar un solo valor numrico, el
mismo que va a representar a toda la poblacin. Las medidas de tendencia
central ms importantes que se utilizan para la investigacin son:
De tendencia central:
La media aritmtica, mediana , moda, media geomtrica, etctera
De posicin:
Deciles, percentiles, cuartiles .
De dispersin:
Rango, desviacin estndar o tpica ,desviacin media ,varianza y coeficiente
de variacin .
Estas medidas de tendencia central en esta vida por que permiten hallar un
solo valor numrico que indican el centro de un conjunto de datos.
MEDIA ARITMTICA
Para datos no agrupados:
Se hallas sumando todos los datos de la distribucin y dividiendo el resultado
entre el total de los datos se expresa mediante la siguiente frmula:
Donde:
= Media aritmtica
= Sumatoria de todos lo datos

N
= Nmero total de datos
Pgina 23

ECONOMA
Ejemplo:
El coeficiente de inteligencia CI de las siguientes personas es el siguiente:
100,95,102,115,93
=(100+95+102+115+93)/5= 102
El promedio de CI del grupo es de 102.
Para datos agrupados:
Cuando los datos estn agrupados en una tabla de distribucin de frecuencias
el promedio puede ser calculado principalmente a travs de la siguiente
frmula:
Donde :
= media aritmtica
= marca de clase
= frecuencia absoluta simple

Ejemplo:
El consumo semanal de carne vacuna en una muestra de 80 familias en la
comunidad XY es:
INTERVALO
0-1.9
2-3.9
4-5.9
6-7.9
fi
15
26
20
13
Xi
0,95
2,95
4,95
6,95
fi*Xi
14,25
76,70
99
90,35
Pgina 24
Solucin
=334/80=4,18 Kg
En promedio el consumo semanal

ECONOMA
8-9.9
6
8,95
fi= frecuencia absoluta simple
53,78
del grupo es de 4,18 Kg.
Fi= frecuencia absoluta acumulada

hi= frecuencia relativa simple
Hi= frecuencia relativa acumulada
Ventajas de la media aritmtica
Es til cuando los datos siguen aproximadamente una progresin
aritmtica o estn distribuidos en forma normal o simtrica

Es un estadgrafo de gran estabilidad porque toma en cuenta todos los
datos.
Nos permite estimar y probar parmetros en estadstica inferencial.
Desventajas de la media aritmtica
Cuando los datos agrupados tienen clases abiertas en los extremos no
es recomendable calcular la media aritmtica.

Cmo incluye todos los datos puede ser afectado por valores extremos.
Mediana (Me)
Mediana para los datos no agrupados
La mediana es el valor medio cuando la serie es impar o la media aritmtica de
los dos valores medios (cuando las serie es par) de un conjunto de datos en
forma creciente o decreciente.
Ejemplo:
Hallar la mediana de las edades de 5 personas
12, 15, 13, 48, 10
Me=13
El 50% de las 5 personas investigadas tienen como mximo 13 aos
Pgina 25

ECONOMA
Hallar la mediana de las edades de 6 personas
48, 52, 5, 50, 55, 53
5, 48, 50, 52, 53, 55
=
50+ 52
6
=51=Me
Mediana para datos agrupados

Cuando los datos se encuentran agrupados en una tabla de distribucin de
frecuencias, la mediana se halla utilizando la siguiente formula:
[ ]
n
Fi1
2
Me=Li+
ai
fi
Ejemplo:
INTERVALO
fi
Fi
15
26
20
13
6
80
15
41
61
74
80
S
0
2
4
6
8
1,9
3,9
5,9
7,9
9,9
Me=2+
4015
.2
26
Me=3,9
Ventajas de la mediana
1) La mediana es un estadgrafo que no est afectada por valores
extremos y por lo tanto es ms representativa que la media aritmtica
Pgina 26

ECONOMA
cuando alguno de los valores de la variable se alejan mucho de los
dems o cuando las series son poco simtricas
2) Es til cuando los datos agrupados tienen clases abiertas en los
extremos
Moda (Mo)
Es un estadgrafo que nos indica el valor o cualidad que se representa con mas
frecuencia dentro de una variable
Moda para datos no agrupados
La moda es el valor ms frecuente o el valor que mas se repite dentro de una
serie de datos.
Ejemplo:
Calcular la moda del coeficiente intelectual de un grupo de estudiantes.
100, 101, 99, 100, 105, 100

Mo=100
Unimodal
100, 95, 99, 95, 100, 101, 105

Mo=95, 100
Bimodal
Cuando la serie tenga 3 o mas modas se las conoce con el nombre de

multimodal
Moda para datos agrupados
Para datos agrupados utilizamos la formula que nos permite encontrar la clase
modal.
Mo=Li+
1
. ai
1+ 2
Donde;
Pgina 27

ECONOMA
Mo = Moda
Li = lmite inferior
A1 = fi-fi-1
A2 = fi-fi+1
a =ancho de intervalo
Ejemplo:
La siguiente informacin corresponde a la estructura de las personas (cm).
#
1
2
3
4
INTERVALOS
155
165
165
175
175
185
185
195
Mo=165+
fi
6
10
3
1
20
Fi
6
16
19
20
Mo=165+
106
.10
( 106 )+ ( 103 )
[ ]
Mo=165+
4
.10
4 +7
40
11
Mo=168,64 cm Ventajas de la moda
1) Al igual que la mediana no esta afectada por valores extremos

2) Puede usarse cuando los datos agrupados tiene clases avientas en los
extremos
Desventajas de la moda
1) No es representativa a menos que la distribucin contenga un gran
nmero de datos y exista significativa repeticin
2) Muchas veces la serie no tiene moda parque ningn valor se repite
3) Cuando la serie tiene 2, 3 o ms modas se hace difcil la comparacin e
interpretacin
Media Geomtrica
Es un estadgrafo que permite promediar proporciones, ndices y tasas de
crecimiento. Se obtiene de acuerdo a lo siguiente:
Pgina 28

ECONOMA
Media geomtrica para datos no agrupados
Es la raz del ndice n del producto continuado de los n datos.
x g=n x 1 . x 2 . x 3 x n
Donde;
x n= valor de datos
n=nmero de datos
Ejemplo:
El ndice de crecimiento de nios vacunados a travs de los aos ha sido los
siguientes:
2013=100%;
2014=186%;
El crecimiento promedio ser:
x g=3 100.186 .230

3
x g= 4278000
x g=162,3
Media geomtrica para datos agrupados

Se aplica la siguiente frmula:
i=n
x g=
fi
i=1
xi
f1
1
. xi 2f . xif3 xi fi
2
Donde;
Pgina 29
2015=230%

ECONOMA
x 1 , x 2 , x 3 = Marca de clase
f 1 , f 2 , f 3 = Frecuencia absoluta simple
Ejemplo:
La siguiente informacin corresponde a los casos de gripe segn el reporte de
los mdicos donde fueron atendidos.
CASOS
GRIPE
0
19
20
39
40
59
60
79
80
99
fi
10
14
17
8
6
55
Xi
9,5
29,5
49,5
69,5
89,5
55
x g= 9,510 .29,5 14 . 49,517 . 69,58 . 89,56
Pgina 30

ECONOMA
Segundo
Parcial
Pgina 31

ECONOMA
Medida o estadgrafo de dispersin
Son estadgrafos que miden la dispersin o desviacin de los datos con
respecto al valor central. Los ms usuales son los siguientes:
Rango, desviacin media, desviacin estndar, varianza y coeficiente de
variacin
Rango: es aquella que mide la distancia entre valor mximo y el valor mnimo.
Para datos no agrupados:
El tiempo que utilizan 6 nios de la misma edad para desarrollar una tarea
16
12
15
18
13
14
Ran= Vmax-Vmn
Ran= 16-12
Ran= 4
Para datos agrupados
El rango es la diferencia entre el lmite superior de la ltima fila y el lmite
inferior de la primera fila.
Desviacin media (Dm)
No agrupados
La desviacin media es el promedio de la suma de las desviaciones en valor
absoluto de cada observacin o dato con respecto a su media aritmtica.
n
x x
i=1
Ejemplo
El tiempo que utilizan 6 nios de la misma edad es:
16
12
15
18
13
14
x =14,67
|1614.67|+|1214.67|+|1514.67|+|1814.67|+|1314.67|+ 1414.67
6
Dm=
Dm 1, 7 min
El tiempo utilizado por los nios para realizar la tarea es de 1,7
minutos en promedio con respecto al valor central.

Pgina 32

ECONOMA
Datos agrupados
Es igual a la sumatoria de la diferencia entre la marca de clase y la media
aritmtica multiplicada por las frecuencias absolutas simple y divido para la
sumatoria de las frecuencias simples.
n
|x x| fi
Dm= i=1
fi
i=1
Dm=
132
53
Dm=2.49
Dm 2.5
La edad de los nios que desarrollan se dispersa en promedio de 2.5 aos con
respecto al valor central.
Varianza
Es el promedio de la suma de los cuadrados de las desviaciones de variable
respecto a su media.
n
Xix 2
i=1
n
2
S =
En poblacin
Xix 2
i=1
n1
S=
En muestra
Desviacin estndar o tpica

Es la raz cuadrada de la varianza
Propiedades de la varianza
1. Siempre ser un valor positivo o cero, en el caso de que las
puntuaciones sean iguales.
2. Si tenemos varias distribuciones con la misma media y conocemos las
respectivas varianzas se puede calcular la varianza total.
3. Si no podemos calcular la media no se puede calcular la varianza
Pgina 33

ECONOMA
Coeficiente de variacin (CV)
El coeficiente de variacin de la desviacin estndar y la media aritmtica
expresada en porcentajes.
CV =
S
100
X
MEDIDAS DE POSICIN
Entre otros estadgrafos de gran importancia tenemos:
Medidas de Posicin
Las medidas de posicin dividen un conjunto de datos en grupos con el mismo
nmero de individuos. Para calcular las medidas de posicin es necesario que
los datos estn ordenados de menor a mayor.
Las medidas de posicin son:
Cuartiles
Deciles
Percentiles
CUARTILES
Los cuartiles son los tres valores de la variable que dividen a un conjunto de
datos ordenados en cuatro partes iguales.
Q1=25% Q2=50% Q3=75%
Coincide siempre con
La media aritmtica
1. Ordenamos los datos de menor a mayor.
2. Buscamos el lugar que ocupa cada cuartil de la siguiente manera.
Nmero par de datos
2, 5, 4, 3, 7, 1, 9, 6
1,
2, 3
Q1
4, 5
Q2
6, 7
Q3
Pgina 34

ECONOMA
9
Clculo de Cuartiles para datos agrupados
Buscamos la clase donde se encuentra el clculo de los cuartiles, que
resulta ser en la tabla de las frecuencias acumuladas.
La frmula a emplearse es la siguiente:
Qk= Li +
K .N
Fi1
a
4
fi i
Dnde:
Li: Lmite inferior
N: Suma de Fi
Fi-1: Frecuencia absoluta anterior
fi: Frecuencia absoluta simple
Q: Amplitud de la clase
Primer Cuartil
65 x 1
=16,25
4
Q1= 60+8,25
Q1= 68,25
Segundo Cuartil
65 x 2
=32,5
4
Q2= 79,06
Tercer Cuartil
65 x 3
=48,75
4
Q3=90+0,75
Q3=90,75
DECILES
Pgina 35

ECONOMA
Los deciles son los nueve valores que divide a la serie de datos en 10 partes
iguales; que corresponden al 10%; 20%; 30%...............90% de datos:
El decil quinto coincide con la mediana
50
60
70
80
90
100
110
Fi
8
10
16
14
10
5
2
60
70
80
90
100
110
120
Fi
8
18
34
48
58
63
65
Buscamos la clase donde se

encuentra
Qk= Li +
K .N
Fi1
a
10
fi i
PERCENTILES
Los percentiles son los 99 valores que disminuyen la serie de datos en 100
partes iguales. Los percentiles dan los valores correspondientes del 1%,
2%.......99% de los datos el percentil 50 coincide con la mediana.
Buscamos la clase donde se encuentra:
K .N
Fi1
a
100
fi i
Pk= Li +
P35= 70+
K.N
100
22,7518
16
10
P35= 72,96
K .N
Fi1
a
100
fi i
Pk= Li +
P60= 80+
3934
14
10
P35= 83,57
COEFICIENTES DE CORRELACIN
Pgina 36

ECONOMA
Sirve para determinar la confiabilidad de cualquier instrumento de medicin
aplicada en una investigacin para lo cual seguimos estos pasos:
1. Establecer la validez del instrumento.
2. Aplicar el instrumento de medicin a una muestra piloto a un tiempo no muy
lejano ni muy cerca.
3. Construir una tabla de datos y aplicar la siguiente frmula.
n
n . x . y x . y
i =1
i=1
x 2 ( x )
i=1
i=1
i=1
n y 2 ( y )
i=1
i=1
Ejemplo:
Para medir el nivel profesional docente, con una escala de 0 a 30 fue aplicado en
dos ocasiones a un grupo de 9 estudiantes y los resultados se muestran a continuacin.
X: 13 8 25 23 15 10 27 18
Y: 12 10 19 25 11 14 26 15
20
24
X.Y
x2
y2
1
2
3
4
5
6
7
8
9
13
8
25
23
15
10
27
18
20
159
12
10
19
25
11
14
26
15
24
156
156
80
475
575
165
140
702
270
480
3043
169
64
625
529
225
100
729
324
400
3165
144
100
361
625
121
196
676
225
576
3024
i=1
n . x . y x . y
r=
r=
i=1
x 2 ( x )
i=1
i=1
i=1
i=1
n y 2 ( y )
i=1
i=1
9 ( 3043 ) (159)(156)
9 ( 3165 )(25281) 9(3024)(24336)
Pgina 37

ECONOMA
r=
2583
3204 2880
r=
2583
( 56,60 ) (53,67)
r=
2583
3037,72
r=0,85
El 0,85 representa una confiabilidad alfa por la cual podre mas utilizar los datos
en la investigacin.
Escala
0,9 0,7
0,6 0,4
0,3 0
-0,1
-0,9
Categora
Alta
Media
Baja
Media
Alta
Positiva
Negativa
MTODO DE LOS MNIMOS CUADRADOS

Consiste en el ajuste que se desea hacer en una serie de puntos de un grfico
que representa cualquier variable, existe un proceso predefinido en la cual se
tiene que determinar cul es la lnea que se va a utilizar para el ajuste y por
consiguiente la proyeccin estimada, la ecuacin principal que se utiliza en el
mtodo de los mnimos cuadrados es:
Y= a+ b(x)
Ecuacin de proyeccin estimada por mnimos cuadrados.
1. Ecuacin normal de la recta:

n
i=1
i=1
y =n . a+b x
2. Ecuacin normal de la recta:
n
i=1
i=1
i=1
x . y =a x+ b x
Ejemplo:
Pgina 38

ECONOMA
La exportacin de barriles de petrleo entre los meses de Enero y Mayo
fue:150, 200, 325, 175, 420 miles de barriles de petrleo. Cul es el valor
proyectado para Noviembre prximo del ao 2016?
Calcular la ecuacin normal de la recta y el valor estimado utilizando el mtodo
de mnimos cuadrados.
Graficar.
FECHAS
Enero
Febrero
Marzo
Abril
Mayo
X
0
1
2
3
4
10
Y
150
200
325
175
420
1270
i=1
i=1
i=1
y =n . a+b x
1270= 5a+10b
n
i=1
i=1
i=1
x . y =a x+ b x 2
3055= 10a+30b
Segundo paso:
1270 = 5a+10b
(-2)
3055 = 10a+30b
-2540= -10a-20b
515= ---- 10b
Remplazar
1270= 5a+10(51,5)
a= 755/5
a= 151
Proyeccin
y= 151+ 51,5 (11)
y= 717,5
Pgina 39
X.Y
0
200
650
525
1680
3055
X
0
1
4
9
16
30

ECONOMA
R= A Noviembre la proyeccin es de 717,5 miles de barriles de petrleo.
Proyeccin
800
700
600
500
Proyeccin
400
300
200
100
0
0
11
Las ventas proyectadas para el ao 2016 aumentan en un porcentaje de:

717,5 150 = 567,5 (100)/150 = 378,73%
PROBABILIDADES
Para el clculo de probabilidades se necesita saber de algunos conceptos para
su resolucin de buena forma.
Por ejemplo:
Experimento Aleatorio
Es un proceso de observacin que no se puede predecir dicho resultado ya que
depende del azar.
Ejemplo:
Lanzamiento de una moneda.
Resultado de un partido de futbol.
Experimento Determinista
Aquellos en donde se puede predecir lo que va a ocurrir.
Ejemplo:
Luego del da viene la noche.
Despus de la vida viene la muerte.
TEORA DE POSIBILIDADES
Pgina 40

ECONOMA
Se encarga de asignar un nmero a cada posible resultado dicho evento es un
experimento aleatorio con el fin de cuantificar y dar una opcin de respuestas
utilizaremos las siguientes definiciones:
Suceso: Es cada uno de los posibles resultados de una experiencia aleatoria.
Ejemplos:
Al lanzar una moneda y obtener Sello.

Al lanzar un dado y obtener el nmero 3.
Al sacar una carta de un naipe, obtener As de trbol.
En un sorteo salga beneficiado el Sr. Manzano.
Espacio Muestral: Es el conjunto formado por todos los resultados posibles de

un experimento aleatorio. Se lo representa con la letra E y sus elementos se
escriben entre llaves como elementos de un conjunto.
Ejemplos:
E: Moneda
E= {Cara, Sello}
E: Dados
E= {1, 2, 3, 4, 5, 6}
E: Cantones de Tungurahua
Pelileo}
E= {Ambato, Quero, Cevallos, Pillaro,
E: Partido de Futbol
E= {Ganar, Perder, Empatar}
E: Exmenes de Semestre
E= {Aprobar, Reprobar}
GRUPO DE SUCESOS
Sucesos Aleatorios: Es un subconjunto del espacio muestral.

Suceso Seguro: Formado por todos los posibles resultados.
Suceso Imposible: No tiene ningn elemento.
Seceso Compatible: Dos sucesos A y B son compatibles cuando tienen algn
suceso elementos en comn.
Ejemplo:
Sea A obtener nmeros pares en el lanzamiento de un dado.
A= {2, 4, 6}
Sea B obtener nmero mayor o igual a tres.
B= {3, 4, 5, 6}
Suceso Incompatible: Es aquello que no tienen nada en comn.
Pgina 41

ECONOMA
A= Que salgan nmeros pares.
B= Obtener nmeros impares.
Suceso Dependiente: Son dependientes cuando la probabilidad del suceso A
se ve afectado por la probabilidad que haya sucedido B.
A= Sacar un As de un naipe es 4 de 52
P=
h
n
P=
4
1
= =7,69
52 13
B= Sacar un 7 de corazones rojos de un naipe

P=
1
=1,96
51
Suceso Independiente: Aquella en la que la probabilidad de A no se ve

afectada por la probabilidad de B.
A= Sacar una J de corazones rojos con reposicin
B= Sacar Q de corazones negros con reposicin
1
52
1
52
Suceso Contrario: Cuando no se realiza dicho evento.

A= Sacar nmeros impares del uno al diez.
A= {1, 3, 5, 7, 9}
A= {2, 4, 6, 8, 10}
B= Lanzamiento de una moneda

B= {Cara}
B= {Sello}
En probabilidad es tan importante la operacin con conjuntos en este caso,

sucesos o eventos, entre ellos tenemos:
Pgina 42

ECONOMA
Unin de Sucesos
Se denomina unin de sucesos aquellos que estn formados por todos los
elementos de A y B. Su representacin est dada por:
AoB
( A B )= )=
{ xx A X B }
Ejemplo:
A= { 2, 4 , 6 }
B={ 3 , 6 }
( A B )= { 2, 3 , 4 ,6 }
Interseccin de Sucesos
La interseccin de dos sucesos A y B es el conjunto de todos los elementos

comunes de A y B. Se denota por la simbologa:
( A B )=
{ xx A X B }
A= X R 3 2 X 4 X +8=0
X
B={ X R/3 X 4 }
A=( X 32 X 2 ) ( 4 x 8 )=0
( X 2 )( X + 2 )( X 2 )=0
Pgina 43

ECONOMA
X 1=2
X 2 ( X2 )4 ( X2 ) =0
X 0 =2
( X 2 ) ( X 24 ) =0
A= {2 , 2 }
B={3 ,2 ,1 , 0 , 1 ,2 , 3 , 4 }
Diferencia de Sucesos
Dados los sucesos A y B, est constituido por los elementos que representan a
A pero no pertenecen a B. Se denota por:
( AB ) =
{ xx A X B }
Ejemplo:
C={ X R /4 X 4 }
B={ X R / [ 5 , 5 ] ;2 X +1 }
C={4 ,3 ,2 ,1, 0 , 1 ,2 , 3 , 4 }
B={5 ,3 ,1, 1 , 3 ,5 }
Pgina 44

ECONOMA
CB={4 ,2 , 0 , 4 }
Experimento:
-Se lanza una moneda tres veces al aire:
P ( A )={ Salenal menos dos sellos }
A= { ( c , s , s ) , ( s , c , s ) , ( s , s , c ) , ( s , s , s ) }
P ( B ) ={ Sale algunacara }
B={ ( c , c ,c ) , ( c , c , s ) , ( c , s , c ) , ( c , s , s ) , ( s , c , c ) , ( s , c , s ) ,( s , s ,c ) }
DIAGRAMA DE RBOL
Pgina 45

ECONOMA
P ( A B )= { ( c , s , s ) , ( s , c , s ) , ( s , s , c ) , ( s , s , s ) , ( c , c , c ) , ( c , c , s ) , ( c , s ,c ) , ( s ,c , c ) }
P ( A B )= { Sale al menos dos sellos o sale alguna cara }

INTERSECCIN
P ( A B ) ={ ( c , s , s ) , ( s , c , s ) ,( s , s , c) }
Pgina 46

ECONOMA
P ( A B ) ={ Sale al menos dos sellos y sale alguna cara }

DIFERENCIA
P ( AB )= {(s , s , s) }
P ( AB )= { Sale al menos dos sellos pero no sale alguna cara }
P ( BA )= { ( c , c , c ) , ( c , c , s ) , ( c , s , c ) ,(s , c , c) }
P ( BA )= { Sale alguna cara pero no sale al men os dos sellos }
Pgina 47

ECONOMA
EJERCICIOS
-
Una moneda se lanza 2 veces, si en ambos lanzamientos sale cara

la moneda ser de Jos; si sale sello dos veces, ser de Paco; y
una vez sale cara y una vez sale sello ser de Mnica. Quin tiene
mayor probabilidad de quedarse con la moneda?
Lanzar 2 dados y considerando sus puntuaciones de la siguiente

forma:
A= { M ltiplos de 2 }
B={ M ltiplos de 3 }
C={ Sale impar }
D= { M ltiplos de 5 }
Encontrar:
BB
A BA B A
DB A
A= { 2,4,6,8,10,12}
C={ 3,5,7,9,11 }
B={ 3,6,9,12 }
D= {5,10 }
A B
A B
Pgina 48

ECONOMA
{1 , 3 , 5 ,7 , 9 , 11 }
A=
{ 2 , 4 , 6 , 8 , 10 }
B=
BD
B A
AXIOMAS DE LAS PROBABILIDADES

a) La probabilidad de un evento es siempre positiva, es decir 0
b) La probabilidad de un suceso o evento seguro es la posibilidad del
espacio muestral que equivale a la unidad.
c) La probabilidad de un evento toma valores entre cero y la unidad
( 0 PA 1 )
d) Si a y b son suceso incompatibles entonces va a aplicar la siguiente
frmula:
P ( A B ) =P ( A )+ P ( B )
e) La probabilidad de un suceso contrario es:
p+q=1
p=1q
Pgina 49

ECONOMA
f) La probabilidad de la unin de dos sucesos A y B que tengan algo en
comn es:
P ( A B )=P ( A ) + P ( B )P ( A B )
g) La probabilidad de eventos complementarios es:
)=P ( A ) + P ( A )=1
P( A A
Probabilidad Condicionada
Se utiliza cuando se desea conocer la probabilidad de que ocurra el evento B
dado que el evento A ha ocurrido.
P
( BA )= P (PB(A )A )
P ( A ) 0
Multiplicacin de Probabilidades
Si en los eventos A y B son dependientes, entonces la ocurrencia simultnea
de los eventos es:
P ( A B ) =P ( A ) . P
( BA )
Si los eventos de A y B son independientes, entonces:

P ( A B ) =P ( A ) . P ( B )
EJERCICIOS PROPUESTOS
Sabiendo que la probabilidad de A es 3/8; la probabilidad de B=1/2; la
P( A B)=1/4 , calcular:
a)
P ( A B)
b)
)
P( A
c)
P ( B )
d)
B )
P( A
Pgina 50

ECONOMA
e)
B)
P( A
f)
P( A B)
a)
P ( A B )=P ( A ) + P 8 B P( A B)
3 1 1
P ( A B )= +
8 2 4
P ( A B )=
5
8
P ( A B )=0.625 100=62.5
b)
)=1P ( A )
P( A
)=1
P( A
)=
P( A
c)
3
8
5
8
P ( B ) =1P( B)
1
P ( B ) =1
2
1
P ( B ) =
2
d)
B ) =1P ( A B )
P( A
B ) =1 5
P( A
8
B ) = 3
P( A
8
e)
B ) =1P( A B)
P( A
B ) =1 1
P( A
4
B ) =3/ 4
P( A
f)
B ) =P( A). P(B)

P( A
B ) = 3 . 1
P( A
8 2
B ) = 3
P( A
16
Pgina 51

ECONOMA
Calcular la probabilidad de 4 monedas al aire, que salga sello, cara,
cara sello:
C
C
C
C
C
C
C
C
S
S
S
S
S
S
S
S
C
C
C
C
S
S
S
S
C
C
C
C
S
S
S
S
C
C
S
S
C
C
S
S
C
C
S
S
C
C
S
S
C
S
C
S
C
S
C
S
C
S
C
S
C
S
C
S
P ( A )=
1
16
3 electores elegidos al azar deben expresar su opinin favorable o

controlarla, o un proyecto de ley sobre educacin; asignamos las
opiniones por favorable (F) y contrario (C). Hallar:
-Espacio muestral del experimento
-Probabilidad de que 2 electores estn en contra de la propuesta
-Probabilidad de que los 3 electores estn en contra o a favor de la propuesta
-Probabilidad de que al menos un elector se oponga a la propuesta
Pgina 52

ECONOMA
a) Em= 8
P(b)
3
=0,38 x 100 =38
8
2
P ( c ) =0,25 x 100 =25
8
7
P ( d ) =0,88 x 100 =88
8
Un par de dados legales son lanzados; determine la probabilidad

de que al menos un dado muestre un 4
( 1,1 ) (1,2 ) ( 1,3 ) ( 1,4 ) ( 1,5 )( 1,6 )

( 2,1 )( 2,2 ) ( 2,3 ) ( 2,4 ) ( 2,5 ) (2,6 )
Em= ( 3,1 )( 3,2 ) ( 3,3 ) ( 3,4 ) ( 3,5 )( 3,6 )
( 4,1 ) ( 4,2 )( 4,3 ) ( 4,4 )( 4,5 )( 4,6 )
( 5,1 ) (5,2 ) ( 5,3 ) ( 5,4 ) ( 5,5 )( 5,6 )
(6,1)( 6,2)(6,3)(6,4)(6,5)(6,6)
Em={ 36 }
h 11
P ( a )= = =0,3055=30,55
n 36
Una moneda y un dado legales son lanzados, encuentre la

probabilidad de que:
a) Salga sello y un 3
b) Salga sello
c) Salga 5
d) Salga una cara y un nmero par
Pgina 53

ECONOMA
a)
1
=0,0833=8,33
12
b)
1
=0,5=50
2
c)
2
=0,1666=16,66
12
d)
3
=0,25=25
12
Si la probabilidad de E=0,2; la probabilidad

de F=0,3 y la probabilidad de E y F=0,1.
Encuentre la probabilidad del sucesos
contrario de E y la probabilidad de P(EUF)
a) P ( E )=10,2
0,8 x 100 =80
b P ( EUF ) =P ( E ) P ( F ) P (E F)
0,2+0,30,1
0,4=40
1
13
Si p(E) = 4 ; P(EUF)= 20
1
y P(E F)= 10 . Encuentre P(F)
1
a P ( E )=1
4
3
=0,75=75
4
b P( F)
P ( E F )=P ( E ) + P ( F )P ( E F )
P ( E F ) + P ( E F )P ( E )=P ( F )
P ( F )=
13 1 1
+
20 10 4
0,65+0,10,25
0,5=50
Pgina 54

ECONOMA
Un par de dados balanceados son lanzados, encuentre la
probabilidad de que la suma de los nmeros que aparecen arriba
sean:
a)
b)
c)
d)
e)
f)
g)
8
2o3
3,4 o 5
12 o 13
Par
Impar
< 10
( 1,1 ) (1,2 ) ( 1,3 ) ( 1,4 ) ( 1,5 )( 1,6 )

( 2,1 )( 2,2 ) ( 2,3 ) ( 2,4 ) ( 2,5 ) (2,6 )
Em= ( 3,1 )( 3,2 ) ( 3,3 ) ( 3,4 ) ( 3,5 )( 3,6 )
( 4,1 ) ( 4,2 )( 4,3 ) ( 4,4 )( 4,5 )( 4,6 )
( 5,1 ) (5,2 ) ( 5,3 ) ( 5,4 ) ( 5,5 )( 5,6 )
(6,1)( 6,2)(6,3)(6,4)(6,5)(6,6)
a)
P ( a )=
5
=0,1388=13,88
36
b)
P ( b )=
3
=0,0833=8,33
36
c)
P ( c )=
9
=0,25=25
36
d)
P ( d )=
1
=0,0278=2,78
36
e)
P ( e) =
18
=0,50=50
36
f)
P ( f )=
18
=0,50=50
36
g)
P ( g )=
30
=0,8333=83,33
36
Ejemplo 1:
Pgina 55

ECONOMA
Las personas A, B Y C entran en un edificio en diferentes momentos. El
resultado de que A llegue primero, B segundo y C tercero, puede ser
indicado por ABC. Determine:
a) El espacio muestral de los posibles llegados.
b) El evento de que A llegue primero.
c) El cuento de que A no llegue primero.
B
C (A,B,C)
B (A,C,B)
C (B,A,C)
A (B,C,A)
B (C,A,B)
A (C,B,A)
a)
E= { 6 }
b)
2
P= =0,333.100 =33,3
6
c)
4
P= =0,666.100 =66,6
6
Edificio
Probabilidad condicionada
Se utiliza cuando se desea conocer la probabilidad que ocurra el evento B dado
que el evento A no ha ocurrido.
P
P (B A )
B
=
A
P(A)
( )
P( A) 0
Multiplicacin de probabilidades
Si los eventos A y B son dependientes, entonces la ocurrencia simultanea de
B
los eventos es: P ( A B ) =P ( A ) P ( A )
Independientes:
Pgina 56

ECONOMA
Si los eventos A y B son independientes
P ( A B ) =P ( A ) P (B)
Sabiendo que la probabilidad del evento A es 3/8 la probabilidad de B es 1/2; la
probabilidad de (AB)= 1/4. Calcular:
Probabilidad P(AUB)
P ( A ' ) P ( B )
P ( A ' B' )
P ( A ' B' )
P ( A B' )
a)
P ( A B )=P ( A ) P ( B )P ( A B )
3 1 1
+
8 2 4
5
8
0,62
62.5
b)
)=1P ( A )
P( A
c)
5
8
P ( B ) =1P ( B )
1
d)
3
8
1
2
1
2
B ) =1P ( A B )
P( A
5
8
3
8
Pgina 57

ECONOMA
e)
B ) =1
P( A
f)
1
4
3
4
P ( A B ) =P ( A )P ( A B )
3 1

8 4
1
8
Ejercicio:
Tres elegidos al azar deben expresar su opinin favorable o contraria a un
proyecto de ley sobre educacin.
Asignamos las opiniones por FAVORABLE (F) y por CONTRARIO (C)
Hallar:
a) Espacio muestral del experimento
b) Probabilidad de que dos electores estn en contra de la propuesta
c) Probabilidad de que los tres electores estn en contra o a favor de la
propuesta
d) Probabilidad de que al menos uno se oponga
Pgina 58

ECONOMA
Em= { 8 }
P ( B ) ={ ( F , C , C ) ; ( C , F , C ) ; (C , C , F) }
2 1
P (C )= = =0,25100=25
8 4
7
P ( D )= =0,88100=88
8
Ejercicio:
Un par de dados legales son lanzados, determine la probabilidad de que al
menos un dado muestre un 4.
( 1,1 )( 1,2 ) ( 1,3 )( 1,4 )( 1,5 )( 1,6 )

(2,1 )( 2,2 ) ( 2,3 )( 2,4 ) (2,5 )( 2,6 )
Em= ( 3,1 )( 3,2 ) ( 3,3 )( 3,4 )( 3,5 )( 3,6 )
( 4,1 )( 4,2 )( 4,3 )( 4,4 ) ( 4,5 )( 4,6 )
( 5,1 )( 5,2 ) ( 5,3 )( 5,4 )( 5,5 )( 5,6 )
(6,1)( 6,2)(6,3)(6,4)(6,5)(6,6)
Em={ 36 }
Pgina 59

ECONOMA
h 11
P ( A )= = =0,3055100=30,55
n 36
Ejercicio:
Si la probabilidad del evento
probabilidad de
de
P ( E )=0,2 ; la probabilidad de
P ( E F )=0,1 , encuentre la probabilidad del suceso contrario

P( E F)
P ( E ) y la probabilidad de
P ( E )=1P ( E )
10,2=0,8100=80
P ( E F )=P ( E ) + P ( F )P( E F )
0,2+0,30,1
0,4
Ejemplo:
Si
P ( E )=
a)
1
4 ;
P ( E F )=
13
20
P ( E F )=
P( E)
P ( E )=1P (E)
1
b)
P ( F )=0,3 , y la
1
4
3
4
P (F )
P ( E F )=P ( E ) + P ( F )P ( E F )
13 1
1
= + P ( F )
20 4
10
13 1 1
+ =P ( F )
20 10 4
1
=P ( F )
2
Pgina 60
1
10 ;
P ( F )=?

ECONOMA
0,5=P ( F)
Ejemplo:
Un par de dados balanceados son lanzados. Encuentre la probabilidad de que
la suma que los nmeros que aparece sean:
a)
b)
c)
d)
e)
f)
g)
8
2o3
3, 4, 5
12, 13
Par
2x+1
<10
a)
5
=0.138100=13.89
36
b)
3
=0.083100=8.33
36
c)
9
=0.25100=25
36
d)
1
=0.0277100=2.78
36
e)
18
=0.5100=50
36
f)
18
=0.5100=50
36
g)
30
=0.83100=83.33
36
Ejemplo:
Las personas A, B, C entran en un edificio en diferentes momentos. El
resultado de que A llegue primero; B segundo y C tercero puede ser indicado
por ABC.
a) El espacio muestral de posibles llegadas
b) El evento de que A llegue primero
c) El evento de que A no llegue primero
Pgina 61

ECONOMA
a)
Em={ 6 }
b)
2 1
= =0.333100=33.3
6 3
c)
4 2
= =0.666100=66.6
6 3
Ejemplo:
Se extrae al azar una canica de una caja que contiene 6 canicas rojas, 4
blancas y 5 azules
Hallar la probabilidad de que la canica sea:
a) Roja
6
=0.4100=40
15
b) Blanca
4
=0.266100=26.67
15
c) Azul
5
=0.333100=33.3
15
d) No roja
9
=0.6100=60
15
e) Roja o blanca
10
=0.666100=66.6
15
Probabilidad condicional
Pgina 62

ECONOMA
Es utilizado cuando se desea conocer la probabilidad de ocurrencia de un
evento condicionado a la aparicin previo del otro. Se calcula:
P (B A )
B
=
A
P(A)
( )
( BA )
P ( A ) 0
= probabilidad de que ocurra el evento B dado que ha ocurrido el
evento A
Teorema de la adicin
Si A y B son sucesos no mutuamente excluyentes, se aplicara la siguiente
formula:
P ( A B )=P ( A ) + P ( B )P ( A B )
Significa que A y B se intersecan es decir que puede ocurrir simultneamente
los dos eventos.
Si A y B son mutuamente excluyentes:
P ( A B )=P ( A ) + P ( B ) P( A B) 0
Teorema de la multiplicacin
Se utiliza para calcular la probabilidad de ocurrencia simultneamente de dos o
mas eventos. Si los eventos A y B son dependientes utilizamos la siguiente
formula:
P ( A B ) =P ( A )P ( B / A )
Si los eventos son independientes utilizamos:
P ( A B ) =P ( A )P( B)
EJEMPLO:
Una encuesta de 100 personas para determinar la influencia de la TV en el
consumo de conservas enlatadas, y los resultados son: 40 consuman
conservas de la marca X que promocionaba la TV, 25 de la marca Y que no se
promocionaban en TV y 10 las dos marcas.
Si se elige una persona al azar calcular la probabilidad:
a) Consuma marca X
b) Consuma marca X u Y
c) No consuma ninguna marca
Pgina 63

ECONOMA
= 100
a) Conserva
P(x)=
40
=0,45100 =45
100
b) X o Y
P(X o Y)=
P(A) +
55
=0,55
100
P (B) P (AB)
0,4 + 0,25
0,65
0,10
0,10 = 0,55
c) Ninguna
P(C)=
45
=0,45100 =45
100
(A U B)' = 1
P(A U B)
EJEMPLO 2:
En una muestra de 20 laboratorios clnicos se encontr que 10 de ellos
utilizaban solo insumos importados, 5 solo nacionales y 2 tanto
importados como nacionales si se eligen un laboratorio al azar hallar la
probabilidad:
Pgina 64

ECONOMA
a) Utilice insumo nacional
b) Utilice insumo importado o nacional
c) No utilice insumos importados o nacionales
7
=0,35
20
a) P(N)=
b) P(T)= P(N) +
0,35
P(T)
+ 0,60
P(A B)
0,10
0,85
c) P(C)=
3
=0,15
20
EJERCICIO 3:
Una urna contiene 6 bolitas azules y 4 blancas se extraen 2 bolitas sucesivas
sin reposicin. Calcule la probabilidad de que la primera sea blanca y la
segunda azul.
P (B A)= P(A) * P (B/A)
P (4/9)= 0,66
P (B A)= 0,4 * 0,66

P (B A)= 0,27 *100%
P (B A)= 27%
Sean los eventos A y B representados en diagrama de VENN
Pgina 65

ECONOMA
P (A U B)= (0,44) + 0,5
(0,72) = 0,72 *100%= 72%
P ( A B)= 0,22 * 100%= 22%

P (A)= 0,44 * 100%= 44%
P (B)= 0,5 * 100%= 50%
P (B/A)=
0,22
=0,5100 =50
0,44
EJERCICIO 4:
En un estudio sobre la percepcin sobre la situacin econmica por parte de
que un consumidor comprara casa durante el ao era de 0,0332 y la de que
compra para un automvil durante el ao era 0.068; suponga que solo habra
una posibilidad de 0,044 que un consumidor comprara casa y auto durante el
ao.
a) Casa o auto
b) Automvil dado que compra de una casa
c) Son eventos independientes la compra de una casa y un automvil,
explique su respuesta.
SOLUCION:
a) P (A U B)= P(A) +
P (A U B)= 0,033
P(B) P (A B)
+ 0,168
+ 0,004
P (A U B)= 0,197
b) P(B/A)=
0,004
0,033
P (B/A)= 0,12
COMBINACIONES Y PERMUTACIONES
Pgina 66

ECONOMA
De cuantas maneras se puede ordenar 6 libros de una estantera.
Pn= 6 ! = 720
SIN REPETICION
P= n !
n ! = n(n 1 ) (n 2 ) (n 3 !
CON REPETICION
n!
Pn= a! b ! c ! !
COMBINACION
n!
( nr ) ! r !
De cuantas maneras diferentes de 3 elementos; con los elementos del conjunto

{a, b, c, d, e, f}
6!
C= 3 ! ( 63 ) !
C=
6.5 .4 .3 !
3 ! (3)!
C=
6.5 .4
3.2.1
C= 20
PERMUTACIONES
SIN REPETICION
Permutaciones de n elementos son las distintas ordenaciones que se pueden
formar con los n elementos tal que en cada muestra todos los elementos son
distintos.
Se denota con la frmula:
Pn= n !
Pn= n (n 1 (n 2 (n 3 . !
Pgina 67

ECONOMA
n != factorial
El factorial de un nmero indica el nmero de ordenaciones distintas que
podemos efectuar con n elementos.
En las permutaciones s importa el orden.
EJERCICIOS:
Cuantas banderas de 3 franjas diferentes puedes hacer con los colores: blanco,
azul y rojo.
Pn= 3 !
Pn= 6
De cuantas maneras diferentes de pueden sentar 5 personas en una mesa.
Pn= 5 !
Pn= 120
De cuantas maneras se puede sentar 5 personas en una mesa redonda.
Pn= (n 1 !
Pn= 4 !
Pn= 24
CON REPETICION
Permutaciones con repeticin de n elementos de los cuales a, b, c son iguales
entre s son las distintas ordenaciones que puede formar con los n elementos.
Pn (a, b, c)=
n!
a! b ! c ! . !
Calcula las ordenaciones distintas que se puede formar con las letras de la
palabra paralelas.
PARALELAS
n= a
a= 3
b= 2
Pgina 68

ECONOMA
Pn (a, b)=
9!
3!2!
Pn (a, b)=
9.876543 !
3 ! 2!
Pn (a, b)= 30240 ordenaciones distintas

Calcular las combinaciones diferentes para:
Calcular las combinaciones diferentes para :
Librera
N=8
Pn = 8!/2!*2!= 8*7*6*5*4*3*2/2!*2*1=10080
A=2
B=2
Pgina 69

Aplicación de Estadística Descriptiva

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Aplicación de Estadística Descriptiva

Caricato da

Copyright:

Formati disponibili

Universidad Tecnica de

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Todos los estudiantes de la Universidad Tcnica de Ambato.

MUESTRA: es una parte de la poblacin o un subconjunto de sta.

Un estudio acerca de las calificaciones obtenidas con los estudiantes de

Contabilidad y Auditora en l mes de abril en l ao 2015.

VARIABLES: se definen las variables como magnitudes que tienden a sufrir

La Universidad Tcnica de Ambato lleva a cabo un estudio para

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

PLANO CARTESIANO: estn formados por dos rectas perpendiculares, que

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

El diagrama de tallo y hoja es estadstica es de muy fcil aplicacin y sirve para

a) cuadro de distribucin de frecuencias.

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Diagrama de tallo y hoja

Diagrama de tallo y hoja ordenado:

Existe una diversidad de grficos estadsticos; estos se eligen de acuerdo al

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Todas las barras tienen el mismo ancho.

del ancho de la barra.

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

GRAFICA DE BARRAS COMPUESTA

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Frecuencias por frontera

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

ancho del intervalo: 1

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

DIAGRAMA CIRCULA, PASTEL O POR SECTORES

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN

= Sumatoria de todos lo datos

= Nmero total de datos

Ing. Mg. Danilo Lozada

APLICACIN DE ESTADSTICA DESCRIPTIVA EN