Estadística - (PG - 1 56)

____________________________________________________ DISTRIBUCIONES FRECUENCIALES
CAPITULO I
Distribuciones frecuenciaies
El campo de la estadística trata de la recolección, presentación, procesamiento, análisis y

uso de datos para tornar decisiones, solucionar problemas y diseñar productos y procesos.
La estadística se divide en dos grandes ramas: La estadística descriptiva y la estadística

inferencial.
La estadística descriptiva traía de la descripción de una serie de datos y la estadística

inferencial estudia el análisis e interpretación de los datos para obtener conclusiones (o
inferencias).
Los métodos estadísticos se utilizan como ayuda para describir y entender la variabilidad.
Por variabilidad se entiende a las observaciones sucesivas de un sistema o fenómeno que no
producen el mismo resultado.
Por ejemplo: considérese el rendimiento del tanque de gasolina de un automóvil: ¿se

Copyright © 2010. Instituto Politécnico Nacional. All rights reserved.
recorrerá siempre el mismo kilometraje con cada tanque de combustible? Por supuesto que
no, en ocasiones el kilometraje variará considerablemente, ya que dependerá de muchos
factores, como son: los cambios en el estado del vehículo como la presión de las llantas, la
compresión del motor, el desgaste de las válvulas; las condiciones de manejo (si es en ciudad
o en carretera), el tipo de octanaje de la gasolina utilizada, de las condiciones meteorológicas,
etc. Estos factores representan fuentes de variabilidad. Considérese la siguiente figura:
Matus, R., et al. Estadística, Instituto Politécnico Nacional, 2010. ProQuest Ebook Central, http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3187261.
Created from unadsp on 2018-02-11 08:17:02.
CAPÍTULO I _____________________________________________________________________
Frecuencia Datos u observaciones
Figura 1
Esta gráfica permite ver dos características de los datos; la localización o tendencia central y
la dispersión o variabilidad.
La localización o tendencia central, puede caracterizarse con el promedio o media.
La variabilidad o dispersión de los datos, puede describirse con la varianza o la desviación

estándar.
1.1 Distribuciones frecuenciales de datos no agrupados
Cuando la población es finita y se consideran todos !os elementos de ella (a tratar, uno a uno),
se trabaja lo que se dice una distribución de datos no agrupados.
1.1.1 Medidas de tendencia central de datos no agrupados
Son aquellas que determinan los valores centrales de los datos de un experimento. Existen
varios tipos de medidas de tendencia central, aquí estudiaremos la media, la mediana y la
moda.
_____________________________________________________ DISTRIBUCIONES FRECUENCIALES
Para una serie de datos, sean:

los elementos diferentes, desde
la frecuencia con que se presentan los elementos diferentes,
desde
Se tiene que:
La media es:
La mediana que previo orden, se define según el tamaño del experimento, sea par o
impar.
¡Previo ORDEN!
Si n es impar: Si n es par:
= elemento = media aritmética de
central los elementos
centrales
La moda que será el elemento de mayor frecuencia.
elemento de mayor frecuencia
3
CAPÍTULO I ____________________________________________________________________
1.1.2 Medidas de dispersión de datos no agrupados
Son aquellas que indican el grado de dispersión o variabilidad de los datos con respecto a una
medida de tendencia central.
Como medidas de dispersión, se tienen:
El rango R es la diferencia del valor máximo menos el mínimo de los datos. Esto es,
es una sucesión de n observaciones, entonces la

varianza, esta dada por:
Nota: Si se está trabajando con una muestra, el denominador será

En donde la desviación estándar, que es otra medida de dispersión, quedará representada

por:
4
1.2 Distribuciones frecuenciales de datos agrupados
Cuando se tiene una serie de datos de tal manera que se agrupa en clases, para resolver con
mayor facilidad de tiempo, espacio y/o dinero, se está trabajando con una distribución
frecuencial de datos agrupados.
Para un experimento formado por un número finito n de elementos con k clases de la

misma longitud, donde es decir, número de clases menor o igual que tamaño del
experimento.
Cada clase, estará formada por un limite inferior (U) y un límite superior (LS), ejemplo:
Intervalos de clase
Se hace necesario construir los límites reales. Es decir, límite real inferior (IR//) del intervalo /-
ésimo, es igual a:
y el límite real superior (LRS¡) del intervalo /-ésimo, es igual a:
CAPÍTULO I _____________________________________________________________________
tal que, el ejemplo queda:
LRI LI LS LRS
0.5 1 5 5.5
5.5 6 10 10.5
10.5 11 15 15.5
15.5 16 20 20.5
20.5 21 25 25.5
Sea x¡ que denota la marca de clase del intervalo /-ésimo, y que es el punto medio del
intervalo de clase, de tal forma que se calcula de la siguiente manera:
1.2.1 Medidas de tendencia central para datos agrupados
Las medidas de tendencia central para el caso de datos agrupados, se calcularán de la

siguiente manera:
Media aritmética:
marca de clase del intervalo í - ésimo
frecuencia de clase del intervalo i - ésimo
___________________________________________________ DISTRIBUCIONES FRECUENCIALES
Para calcular la mediana, se hace necesario primero ordenar los datos, después calcular cuál
es ia posición n/2. Es necesario ubicar en qué intervalo se encuentra dicha posición para
saber cuál es el limite real inferior de la clase mediana Hay que calcular las
frecuencias acumuladas hasta el intervalo de clase anterior a la clase mediana
es igual a la suma de las frecuencias absolutas de los
intervalos de clase anteriores hasta el intervalo / - ésimo). Después ubicar la frecuencia de

clase mediana. y finalmente calcular la longitud del intervalo de la clase mediana
Mediana:
Para la moda se elige el intervalo de mayor frecuencia y se ubica cuál es el limite real inferior
de la clase modal Se hace necesario encontrar que está definido como: la
diferencia de frecuencia de la clase modal con ei intervalo de clase anterior a la clase modal
como la diferencia de frecuencia de la clase modal con el intervalo de clase posterior a

la clase modal. Así como también calcular la longitud del intervalo de clase modal De tal
forma que queda:
CAPÍTULO I________________________________________________________________________
1.2-2 Medidas dt dispersión para datos agrupados
Las medidas de dispersión para el caso de datos agrupados, quedan definidas de la manera
siguiente:
Varianza =
es la marca del intervalo i - ésimo

frecuencia de clase del intervalo i - ésimo
tamaño del experimento
La desviación estándar, que se calcula como la raíz cuadrada de la vananza, es decir
Desviación estándar
1.3 Gráficas
Histogramas. Es una representación gráfica. En el eje de las abscisas los limites reales, tal
que, tos puntos medios de cada intervalo serán las marcas de clase y en el eje de las
ordenadas, las frecuencias de clase; de tal manera que quedan rectángulos.
Polígonos de frecuencia. Es la unión de las marcas de clase en los techos de los rectángulos
en el histograma. El polígono de frecuencia debe quedar cerrado al principio y al final de la
gráfica, a través del hecho de aumentar un intervalo de clase de la misma longitud y con
frecuencia cero (esto quedará sobre el eje de las abscisas, y se unirá en la marca de clase
respectiva.)
1.4 Ejemplos resueltos
Ejemplo núm. 1
Considerar la siguiente serie de datos: 8,7,6,5,9,15,14,13,11,7,12 calcular

a) la media aritmética,
b) la mediana,
c) la moda,
d) la varíanza y la desviación estándar
e) graficar.
Solución
a) Ordenando los datos:
CAPÍTULO I _____________________________________________________________________
xt f(x¡)
5 1
6 1
7 2
8 1
9 1
11 1
12 .1
13 1
14 1
15 1
Justificación teórica
b) Ordenando los datos

elemento central
Mediana = 9
c) Moda, elemento de mayor frecuencia.
Moda = 7
d) La varianza está dada por:
10
e)
Gráfica
11
CAPÍTULO I _____________________________________________________________________
Ejemplo núm. 2
Calcular la mediana de la siguiente serie de datos;

2, 3, 9, 21, 18, 12, 4, 4, 15, 17
Solución
¡Ordenando los datos!

2, 3, 4, 4 F 9, 12, 15, 17, 18, 21
Los elementos centrales son el 9 y el 12, por lo que:
Mediana =
Ejemplo núm. 3
Sea la siguiente sene de datos agrupados:

a) Calcular la media aritmética

b) Calcular la mediana
c) Calcular la moda
d) Calcular la varíanza y la desviación estándar
e) Graficar histograma y polígono de frecuencia
12
______________________________________________________DISTRIBUCIONES FRECUENCIALES
Solución
a) Calculemos las marcas de clase:

13
CAPÍTULO I _____________________________________________________________________
POLÍGONO DE FRECUENCIAS
14
1.5 Problemas propuestos
Datos no agrupados
1. Sea la siguiente serie de datos: 2,15, 9,16, 3,4,8,4, 5, 5, 5,8. Encontrar:

a) Medidas de tendencia central.
b) Medidas de dispersión.
c) Graficar.
Resp. media = 7, mediana = 5, moda = 5,
2. Considérese la siguiente serie de datos: 2, 3,4,4,4, 5, 7, 8, 8,9,15. Encontrar:

c) Graficar.
Resp. media = 6.27, mediana = 5, moda = 4,

3. Sean los siguientes datos: 2,5,5, 5,7, 7,9,10, 15,17. Encontrar:

a) Medidas de tendencia central
b) Medidas de dispersión
c) Graficar.
15
CAPÍTULO I _____________________________________________________________________
4. Sea la siguiente serie de datos: 2, 2,3,4, 4, 4, 5,6,7,10,10,12,13,15,2(

Encontrar:
c) Gráficar.
5. Los siguientes datos son las calificaciones de un alumno que estudia en el nivel
superior y las frecuencias con que se presentan dichas calificaciones.
Calificaciones Frecuencia
a) Encontrar las medidas de centralización.

b) Encontrar las medidas de dispersión.

c) G rafear.
Resp. a) 8.15, 8,8
b) 0.7778,0.8819
16
6. Encontrar las medidas de tendencia central y las medidas de dispersión, así como su
gráfica, del siguiente conjunto de datos:
Resp. a) 2.56,2.5, 2.5

6)0.7773,0.8816
7. El número promedio de cursos aprobados de actualización, por cada profesor en una

universidad, en un periodo de un año, es como sigue: 3, 2, 0,1,1,1,1,0,1,1,1,1, 0,
1,2,2,8,5, 5, 7,4,3, 3,0 y 0. Se desea conocer:
a) Rango.
b) Medidas de centralización.
c) Medidas de dispersión.
d) Graficar. Resp. a) 8
b) 2.12,1,1
c) 4.582, 2.14
8. En una industria, se registró la siguiente producción mensual de archiveros: 1000,

1500,1800,1800,2150/2400. Calcular:
a) Medidas de centralización.
b) Medidas de dispersión,
c) Graficar polígono de frecuencias absolutas.
Resp. a) 1775,1800,1800
b) 448.84
17
CAPÍTULO I______________________________________________________________________
9. En una empresa, durantelO días, se observaron, los minutos del personal que llegó
tarde. 10,12,21,8, 6, 15,2,17,30,13
a) Calcular el Rango.
b) Medidas de centralización.
c) Medidas de dispersión.
Resp. a) 28
b) 13.4,12.5, no existe moda
c) 7.59
10. Considérese la siguiente serie de datos:
Xi frecuencia
3 1
4 1
5 2
6 2
8 3
10 4
11 5
12 7
14 4
15 1
a) Calcular las medidas de centralización

b) Calcular las medidas de dispersión.
c) Graficar.
Resp. a) 10.1,11,12
b) 9.476, 3.078
18
__________________________________________________DISTRIBUCIONESFRECUENCIALES
11. Sean los siguientes datos:

x¡ f(Xi) Xi f(Xi)
3 2 8 5
4 5 10 4
5 8 12 3
6 10 14 2
7 8 16 1
a) Graficar
b) Encontrar medidas de centralización.
c) Encontrar medidas de dispersión.
Resp. b) 7.125,6,6
c) 2.93
12. Sean los diferentes precios de unas camisas:
1000, 3000, 2500, 3500, 5000,
1500, 2700, 4500, 2700, 3500.
a) Graficar la distribución de frecuencias.
b) Calcular las medidas de tendencia central.
c) Calcular las medidas de dispersión.
Resp. b) media = 2990, mediana = 2850,
moda = bimodal = 2700 y 3500
c) 1158.83

Xi /(Xi) x¡ f(Xi)
10 2 50 5
20 3 60 7
30 7 70 3
40 3
19
CAPÍTULO I _____________________________________________________________________
a) Graficar.
b) Encontrar medidas de tendencia central.
c) Encontrar medidas de dispersión,
Resp, b) media = 43, mediana = 45, moda = 30,60
c ) s = 17.72
a) Graficar.
b) Calcular medidas de centralización
c) Calcular medidas de dispersión.
Resp. b) media = 6.052, mediana = moda = 3
c) s = 2.788
Datos agrupados
15. Sea la siguiente serie de datos agrupados:
Intervalos de clase f(xi)

1-10 2
11-20 8
21-30 10
31-40 15
41 - 50 5
20
a) Calcular las medidas de centralización.

c) Graficar.
Resp. a) media = 28.75, mediana = 30.5, moda = 3.83,
= 116.935, s= 10.81
16. Sea la siguiente tabla de datos:

Intervalos de clase
a) Calcular las medidas de centralización.

c) Graficar.
Resp. a) media = 58.16, mediana = 59.59, moda = 62.8,
= 581.82,5 = 24.12

Intervalos de clase frecuencias
21
CAPÍTULO 1______________________________________________________________________
a) Graficar histograma y polígono de frecuencias absolutas,

b) Calcular medidas de tendencia central.
Resp. b) media = 44.9, mediana = 48.83, moda = 57.16
269.64, s = 16.42

LRI LRS f(Xi)
0 - 5 10
5 - 10 20
10 - 15 30
15 - 20 50
20 - 25 20
25 - 30 10
a) Graficar histograma y polígono de frecuencias absolutas.

Resp. b) media = 15.35, mediana = 16, moda = 17,

c) s = 6.468
22

LRI LRS
a) Graficar
b) Calcular medidas de centralización.
Resp. b) media = 21.95, mediana = 22.91, moda = 27.22,

c) s = 9.077
LRI LRS
23
CAPÍTULO I ______________________________________________________________________
a) Graficar
b) Calcular medidas de centralización.
Resp. b) media = 40.55, mediana = 40, moda = 56.66,

c) s = 18.019

U LS
a) Graficar.
Resp. b) media = 15, mediana = 16, moda = 17.33,
c) s = 4.72

LI LS
24
a) Graficar.
a) Calcular medidas de tendencia central.
b) Calcular medidas de dispersión.
Resp. b) media = 10.71, mediana = 9, moda = 7.22, c)s =

4.6
Problemas varios
23. Estimar la desviación estándar de la siguiente muestra de datos: 20,5,10,15 y 25.

Resp. 7.91
24. Obtener la variancia de ia siguiente distribución de frecuencias, mediante la fórmula:

de los siguientes
Clase
Resp. a y b 141.84
25
CAPITULO I______________________________________________________________________
25. En una exhibición científica, se anotó la edad de cada uno de los 50 visitantes que
asistieron. Hallar la media de edad y la clase a la que pertenece la mediana.
Edad Frecuencia
De 0 a < 10 6
De 10 a < 20 18
De 20 a < 30 11
De 30 a < 40 3
De 40 a < 50 0
De 50 a < 60 8
De 60 a < 70 4
Resp. media = 27.6

mediana está en la 3a clase: de 20 a < 30
26
_______________________________________________________ DISTRIBUCIONES MUESTRALES
CAPÍTULO II
Distribuciones muestrales
La distribución de probabilidad de un estadístico recibe el nombre de distribución muestral.
La distribución muestral de un estadístico depende:
• del tamaño de la población

• del tamaño de las muestras
• del método de selección de las muestras
11.1 Distribución muestral de medias
Supónganse que una muestra aleatoria de n observaciones se toma de una población normal
con media y varianza Cada observación de ía muestra
aleatoria tiene entonces la misma distribución normal que la población que está siendo
muestreada. De aquí que, por la propiedad reproductiva:
Además si: también son independientes con para
Se concluye que la media muestral:
27
CAPÍTULO II ______________________________________________________
tiene una distribución normal con
media
y vañanza
Si el muéstreo se hace en una población que tiene una distribución de probabilidad

desconocida, la distribución de muestreo de la media muestra! seguirá siendo
aproximadamente normal con media y varianza si el tamaño de la muestra
es grande.
Éste es uno de los teoremas más útiles en la estadística, llamado Teorema del limite central y
dice:
Si es la media de una muestra aleatoria de tamaño n que se toma de una población

con media y varianza finita entonces la forma límite de la distribución de:
28
________________________________________________________ DISTRIBUCIONES MUÉSTRALES
Conforme es la distribución normal estándar
11.3 Distribución muestral de diferencia de medias
Si se tienen dos poblaciones independientes, con media y varíanza

son las medias muéstrales de dos variables aleatorias
independientes de tamaños de estas poblaciones, entonces la distribución de
muestreo de:
Es aproximadamente normal estándar, si se cumplen las condiciones del teorema del limite
central. Si las dos poblaciones son normales, entonces la distribución de muestreo de Z es
exactamente normal estándar.
11.4 Distribución muestral de proporciones
Supónganse una población infinita o finita y que la probabilidad de ocurrencia de un suceso

{conocido como éxito) es p , mientras que la probabilidad de no ocurrencia del suceso es
q = l~p.
Se consideran todas las posibles muestras de tamaño « extraídas de esta población y para
cada muestra se determina la proporción p de éxito.
29
CAPÍTULO II_____________________________________________________________________
Se obtiene una distribución muestra! de proporciones cuya media y desviación típica

están dadas por:
Para grandes valores de n la distribución muestral se aproxima a una distribución

normal.
Nótese que la población se distribuye binomialmente.
Para las distribuciones muéstrales de diferencias de proporciones de dos poblaciones

distribuidas binomialmente con parámetros respectivamente:
Si son grandes las distribuciones muéstrales de diferencias de

medias o proporciones se distribuyen muy aproximadamente como una normal.
30

Ejemplo núm. 1
Una compañía fabrica focos que tienen un periodo de vida que está distribuido
aproximadamente en forma normal, con media igual a 1000 horas y una desviación estándar
de 50 horas. Encuentre la probabilidad de que una muestra aleatoria de 25 focos tenga una
vida promedio de menos de 975 horas.
Solución
Datos:
Distribución muestral de medias

Sustituyendo:
31
CAPÍTULO II _____________________________________________________________________
Ejemplo núm. 2
Una muestra de tamaño se saca aleatoriamente de una población que está
normalmente distribuida, con media y varianza y se registra la media
muestral Una segunda muestra aleatoria de tamaño se selecciona,
independientemente de la primera muestra, de una población diferente que también está
normalmente distribuida, con media y varianza y se registra la media
muestral Encuentre
32
Solución
Datos
Distribución muestral para diferencia de medias
Sustituyendo
33
CAPÍTULO II _____________________________________________________________________
Ejemplo núm. 3
Se ha encontrado que el 2% de las piezas producidas por cierta máquina está dañado. ¿Cuál
es la probabilidad de que en una remesa de 400 piezas, esté dañado 3% o más?
Solución
Datos
Justificación Teórica
Distribución muestral de proporciones
34
Primer método
Mediante la corrección para variables discretas.

Segundo método
3% de 400=12 piezas dañadas.

En concepto continuo, 12 o más significa 11.5 o más
35
CAPITULO II______________________________________________________________________
11.6 Problemas propuestos
1. Una población está formada por ios cuatro números 1, 3, 7, 9. Considerar todas las
posibles muestras de tamaño 2 que pueden extraerse de esta población con
reempíazamiento. Hallar:
a) la media poblacionai
b) la desviación típica poblacionai
c) la media de la distribución muesíral de medias
d) la desviación típica de la distribución muestra) de medias
Resp.
2. Los pesos de 3 000 balatas, se distribuyen normalmente, con media 22.4 kg y

desviación típica 0.048 kg Si se extraen 300 muestras de tamaño 25 de esta
población, determinar la medía esperada y la desviación típica de la distribución
muestral de medias, si el muestreo se hace;
36
________________________________________________________DISTRIBUCIONES MUESTRALES
a) con reemplazamiento
b) sin reemplazamiento
Resp.
3. Un grupo de jóvenes emprendedores de la UPIICSA, ha decidido promover un

producto de frutas, recubiertas de chocolate amargo, de manera que el recubrimiento
sea de 3 mm de espesor. Si funciona e! proceso que ellos han determinado (media de
3 mm y desviación estándar 1 mm), ¿cuál será la probabilidad de obtener una
muestra de 25 frutas cubiertas de chocolate amargo, de un total de 169? Encontrar
un promedio muestral de más de 3.4.
Resp. 0.0139
4. En !a nevería Tas Delicias" se ha observado que en la temporada primavera-verano,

el promedio de las ventas es de 100 It diarios, con una desviación estándar de 10 It.
La distribución de ventas es normal. Encuentre la probabilidad de que al tomar una
muestra de n - 25 consumidores, las ventas promedio a éstos, será menor a 95 It.
Resp. 0.0062
5. Ciertos ventiladores fabricados por una compañía tienen una duración media de 1 000
horas y una desviación típica de 75 horas. Hallar la probabilidad de que una muestra
tomada al azar de 25 ventiladores tenga una duración media entre 990 y 1 010 horas.
Resp. 0.4907
37
CAPÍTULO II ____________________________________________________________________
6. Ciertos tubos producidos por una compañía tienen una duración media de 900 horas y
una desviación típica de 80 horas. La compañía despacha 1 000 lotes de 100 tubos
cada uno. ¿En cuántos lotes cabe esperar que la media de las duraciones sobrepase
las 910 horas?
Resp. 106
7. Una población muy grande tiene una media de 20 y una desviación estándar de 1.4,
Si se toma una muestra de 49 observaciones, contestar:
a) ¿Cuál es la media de la distribución de maestreo?

b) ¿Cuál es la desviación estándar de la distribución de muesíreo?
c) ¿Qué porcentaje de posibles valores medios de la muestra diferirán de la
media de la población, por más de 0.2?
Resp. a) 20
b)0.2 c)
15.87%
8. Una investigación ha revelado que el 60% de los estudiantes universitarios no son

fumadores. Si se toma una muestra de 600 estudiantes, encuentre la media y la
desviación estándar de la distribución de muestreo.
Resp. 360,12
9. Debido a los altos índices de contaminación ambiental en la Ciudad de México, se

han tomado medidas más enérgicas. De 2 000 individuos muestreados, 1 600 están a
favor de las nuevas medidas. ¿Cuál es la proporción poblacional estimada?
Resp. 0.8
38
10. El candidato del partido X¡, considera que puede ganar las próximas elecciones en la
ciudad de Guadalajara, si obtiene al menos 55% de los votos en el distrito i. Además
supone que alrededor del 50% de los votantes en Guadalajara están a su favor. Si
N = 100 votantes van a votar en el primer distrito, ¿cuál es la probabilidad de que el
candidato Xy reciba al menos 50% de los votos?
Resp. 0.1587
11. Se ha encontrado que el 2% de los tornillos producidos por cierta máquina son
defectuosos. ¿Cuál es la probabilidad de que en una partida de 400 piezas, sean
defectuosas 3% o más?
Resp. 0.1056
12. Los resultados de una elección demostraron que cierto candidato obtuvo el 46% de
los votos. Determinar la probabilidad de que de 200 individuos elegidos al azar de
entre la población votante se hubiese obtenido una mayoría de votos para dicho
candidato.
Resp. 0.1131
13. Hallar la probabilidad de que en 120 lanzamientos de una moneda, el número de

soles esté comprendido entre el 40% y el 60%
Resp. 0.9887
14. Un detallista compra vasos de cristal en grandes cantidades directamente de la

fábrica. Tales vasos son envueltos uno por uno. Algunas veces el detallista
inspecciona las remesas para determinar la proporción de vasos rotos o defectuosos.
¿Cuál es la probabilidad de que el detallista obtenga una muestra aleatoria de 100
vasos que presenta el 17% o más de defectuosos?
Resp. 0.0154
39
CAPÍTULO II _____________________________________________________________________
15. La vida promedio del motor de determinado automóvil es de 5 000 km, con una
desviación estándar de 40 km. La distribución es muy aproximada a una normal. El
fabricante introduce mejoras en el proceso de fabricación del motor para aumentar el
tiempo de vida promedio a 5 050 km y disminuye la desviación estándar a 30 km.
Supóngase que se toma una muestra de tamaño 16 del proceso antiguo y otra de
tamaño 25 para el proceso nuevo. ¿Cuál es la probabilidad de que la diferencia entre
las dos medias muéstrales Xx - X2, sea al menos de 25 km? {suponer poblaciones
independientes).
Resp. 0.9838
16. Las pilas eléctricas de un fabricante A tienen una duración media de 1 400 horas, con
una desviación típica de 200 horas, mientras que las de otro fabricante B tienen una
duración media de 1 200 horas con una desviación típica de 100 horas. Si se toman
muestras al azar de 125 pilas de cada fabricante, ¿cuál es la probabilidad de que las
pilas de A tengan una duración media que sea al menos 160 horas más, que las pilas
deB?
Resp. 0.9772
17. A y B fabrican dos tipos de cables, que tienen unas resistencias medias a la rotura de
4 000 y 4 500 kg, con desviaciones típicas de 300 y 200 kg, respectivamente. Si se
comprueban 100 cables de A y 50 cables de B, ¿cuál es la probabilidad de que la

media de resistencia a la rotura de B sea al menos 600 kg más que A?
Resp.; 0.0078
18. El contenido de nicotina de un solo cigarrillo de una marca en particular, es una

variable aleatoria con media 0.8 mg y desviación estándar 0.1 mg. Si un individuo
fuma cinco cajetillas de estos cigarrillos por semana, ¿cuál es la probabilidad de que
la cantidad total de nicotina consumida en una semana sea por lo menos de 82 mg?
(suponga que cada cajetilla tiene 20 cigarrillos).
40
Resp. 0.0228
19. Cuando se prepara un lote de cierto producto químico, la cantidad de una impureza
del lote es una variable aleatoria, con valor medio de 4 gr, y desviación estándar de
15 gr. Si se preparan 50 lotes de manera independiente, ¿cuál es ia probabilidad
(aproximada) de que la cantidad promedio de la muestra de impureza X sea entre
3.5 y 3.8 gr?
Resp. 0.1642
20. Supóngase que una investigación efectuada recientemente revela que el 60% de los
adultos de una población no son fumadores. Si se toma una muestra aleatoria de 600
adultos, encuentre e interprete la media y la desviación estándar de la distribución de
muestreo.
Resp. 360,12
21. Una población está formada por los números 3, 7, 11, 15. Considerar todas las
posibles muestras de tamaño dos, que pueden encontrarse de esta población SIN
reemplazamtento. Hallar:
a) La media poblacional
b) La desviación típica poblaciona!
c) La media de la distribución muestral de medias
d) La desviación típica de la distribución muestral de medias

Resp. a) 9.0
b)4.47
c)9.0
d)2.58
41
CAPITULO II _____________________________________________________________________
22. Un proceso para llenar botellas de soda presenta una producción promedio en la que
el 10% de las botellas no están completamente llenas. Si mediante este proceso se
selecciona al azar una muestra de 225 botellas de un lote de 625 envases llenos,
¿cuál es la probabilidad de que la proporción muestral de botellas parcialmente llenas
se encuentre en el intervalo que va del 9 al 11%?
Resp. 0.4680
23. Calcular el valor del factor de corrección para una población finita cuando « = 10 y
N=1000.
Resp. FC= 0.9954
24. Si un bote de un galón de cierta clase de pintura cubre en promedio 513.3 pies
cuadrados, con un desviación estándar de 31.5 píes cuadrados, ¿cuál es la
probabilidad de que el área media cubierta por una muestra de 40 de estos botes esté
entre 510 y 520 pies cuadrados?
Resp. 0.6553
25. Una máquina vendedora de refrescos está programada para que la cantidad de
refresco que se sirva sea una variable aleatoria, con una media de 200 mi y una
desviación estándar de 15 mi. ¿Cuál es la probabilidad de que la cantidad de refresco
promedio (media) servida en una muestra tomada al azar de 36, sea cuando menos
de 204 mi?
Resp. 0.0548
42
__________________________________________ ESTIMACIÓN E INTERVALOS DE CONFIANZA
CAPÍTULO III
Estimación e intervalos de confianza
111.1 Estimación
Puesto que las poblaciones se caracterizan por medidas descriptivas numéricas llamadas
parámetros, la inferencia se ocupa de hacer inferencias acerca de los parámetros de una
población.
La inferencia estadística consiste en aquellos métodos con 1os cuales se pueden realizar
generalizaciones acerca de una población.
Una estimación puntual de algún parámetro población al es un valor único del

estadístico
El estadístico que se utiliza para obtener una estimación puntual recibe el nombre de
estimador.
Se dice que un estadístico © es un estimador insesgado del
parámetro si
Si se consideran todos los estimadores insesgados,

posibles de algún parámetro aquel con la varianza más
pequeña recibe el nombre de estimador más eficiente de
43
CAPITULO III ____________________________________________________________________
Las características para un buen estimador son las siguientes:
a) insesgado
b) consistente
c) eficiente
d) suficiente
a) Estimador insesgado. Un estimador es insesgado cuando la media de la distribución

muestra! de medias es igual al correspondiente parámetro de la población.
b) Estimador consistente. Cuando un estimador (tal como se aproxima al
parámetro de la población que se va a estimar (tal como aumentando el tamaño

de la muestra, se dice que el estimador es consistente del parámetro.
c) Estimador eficiente. Si las distribuciones de dos estadísticos tienen la misma media,

el de menor varianza se llama un estimador eficiente.
d) Estimador suficiente. Un estadístico suficiente (tal como es un estimador que
utiliza toda la información que posee una muestra sobre el parámetro que se estima.
Una estimación por intervalo de un parámetro poblaciona! es un intervalo de la

forma dependen del valor del estadístico para una
muestra particular y también de ¡a distribución muestral de
Si por ejemplo, se encuentran tales que:
44
Para entonces se tiene una probabilidad de de seleccionar una

muestra aleatoria que produzca un intervalo que contenga a
El intervalo que se calcula a partir de la muestra

seleccionada se llama intervalo de confianza de
se le llama nivel de confianza y a los puntos

extremos limites de confianza.
111.2 Intervalos de confianza
Como las estimaciones de punto rara vez serán iguales a los parámetros que se supone
estiman, por lo general es deseable damos alguna libertad de acción mediante el uso de
"estimaciones de intervalo".
111.2.1 Intervalos de confianza para conocida
Teorema 1: Intervalo de confianza para conocida

es el valor de la media de una muestra aleatoria de tamaño tomada de una
población normal, con la varianza conocida un intervalo de confianza del

para está dado por:
donde Zes la distribución normal estándar.
45
CAPITULO III ____________________________________________________________________
111.2.2 Intervalos de confianza para desconocida
Teorema 2: Intervalo de confianza para desconocida
son los valores de la media y la desviación estándar de una muestra aleatoria de
tamaño tomada de una población normal, con (a varianza desconocida un intervalo

de confianza del para está dado por:
donde r es la distribución t de student.
llf.2.3 Intervalos de confianza para conocidos
Teorema 3: Intervalo de confianza para conocidas
son los valores de las medias de muestras aleatorias independientes, de
tamaño tomadas de poblaciones normales, con las varianzas conocidas

un intervalo de confianza del para está dada por:
46
___________________________________________ ESTIMACIÓN E INTERVALOS DE CONFIANZA
111.2.4 Intervalos de confianza para desconocidos
Teorema 4: Intervalos de confianza para desconocidos
Si son valores de las medias de muestras aleatorias independientes, de
tamaño tomadas de poblaciones normales con varianzas desconocidas pero
iguales, un intervalo de confianza del para está dado por:
Tal que:
donde íes la distribución / de student.
111.2.5 Intervalos de confianza de muestra grande para/?

Teorema 5: Intervalos de confianza de muestra grande para/j
Un intervalo de confianza aproximado del para el parámetro binomial p ,

está dado por;
donde:
47
CAPITULO III ____________________________________________________________________
Hl.2.6 Intervalos de confianza de muestra grande para
Teorema 6: Intervalos de confianza de muestra grande para
Un intervalo de confianza aproximado del la diferencia entre
dos parámetros binomiales, está dada por:
donde
donde Z es la distribución normal estándar.
111.2.7 Intervalos de confianza para
Teorema 7: Intervalo de confianza para

Si es el valor de la varianza cíe una muestra aleatoria de tamaño tomada de una
población normal; un intervalo de confianza del para está dado por:
donde es la distribución Ji cuadrada.
48
___________________________________________ESTIMACIÓN E INTERVALOS DE CONFIANZA
111.2,8 Intervalos de confianza para
Teorema 8: Intervalos de confianza para
Si son los valores de la varianzas de muestras aleatorias independientes de
tamaño tomadas de dos poblaciones normales, un intervalo de confianza del
para está dado por;
por lo tanto
donde/es la distribución de Fisher : son los grados libertad.
111.3 Tamaño de muestra y error de estimación

Observar que la dispersión de las distribuciones decrece al aumentar el tamaño de la muestra,

luego entonces, se hace necesario conocer el procedimiento para seleccionar el tamaño
muestra!.
Si es el parámetro que se desea estimar es la desviación estándar de! estimador
puntual, entonces se aplica el siguiente procedimiento:
1, Elegir la cota para el error de estimación y un coeficiente de confianza
49
CAPITULO III____________________________________________________________________
2. Resolver la siguiente ecuación, para el tamaño de muestra
Para la mayoría de los estimadores es un función del tamaño muestra!.
Ejemplo núm. 1
Si entrevistados, están familiarizados con los incentivos en los impuestos

que se ofrecen por instalar ciertos dispositivos para ahorrar energia, construyase un intervalo
con un nivel de confianza del 95% para la correspondiente proporción real.
Solución
Datos
Intervalos de confianza para proporciones (grandes muestras)
50
Ejemplo núm. 2
Un estudio señala que 16 de 200 tractores producidos en una línea de ensamblado requieren
ajustes minuciosos antes de ser embarcados, y lo mismo sucede con 14 de 400 tractores
producidos en otra linea de ensamblado. Calcúlese el intervalo de confianza del 95% para
Solución
Datos
51
CAPITULO III _____________________________________________________________________
Intervalos de confianza para diferencia de proporciones para muestras grandes.
Ejemplo núm. 3
La pérdida promedio en el peso de aspas , después de cierto intervalo de tiempo en

un molino de aspas es 3.42 gr, con una desviación estándar de 0.68 gr. Construir un intervalo
con un nivel de confianza del 99% para la pérdida promedio real de! peso de las aspas en las
condiciones establecidas.
Solución
Datos
52
Intervalos de confianza para con muestras pequeñas:
Quiere decir que el intervalo al 99% de confianza entre 2.92 gr. y 3.92 gr., contiene la pérdida
promedio del peso.
Ejemplo núm. 4
Los siguientes datos son las horas hombre que semanalmente se pierden en promedio pa
accidentes en 10 plantas industriales, antes y después de que se implante cierto programa d€
seguridad
45 y 36, 73 y 60, 46 y 44,- 124 y 119, 33 y 35

57 y 51, 83 y 77, 34 y 29, 26 y 24, 17 y 11
53
CAPITULO III ______________________________________________________
Utilice un nivel de significancia de 0.10 para probar si el programa de segundad es eficaz.
Solución
Datos
Intervalo de confianza para pequeñas muestras:
54
Ejemplo núm. 5
Supóngase que los índices de refracción de 20 piezas de cristal (aleatoriamente

seleccionadas de un gran cargamento adquirido por la óptica) tienen una varianza de
Construyase un intervalo de confianza del 95% para o sea la desviación

estándar de la población muestreada.
Solución
Datos
Intervalo de confianza para la varianza:
55
CAPITULO III _____________________________________________________________________
Se tiene el 95% de confianza que el intervalo de 0.0083 hasta 0.016 contiene a la

desviación estándar verdadera del índice de refracción.
Ejemplo núm. 6
En una encuesta levantada en una ciudad, 136 de 400 personas respondieron

afirmativamente a la pregunta de si el transporte público es adecuado. Con una confianza del
99%, ¿qué se puede decir acerca del error máximo, si se emplea como una
estimación de la correspondiente proporción real?
Solución
Datos
56

Estadística - (PG - 1 56)

Caricato da

Informazioni sul documento

Titolo originale

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

Estadística - (PG - 1 56)

Caricato da

Copyright:

Formati disponibili

____________________________________________________ DISTRIBUCIONES FRECUENCIALES

El campo de la estadística trata de la recolección, presentación, procesamiento, análisis y

La estadística se divide en dos grandes ramas: La estadística descriptiva y la estadística

La estadística descriptiva traía de la descripción de una serie de datos y la estadística

Por ejemplo: considérese el rendimiento del tanque de gasolina de un automóvil: ¿se

Frecuencia Datos u observaciones

La localización o tendencia central, puede caracterizarse con el promedio o media.

La variabilidad o dispersión de los datos, puede describirse con la varianza o la desviación

1.1 Distribuciones frecuenciales de datos no agrupados

1.1.1 Medidas de tendencia central de datos no agrupados

Para una serie de datos, sean:

la frecuencia con que se presentan los elementos diferentes,

La moda que será el elemento de mayor frecuencia.

elemento de mayor frecuencia

1.1.2 Medidas de dispersión de datos no agrupados

Como medidas de dispersión, se tienen:

es una sucesión de n observaciones, entonces la

Nota: Si se está trabajando con una muestra, el denominador será

En donde la desviación estándar, que es otra medida de dispersión, quedará representada

1.2 Distribuciones frecuenciales de datos agrupados

Para un experimento formado por un número finito n de elementos con k clases de la

y el límite real superior (LRS¡) del intervalo /-ésimo, es igual a:

tal que, el ejemplo queda:

intervalo de clase, de tal forma que se calcula de la siguiente manera:

1.2.1 Medidas de tendencia central para datos agrupados

Las medidas de tendencia central para el caso de datos agrupados, se calcularán de la

frecuencias acumuladas hasta el intervalo de clase anterior a la clase mediana

es igual a la suma de las frecuencias absolutas de los

intervalos de clase anteriores hasta el intervalo / - ésimo). Después ubicar la frecuencia de

de la clase modal Se hace necesario encontrar que está definido como: la

como la diferencia de frecuencia de la clase modal con el intervalo de clase posterior a

forma que queda:

1.2-2 Medidas dt dispersión para datos agrupados

es la marca del intervalo i - ésimo

La desviación estándar, que se calcula como la raíz cuadrada de la vananza, es decir

1.4 Ejemplos resueltos

Considerar la siguiente serie de datos: 8,7,6,5,9,15,14,13,11,7,12 calcular

a) Ordenando los datos:

b) Ordenando los datos

d) La varianza está dada por:

Calcular la mediana de la siguiente serie de datos;

¡Ordenando los datos!

Los elementos centrales son el 9 y el 12, por lo que:

Sea la siguiente sene de datos agrupados:

a) Calcular la media aritmética

a) Calculemos las marcas de clase:

1.5 Problemas propuestos

1. Sea la siguiente serie de datos: 2,15, 9,16, 3,4,8,4, 5, 5, 5,8. Encontrar:

Resp. media = 7, mediana = 5, moda = 5,

2. Considérese la siguiente serie de datos: 2, 3,4,4,4, 5, 7, 8, 8,9,15. Encontrar:

Resp. media = 6.27, mediana = 5, moda = 4,

3. Sean los siguientes datos: 2,5,5, 5,7, 7,9,10, 15,17. Encontrar:

Resp. media = 8.2, mediana = 7, moda = 5,

4. Sea la siguiente serie de datos: 2, 2,3,4, 4, 4, 5,6,7,10,10,12,13,15,2(

a) Encontrar las medidas de centralización.

b) Encontrar las medidas de dispersión.

Resp. a) 2.56,2.5, 2.5

7. El número promedio de cursos aprobados de actualización, por cada profesor en una

8. En una industria, se registró la siguiente producción mensual de archiveros: 1000,

10. Considérese la siguiente serie de datos:

a) Calcular las medidas de centralización

11. Sean los siguientes datos:

13. Sean los siguientes datos: