E STADISTICA

PARA LAS
CIENCIAS
ADMINISTRATIVAS
TERCER A EDICION
LINCOLN L. CHAO
 Estadística para
las Ciencias
Administrativas
Tercera edición

LINCOLN L. CHAO
California State University
Long Beach, California

Traducción
JOSÉ MARÍA CASTAÑO
Exjefe del Departamento de Matemáticas
Universidad del Valle

Adaptación
GREGORIO A. CABALLERO SAUMETH
Matemático y estadístico, M.S.
Universidad Nacional de Colombia
Profesor, Universidad Distrital Francisco José de Caldas
Pontificia Universidad Javeriana

Revisión técnica
JESÚS MARÍA SIMBAOUEBA HERNÁNDEZ
Profesor titular de estadística
Universidad Distrital Francisco José de Caldas

McGRAW-HI LL
Santafé de Bogotá, Buenos Aires, Caracas, Guatemala, Lisboa, Madrid,
México, Nueva York, Panamá, San Juan, Santiago, Sao Paulo,
Auckland, Hamburgo, Londres, Milán, Montreal, Nueva Delhi, París,
San Francisco, San Luis, Sidney, Singapur, Tokio, Toronto.
Prohibida la reproducción total o parcial de esta obra, por cualquier medio, sin
autorización escrita del editor.

DERECHOS RESERVADOS. Copyright © 1993, por McGRAW-HILL INTERAMERICANA, S.A.

respecto a la edición adaptada.
Transversal 42B No. 19-77, Santafé de Bogotá, Colombia.

Adaptado de ESTADÍSTICA PARA LAS CIENCIAS ADMI NISTRATIVAS. Segunda edición,

Copyright © MCMLXXVlll, por McGRAW-HILL INTERAMERICANA, S.A.

Traducido de la segunda edición en inglés de

STATISTICS: METHODS AND ANALYSIS
Copyright © MCMLXXIV, por McGRAW-HILL, lnc.

Editora: Martha Edna Suárez R.

3 1 24567890 9012456783

ISBN 958-600-1 42-3. Tercera edición

(ISBN 968-45 1 - 1 92-2. Segunda edición)

Impreso en Colombia Printed in Colombia

Se imprimieron 7.600 ejemplares en el mes de julio de 1 993.

Impresor: Panamericana.
 CONTEN IDO
\

Prólogo IX
Capítulo 1 Introducción 1

1.1 Reseña histórica 1

1.2 Definición de estadística 3
1.3 Uso y abuso de la estadística 4
1.4 Conceptos básicos de la teoría de conjuntos 7
1.5 Variable y tipo de variables 11
1.6 Componentes de una investigación
estadística 12

Capítulo
2
Distribuciones de frecuencias 15

2.1 Escalas de medición -Tablas de frecuencias 15

2.2 Construcción de una tabla de frecuencias para
datos cuantitativos 17
2.3 Histogramas y polígonos de frecuencias para
datos C\lantitativos 22
2.4 Distribución de frecuencia para datos
cualitativos 27
2.5 Otras representaciones gráficas 27

Capítulo
3
Medidas deposición y de variabilidad 33
3.3
3.1
3.2
Medidas de posición
Otras medidas de posición

Medidas de variabilidad
V
 3.4 Medidas que incluyen la media y la
desviación estándar 59
3.5 Otras medidas descriptivas 64

Capítulo 4 Teoría elemental de Ja probabilidad 68

4.1 Introducción 68
4.2 Probabilidad clásica 69
4.3 Terminología de eventos y operaciones entre
conjuntos

74
4.4 Técnicas de conteo 77
4.5 Propiedades elementales de la probabilidad 83
4.6 Probabilidad condicional 88
4.7 Tres teoremas importantes 90
4.8 Independencia de eventos 94

Capítulo 5 Distribución deprobabilidad 97

5.1 Variable aleatoria 97

5.2 Valor esperado y varianza de una variable
aleatoria 103
5.3 Algunas distribuciones discretas 1 08
5.4 Distribución normal 117
5.5 Aproximación de la distribución normal a la
binomial 1
29

Capítulo 6 Nociones demuestreo 1 34

6.1 Introducción 1 34
6.2 Diseño de muestreo 135
Capítulo 7 Distribución muestra/ 1 47
7.1 Introducción 1 47
7.2 Distribución conjunta.
Independencia de variables 1 50
7.3 Muestra aleatoria. Estadísticas 1 54
7.4 Distribución de la media muestral 1 57
7.5 Distribución de la varianza muestral.
Distribución ji cuadrado 168
7.6 Distribución tde Student 1 74
7.7 Distribución de la diferencia de medias en
poblaciones normales independientes 1
77
7.8 Distribución del cociente de varianzas.
Distribución F 1
79
7.9 Muestreo en poblaciones finitas 181

Capítulo s Estimación 184

8.1 Estimación puntual 185
8.2 Propiedades de un estimador 186
VI
 8.3 Estimación de máxima verosimilitud 191
8.4 El error estándar 1 96
8.5 Estimación por intervalos 1 97
8.6 Tamaño de la muestra para estimar medias y
proporciones 210

Capf tulo 9 Pruebas de hipótesis 215

9.1 Introducción 215

9.2 Definiciones 219
9.3 Pasos de una prueba de hipótesis 226
9.4 Pruebas de hipótesis respecto de las medias
en poblaciones normales 227
9.5 Pruebas de hipótesis respecto de las
varianzas en poblaciones normales 235
9.6 Pruebas para proporciones 236
9.7 La función de potencia de la prueba 240
9.8 Factores que afectan la potencia de la prueba 246

Capítulo 10 Regresión y correlación simples 248

10. 1 La recta de regresión de la población 250

10. 2 El términoerror 252
10.3 Estimación de a y 13 256
2
10.4 Estimación de cr 265
1 0.5 Inferencia respecto de la pendiente 13 de la
recta de regresión 266
10.6 Estimación de E[Ylx] 270
10.7 Predicción de un valor particular de Y para un
valor dado de x 273
10.8 Análisis de correlación 274
10.9 Usode paquetes de computador en regresión
simple 282
10.10 Relaciones no lineales entre dos variables 283

Capítulo 11 Análisis deseries de tiempo 286

1 1ntroducción 2
1.1
11 Componentes de una serie de tiempo 8
2
.2
11 Descomposición de una serie de tiempo 8
2
.3
11 Promedios móviles 9
3
.4
1 Números índices 1
J
1.5
11 Algunas aplicaciones importantes l
3
'Capítulo 12 .6
Las utilidades y la teoría bayesiana
2
328

12. 1 Concepto de utilidad 328

12. 2 Algunos criterios de decisión 337
1 2.3 Decisión con información 343
VII
 12.4 Probabilidades conjuntas y la estrategia de
Bayes 350

Capítulo 13 Métodos no paramétricos 354

1 3.1 Prueba de la mediana 355

13.2 Pruebas en las que intervienen signos de
diferencia 357
13.3 Pruebas por suma de rangos 364
1 3.4 Método de correlación de rangos 371

Capítulo 14 Dos importantes pruebas de hipótesis 378

14 Análisis de varianza de un factor 3

.14
1 Análisis de varianza de dos factores 7
3
.2
14 Pruebas ji cuadrado 8
3
.3 9
Suplementos 4
1
Suplemento I , La varianza es mínima cuando se la calcula respecto
de la media 41 3
Suplemento 11 E( 1 x - m' 1 1 es mínimo cuando m' = mediana 4
Suplemento 111 de
2
x 2 2
1
<TSiX X = son
+ yy Y + <T y
<T xindependientes, entonces 4
4
Suplemento IV Desigualdad de Shebyshev 1
4
Suplemento V La media de la variable aleatoria binomial 1
4
Suplemento VI La función de Poisson 1
4
Suplemento VII Estimador sesgado de la varianza de población 1
4
Suplemento VIII Estimador insesgado de la varianza de población 1
4
Suplemento IX Las varlanzas de . Y y Ya 4
2
Tablas 4
2
Tabla I Números aleatorios 4
Tabla 11 Distribución normal típica acumulada 2
4
2
Tabla 111 Valores porcentuales de la distribución X 2
4
Tabla/V Valores porcentuales de la distribución t 3
43
Tabla V Valores porcentuales de la distribución F 2
433

Respuestas a algunos problemas de numeración impar 437

Índice 457 .

VIII
 Capítulo 1

I NTRODUC CIÓN
- RESEÑA HISTÓRICA
El término estadística es ampliamente escuchado y pronunciado a diario desde
diver sos sectores activos de la sociedad. Sin embargo, hay una gran diferencia
entre el sentido del término cuando se utiliza en el lenguaje corriente (generalmente
al ante ceder una citación de carácter numérico) y lo que la estadística significa
como ciencia.
Son diversos los vocablos que se citan como antecedentes del término
estadís tica. Sin pretender ser exhaustivos, pero sí buscando reseñar los de mayor
mención, podemos nombrar los siguientes:
- Status (latín), que significa situación, posición, estado.
- Statera (griego). que quiere decir balanza, ya que la estadística mide o pesa
hechos.
- Staat(alemán ), que se refiere a Estado como expresión de unidad política
superior.
La razón o razones que motivaron al hombre en un momento de su desarrollo
a tomar en cuenta datos con propósitos estadísticos, tal vez la hallemos si tenemos
en cuenta que es difícil imaginar un organismo social. sea cual fuere la época, sin la
necesidad, casi instintiva, de recoger aquellos hechos que aparecen como actos
esen ciales de la vida; y así, al situarnos en una etapa del desarrollo de la
estadística podemos pensar que se convirtió en una aritmética estatal para asistir al
gobernante que necesitaba conocer la riqueza y el número de los súbditos con
el objeto de recaudar impuestos o presupuestar la guerra. Es sabido que César
Augusto decretó que todos los súbditos tenían que tributar y por tanto exigió a
todas las personas que se presentaran al estadístico más cercano que era
entonces el recaudador de
impuestos. Guillermo el Conquistador ordenó un censo de las tierras de Inglaterra
con fines de tributación y del servicio militar. Este documento se llamó Domesday
Book.
Sin embargo, con mucha anterioridad a estos dos casos antes señalados de
recolección de datos hay evidencias del uso de la estadística a un nivel rudimentario
por organizaciones sociales antiguas. Así por ejemplo, en los monumentos
egipcios hay testimonios de que los movimientos de poblaciones eran seguidos por
medio de
1
2 Estadística para las ciencias administrativas

censos. La Biblia cita que Moisés hizo un censo de los israelitas en el desierto, como
también que David llevó un censo. En China, Confucio narra cómo un rey llamado
Yao, unos 3,000 años a. C., hizo levantar un recuento agrícola, industrial y comercial
del país.
Especial mención ameritan los estudios Renta Vitalicia, durante la época del
Imperio Romano, los cuales suponen el cálculo de la vida media a distintas edades;
y los documentos sobre los Itinerarios en los que se describen las distancias entre
las diversas localidades y el desarrolló de las vías de comunicación.
Hacia mediados del siglo XVII en Alemania comenzó a tomar fuerza una disciplina
orientada a la descripción de las cosas notables de Estado; esta disciplina gozaba de
una sistematización orgánica y respondía a principios doctrinales. Ajustada a esta
estructura, Hermann Conring 1 1 600- 1 681 l la introduce en un curso de ciencia política
con el propósito de describir y examinar los casos sobresalientes del Estado. Más
tarde Godofredo Achewald ( 1 719-1772 l entra a considerarla como disciplina indepen
diente y la introduce como una asignatura universitaria con el nombre de ESTADÍSTICA,
encargada de la descripción de las cosas del Estado.
Paralela y contemporánea con la escuela alemana, en Inglaterra se desarrolla la
escuela conocida con el nombre de los aritméticos políticos y en Francia la escuela
probabilística.
La escuela' de los "Aritméticos políticos" tuvo como propósito fijar en números
aquellos fenómenos sociales y políticos buscados por los empíricos. Tienen como
hecho meritorio sus creadores el intento de buscar leyes cuantitativas que regularan
los comportamientos sociales. Uno de sus miembros fue Graunt ( 1 620- 1 674). quien
realizó investigaciones estadísticas sobre población y por ello se le señala como el
iniciador de la tendencia conocida con el nombre de estadística investigadora, la cual
se oponía a la postura universitaria alemana que se conoce con el nombre de estadís
tica descriptiva.
La escuela probabilística, conocida también como encic/opedicotemática, basó
su desarrollo en el empleo de la matemática particularizada en el cálculo de probabi
lidades como instrumento de investigación. El cálculo de probabilidades nace con
Bias Pascal ( 1623- 1 662) y Pedro de Fermat ( 1 601- 1 665 l al tratar de dar soluciones
a problemas relacionados con juegos de azar propuestos por Antonio Gambaud,
más conocido con el título nobiliario de Caballero de Meré. A partir de Pascal fueron
muchos los matemáticos insignes que al apoyarse en la teoría de la probabilidad
formularon la teoría estadística y su aplicación práctica.
Sin pretender agotar los nombres de todos aquellos que han contribuido al
desarrollo de los métodos estadísticos, comencemos por señalar a Adolph Ouetelet
( 1 796- 1 874). quien fue el primero en aplicar métodos modernos al estudio de un
conjunto de datos. Quetelet se reconoce como el padre de la estadística moderna
por su persistencia en recalcar la importancia de aplicar métodos estadísticos. En este
punto es justo reconocer la labor desarrollada por Antonio Cournout ( 1801-18771.
tendiente a integrar las leyes de la teoría de la probabilidad al análisis estadístico;
esto le dio prestancia a la estadística al tiempo que la dotó de un rigorismo hasta
ese momento ausente en sus procedimientos.
Ahora bien, si tuviésemos que señalar un hecho que hubiera contribuido más
al desarrollo de la que pudiésemos llamar estadística moderna, tal vez la mayoría, por
no decir todos, estaríamos de acuerdo en señalar la aparición de la distribución normal.
La ecuación de la curva asociada a esta distribución fue publicada por vez primera
en 1733 por De Moivre, pero debido a su incapacidad para aplicar sus resultados a
observaciones experimentales su trabajo permaneció inédito hasta cuando Karl Pearson
 Introducción 3

lo encontró en una biblioteca en 1924. Sin embargo, Laplace ( 1749-18271 y Gauss

( 1777-1855) obtuvieron cada uno por su lado el mismo resultado que había conseguido
De Moivre.
Entre los contemporáneos de Ouetelet y Gauss que contribuyeron al avance de
la estadística como ciencia estaban Florence Nightingale ( 1820-1910) y Francis Galton
( 1822-191 1 ). Nightingale afirmaba que los políticos y legisladores fracasaban a
menudo porque sus conocimientos estadísticos eran deficientes. Galton, como su
primo Charles Darwin, se dedicó al estudio de la herencia, a la cual aplicó métodos
estadísticos. Entre sus aportes más importantes se cuenta el desarrollo de métodos
básicos como la regresión y la correlación.
La obra de Galton estimuló a Karl Pearson ( 1857-19361 para que profundizara en
sus investigaciones y fundó así el periódico Biométrica, que ha influido profundamente
en el desarrollo de la estadística. Muchos métodos que forman parte del glosario del
análisis estadístico son obra de Pearson y su obra cumbre es la creación de la distri
bución ji cuadrado.
Debido a que Pearson se ocupó fundamentalmente de muestras grandes, la
correspondiente teoría no se ajustaba para el estudio basado en muestras pequeñas.
Entre los experimentadores que vivían este problema estaba William Gosset ( 1876-
19371. quien estudiaba con Pearson. Gosset. quien escribía con el seudónimo de
"Student", dedujo' la distribución t y con ello solucionó el problema para el estudio
de pequeñas muestras.
Ronald Fisher ( 1890-1962). recibió influencia de Karl Pearson y de Student, e
hizo numerosas e importantes contribuciones a la estadística, sobre todo en su apli
cación para el estudio de situaciones propias de la agricultura, biología y genética. A
Fisher se debe el hallazgo de la conocida distribución F.
J. Neyman, 1894 y E. S. Pearson, 1895, presentaron una teoría sobre la verificación
o prueba de hipótesis estadística, entre 1936 y 1938. La teoría estimuló la
investigación y fueron varios los resultados de uso práctico.
Finalmente, mencionemos a Abraham Wald ( 1 902- 1950). quien en sus libros
Sequential Analysis y Statistica/ Decision Functions, presenta conquistas estadísticas
orientadas en el campo de la genética.

11J DEFINICIÓN DE ESTADÍSTICA

Debido a lo extenso y variado del campo cubierto por la estadística es difícil
proponer una definición precisa del concepto. No obstante, tácitamente todos los
estadísticos están de acuerdo en clasificar la materia en dos tipos, cuales son la
estadística descrip tiva y la estadística inferencia!, las que desempeñan funciones
distintas pero comple mentarias en el análisis estadístico.

Estadística descriptiva. Trata esta parte de la estadística del resumen y descripción

de los datos. Dicho resumen puede ser tabular, gráfico o numérico. El análisis se limita
en sí mismo a los datos coleccionados y no se realiza inferencia alguna o generaliza
ciones acerca de la totalidad de donde provienen esas observaciones (población ).
Por ejemplo, si un jefe de personal somete a un test de aptitud a un grupo de
graduados de un instituto superior recientemente contratados; entre lo que puede
hacer con las puntuaciones que resultan del test valiéndose de la estadística
descrip tiva, están los aspectos siguientes: arreglar las puntuaciones o clasificarlas
de manera que con sólo dar un vistazo a los datos se pueda tener una imagen
general de los
4 Estadística para las ciencias administrativas

mismos; calcular el promedio de las puntuaciones y reconocer algo sobre la aptitud

típica de los empleados; construir tablas, gráficas y cuadros para visualizar el
compor tamiento de los datos o bien convertir las puntuaciones brutas en rangos o
en percen tiles para hacer comparaciones; utilizar el promedio como punto de
localización y describir la variabilidad o dispersión de los datos. Además, si
después se obtienen ciertas medidas sobre el rendimiento en el traba jo de estos
empleados, se puede tratar de describir la relación entre las puntuaciones dadas
por el test y dichas medi ciones. Y en cuanto se establezca una relación semejante,
se puede predecir el ren dimiento de un empleado en su traba jo con base en su
puntuación en el test de aptitud.

Estadística inferencia /. Si bien la descripción de los hechos recolectados es a veces

en sí misma el fin que se propone, en la mayoría de los análisis estadísticos estamos
realmente más al comienzo de la tarea que al término de la misma, una vez que
hemos terminado los aspectos descriptivos. Y esto es así, puesto que el objetivo
último de la labor estadística es el de extraer conclusiones útiles sobre la totalidad
de todas las observaciones posibles de que se trate, con base en la información
recolectada. Es decir, la estadística descriptiva no es más que el trabajo preliminar
para la inferencia. Entendiéndose como inferencia estadística el proceso de hacer
predicciones acerca de un todo o tomar decisiones al basarnos en la información
contenida en una muestra. La estadística inferencia!, por su parte, se refiere a la rama
de la estadística que trata de los procesos inferenciales, la que a su vez comprende
la teoría de estimación y prueba de hipótesis.
Al reseñar las dos facetas de la estadística, se puede resumir como sigue el
significado de estadística:
"La estadística es la ciencia, pura y aplicada, que crea, desarrolla y aplica técnicas,
de modo que pueda evaluarse la incertidumbre derivada de inferencias inductivas".

gJ USO Y ABUSO DE LA ESTADÍSTICA

La estadística se ha convertido en materia decisiva para estudiantes de ciencias
empresariales, de economía, de sociología, de antropología y de otras ciencias del
comportamiento. Los métodos estadísticos han demostrado ser útiles en una amplia
gama de estudios relacionados con la conducta humana, razón que ha hecho que
se incluya en los pénsumes de las carreras antes señaladas.
La economía moderna se ha tornado tan compleja que la incertidumbre en
cuanto a las futuras operaciones de la empresa se acrecientan; sin embargo, las
firmas empresariales deben tomar decisiones pese a tales incertidumbres. La
decisión sólida y razonada exige análisis e interpretación cuidadosos de la
información sobre hechos, y a este respecto las técnicas estadísticas han
demostrado ser especialmente útiles. En las actividades de hoy ya no se considera
la estadística como el mero registro de ventas y de contabilidad, sino más bien
como una parte integrante en la decisión administrativa. En la investigación de
mercados y en la previsión de las tendencias económicas, por ejemplo, es
manifiesta la necesidad de utilizar el muestreo, el análisis de regresión y otros
métodos estadísticos.
A continuación presentamos otras situaciones que nos indican cómo la inferencia
estadística se ha convertido en una importante herramienta en la empresa.
Suponga que una compañía manufacturera quiere decidir si acepta o rechaza
un embarque de mercancía que ha recibido recientemente. Se inspecciona una
parte del embarque para determinar su calidad. Si se halla que 3 de 30 unidades
examinadas son defectuosas, ¿este resultado es prueba suficiente para indicarnos
que el embarque
 Introducción 5

es de mala calidad? La inferencia estadística nos permitirá dar una respuesta

racional a este interrogante.
Una compañía que fabrica harina, la empaqueta en bolsas plásticas, cada una
de las cuales se supone que contiene 25 libras. Si el proceso está bajo control, el
peso promedio de las bolsas será de 25 libras. Suponga que en el proceso se chequea
periódicamente una muestra. Si una muestra de 50 bolsas da una media (muestrall
de 24 libras 12 onzas, el método inferencia( nos permite determinar si el proceso se
puede considerar bajo control.
Mediante el proceso inferencia( podemos también decidir, por ejemplo, si una
vacuna que ha sido desarrollada para combatir el resfriado se puede considerar
eficaz en el 95% de los casos, al haber encontrado que de 30 personas vacunadas,
27 pasaron el invierno sin haber sufrido resfriado.
En el campo de la educación, la estadística también desempeña un papel de
importancia. Un educador tal vez quiera saber si hay una relación significativa entre
las puntuaciones de un test de aptitud escolar y las calificaciones promedio de un
grupo de estudiantes. Si existe una relación semejante, se podría predecir la
calificación promedio de un estudiante con base en su puntuación en el test de
aptitud. Así mismo, es posible comparar dos métodos de enseñanza diferentes para
determinar sus eficacias relativas. Esto podría llevarse a cabo con la elección de
dos grupos de estudiantes de capacidades comparables para enseñarles a través de
los dos métodos una materia determinada. Al final del periodo de instrucción se
administra un test típico a ambos grupos. Con base en las puntuaciones promedios
obtenidas por cada grupo en el test. se puede llegar a la conclusión de si los dos
métodos son igualmente efectivos o si uno de los métodos es significativamente
más efectivo que el otro, en
sentido estadístico. La situación aquí comentada pone al descubierto la necesidad
de un conocimiento de métodos estadísticos por parte de los estudiantes de
educación y de sicología.
En biología y agronomía las técnicas estadísticas se han empleado desde hace
mucho tiempo, en particular para estudiar el efecto de los tipos de semillas, de los
insecticidas y de los fertilizantes en las cosechas. La producción de ganado de mejor
calidad con el desarrollo de planes especiales de alimentación y de cría también ha
sido resultado de estudios que han tenido como fondo un análisis estadístico. La
medicina reconoce los efectos secundarios o la eficacia de medicamentos y mejora
los métodos de control de la propagación de enfermedades con base en las técnicas
estadísticas. También se puede aplicar con buenos resultados en la genética, la silvi
cultura y la ecología. Todo lo anterior nos señala por qué la estadística se recomienda
y a veces se exige a los estudiantes de estas ciencias.
La estadística ha encontrado también una aplicación creciente en la física y la
química, ciencias en las que se ha utilizado para contrastar hipótesis con base en
los datos experimentales. El trabajo de investigación del físico ha hecho crecer el
campo del diseño experimental. que es una importante técnica estadística. En la
ingeniería, el uso de los instrumentos estadísticos para controlar la calidad de la
producción ha sido una experiencia fructífera desde hace varios decenios.
El desarrollo del campo de la computación ha contribuido a la expansión de las
aplicaciones de las técnicas estadísticas en nuevos y más complejos problemas. Al
tiempo que se han fortalecido y ampliado los métodos de análisis estadísticos, particu
larmente al hacer uso de la teoría de la simulación.
No siempre se hace buen uso de la metodología estadística en cuanto al
análisis de los datos. Unas veces por desconocimiento y otras por descuido del
investigador.
6 Estadística para las ciencias administrativas

Unas cuantas citas acerca del mal empleo de la técnica estadística nos permitirá
comprender mejor el fondo del problema. Uno de los errores que se cometen con
mayor regularidad es hacer conclusiones basadas en datos muestrales no
representa tivos. Quizás el más sonado caso de este tipo de error fue el que
cometió el Literary Digest sobre los resultados de las elecciones presidenciales en
los Estados Unidos en 1936. El Digest envió papeletas de voto a una muestra de
votantes escogidos mediante los registros telefónicos de su propia lista de
suscriptores. Las papeletas devueltas hacían prever que Franklin D. Roosevelt
obtendría 161 votos electorales y
su contendor Alfred Landon lo aplastaría por 370 votos. La elección final arrojó
como resultado 523 votos electorales para Roosevelt y g para Landon. Roosevelt
ganó en 46 de los 48 estados, con victoria aplastante en muchos de ellos. Lo
erróneo estuvo en que la muestra no fue representativa, ya que durante el año de
la depresión de 1936 las personas que podían darse el lujo de tener teléfonos o
suscripciones de
revistas pertenecían a núcleos económicos superiores y éstos sí estaban en su mayoría
en favor de Landon, pero los votantes favorecieron a Roosevelt. Esta salida en falso
del Digest contribuyó a que dejara de existir.
Otro error que se comete es aquel en el cual las conclusiones están basadas en
datos insuficientes. Suponga que un vendedor de seguros hace llamadas de casa en
casa para vender cierta póliza de seguros. Afirma que el 25% de sus llamadas resultarán
en ventas efectivas porque hizo una venta el sábado por la tarde cuando realizó cuatro
llamadas, lo cual da la impresión de que el 25% de todas las llamadas tendrán éxito,
cosa que naturalmente no es así. Su información sería más confiable si dijera, por
ejemplo, que de 100 llamadas, 25 dieron fruto; y mejor aún, si dijera que de 1 ,000
llamadas, 250 terminaron en ventas. Así pues, cuando se utilice un porcentaje es
aconsejable tener en cuenta el total de casos u observaciones para garantizar la
fiabilidad.
Como aún no se han presentado los diversos métodos de la estadística, la
presentación y examen de los abusos de ésta quedan limitados. Finalmente diríase
que todo procedimiento estadístico puede emplearse de modo engañoso o con inter
pretaciones deficientes de los resultados. Sin embargo, no es difícil evitar tales
engaños o falsas interpretaciones; al lector se le recomienda el librito de Darrel
Huff: How to Líe with Statistics (editado por W.W. Norton & Company, lnc., en 1954)
1
si desea tener una mejor visión de los abusos de la estadística.

Elerclcios .._1_. I '-- --

1. El término "estadística" que usted escucha en la calle, ¿tiene el mismo significado que cuando
se emplea como ciencia? ¿En qué difieren?

2. ¿Cuáles son las fuentes de estudio de la estadística?

3. Señale las principales contribuciones que hicieron a la estadística los siguientes investigadores:
a/ Adolph Ouetelet el Karl Pearson
b/ Karl Friedrich Gauss f/ William S. Gosset
cJ Florence Nightingale gl Ronald A. Fisher
di Francis Galton

4. Señale la diferencia entre estadística descriptiva y estadística inferencia!.

5. Explique por qué la estadistica inferencia! desempeña un papel de mucha importancia en las
investigaciones científicas modernas.

N. del T. Hay versión española: Cómo mentir en estadística. Editorial Sagitario, Barcelona. 1 965.
 Introducción 7

6. Exponga algunas razones de peso que justifiquen la exigencia de al menos un curso de

estadística para los estudiantes de ciencias administrativas.

7. ¿Desempeña la estadística un papel de importancia en la educación y en sicología? Explique.

8. Exponga las posibles contribuciones de la estadística a las ciencias biológicas.

9. Dé un ejemplo que ilustre la aplicación de la inferencia estadística a cada una de las

siguientes funciones empresariales:
al Dirección de personal di Administración de propiedad raíz
bi Dirección de el Cualquier otra función
producción
el Mercadeo

1 O. Un periódico local informa que la tercera parte de las profesoras de una escuela están casadas
con sus estudiantes, ¿hay algo errado en semejante afirmación? Explique.

m CONCEPTOS BÁSICOS DE lA TEORÍA DE CONJUNTOS

Las conclusiones resultantes de un proceso inferencial de la estadística siempre están
acompañadas de un grado de confiabilidad. Este grado de confiabilidad se mide en
términos de probabilidad. Esta a su vez precisa sus conceptos y leyes mediante el
lenguaje de conjuntos; por ello, es necesario que se haga un repaso de los conceptos
y operaciones ent're conjuntos.
Un conjunto es toda colección de objetos bien definidos e identificables. A los
objetos se les llama elementos o miembros del conjunto. A los conjuntos usualmente
se les denota con letras mayúsculas tales como A, B, C,...; a los elementos por lo
general se les designa mediante letras minúsculas como a, b, c,... x, y, z...
Se reconocen dos métodos ampliamente utilizados para expresar conjuntos.
Estos métodos son el de extensión (enumeración 1 y el de comprensión (característico).
Sin embargo, para la adecuación de la terminología de conjuntos a la de probabilidad,
los conjuntos son descritos de una manera distinta a las anteriormente citadas y que
son las que se emplean en las otras ramas de la matemática.
Recordemos que un conjunto se expresa por extensión o enumeración cuando
se da de la forma:
A = { 1 , 3, 7, casa}

Y que queda expresado por comprensión cuando se da de la forma siguiente:

A = {x I x es suramericano}
A continuación reseñamos los conjuntos básicos y las operaciones elementales
entre conjuntos que se utilizan en el estudio de la probabilidad (estadística).

Conjunto universal. Es el conjunto formado por todos aquellos elementos que están
siendo considerados en un estudio particular. Es el marco de referencia del estudio
y cuando se investiga un problema, se debe tener claro cuál es dicho conjunto universal
que interviene. Así, por ejemplo, si nos proponemos estudiar la escala salarial de los
empleados del sector gubernamental. lo constituye todos y cada uno de los empleados
del mencionado sector. El conjunto universal usualmente se denota con la letra U.

Subconjunto o partes de un conjunto. Si todo elemento del conjunto S es también

elemento del conjunto T, decimos que S es un subconjunto de T o que es una parte
8 Estadística para las ciencias administrativas

de T o bien que S está incluido en T, lo cual se escribe "S e T". En diagramas de

Venn se representa así:

Figura 1.1 La contenencia de S en T.

Si hay al menos un elemento de T que no esté en S, decimos que S es un

subcon junto propio de T. En algunos casos no es descartable la posibilidad de que
S sea igual a T. si esto es así, escribimos "S !;;;; T". Así, por ejemplo, si R = {2, 3, 1, 6, 9};
S = {9, 1 , 6, 3, 2}; T = {2, 3, l. 6, 9, 5, 10}; entonces R e_; S y R e T.

Conjunto vacío. Un conjunto que no contenga elementos, se llama conjunto vacío y

se denota por 0, que es una letra escandinava. El conjunto vacío es en cierta forma
para la teoría de conjuntos lo que es el cero para los sistemas numéricos usuales.
El conjunto vacío es subcon junto de cualquier conjunto.
No deben confundirse las dos escrituras A = 0 y A = {O}, ya que en el primer
caso nos referimos a un conjunto que no tiene elementos; por ejemplo, el conjunto
formado por todas las mujeres que han sido presidentes de los Estados Unidos. En
cambio, para el segundo caso estamos aludiendo al conjunto que tiene como único
elemento al cero.
Intersección. Dados dos conjuntos A y B. la intersección de A y B, que se escribe
A n B. es el conjunto formado por todos aquellos elementos que son comunes a
A y a B.

Figura 1.2 La intersección de A y B.

Si tomamos A = {x l x es mujer }, B = {x / xes fumador}, entonces A íl B = {x l

x es mujer fumadora}. Esto es, A n B representa el conjunto de todas las mujeres
fumadoras.
Cuando A n B = 0. esto es, A y B no tienen elementos en común, decimos
que A y B son disyuntos o mutuamente excluyentes.

Unión. La unión de dos conjuntos A y B es el conjunto formado por todos aquellos

elementos que pertenecen bien a A o bien a B o a ambos. La unión de A y B se de
nota A U B.

Figura 1 .3 La unión de A y B.
 Introducción 9

Si A = {x I x es estudiante de economía} y B = {x I x es estudiante de adminis

tración}, entonces A U B = {x i x es estudiante de administración o de economía}.
Esto es, A u B representa todos los estudiantes que cursan, bien la carrera de
economía o bien la carrera de administración.
Las operaciones de intersección y de unión se pueden extender a más de dos
conjuntos y tenemos así que para tres conjuntos A, B, C la intersección se denotará
A n B n C y la unión se indicará A U B U C; los conjuntos representados por las
anteriores escrituras se obtienen de manera obvia, y tenemos por ejemplo, si
c
A {O, 7, 8, 9}, B = {O, 8, 9, 5}, = {2, 4, O, 8}, entonces A n B n C = {O, 8} y A u
B U C = {O, 7., 8, 9, 5, 2, 4}.

Complementación. Si tenemos un universo U y A un subconjunto de U, el conjunto

formado por todos aquellos elementos de U que no pertenecen a A, se llama comple
mento de A y se denota A'.

Figura 1.4 El complemento de A.

Si tomamos U = {x I x es profesor de la universidad} y A = {x I x es profesor

de estadística}, entonces A' = {x I x es profesor de la universidad y no es profesor de
estadística}. Esto es, A' representa a todos los profesores que dictan las asignaturas
distintas de estadística.

Diferenciación. La diferencia del conjunto A y el conjunto B, denotada A-B, es el

conjunto formado por los elementos que están en A pero no están en B.

Figura 1.5 La diferencia de A y

B.

Al tomar A = {x I x es estudiante de economía} y B = {x I x toma curso de

estadística}, entonces A-B = {x I x es estudiante de economía y no toma curso de
estadís
tica}. Esto es, A-B representa a todos los estudiantes de economía que no toman
estadística.
Observe que el complemento de un conjunto es un caso de diferencia al tomar
Ucomo un miembro de la diferencia. También es bueno resaltar que A-B = A n B'.

Conjunto de partes de un conjunto A. Es el conjunto que tiene por elementos a

todos los subconjuntos de A, se denota P (A).
Así por ejemplo, si A = {a, b, c}, entonces P (A) = {0, {a}, {b}, {c}, {a, b},
{a, c}, {b, c}, {a, b, c}}.
10 Estadística para las ciencias administrativas

A Jos conjuntos se les clasifica según el número de elementos que contienen

en conjuntos finitos (cuando sus elementos son iguales en número a algún entero
no negativo) y en conjuntos infinitos (cuando el número de sus elementos es
superior a cualquier entero positivo).
Por ejemplo, A = {x I x es estudiante de contaduría} es un conjunto finito y
B = {x I x es un entero par} es un conjunto infinito.
Ejercicios ._1_.2_._ _

J. Enumere cada uno de Jos siguientes conjuntos por el método de extensión (enumeración).
al El que tiene por elementos las letras que forman la palabra "estadística"
bl El que tiene por elementos los dígitos que aparecen en el número 780000000000
e) El que tiene por elementos las letras que entran en la formación de la expresión
"inferencia estadística"
di El que tiene por elementos los nombres de los últimos cinco Papas
2. Escriba por el método de comprensión cada uno de los anteriores conjuntos.

3. Entre los siguientes conjuntos, determine cuáles son iguales.

z
al A = {t E I t + 2 = O}, B = {t E z
I t2 + 2t = O}. e= {t E z !t2 + t - 2 = O}
bl X = J8, 7, 6}, Y = {8, 9, 6}, Z = {6, 7,8}
e) D = {1, 2, 3, 4, 5}, E = {x I x es un entero mayor que 1 y menor que 5}, F = {4, 3. 2}

4. Suponga que el conjunto U sea una muestra de 1 ,000 compradores de valores entrevistados
sobre sus costumbres para comprar. La distribución de los compradores por sexo y tipo de
valores adquiridos se indica en el cuadro:
Tipo devalores Hombres Muieres To
comprados tal
de especulación 300 500 8
de inversión 100 100 2000
Total 400 600 1,
00
Indique cada una de las ocho clases de compradores en notación de conjunto.

5. Determine cuáles de los siguientes conjuntos son finitos y cuáles infinitos.

al El conjunto de los enteros entre 10 y 60
bJ El conjunto de los enteros no negativos pares
cl El conjunto de los becerros que han nacido y que van a nacer en todo el mundo
di El conjunto de todas las sociedades anónimas
el El conjunto de los enteros superiores a 1.000

6. Dado el conjunto universal U = {p, q, r, 7, 9}, dé cuatro subconjuntos que sean partes de U.
7. Si C = {I, 2, 3, 4}, determine el conjunto de partes de C.

8. En un reconocimiento de 100 atletas se encontró que se especializaron así: 35 en béisbol, 50

en basquetbol, 40 en fútbol; en béisbol y basquetbol 15, en béisbol y fútbol 10, en basquetbol
y fútbol 15 y en los tres deportes 5.
aJ ¿Cuántos atletas no se especializaron en ningún deporte?
bJ ¿Cuántos atletas se especializaron sólo en fútbol?
(Indicación: Trace un diagrama con tres círculos que representen los tres deportes)

9. En un estudio sobre las bases matemáticas de 50 estudiantes inscritos en estadística, se

encontró que el número de estudiantes que habían cursado distintas asignaturas de
matemáticas era como sigue: álgebra de matrices 23, geometría analítica 18, matemática
finita 13, álgebra de matrices y geometría analítica 3, álgebra de matrices y matemática finita
6, geometría analítica y matemática finita 3, y todas las tres materias 1.
 Introducción 11

a} ¿Cuántos estudiantes hay que jamás han tomado ninguna de las tres materias?
bJ ¿Cuántos estudiantes han tomado sólo álgebra de matrices?, ¿sólo geometría analftlca?,
¿sólo matemática finita?
cJ ¿Cuántos estudiantes han tomado solamente álgebra de matrices y geometría analítica?
di ¿Cuántos estudiantes han tomado sólo álgebra de matrices y matemática finita?, ¿sólo
geometría analítica y matemática finita?

10. Sean el conjunto universal I = {l, 2, 3, 4, 5, 6}, A = {l, 2, 3}, 8 = {2, 3, 4}, C = {4, 5, 6}.
Halle:
a} Los conjuntos que tienen intersección no vacía
bJ Los conjuntos disyuntos
e} Los complementos de cada uno de ellos

11. Halle el conjunto de partes de A = { 1 , #, 5}

12. Sean A = {0, 1 , 2, 3, 4, 5, 6, 7,8, 9}, 8 = {0, 2, 4, 6,8}, C = {3, 5, 7}, D = {3, 7}.
Halle:

a} A u 8 b} A u 8 u e el A n 8
dJ A n (8 u CI eJ A u ( 8 n f} A n 8 n C
CI
gJ A - h} A U 0 iJ 8 n 0
8'

13. Sea el conjunto universal el de los resultados posibles cuando se lanza un dado y sean A =
{x I x < 4}, 8 = {x I x < 5}, C = {x I x es par} y D = {x I x es Impar}. Describa por
extensión cada uno de los conjuntos siguientes:

aJ A n 8
bJ 8 n e cJ A n e
di (A u
eJ A n (8 u
Dl'
C)

111 VARIABLE Y TIPO DE VARIABLES

En esta sección revisaremos algunos conceptos que se utilizarán extensamente en
este texto. Con el propósito de no crear en el estudiante un estado de desaliento,
resultado de la confusión propia cuando se empiezan a manejar conceptos
abstractos, hemos preferido dejar de lado el excesivo formalismo, presentar las
ideas de la manera más simple posible y procurado que queden lo más adecuadas al
lenguaje estadístico.

Variable. Es toda característica que toma diferentes valores en distintas personas,

lugares o cosas. Por ejemplo, la estatura de las personas, el número de personas
que residen en una vivienda, el sexo de los estudiantes de la universidad.

Datos. Son números o medidas que han sido recopilados como resultados de obser
vaciones. Los datos pueden provenir de recuentos tales como el número de
personas que laboran en una empresa o de mediciones como el peso de una
persona.

Variable aleatoria. Cuando los valores que asume la variable han sido antecedidos
por una selección aleatoria de los objetos medidos o son resultados de algún
proceso al azar. A las variables aleatorias usualmente se les denota por letras X, Y,
Z; y a los valores por las respectivas minúsculas.
12 Estadística para las ciencias administrativas

Si de las cuentas corrientes de los clientes de un banco se escogen cinco al

azar en un día determinado, la variable depósito en cuenta corriente de cada
cliente
constituye una variable aleatoria que podemos designar X. Si alguna de las cuentas
aparece con un registro o saldo de 1,000,000 de pesos entonces x = 1,000,000.

Variable continua. Es aquella que teóricamente puede tomar cualquier valor dentro
de un intervalo. Por ejemplo, la estatura de las personas o el tiempo necesario para
realizar una transacción bancaria de parte del cliente.

Variable discreta. Es aquella que toma valores separados entre sí por alguna cantidad.
Por ejemplo, el número de personas que llegan en una hora a un banco a solicitar
un servicio.

Variable cuantitativa. Es aquella que asume valores acompañados de una unidad

de medida. Por ejemplo, el número de accidentes anuales ocurridos en una
carretera de mucha circulación o el ingreso por familia en determinados sectores
de la ciudad.

Variable cualitativa. Es la que se refiere a clasificación, como estado civil, preferencia

por una marca, te.

• COMPONENTES DE UNA INVESTIGACIÓN ESTADÍSTICA

El estudio estadístico de una situación con propósitos inferenciales se centra en dos
conceptos fundamentales: población y muestra, los cuales serán definidos a
continuación.

Población. Es el conjunto formado por todos los valores posibles que puede asumir
la variable objeto de estudio.
Así por ejemplo, en un estudio sobre la preferencia de los votantes en una
elección presidencial, la población consiste en todas las respuestas de los votantes
registrados. Pero el término no sólo está asociado a la colección de seres humanos u
organismos vivos. Y tenemos así que, si se va a hacer una investigación de las ventas
anuales de los supermercados, entonces las ventas anuales de todos los supermerca
dos constituyen así mismo la población.
Es bueno tener en cuenta que el término población se interpreta de dos
maneras cuando se hace un estudio estadístico, a saber:

Primero: La interpretación propia en el análisis estadístico, que corresponde a la

que hemos presentado anteriormente.

Segundo: Como el conjunto de objetos sobre los cuales actúa la variable considerada.
Por tanto, no es extraño escuchar expresiones tales como, "se hizo un estudio de los
niveles de ingreso de la población trabajadora norteamericana", entendiéndose con
ello que el elemento estadístico objeto de análisis fue el registro numérico de los
ingresos.

M uestra. Es cualquier subconjunto de la población, escogido al seguir ciertos criterios

de selección.

La muestra es el elemento básico sobre el cual se fundamenta la posterior

inferencia acerca de la población de donde se ha tomado. Por ello, su escogencia y
 Introducción 13

selección debe hacerse siguiendo ciertos procedimientos que son ampliamente trata
dos en la parte de la estadística llamada Teoría de muestreo.
El concepto de muestra tiene también las dos connotaciones que hemos señalado
para la población.
Las características de una población se resumen para su estudio generalmente
mediante lo que se denominan parámetros; éstos a su vez se toman o consideran
como valores verdaderos de la característica estudiada. Por ejemplo, la proporción
de todos los clientes que declaran cierta preferencia por una marca particular de un
producto dado, es un parámetro de la población de todos los clientes; es la
verdadera proporción de la población. Igualmente, la media aritmética de las
cuentas corrientes de los clientes de un banco determinado constituye un
parámetro de la población de las cuentas de los clientes de ese banco.
Cuando la característica de la población estudiada se reduce a una muestra el
resumen de esa característica se hace mediante una estadística (medida) o estadígra
fo. Así por ejemplo, si se toman 100 de todos los posibles clientes y se les entrevista
para ver si están a favor de una marca particular de un producto, estos 100 clientes
constituyen una muestra. Si hay 70 clientes que prefieren dicha marca entonces la
proporción muestra! será 0.70 y constituirá una estadística. De igual manera si se
escogen 1,000 cuentas del total de las cuentas corrientes; las 1,000 observaciones
conforman una muestra y el promedio aritmético de estas cuentas una estadística.
La inferencia estadística se orienta a sacar conclusiones acerca del parámetro
o parámetros poblacionales con base en el valor de una estadística obtenida a partir
de los datos muestrales extraídos de esa población. Para llegar a ese objetivo a
través de un proceso racional y eficaz, se aconse ja que se tengan en cuenta los
siguientes pasos:

Primer paso. Formulación del problema. En este punto se debe especificar de

manera clara la pregunta que se debe responder y la población de datos asociada a
la pregunta. Los conceptos deben ser precisos y deben ponerse limitaciones
adecuadas al pro blema motivadas por el tiempo, dinero disponible y la habilidad de
los investigadores. Algunos conceptos como, artículo defectuoso, económico,
salario, pueden variar en cada caso y para cada problema debemos coincidir con
las ideas señaladas en el estudio.

Segundo paso. Diseño del experimento. Este aspecto es de gran importancia,

puesto que la recolección de datos requiere dinero y tiempo. Es siempre nuestro
deseo obtener máxima información con el mínimo costo (dinero y tiempo)
posible. Incluir excesiva información en la muestra es a menudo costoso y
antieconómico. Incluir poca también es poco satisfactorio. Esto implica, entre otras
cosas, que debemos determinar el tamaño de la muestra o la cantidad o tipo de
datos que nos permita resolver el problema de la manera más eficiente.

Tercer paso. Recolección de datos. Esta parte, por lo general, es la que exige
más tiempo en la investigación. Esta recolección debe ajustarse a reglas estrictas
ya que de los datos esperamos extraer la información deseada.

Cuarto paso. Tabulación y descripción de los resultados. En esta etapa, los datos
muestrales se exponen de manera clara y se ilustran con representaciones tabulares
y gráficas ( diagramas, histogramas, etc.); además se calculan las medidas estadísticas
apropiadas al proceso inferencia! que haya sido escogido.