UNIVERSIDAD DEL QUINDO

[2013]
Facultad Ciencias Econmicas y
Administrativas

Programa:

ADMINISTRACION DE NEGOCIOS



GUIA ACADMICA







NOMBRE DE LA MATERIA:
ESTADISTICA APLICADAS I


I. FICHA TECNICA
1. Nmero de crditos acadmicos : 4
2. Facultad que lo ofrece Ciencias Econmicas y Administrativas y financieras
3. Campo de formacin: A. A. B.
4. Cdigo: 130610301
5. Naturaleza del curso: Terico
6. Semestre : III SEMESTRE
7. Prerrequisitos: Matemticas aplicada II
9. Periodo Acadmico: I- 2013
II. PRESENTACION DEL CURSO
La estadstica se define como una ciencia que utiliza una serie de teoras, mtodos y tcnicas
especializadas de recoleccin, organizacin, ordenamiento, tabulacin, presentacin grfica,
descripcin y anlisis de datos mustrales con el objeto de extraer de ellos conclusiones tiles y
validas aplicables a la poblacin de donde procede la muestra, con un alto grado de
confiabilidad, y enmarcada en un espacio y tiempo determinados.

Este curso nos presenta las herramientas necesarias desde momentos descriptivos e
inferenciales de la estadstica, para todo el conjunto de anlisis financieros, econmicos y
dems desarrollo prcticos que durante la carrera y con nfasis en el trabajo de investigacin a
los negocios se necesitan para la toma de decisiones y la proyeccin de propuestas de
investigacin.
III. PROPOSITO DE FORMACION DE LA ASIGNATURA
La estadstica aplicada a los negocios centra su propsito en brindar a los estudiantes los
conceptos, criterios y procedimientos necesarios para formular, recolectar , analizar y proyectar
conclusiones o pronsticos sobre datos propios de un estudio de investigacin de inters en el
campo de los negocios y la economa.
IV. OBJETIVOS
Objetivo General
Proporcionar al futuro Administrador de Negocios Internacionales las teoras, herramientas,
mtodos y tcnicas que le permitan tomar decisiones acertadas dentro de sus empresas,
encaminadas a fortalecerla y a generar crecimiento.
Objetivos Especficos
Comprender claramente la conceptualizacin referente a la Estadstica
Conocer e identificar la finalidad y campos de aplicacin de la Estadstica
Reconocer los aspectos necesarios que deben tener los datos para que sean tratados por la
Estadstica.
Adquirir habilidades y destrezas en la recoleccin, organizacin y tabulacin de los diferentes
datos, al igual que en el anlisis y determinacin de conclusiones.
Determinar la importancia de las grficas en la visualizacin de la informacin a travs de tablas,
grficas, etc.
Analizar el comportamiento de las variables con sus caractersticas de tendencia, dispersin y
simetra.

Hallar e interpretar la incidencia entre variables aleatorias.
Reconocer que es la estadstica Inferencial y sus diferencias con la estadstica descriptiva.
Reconocer como hallar probabilidades y utilizar las tcnicas de conteo.
Entender que es una distribucin de probabilidad y su utilidad.
Interpretar y hallar muestras en estudios estadsticos.
Reconocer que son los intervalos de confianza al realizar un estudio estadstico y como hallarlos.
V. JUSTIFICACION DE LA ASIGNATURA
La estadstica es una disciplina aplicada en todos los campos de la actividad humana. De ah que
se tenga como asignatura indispensable en casi todas las carreras de nivel intermedio o
profesional.

En el mundo de los negocios su empleo, hoy da, es considerado de gran importancia, ya que
suministra los mejores instrumentos de investigacin, no slo para observar y recopilar toda una
gama informativa incubada dentro de la misma empresa o fuera de ella, sino tambin en el control
de ciertas actividades de produccin, ventas, proyecciones o estimaciones a corto, mediano o
largo plazo, en la formulacin de hiptesis, y en el anlisis de procesos encaminados a facilitar la
toma de decisiones por parte de aquellos encargados de la buena marcha de la empresa.

En el futuro los responsables de las decisiones Administrador de Negocios Internacionales``
tendrn que estar suficientemente familiarizados con las tcnicas estadsticas existentes, para
poder determinar cundo se puede analizar una situacin mediante la Estadstica.
VI. ARTICULACION DE LA ASIGNATURA
La asignatura de Estadstica aplicada a los negocios tienen una articulacin directa con la gran
mayora de asignaturas propias del pensum acadmico de la carrera, ya que como se expuso con
anterioridad es una disciplina vinculada con todos los campos acadmicos y en general de la vida.

La estadstica es aplicable a cada uno de los momentos de formacin profesional y en esencia
utilizada dentro del paso a paso de la construccin terico prctica de los proyectos de
investigacin que fundamentan los trabajos de profesionalizacin de los estudiantes.

Son claves en la interpretacin de informacin en las reas contables, financieras, de formacin
investigativa y creatividad empresarial, hechos que hacen de ella un rea de alto inters y gran
protagonismo en el proceso de formacin profesional.
VII COMPETENCIAS A DESARROLLAR EN LA ASIGNATURA
Las competencias que se pretenden adquirir con el desarrollo de esta asignatura son:

- Discriminar entre los objetivos de un anlisis de tipo descriptivo o un anlisis de tipo inferencial.
- Conocer y aplicar las herramientas descriptivas de clasificacin y obtencin de informacin a
travs de parmetros que caractericen el conjunto de datos objeto de estudio.
- Utilizar mtodos grficos y numricos para explorar, resumir y describir datos.
- Utilizar e interpretar adecuadamente la estadstica exploratoria para resumir informacin que
corresponde a un estudio o variable en particular.
- Realizar estudios conjuntos de niveles de dependencia o independencia de dos o ms variables

estadstica identificando al tiempo modelos de regresin lineal que simulen sus comportamientos.
- Aplicar los conceptos bsicos de la teora de probabilidad en la inferencia estadstica.
- Conocer, identificar y aplicar los modelos de distribuciones de probabilidad de uso ms
frecuentemente en las ciencias econmicas y administrativas.
- Interpretar en forma correcta las tablas estadsticas que miden las probabilidades de ocurrencia
de un evento luego de ser tipificado.
- Emplear la inferencia estadstica en la estimacin de parmetros poblacionales y en el clculo de
tamaos de muestras.
- Emplear la inferencia estadstica para calcular posibles mrgenes de error en un estudio
estadstico con la implementacin de los intervalos de confianza.
- Manejar programas como Excel u otros paquetes estadsticos para generar e interpretar los
resultados de un estudio de anlisis investigativo.
- Aplicar los conceptos y criterios derivados de cada seccin tutorial a situaciones en contexto de
la administracin de negocios y las ciencias econmicas.
VIII. METODOLOGIA
La metodologa de educacin a distancia propone encuentros tutoriales, peridicos, ya sea
semanal o quincenal, para nuestro caso 4 sesiones tutoriales que se definirn previamente en el
calendario acadmico. En ellas se pretende tener un acercamiento con los estudiantes, de tal
forma que se puedan aclarar las dudas presentadas durante el estudio individual y la resolucin de
algunos problemas, algunos de los cuales sern aplicaciones de ejemplos administrativos y
econmicos, planteados por medio de talleres para resolver como trabajo en clase, permitiendo el
trabajo en equipo y el acompaamiento de los propios alumnos en la formacin del conocimiento.

Es fundamental comprender que el proceso de enseanza aprendizaje bajo la metodologa a
distancia implica el compromiso total del estudiante en preparar de manera previa los conceptos
que se van a desarrollar en cada encuentro tutorial, hecho que se convierte en factor clave para el
xito de la misma. Luego del estudio conceptual de la temtica cada uno de los estudiantes
utilizando sus cipas debe iniciar el proceso de formacin procedimental (el saber hacer) con el
taller prctico expuesto en la gua de actividades o en lo que hace referencia a los talleres que
presenta el texto de apoyo que a cada uno se le entrega.

El desarrollo terico prctico de las enseanzas formuladas por cada encuentro generarn un
conjunto de dudas que son las que deben ser mediadas por el tutor en los encuentros presenciales
o en momentos acordados entre educando - educador por medio de la utilizacin de medios de
comunicacin como el telfono, el Internet, Skype, entre otras herramientas Tic.

Lo anterior, si es abordado con cumplimiento y refleja la buena preparacin de los estudiantes,
brindar las herramientas necesarias para contar con la formacin que cada encuentro necesita y
as poder hablar de apropiacin del conocimiento en esas cuatro horas de presencialidad en donde
se debe aclarar las inquietudes, ejercitar los conocimientos y procedimientos y evaluar las
competencias alcanzadas por cada estudiante.

Por ltimo, es bueno destacar que la ruta de preparacin por encuentros est orientada en esta
gua de actividades la cual se debe contrastar a todo momento con el texto gua (Estadstica

Aplicada,, Ciro Martnez Richard Levin )y solo lo aqu propuesto debe ser tomado del libro.
IX. NUCLEOS PROBLEMICOS
- Para qu sirve la estadstica en la preparacin profesional como futuro administrador de
negocios internacionales?.
- Qu diferencias existen entre estadstica inferencial y estadstica descriptiva?
- Qu utilidad tiene el anlisis e interpretacin de datos en la proyeccin de productos o
empresas en las ciencias econmicas y administrativas?.
- Qu herramientas de la estadstica descriptiva debe conocer un futuro administrador de
negocios para su desempeo?
- Cmo interviene el manejo e interpretacin de grficos estadsticos en el proceso de formacin
profesional semestre a semestre se un administrador de Negocios.

X. EJES TEMATICOS , CONTENIDOS DE LA MATERIA Y CRDITOS ACADMICOS
A continuacin se presentan los contenidos de la asignatura, referenciados con captulo,
tema y pgina al texto gua: Estadstica Aplicada primera edicin, Ciro Martnez.
Richard Levin, editorial Prentice Hall, Pearson.
PRIMERA TUTORIA
Pgina
C
a
p
i
t
u
l
o

1

ASPECTOS GENERALES

Definicin de la estadstica
4
Trminos y expresiones que se deben
conocer.
5
Importancia y aplicacin de la estadstica
13
Mal uso de la estadstica
16
Repaso matemtico aplicada
28
Autoevaluacin
37
Taller de estadstica usando Excel
47






































C
a
p
i
t
u
l
o


2

DISTRIBUCIONES DE FRECUENCIAS

Presentacin de datos Clasificacin u ordenamiento de datos
56
Formas de medicin

Tabulacin y organizacin de los datos

Variables Discretas y continuas
59
Grficos de aplicacin estadstica Diagramas de frecuencias

Histogramas, polgonos y ojivas

Grficas usadas en informes

Grfica circular
Diagrama de una escala
Grfico de lneas
Pirmide de poblacin
Cartogramas
Grficas de Gantt, entre otros.



65



Autoevaluacin
80
Respuestas de autoevaluacin
81
Ejercicios para resolver
83
Taller de estadstica usando Excel 2
91
C
a
p
i
t
u
l
o


3


















MEDIDAS DE POSICIN O DE TENDENCIA CENTRAL


Qu son las medidas de posicin
o de tendencia central?

94

Media
95
Mediana
104
Moda
108
Relacin entre media, mediana y moda

Medidas de posicin Cuartiles, deciles y percentiles
116
Centro recorrido
120
Autoevaluacin
122
Respuestas de autoevaluacin
122
Ejercicios para resolver
123
Taller de estadstica usando Excel 3
131
C
A
P
I
T
U
L
O


4

Medidas de Dispersin

Oscilacin (Rango o Recorrido) 148
Varianza 149
Desviacin estndar 153
Coeficiente de Variacin
Medidas de deformacin o asimetra 156
Autoevaluacin 161
Respuestas de autoevaluacin 161
Ejercicios para resolver 162
Taller de estadstica usando Excel 4 169

SEGUNDA TUTORIA


ESTADISTICA EXPLORATORIA
DIAGRAMA DE TALLOS Y HOJAS ESTA TEMTICA SE ENCUENTRAANEXA EN EL CD DE
APLICACIN ESTADISTICA DIAGRAMA DE CAJAS Y BIGOTES
C
A
P
I
T
U
L
O

1
3

REGRESIN Y CORRELACIN 460
Anlisis de regresin Lineal Simple
Regresin Rectilnea 462
Correlacin lineal 466
Estimacin de X en funcin de Y 467
Autoevaluacin 478
Respuestas de autoevaluacin 479
Ejercicios para resolver 479
Taller de estadstica usando Excel 4 479

TERCERA TUTORIA

C
A
P
I
T
U
L
O

5

ALGUNAS NOCIONES DE PROBABILIDAD
Conceptos bsicos 180
Experimento 181
Espacio Muestral S 182
Suceso o evento muestral 183
Tcnicas de conteo Permutaciones y combinaciones 184
Regla de la multiplicacin 186
Reglas de las probabilidades Regla del complemento 187
Regla de la adicin para sucesos Mutuamente Excluy 188
Autoevaluacin 197
Respuestas de autoevaluacin 198
Ejercicios para resolver 199










C
A
P
I
T
U
L
O

6


DISTRIBUCIONES DE PROBABILIDADES
Distribuciones de probabilidad 208
Esperanza matemtica 210
Variable aleatoria discreta 210
Distribucin de Probabilidad Binomial 211
Distribucin de Probabilidad de Poisson 215
Distribucin de probabilidad Normal 218
Autoevaluacin 231
Respuestas de autoevaluacin 323

Ejercicios para resolver 233


CUARTA TUTORIA

C
A
P
I
T
U
L
O

7

MUESTREO ALEATORIO
Aspectos metodolgicos 242
El tamao de la muestra 243
Grados de confianza 245
Grados de variabilidad 245
Error de muestreo 246
Distribuciones mustrales 246
Limites de Confianza 263
Autoevaluacin 272
Respuestas de autoevaluacin 273
Ejercicios para resolver 274
C
A
P
I
T
U
L
O

8

ESTIMACIN
Estimaciones puntuales 283
Estimaciones de Intervalos 287
Estimaciones de intervalos e intervalos de
confianza
292
Calculo de estimaciones de intervalos de
media a partir de muestras grandes
294
Calculo de estimaciones de intervalos de
proporciones a partir de muestras grandes
294
Estimacin de intervalos con la distribucin
t
303
Determinacin del tamao de la
muestra en estimaciones
309
Ejercicios propuestos del texto al
mundo real
317


PRIMER ENCUENTRO TUTORIAL
ESTADSTICA DESCRIPTIVA
Objetivo General
- Identificar los conceptos bsicos de la estadstica que faciliten el anlisis y la interpretacin de
tablas y grficas producto del estudio de una realidad.

Objetivos Especficos
Reconocer los fundamentos bsicos de la estadstica, su importancia y los elementos
necesarios para la elaboracin de un trabajo de campo aplicado.
Construir tablas de distribucin de frecuencia a partir de la recoleccin de datos pertenecientes
a una variable determinada
Analizar e interpretar adecuadamente resultados presentados a travs de tablas y grficas

Justificacin

En el mundo moderno casi todos los campos de investigacin cientfica seria pueden ser interpretados
a travs de anlisis estadsticos. Los responsables de la toma de decisiones sobre polticas
econmicas estatales y empresariales tienen en la estadstica una herramienta muy valiosa.
La estadstica descriptiva se encarga de la recoleccin de datos que son producto del estudio de una
situacin o variable particular. Esta coleccin de datos en principio revela muy poco por s misma. La
tarea de la estadstica descriptiva consiste en organizar, describir y presentar en forma gil y precisa el
estudio realizado alrededor de dicha variable. Entre las herramientas que resultan de vital importancia

en la organizacin y presentacin de los datos se encuentran las tablas de frecuencia y las
visualizaciones grficas como el histograma, el polgono de frecuencias, el diagrama circular, etc.
Desarrollo temtico que orienta el primer encuentro
Los estudiantes inician el estudio con la lectura del primer capitulo del texto gua pginas 4
36 y desde all se debe definir con claridad y dar respuesta a las siguientes preguntas:
Qu es y para que sirve la estadstica?
Cuales son los elementos necesarios para la planeacin y organizacin de una investigacin un
estudio estadstico?
Cuales y cmo utilizo las diferentes fuentes de informacin?.
Identificar cada una de las etapas de una investigacin y en nuestro caso para la realizacin de un
estudio estadstico?.
Cules son las herramientas bsicas que debo conocer para hacer la seleccin de una muestra?.

Luego de contar con el reconocimiento de las enseanzas de esta primer parte, se debe resolver la
autoevaluacin de la pgina 37 y luego contrastar con los resultados. Esta actividad no se debe
presentar al tutor pero es clave en el primer momento de introduccin en el encuentro presencial ya
que genera la fundamentacin necesaria para el desarrollo de una trabajo de campo en estadstica.








Capitulo 2: DISTRIBUCIN DE FRECUENCIAS
En este capitulo se centra la atencin en la presentacin, organizacin y tabulacin de variables con
datos agrupados o no agrupados y la representacin grfica de los datos.

Para el alcance de estos objetivos de aprendizaje se propone el siguiente ejemplo de aplicacin.

Realizar la distribucin de frecuencias en forma de datos agrupados para los siguientes datos que
representan la venta diaria (en miles de unidades) del peridico la tarde; e interpretar f2, h4, F5 y H3.

250 265 250 290 238 260 248 270 232 275
262 262 240 270 272 236 263 258 248 254
280 263 246 236 288 254 270 263 265 240
270 280 260 250 246 260 284 290 272 268
230 300 284 240 254 258 296 278 280 278
230 232 232 236 238 240 240 240 246 246
248 248 250 250 250 250 254 254 258 258
260 260 260 262 262 263 263 263 263 265
265 269 270 270 270 270 272 275 278 278
280 280 280 284 284 298 290 290 296 300

1. Ordenar los datos:






A partir de all se proponen los primeros
ejercicios.
Ejercicios para resolver pgina 39.
Taller de estadstica Aplicada con Excel 1








2. Realizar los siguientes clculos: ( Clculos preliminares )

Xmax ( D ) = Xmin ( d ) =

Rango ( R ) = Xmax Xmin R = _______ - _______ =

Numero de intervalos ( m ) = 1 + 3,332*Log ( N ) m = ____________

Amplitud ( C ) =
m
R
i = ------------------- = ~
3. Construir la tabla de distribucin de frecuencias:


INTERVALOS fi Hi Fi Hi Xi fi Xi Xi fi Xi
1 [ 230 -239 ) 10
2 [ 239 -248 ) 10
3 [ 248 -257 ) 16
4 [ 257 -266 ) 25
5 [ 266 -275 ) 13
6 [ 275 -284 ) 12
7 [ 284 -293 ) 9
8 [ 293 -302 ) 5
TOTAL 100
:
i
f Frecuencia absoluta. :
i
h Frecuencia relativa absoluta.
:
i
F Frecuencia acumulada. :
i
H Frecuencia acumulada relativa.
:
i
X Marca de clase.

f2: Durante 10 das se venden entre 239mil y 248 mil peridicos.
h4: El 25% de los das se venden entre 257mil y 266 mil peridicos.
F5: Durante 74 das se venden entre 230 mil y 275 mil peridicos.
H3: El 36 % de los das se venden entre 230 mil y 257 mil peridicos.









CAPITULO 3 y 4 : MEDIDAS DE TENDENCIA CENTRAL Y DISPERSION

Continuando con el capitulo anterior, luego de que el estudiante identifique como crear T.D.F para
datos agrupados y no agrupados, interpretarlas y hacer los grficos ms apropiados, se traza el
propsito de saber hallar los estadgrafos de tendencia central, media, mediana, moda y su relacin,
los cuantiles (cuartiles, deciles y percentiles) y las medidas de Dispersin Oscilacin o Rango, La
varianza, Desviacin estndar, el coeficiente de variacin y las medidas de deformacin o asimetra,
interpretando claramente sus resultados dentro del comportamiento de la variable.


Anlisis de datos agrupados
Los siguientes datos relacionan el valor asegurado por 100 clientes en una empresa de la ciudad de
Armenia.
20 20 20 20 20 20 20 20 20 20
20 20 20 20 20 20 20 20 20 20
30 30 30 30 30 30 30 30 30 40
40 40 40 40 40 40 40 40 40 40
40 40 50 50 50 50 50 50 50 50
50 50 50 50 50 50 50 50 50 60
60 60 60 60 60 60 60 60 70 70
70 70 70 70 70 70 80 80 80 80
80 80 80 90 90 90 90 90 90 100
100 100 100 100 100 100 100 100 100 100

Luego de realizar el proceso anteriormente descrito obtenemos una T.D.F agrupada as:
I Intervalo fi hi Fi Hi Xi fi * Xi Xi
2

(Xi x )
2 *
f
2

1 [ 20 30) 20 20% 20 20% 25 500 625 20865,8
2 [ 30 40) 9 9% 29 29% 35 315 1225 4475,61
3 [40 50) 13 13% 42 42% 45 585 2025 1966,77
4 [50 60) 17 17% 59 59% 55 935 3025 89,93
5 [60 70) 9 9% 68 68% 65 585 4225 533,61
6 [70 80) 8 8% 76 76% 75 600 5625 2506,32
7 [80 90) 7 7% 83 83% 85 595 7225 5371,03
8 [90 100] 17 17% 100 100% 95 1615 9025 24161,93
TOTALES 5730 59971

Si queremos interpretar algunos datos tenemos que:

h3= El 13% de los valores asegurados en las plizas estn entre $40.000.000 y $49.000.000.

f4= 17 de las plizas de la muestra estn en un valor asegurado de $50.000.000 y $59.000.000.
Al terminar esta unidad se proponen en la pgina 80.
Ejercicios para resolver pgina 83.
Taller de estadstica Aplicada con Excel 2


F5= El monto de 68 plizas de los docentes de la ciudad de Armenia estn entre $60.000.000 y
$69.000.000
H5= El 68% de las plizas de los docentes estn en un valor asegurado de $60.000.000 y
$69.000.000
Media

X= Xi * fi = 5730 = X= 57.3 //
n 100

Interpretacin: En promedio el valor asegurable que toman los docentes de Armenia para su pliza
es de $57.300.000.

Mediana: Se busca el intervalo mediano, donde abarca la frecuencia Acumulada Fi el 50% y se
calcula la mediana as:
Me =

Me =


Me = 50 + 4.706

Me = 54.706 //

Interpretacin: El 50% de las plizas que toman los docentes son de un monto asegurable de
$20.000.000 a $54.706.000 y el otro 50% est por encima de $54.706.000 a $100.000.000.


Moda

Mo =



//



//

De donde

Mo =

Mo = 50 + 3.333


Mo = 53.333 //

Interpretacin: El valor o monto ms asegurable para los docentes oscila en $53.333.000

Varianza y Desviacin Estndar











//

Interpretacin: La desviacin o dispersin de los datos con respecto al promedio del monto
asegurado en cada pliza es de $24.612.000 lo que indica que la variacin es alta y en un primera
desviacin esta entre 32.700.000 y 81.900.000.

Coeficiente de Variacin





//

Interpretacin: El coeficiente de variacin del monto o valor asegurado es de 42,95%.

Asimetra
Si consideramos el criterio del texto en su pgina 157 y la grfica 4.1, podemos concluir que:
Media: 57,3 Mediana: Me: 54,7 Moda: Mo: Md: 53,3




El comportamiento de los montos asegurados en la empresa manejan asimetra hacia la izquierda.







SEGUNDO ENCUENTRO TUTORIAL

ESTADSTICA EXPLORATORIA
Objetivo general
Proporcionar al estudiante la capacidad de identificar caractersticas en los datos que
permitan realizar una interpretacin de su significado y en consecuencia la construccin de
conclusiones, hiptesis, conjeturas y preguntas.

Objetivos Especficos
Identificar las caractersticas de inters de un conjunto de datos, como son:
- Posibles errores.
- Valores extremos.
- Pautas extraas en los datos (valores atpicos).
- Variabilidad no esperada

La explicacin de la temtica de estadstica exploratoria se encuentra en el cd de aplicacin
estadstica como un archivo Pdf.

GRAFICO TALLOS Y HOJAS ( STEM AND LEAF )

Este tipo de representacin es similar a un histograma debido a que los valores de los datos se
presentan en intervalos y despliegan en barras. Sin embargo, de un diagrama de tallo y hoja se puede
recobrar ms informacin de los dgitos de cada uno de los nmero y tambin se puede ver si algn
valor es identificado como atpico.

Los valores de los datos se utilizan para efectuar tal ordenacin. El tallo se forma con el (los) primer(os) dgito(s)
del dato, mientras que las hojas se forma con los dems dgitos siguientes. Por ejemplo, el valor numrico 458
se dividira en 45-8 como se muestra a continuacin:
Ejercicios para resolver pgina 123 - 130
Taller de estadstica Aplicada con Excel 3
Ejercicios para resolver pgina 162 - 168
Taller de estadstica Aplicada con Excel 4




Dgitos iniciales Dgitos sucesivos
45 8

Ejemplo: Construir una representacin tallo-hoja para el siguiente conjunto de 20 calificaciones.

82 74 88 66 58 74 78 84 96 76
62 68 72 92 86 76 52 76 82 78

Ordenar:

52 58 62 66 68 72 74 74 76 76
76 78 78 82 82 84 86 88 92 96



TALLO ( STEM ) HOJAS ( LEAF )
5 2 8
6 2 6 8
7 2 4 4 6 6 6 8 8
8 2 2 4 6 8
9 2 6

Una representacin grfica revela frecuentemente algo que el analista pudo o no haber previsto. La siguiente
ilustracin ejemplifica lo que ocurre generalmente cuando se muestran dos poblaciones en forma conjunta.

Se seleccion una muestra al azar de 50 estudiantes de una universidad. De sus registro mdicos se obtuvieron
sus pesos (en libras). Los datos obtenidos se presentan a continuacin.

ESTUDIANTE 1 2 3 4 5 6 7 8 9 10
SEXO M H M H H M M H H M
PESO 98 150 108 158 162 112 118 167 170 120
ESTUDIANTE 11 12 13 14 15 16 17 18 19 20
SEXO H H H M M H M H H M
PESO 177 186 191 128 135 195 137 205 190 120
ESTUDIANTE 21 22 23 24 25 26 27 28 29 30
SEXO H H M H M M H H H H
PESO 188 176 118 168 115 115 162 157 154 148
ESTUDIANTE 31 32 33 34 35 36 37 38 39 40
SEXO M H H M H M H M H H
PESO 101 143 145 108 155 110 154 116 161 165
ESTUDIANTE 41 42 43 44 45 46 47 48 49 50
SEXO M H M H H M M H H H
PESO 142 184 120 170 195 132 129 215 176 183

Se debe advertir que los pesos varan entre 98 y 215 libras. Los valores de peso se agrupan para tallos de 10
unidades utilizando los dgitos de las centenas y decenas como tallos. Y los de las unidades como hojas, de igual
manera se genera un diagrama de Tallos doble discriminando hombres y mujeres.

9 8

10 1 8
8

11 0 2
5 5
6
8
12 0 0
0 8 9

13 2 5
7

14 2 3 5 8

MUJERES TALLO HOMBRES
HOJAS

HOJAS

8
9


8 8 1
10

8 8 6 5 5 2 0
11




9 8 0 0 0
12


7 5 2
13


2
14 3 5 8


15
0 4 4 5 7 8

16
1 2 2 5 7 8

17
0 0 6 6 7

18

15
0 4 4 5 7 8
16
1 2 2 5 7 8
17
0 0 6 6 7

18
3 4 6 8

19
0 1 5 5

20
5

21
5






DIAGRAMA DE CAJA O ( BOX AND WHISKER PLOT )

Un diagrama de caja se construye como sigue:
1) Ordenar los datos de la muestra y obtener el valor mnimo, el mximo, y los tres cuartiles Q1, Q2 y Q3.
2) Dibujar un rectngulo cuyos extremos son Q1 y Q3 e indicar la posicin de la mediana, Q2, mediante
una lnea.
3) Calcular con cualquiera de los procedimientos descritos anteriormente unos lmites admisibles superior e
inferior, Li y Ls, que identifiquen a los valores atpicos.
4) Considerar como valores atpicos los situados fuera del intervalo (Li, Ls).
5) Dibujar una lnea que va desde cada extremo del rectngulo central hasta el valor ms alejado no
atpico, es decir, que est dentro del intervalo (Li, Ls).
6) Identificar todos los datos que estn fuera del intervalo (Li, Ls), marcndolos como atpicos.
Los pesos de un grupo de alumnos de 2 Bach son:

63, 58, 70, 57, 56, 76, 80, 59, 80, 70, 63, 77, 84, 77, 78, 90, 72, 88, 67, 58, 87, 94, 80, 74,
55, 80, 75,59, 81, 67, 84, 73, 65, 71, 58, 71, 66, 87, 76, 56, 77, 82, 73, 67, 56, 46, 78, 67,
65, 65, 69, 80, 58, 76, 54, 76,78, 49, 87, 69, 80, 64, 65, 56, 69, 68, 69, 64.

Representar la distribucin mediante un diagrama de caja.

1) Mediante una tabla de distribucin de frecuencias o un diagrama de tallos y hojas podemos
organizar la informacin inicial para efectuar los clculos correspondientes. ( Xmin, Xmax, Q
1
,
Q
2
, Q
3
)

TALLO HOJAS
f
i
f
a
4 6 9
2 2
5 4 4 5 6 6 6 6 7 8 8 8 8 9 9
14 16
6 3 3 4 4 5 5 5 5 6 7 7 7 7 8 9 9 9 9
18 34
7 0 0 1 1 2 3 3 4 5 6 6 6 6 6 7 7 7 8 8 8
20 54
8 0 0 0 0 0 0 1 2 4 4 7 7 7 8
14 68
9 0 4

2 70

2) Xmin= 46 ; Xmax = 94

3) Para hallar los cuartiles, lo podemos realizar desde los datos sin agrupar pg 117 del
texto gua. Procedemos as:


Por ser la posicin decimal tomamos la parte entera que es 70 buscamos en el orden el
dato 35 y la parte decimal se procede as, se halla la diferencia entre este y el dato
siguiente (63-63)*0,75=0 y se suma al 63; el resultado es .


Por ser la posicin decimal tomamos la parte entera que es buscamos en el orden el
dato 17 y la parte decimal se procede as, se halla la diferencia entre este y el dato
siguiente (70-70)*0,5=0 y se suma al 70; el resultado es .



Buscando el dato sera 78.

4) Rango Intercuatilico ( RI ):

Lmite Inferior Exterior ( L.I.E): RI * Q E . I .. L 3
1
=
Lmite Inferior Interior ( L.I.I): RI * , Q I . I .. L 5 1
1
=
Limite Superior Exterior ( L.S.E): RI * Q E . S . L 3
3
+ = 123
Limite Superior Interior ( L.S.I): RI * , Q I . S .. L 5 1
3
+ =





ANLISIS DE REGRESIN Y CORRELACIN.

Objetivo General

Analizar el grado de relacin o independencia entre dos variables e interpretar los resultados
adecuadamente.

Objetivos Especficos

- Interpretar correctamente la recta de regresin y el coeficiente de correlacin.
- Aplicar los conocimientos adquiridos en una empresa real.
- Determinar las ecuaciones de regresin determinantes de un fenmeno, previo estudio de la
correlacin entre las variables que intervienen en dicho fenmeno.

JUSTIFICACIN

En muchas situaciones de la vida real, se presentan problemas en los cuales existe una relacin entre
dos o ms variables y se hace necesario encontrar la naturaleza de esta relacin.

X
min
= 46 51,62
Q
1
=63 Q
2
=70 Q
3
=78
X
max
=94
Los ejercicios propuestos sobre estadstica
exploratoria se proponen en el archivo Pdf del
cd.



El administrador de negocios debe conocer el tratamiento estas variables y su forma de relacin, con
el fin de tomar decisiones a futuro en la empresa.

Las tcnicas de regresin y correlacin cuantifican la asociacin estadstica entre dos o ms
variables. La regresin lineal simple expresa la relacin entre una variable dependiente Y y una
variable independiente X, en trminos de la pendiente y la interseccin de la lnea que mejor se ajuste
a las variables.

La correlacin simple expresa el grado o la cercana de la relacin entre las dos variables en trminos
de un coeficiente de correlacin que proporciona una medida indirecta de la variabilidad de los puntos
alrededor de la mejor lnea de ajuste- Ni la regresin ni la correlacin dan pruebas de relaciones
causa efecto.


Regresin rectilnea: El modelo de regresin lineal simple toma la forma


donde
y = variable dependiente
x = variable independiente.
Los valores de la pendiente b y la interseccin a c se obtienen usando las ecuaciones normales
escritas en la forma conveniente.

Anlisis de correlacin

Anlisis de correlacin: se usa un grupo de tcnicas estadsticas para medir la fuerza de la
relacin (correlacin) entre dos variables.
Diagrama de dispersin: grfica que describe la relacin entre las dos variables de inters.
Variable dependiente: la variable que se pronostica o estima.
Variable independiente: la variable que proporciona la base para la estimacin. Es la variable
predictora.
1. Diagrama de dispersin:

Correlacin lineal directa Correlacin lineal Inversa


No hay Correlacin lineal



Correlacin no lineal Directa Correlacin no lineal

Ejercicio Modelo:
Supongamos que disponemos de los siguientes datos:

Ao Gastos en
Publicidad
( Millones Euros)
Ventas
( Millones
Euros)
1998 10 50
1999 15 100
2000 18 150
2001 20 200
2002 25 200
2003 35 300
2004 50 400
2005 55 500
2006 60 650
2007 65 700
Diagrama de dispersin




1. Coeficiente de correlacin, r
2

El coeficiente de correlacin (r) es una medida de la intensidad de la relacin entre dos
variables.
Requiere datos con escala de intervalo o de razn (variables).
Puede tomar valores entre -1 y 1.
2. Criterio de anlisis de la correlacin
Valores de -1 o 1 indican correlacin fuerte y perfecta.
Valores cercanos a 0 indican correlacin dbil.
Valores negativos indican una relacin inversa y valores positivos indican una relacin directa.
3. Apoyado en el anlisis de Correlacin pgina 466 tenemos que para hallar el coeficiente
se halla primero la covarianza y luego se aplica la formula.


4. Hallemos la covarianza.
xi yi

10 50 100 2500 -25,3 640,09 -275 75625 6957,5
15 100 225 10000 -20,3 412,09 -225 50625 4567,5
18 150 324 22500 -17,3 299,29 -175 30625 3027,5
20 200 400 40000 -15,3 234,09 -125 15625 1912,5
25 200 625 40000 -10,3 106,09 -125 15625 1287,5
35 300 1225 90000 -0,3 0,09 -25 625 7,5
50 400 2500 160000 14,7 216,09 75 5625 1102,5
55 500 3025 250000 19,7 388,09 175 30625 3447,5
60 650 3600 422500 24,7 610,09 325 105625 8027,5
65 700 4225 490000 29,7 882,09 375 140625 11137,5
353 3250 16249 1527500 0,000 3788,1 0 471250 41475
5.
6.
7.


Ao
Gastos en Publicidad
( Millones Euros)
X
Ventas
( Millones Euros)
Y
X
2
Y
2
XY
1998 10 50 100 2500 500
1999 15 100 225 10000 1500
2000 18 150 324 22500 2700
2001 20 200 400 40000 4000
2002 25 200 625 40000 5000
2003 35 300 1225 90000 10500
2004 50 400 2500 160000 20000
2005 55 500 3025 250000 27500
2006 60 650 3600 422500 39000
2007 65 700 4225 490000 45500

353 3250 16249 1527500 156200

De igual manera se proponen formulas que pueden llegar hacer ms practicas para hallar la
correlacin como:
| || |
=

=


2 2 2 2
) ( ) ( y y n x x n
y x xy n
r

Segn el criterio el Coeficiente de correlacin lineal es fuerte los gastos invertidos en
publicidad y las ventas.

8. Recta de Regresin: El modelo de regresin lineal simple toma la forma

bX a Y + =



El texto gua propone la forma y la forma que se sugiere trabajar para hallar la
ecuacin de regresin es alguna de los apartados descritos en la pgina 462 como la de
y

Por lo tanto hay otras formulas para hallar los coeficientes de a y b

( )

=
2
2
x x n
y x xy n
b
n
x b y
a

=

Siguiendo con el modelo tenemos:

( )
2
) 353 ( ) 16249 ( 10
) 3250 )( 353 ( ) 156200 ( 10
2 2

=


=
x x n
y x xy n
b

94 , 10 = b
10
) 353 ( 94 , 10 3250
=

=
n
x b y
a
49 , 61 = a

Luego la recta de regresin est dada por: X Y 94 , 10 49 , 61 + =
9.
10. Desviacin estndar ( error de estimacin ):

2
2

=

n
xy b y a y
S
e


8
) 156200 )( 94 , 10 ( ) 3250 )( 49 , 61 ( 1527500
=
e
S

30 , 46 =
e
S

11. Intervalos de confianza para la estimacin:






Se desea estimar con un nivel de
confianza del 95%, el volumen de ventas en el ao 2010, si la empresa planea invertir $130
millones de Euros en publicidad,

X Y 94 , 10 49 , 61 + = ) 130 ( 94 , 10 49 , 61 + = Y 84 , 1361 = Y

Con un nivel de confianza del 68% tenemos:

S Y 2 ) 30 , 46 ( 2 84 , 1361

Lmite inferior Limite superior

) 30 , 46 ( 2 84 , 1361 ) 30 , 46 ( 2 84 , 1361 +
24 , 1269 44 , 1454

Luego en estas condiciones se espera con un nivel de confianza del 95% unas ventas entre
24 , 1269 y 44 , 1454 millones de Euros.






TERCER ENCUENTRO TUTORIAL

PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD
(CAP. 5 6. PAGS. 178 238)
3.1. Probabilidad
3.2. Distribucin Binomial.
3.3. Distribucin de Poisson.
3.4. Distribucin Normal
JUSTIFICACIN
En toda profesin se deben tomar decisiones, muchas de ellas en condiciones de incertidumbre o con
una informacin fraccionada acerca de las condiciones del momento o de los resultados finales. Por
ejemplo cuando los empresarios o comerciantes deben decidir sobre la comercializacin de un
producto, se encuentran con el desconocimiento frente a la acogida que tenga dicho producto en el
mercado. Es ah donde la probabilidad juega un papel preponderante, ya que permite minimizar el
nivel de incertidumbre al momento de tomar decisiones trascendentales, facilitando as la obtencin de
mejores resultados.

Con el estudio de las probabilidades se pretende lograr una comprensin ms precisa en el uso de su
aplicacin, de cmo y de qu manera se utiliza la probabilidad para hacer inferencias estadsticas. Los
cientficos y economistas pueden establecer con precisin cules son las probabilidades de sacar
conclusiones correctas o erradas. La distribucin normal es tal vez la distribucin ms importante y la
ms usada en anlisis estadsticos y de mucha aplicacin en la empresa y los negocios.
Nivel de confianza Intervalo de confianza
68% S Y Y = '
95% S Y Y 2 ' =
99% S Y Y 3 ' =
A partir de all se proponen Ejercicios para
resolver pgina 478, puntos 1 y 2.
Taller de estadstica Aplicada con Excel 5



OBJETIVO GENERAL
Comprender y aplicar adecuadamente los fundamentos y conocimientos bsicos de la teora de la
probabilidad y de las distribuciones de probabilidad, as mismo, comprender y describir las
caractersticas de procesos que corresponden a las variables aleatorias discretas y continuas y
aplicarlas correctamente en la administracin empresarial.

OBJETIVOS ESPECFICOS
-Utilizar adecuadamente los conceptos de probabilidad en la realizacin de inferencias
Estadsticas.
- Comprender los enfoques bsicos del estudio de la probabilidad.
- Comprender la relacin que la probabilidad proporciona entre la observacin y la inferencia
Estadstica.
- Utilizar apropiadamente los conceptos bsicos de la probabilidad para facilitar la toma de
Decisiones.
- Utilizar adecuadamente el concepto de distribucin de probabilidad en variables discretas y
Continuas.
- Manejar e interpretar la tabla de distribucin normal.
- Reconocer la necesidad de introducir las medidas que resumen las caractersticas ms
importantes de las variables que modelizan un fenmeno aleatorio.
- Desarrollar la capacidad de buscar, reconocer, plantear y resolver problemas.

PROBABILIDAD
La probabilidad de un evento que se lleva a cabo se calcula dividiendo el nmero de resultados
favorables entre el nmero de posibles resultados.
resultados posibles de total Nmero
favorables resultados de Nmero
evento un de obabilidad = Pr
Ejemplo
De 60 personas que solicitan un trabajo, 15 no son bachilleres. Si se elige al azar a una persona, cul
es la probabilidad de que no sea bachiller?

( ) 25 . 0
60
15
= = bachiller sea No P

Ejemplo
Si se lanza un dado cul es la probabilidad de obtener un 5?

1666 . 0
6
1
) 5 ( = = P

Solucin de ejercicio donde se aplican varias reglas de las probabilidades

Solucin del ejercicio 10 de la pgina 200

El administrador de una perfumera desea investigar sobre la relacin que puede haber entre la forma
de pago y el sexo del cliente. En un mes cualquiera registr los datos que aparecen en la tabla 5.1.

Tabla 5.1 Forma de pago
Sexo Efectivo Tarjeta Total
Femenino 110 60 170

Masculino 80 120 200
Total 190 180 370

a. Cul es la probabilidad, al seleccionar un cliente al azar:

. De que sea femenino?
4594 . 0
370
170
) ( = = Femenino P
La probabilidad de que sea femenino es de 45.94%

. De que sea femenino y compre en efectivo?
2972 . 0
370
110
) ( = = efectivo en compre y Femenino P

La probabilidad de que sea femenino y compre en efectivo es de 29.72%
De que sea femenino o pague con tarjeta?

Debido a que estos dos sucesos no son mutuamente excluyentes, ya que ser
femenino y pagar con tarjeta tienen algo en comn se utiliza la siguiente regla:

( ) ( ) ( ) ( ) B A P B P A P AUB P + =

( )
7837 . 0
370
290
370
60
370
180
370
170
) ( ) ( ) (
= = + =
+ =
tarjeta con pague y femenino sea P
tarjeta con pague P femenino P tarjeta con pague o Femenino P


La probabilidad de que sea femenino o pague con tarjeta es de 78.37%


b. Si se sabe que el cliente es masculino, cul es la probabilidad de que compre con efectivo?
Se utiliza la regla de la probabilidad condicional:
( )
( )
( ) B P
B A p
B A P

= /
( )
( )
4 . 0
200
80
370
200
370
80
) (
= = =

=
masculino sea P
masculino sea efectivo en compre P
masculino es que dado efectivo en compre Que P


La probabilidad de que compre en efectivo, dado que es masculino es de 40%







Ejercicios para resolver pgina 199 204 relacionados con el calculo
de probabilidades bsicas, tcnicas de conteo, regla de la
multiplicacin y eventos excluyentes y no excluyentes.






ALGUNAS DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

Distribucin binomial

Caractersticas

.En cada prueba del experimento slo son posibles dos resultados: el suceso A y su contrario A,
como por ejemplo, defectuoso-no defectuoso, gan-perdi, sobrevivi-no sobrevivi, cara-sello, etc.
.El suceso A se conoce como xito (se representa por p) y el suceso contrario A se conoce como
fracaso (se representa por q y es igual a 1-p.
.El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente.
. El xito y, por ende, el fracaso se dan en trminos de probabilidad y son parmetros poblacionales
obtenidos de conocimientos y/o experiencias de estudios anteriores.
. El experimento consta de un nmero n de pruebas o muestras.
. El objetivo de la distribucin binomial es buscar la probabilidad de xito en la muestra

Todo experimento que tenga estas caractersticas se dice que sigue el modelo de la distribucin
binomial.
A la variable x, que expresa el nmero de xitos obtenidos en cada prueba del experimento, se le
llama variable aleatoria binomial.
La variable binomial es una variable aleatoria discreta y slo puede tomar los valores 0, 1, 2, 3, 4, ..., n
suponiendo que se han realizado n pruebas.

Funcin de probabilidad de la v.a. binomial

Funcin de probabilidad de la distribucin binomial, para hallar la probabilidad de obtener x-xitos en la
muestra se tiene la siguiente frmula:

( )
x x
q p
x
n
x x P
|
|
.
|

\
|
= =
0
, donde
|
|
.
|

\
|
x
n
es la frmula de combinacin
( ) ! !
!
x x n
n
x
n

=
|
|
.
|

\
|

n= nmero de ensayos o pruebas
x= nmero de xitos esperados
p= es la probabilidad de xito de un suceso en un solo ensayo
q= es la probabilidad de fracaso, siendo p + q = 1
La suma de los exponentes debe ser igual a n

Ejemplo

Solucin del ejemplo #6 de la pgina 234 del captulo 6

Suponga que una empresa petrolera sostiene que en el proceso de exploracin y perforacin para
detectar petrleo en una regin del pas, la probabilidad de que estos sean productivos apenas es del
32%. Se conforma una sociedad de inversionistas para la exploracin y perforacin de 8 pozos en la
regin. Cul es la probabilidad de que:

a. Todos sean productivos?


( ) ( ) ( ) ( ) ( ) 000109 . 0 1 * ) 000109 . 0 ( * 1 68 . 0 32 . 0 8 8 68 . 0 32 . 0
8
8
8
0 8 8 8 8
= = =
|
|
.
|

\
|
= =

C x P
La probabilidad de que todos los pozos sean productivos es de 0.01%

b. Exactamente 3 no sean productivos?

Si nos dicen que 3 no sean productivos, es lo mismo que si nos preguntaran que 5 sean
productivos

( ) ( ) ( ) ( ) ( )
059 . 0
314432 . 0 * 003356 . 0 * 56 68 . 0 32 . 0 5 8 68 . 0 32 . 0
5
8
5
3 5 5 8 5
=
= =
|
|
.
|

\
|
= =

C x P

La probabilidad de que 3 no sean productivos es de 5.9%

Veamos la solucin si consideramos que 3 no sean productivos:

En este caso p sera 0.68 que representa el porcentaje de los que no son productivos y q sera
0.32 que representa el porcentaje de los que seran productivos.

( ) ( ) ( )
059 . 0
003356 . 0 * 314432 . 0 * 56 ) 32 . 0 ( ) 68 . 0 ( 3 8 32 . 0 68 . 0
3
8
3
5 3 3 8 3
=
= =
|
|
.
|

\
|
= =

C x P


La probabilidad de que 3 no sean productivos es de 5.9%


c. Por lo menos dos no sean productivos

( ) ( ) ( ) | |
| | | | 9980 . 0 0019699 . 0 1 00186 . 0 0001099 . 0 1
) 32 . 0 ( ) 68 . 0 (
1
8
) 32 . 0 ( ) 68 . 0 (
0
8
1
1 0 1 ) 2 ( 1 2
7 1 0 8 0
= = + =
(

|
|
.
|

\
|
+
|
|
.
|

\
|
=
= + = = ( = >

x P x P x P x P


La probabilidad de que por lo menos dos no sean productivos es de 99.80%

d. Para que sea rentable para la sociedad se requiere que por lo menos tres sean productivos

( ) ( ) ( ) ( ) ( ) | |
( ) ( ) ( )
| | 4988 . 0 5012 . 0 1 2834 . 0 1721 . 0 0457 . 0 1
68 . 0 32 . 0
2
8
68 . 0 ) 32 . 0 (
1
8
) 68 . 0 ( ) 32 . 0 (
0
8
1
2 1 0 1 3 1 3
6 2 7 1 8 0
= = + + =
(

|
|
.
|

\
|
+
|
|
.
|

\
|
+
|
|
.
|

\
|
=
= + = + = = ( = > x P x P x P x P x P


Distribucin de Poisson

La distribucin de probabilidad de Poisson describe el nmero de veces que se presenta un evento
durante un intervalo especfico de tiempo, rea, volumen o distancia. En cuanto ms grande sea el
intervalo, mayor ser la probabilidad.


Caractersticas

.La probabilidad de que ocurra el suceso es constante para dos intervalos de tiempo o espacio
cualesquiera

.La aparicin de un suceso en cualquier intervalo es independiente de su aparicin en cualquier otro
intervalo.

.La probabilidad de que ocurra el evento es proporcional al tamao del intervalo.

.Los intervalos no se superponen y son independientes

.Slo se aplica en aquellos sucesos considerados como raros. Es decir, de muy poca ocurrencia, de
ah que la probabilidad de ocurrir es tan pequea que tiende a cero.

. El nmero de ensayos o pruebas es grande. Algunos consideran a n >50; en cambio, en la binomial
el mximo valor de n es 30, o a lo sumo 40, dependiendo de la capacidad de la calculadora que se
utilice en la realizacin de los clculos.

. Algunos utilizan esta distribucin, en aquellos procesos, donde el producto de np es menor que 12 o
para otros, cuando es menor que 7

La frmula utilizada para la distribucin de probabilidad de Poisson es la siguiente:

( )
! x
e
x P
x

=

X= nmero de xitos
e= 2.7182
=np

Ejemplo

Solucin del ejemplo #12 de la pgina 235 del captulo 6

La probabilidad de que un cajero electrnico de una entidad bancaria no tenga dinero en un fin de
semana es del 0,2%. Suponga que un fin de semana ese cajero lo utilizan 500 clientes. Cul es la
probabilidad de que:

a. Por lo menos dos no encuentren dinero disponible?

Como la probabilidad es del 0,2%, eso quiere decir que p=0.002 y n =500. Por lo tanto la
= np, as pues, =0.002*500, entonces, =1

( ) 1839 . 0
! 2
1
2
1 2
= = =

e
x P La probabilidad de que dos clientes no encuentren dinero en
el cajero automtico es del 18.39%

b. Como mximo tres no encuentren dinero disponible?


( ) ( )
( ) ( ) ( ) | |
| |
| | 0804 . 0 9196 . 0 1
1839 . 0 3678 . 0 3678 . 0 1
! 2
1
! 1
1
! 0
1
1
2 1 0 1
3 1 3
1 2 1 1 1 0
= =
+ + =
(

+ + =
= + = + = =
< = >

e e e
x P x P x P
x P x P


La probabilidad de que como mximo tres no encuentren dinero disponible es de 8.04%

c. Cuntos esperan no encontrar dinero disponible?

= np, as pues, =0.002*500, entonces, =1


DISTRIBUCIN NORMAL O GAUSSIANA
Ejemplo

Telecom ha observado que la duracin de los mensajes es una variable que sigue una distribucin
normal. Ha encontrado que el mensaje telefnico medio es de 150 segundos, con una desviacin
tpica de 15 segundos. Determinar la probabilidad de que una llamada elegida al azar ( 1 ):

SOLUCIN

a. Dure ms de 180 segundos

El problema nos da la media que es de 150 segundos
x
= 150 sg, ;
la desviacin tpica o estndar que es de 15 segundos
x
o = 15 sg
La distribucin normal est determinada completamente por los parmetros
x
y
x
o . Los valores
distintos de
x
trasladan la grfica de la distribucin a lo largo del eje de las x. Los diferentes valores
de
x
o determinan el grado de aplanamiento o levantamiento de la grfica de la distribucin.

La distribucin normal es en realidad una familia de distribuciones en la cual un miembro se distingue
de otro con base en los valores de
x
y
x
o . El miembro ms importante de esta familia es la
distribucin normal unitaria o normal estndar, llamada as porque tiene una media de cero y una
desviacin estndar de uno. Cualquier distribucin normal puede transformarse en la normal unitaria.
Lo que tiene que hacerse es transformar todos los valores de x en los correspondientes valores de z.
Esto significa que la media de x debe hacerse 0, la media de z. Esto se lleva a cabo mediante la
siguiente frmula:

o

=
x
z
( 1 ) : Tomado del libro Estadstica aplicada a la Empresa y a la Economa de Allen L. Webster

La cual transforma cualquier valor de x en cualquier distribucin normal al valor correspondiente de z
en la distribucin normal unitaria.

Para el presente ejemplo se tiene que


2
15
150 180
=

= z

Entonces, el valor de z que se busca es 2. En la distribucin z, una desviacin estndar es igual a uno
y, en consecuencia, el punto sobre la escala z localizado a una distancia de 2 desviaciones estndar
de 0 es z = 2, que es el resultado que se obtuvo utilizando la frmula. Consultando la tabla F del libro
bioestadstica de Wayne W. Daniel, en las pginas 622 y 623, se encuentra que el rea a la derecha
de z = 2 es 0.9772. Por lo tanto:
P ( x >180) = P ( ) ( ) 0228 . 0 9772 . 0 1 2 1 2
15
150 180
= = s = > =
|
.
|

\
|
z P z P
Para dar respuesta a la pregunta original, se dice que la probabilidad de que una llamada elegida al
azar dure ms de 180 segundos es de 0.0228.

Si se trabajara con la tabla 6.9 del libro Estadstica y Muestreo de Ciro Martnez Bencardino de la
pgina 324, se procedera de la siguiente manera: se hallara el valor de z = 2 en la tabla que equivale
a 0.4773 y ese valor se le resta a 0.5 dando as 0.0227

b. Dure entre 150 y 180 segundos
La probabilidad deseada se expresa como P ( 150 s x s 180 ). Entonces se normaliza la distribucin
a travs de la frmula:
o

=
x
z

0
15
180 180
2
15
180 150
=

= =

= z z

La tabla F da el rea entre - y 2, la cual se encuentra localizando el 2.0 en la columna de la extrema
izquierda de la tabla y, a continuacin, dirigindose horizontalmente hasta llegar al valor que se
encuentra en la columna encabezada por .0. Se encuentra que esta rea es de .9772. Se necesita
restar de .9772 el rea hacia la izquierda de 0. Utilizando la tabla F se verifica que el rea a la
izquierda de 0 es .500. Por lo tanto la probabilidad deseada es
P ( 0s z s2 ) = 0.9772 0.5000 = 0.4772

Para dar respuesta a la pregunta original, se dice que la probabilidad de que una llamada elegida al
azar dure entre 150 y 180 segundos es de 0.4772.

c. Dure menos de 125 segundos

La probabilidad deseada se expresa como P ( X < 125 ). Entonces de nuevo se normaliza la
distribucin a travs de la frmula :

66 . 1
15
150 125
=

= z
x
z
o

La tabla F da el rea entre - y 1.66, la cual se encuentra localizando el -1.60 en la columna de la
extrema izquierda de la tabla y, a continuacin, dirigindose horizontalmente hasta llegar al valor que
se encuentra en la columna encabezada por -0.06. Se encuentra que esta rea es de .0485.

Para dar respuesta a la pregunta original, se dice que la probabilidad de que una llamada elegida al
azar dure menos de 125 segundos es de 0.0485.

d.Dure entre 145 y 155 segundos


La probabilidad deseada se expresa como P ( 145 s x s 155 ). Entonces se normaliza la distribucin
a travs de la frmula:

33 . 0
15
150 155
33 . 0
15
150 145
=

= =

= z z
x
z
o

La tabla F da el rea entre - y 0.33, la cual se encuentra localizando el 0.30 en la columna de la
extrema izquierda de la tabla y, a continuacin, dirigindose horizontalmente hasta llegar al valor que
se encuentra en la columna encabezada por 0.03. Se encuentra que esta rea es de .6293. Se
necesita restar de .6293 el rea hacia la izquierda de -0.33. Utilizando la tabla F se verifica que el rea
a la izquierda de -0.33 es .3707. Por lo tanto la probabilidad deseada es

P ( 0s z s 2 ) = 0.6293 0.3707 = 0.2586

Para dar respuesta a la pregunta original, se dice que la probabilidad de que una llamada elegida al
azar dure entre 145 y 155 segundos es de 0.2586.





CUARTO ENCUENTRO TUTORIAL

MUESTREO ALEATORIO Y ESTIMACIN. (Cap. 7 8. Pags.243- 314 )

4.1. Conceptos bsicos.
4.2. Mtodos de muestreo.
4.3. Calculo del tamao muestral.
4.4. Estimacin e intervalos de confianza.

JUSTIFICACIN
Con el estudio de las probabilidades se pretende lograr una comprensin ms precisa en el uso de su
aplicacin, de cmo y de qu manera se utiliza la probabilidad para hacer inferencias estadsticas. Con
la aplicacin adecuada de un modelo de probabilidades, se puede determinar la ocurrencia o no de
sucesos futuros, lo cual permite reducir en gran medida el riesgo que hay en la toma de decisiones y a
la vez potenciar la posibilidad de aciertos al realizar elecciones. Los cientficos y economistas pueden
establecer con precisin cules son las probabilidades de sacar conclusiones correctas o erradas.
La distribucin normal es tal vez la distribucin ms importante y la ms usada en anlisis estadstico y
de mucha aplicacin en la empresa y los negocios.

OBJETIVO GENERAL
Comprender y aplicar adecuadamente los fundamentos y conocimientos bsicos de la teora de la
probabilidad y la distribucin normal y comprender y describir las caractersticas de procesos que
corresponden a las variables aleatorias continuas y aplicarlas correctamente en la administracin
empresarial
Ejercicios para resolver pgina 233 - 238

Objetivos Especficos
- Utilizar adecuadamente los conceptos de probabilidad en la realizacin de inferencias
estadsticas
- Comprender los enfoques bsicos del estudio de la probabilidad
- Comprender la relacin que la probabilidad proporciona entre la observacin y la inferencia
estadstica
- Utilizar apropiadamente los conceptos bsicos de la probabilidad para facilitar la toma de
decisiones
- Utilizar adecuadamente el concepto de distribucin de probabilidad continua
- Manejar e interpretar tablas de distribucin normal
- Reconocer la necesidad de introducir las medidas que resumen las caractersticas ms
importantes de las variables que modelizan un fenmeno aleatorio
- Desarrollar la capacidad de buscar, reconocer, plantear y resolver problemas.

La teora del muestreo es un estudio de las relaciones existentes entre una poblacin y muestras
extradas de la misma. Tiene gran inters en muchos aspectos de la Estadstica. Por ejemplo , permite
estimar cantidades desconocidas de la poblacin tales como la media poblacional y la varianza, que
frecuentemente son llamados parmetros poblacionales simplemente parmetros.

Si para cada parmetro desconocido se calcula un valor nico, la estimacin se denomina puntual
estimacin de punto.

Si se establece un intervalo rango de valores dentro de los cuales se espera encontrar el parmetro,
con cierto grado de confianza, se le denomina estimacin de intervalo.
Los lmites que definen el intervalo se conoce como lmites de confianza.

Una de las decisiones ms importantes que se debe tomar en una investigacin por muestreo,
consiste en determinar el tamao optimo, simbolizado por n. Se dice que una muestra debe de ser
pequea, con el fin de que el costo de la investigacin sea lo suficientemente bajo y bastante grande
para que el error del muestreo sea admisible.




DEFINICIN DE CONCEPTOS BSICOS ENTORNO AL MUESTREO

Poblacin: Es todo conjunto de elementos, finito o infinito, definido por una o ms caractersticas, de
las que gozan todos los elementos que lo componen, y slo ellos. En muestreo se entiende por
poblacin a la totalidad del universo que interesa considerar , y que es necesario que est bien
definido para que se sepa en todo momento que elementos lo componen. No obstante, cuando se
realiza un trabajo puntual, conviene distinguir entre poblacin terica: conjunto de elementos a los
cuales se quiere extrapolar los resultados, y poblacin estudiada : conjunto de elementos accesibles
en nuestro estudio. Censo: En ocasiones resulta posible estudiar cada uno de los elementos que
componen la poblacin, realizndose lo que se denomina un censo, es decir, el estudio de todos los
elementos que componen la poblacin. La realizacin de un censo no siempre es posible, por
diferentes motivos: a) economa: el estudio de todos los elementos que componen una poblacin,
sobre todo si esta es grande, suele ser un problema costoso en tiempo, dinero, etc; b) que las pruebas
a las que hay que someter a los sujetos sean destructivas; c) que la poblacin sea infinita o tan grande

que exceda las posibilidades del investigador. Si la numeracin de elementos, se realiza sobre la
poblacin accesible o estudiada, y no sobre la poblacin terica, entonces el proceso recibe el nombre
de marco o espacio muestra.

Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que
hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la poblacin.
Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y
diferencias encontradas en la poblacin, ejemplificar las caractersticas de la misma.

Cuando decimos que una muestra es representativa indicamos que rene aproximadamente las
caractersticas de la poblacin que son importantes para la investigacin. Por ejemplo, supongamos
que deseamos medir el rendimiento acadmico de los nios escolarizados en Espaa en la segunda
etapa de EGB, pero por problemas econmicos solo es posible acceder a los nios de zonas urbanas.
- A quin deseo generalizar los resultados? : Todos los nios espaoles de la segunda etapa
(poblacin terica). - A quien puedo acceder en el estudio? : Todos los nios escolarizados en zonas
urbanas (poblacin estudiada). -Como puedo acceder a ellos? : Numerando los sujetos accesibles
(espacio o marco muestral). -Quin forma parte del estudio? : Eligiendo un grupo de los sujetos
enumerados (muestra).

2.- Tipos de muestreo Mtodos de muestreo probabilsticos y mtodos de muestreo no
probabilsticos.

2.1.- Mtodos de muestreo probabilsticos: Los mtodos de muestreo probabilsticos son aquellos
que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos
mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son,
por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos
los siguientes tipos:

2.1.1.- Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un
nmero a cada individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una
bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador,
etc) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este
procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que
estamos manejando es muy grande.

2.1.2.- Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior, numerar todos
los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se
parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la
muestra son los que ocupan los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos
de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra:
k=N/n. El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k. El
riesgo se este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que
al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una
homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando una muestra
sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si
empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o
slo mujeres, no podra haber una representacin de los dos sexos.

2.1.3.- Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los anteriores
ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran
homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin,

el municipio de residencia, el sexo, el estado civil, etc). Lo que se pretende con este tipo de muestreo
es asegurarse de que todos los estratos de inters estarn representados adecuadamente en la
muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo
aleatorio simple o el estratificado para elegir los elementos concretos que formarn parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la poblacin. (tamao geogrfico, sexos, edades,...). La distribucin de la
muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos:

Afijacin Simple: A cada estrato le corresponde igual nmero de elementos muestrales. Afijacin
Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada
estrato. Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se
considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la
desviacin. Supongamos que estamos interesados en estudiar el grado de aceptacin que la
implantacin de la reforma educativa ha tenido entre los padres de una determinada provincia. A tal
efecto seleccionamos una muestra de 600 sujetos. Conocemos por los datos del ministerio que de los
10000 nios escolarizados en las edades que nos interesan, 6000 acuden a colegios pblicos, 3000 a
colegios privados concertados y 1000 a colegios privados no concertados. Como estamos interesados
en que en nuestra muestra estn representados todos los tipos de colegio, realizamos un muestreo
estratificado empleando como variable de estratificacin el tipo de centro. Si empleamos una afijacin
simple elegiramos 200 nios de cada tipo de centro, pero en este caso parece ms razonable utilizar
una afijacin proporcional pues hay bastante diferencia en el tamao de los estratos. Por consiguiente,
calculamos que proporcin supone cada uno de los estratos respecto de la poblacin para poder
reflejarlo en la muestra. Colegios pblicos: 6000/10000=0.60 Colegios privados concertados:
3000/10000=0.30 Colegios privados no concertados: 1000/10000=0.10 Para conocer el tamao de
cada estrato en la muestra no tenemos ms que multiplicar esa proporcin por el tamao muestral.
Colegios pblicos: 0.60x600=360 sujetos Colegios privados concertados: 0.30x600=180 sujetos
Colegios privados no concertados: 0.10x600= 60 sujetos

2.1.4.- Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora estn pensados
para seleccionar directamente los elementos de la poblacin, es decir, que las unidades muestrales
son los elementos de la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo
de elementos de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc, son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como,
por ejemplo, las urnas electorales. Cuando los conglomerados son rea geogrficas suele hablarse de
"muestreo por reas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar despus
todos los elementos pertenecientes a los conglomerados elegidos. En una investigacin en la que se
trata de conocer el grado de satisfaccin laboral los profesores de instituto necesitamos una muestra
de 700 sujetos. Ante la dificultad de acceder individualmente a estos sujetos se decide hacer una
muestra por conglomerados. Sabiendo que el nmero de profesores por instituto es aproximadamente
de 35, los pasos a seguir seran los siguientes: 1. Recoger un listado de todos los institutos. 2. Asignar
un nmero a cada uno de ellos. 3. Elegir por muestreo aleatorio simple o sistemtico los 20 institutos
(700/35=20) que nos proporcionarn los 700 profesores que necesitamos. Para finalizar con esta
exposicin de los mtodos de muestreo probabilsticos es necesario comentar que ante lo compleja
que puede llegar a ser la situacin real de muestreo con la que nos enfrentemos es muy comn
emplear lo que se denomina muestreo polietpico. Este tipo de muestreo se caracteriza por operar en
sucesivas etapas, empleando en cada una de ellas el mtodo de muestreo probabilstico ms
adecuado. 3.- Clculo del tamao de la muestra: A la hora de determinar el tamao que debe alcanzar
una muestra hay que tomar en cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el
error muestral admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar
algunos casos sencillos de clculo del tamao muestral delimitemos estos factores. Parmetro. Son
las medidas o datos que se obtienen sobre la poblacin. Estadstico. Los datos o medidas que se

obtienen sobre una muestra y por lo tanto una estimacin de los parmetros.

Error Muestral, de estimacin o standard. Es la diferencia entre un estadstico y su parmetro
correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno
al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una
estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo
completo. Siempre se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu
medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que
varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser ms
preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin de la
distribucin muestral(1) de un estadstico y su fiabilidad.
Nivel de Confianza. Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier
informacin que queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student),
as llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un
estadstico capte el verdadero valor del parmetro.
Varianza Poblacional. Cuando una poblacin es ms homognea la varianza es menor y el nmero de
entrevistas necesarias para construir un modelo reducido del universo, o de la poblacin, ser ms
pequeo. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de estudios
previos.

El muestreo aleatorio es la base para otros diseos de muestreo y por eso es objeto de nuestro
estudio.

EJERCICIOS MODELOS

(Cap. 7 8. Pags.243- 314 )

TAMAO POBLACIONAL

En muchos casos la poblacin es desconocida y se conoce como poblacin infinita; en caso contrario
ser definida como finita.
Para el clculo del tamao de la muestra se debe tener en cuenta si se conoce no el tamao de la
poblacin.
En un muestreo aleatorio simple si no se conoce el tamao de la poblacin, las frmulas que se
aplican son:

2
2 2
E
S Z
n = (variable) n=
2
2
E
PQ Z
(atributo)

Ejemplo:
Suponga que un fabricante de un determinado artculo desea realizar una inspeccin sobre la calidad
de su producto. Para ello realizo una encuesta preliminar y obtuvo los siguientes resultados:
600 . 5 = x horas; = s 486 horas.
a) Cul sera el tamao de la muestra, con una confianza del 95% y un error del 2%?

Teniendo en cuenta que el ejercicio maneja variable, se aplica la primera frmula.
Los datos que da el problema son:
= S 486 horas
E =2%

n= ?
Antes de aplicar la frmula se halla el valor de la Z, dividiendo la confianza entre 2 y buscando este
valor en la tabla normal, es decir 0.95/2 = 0.475.
Al buscar en la tabla0.475 se encuentra que Z=1.96.
Se reemplaza en la frmula:
n= 384 . 426 . 268 . 2
) 02 . 0 (
) 486 ( ) 96 . 1 (
2
2 2
=
Ejemplo 2:
Suponga que un fabricante de un determinado artculo desea realizar una inspeccin sobre la calidad
de su producto. En estudios similares se ha encontrado que la proporcin es del 85%.Si se establece
que debe de haber una estimacin correcta, con una aproximacin del 2% de la proporcin verdadera
y una confianza del 95%,qu tamao de muestra se necesita?

Teniendo en cuenta que el ejercicio maneja atributos, se aplica la segunda frmula.
Los datos que da el problema son:
P=0.80
Q=0.20
E =2%
n= ?
n= 64 . 1536
) 02 . 0 (
) 20 . 0 )( 80 . 0 ( ) 96 . 1 (
2
2
=

El tamao de la muestra es de 1536 artculos.

En poblaciones finitas se podr aplicar las siguientes frmulas:
Variable Atributo
2 2 2
2 2
S Z NE
N S Z
n
+
=
PQ Z NE
PQ NZ
n
2 2
2
+
=


Ejemplo 3:

En el ejemplo 1 no se conoce el nmero de artculos producidos por el fabricante.
Suponer ahora que el nmero de artculos producidos son12.000.
Teniendo en cuenta que el ejercicio maneja variable, se aplica la primera frmula.

Los datos que da el problema son:
= S 486 horas
E =2%
N=12.000
Z=1.96
n= ?

Se reemplaza en la frmula:
9 , 999 . 11
) 486 ( ) 96 . 1 ( ) 02 . 0 )( 000 . 12 (
) 000 . 12 ( ) 486 ( ) 96 . 1 (
2 2 2
2 2
=
+
= n

El tamao de la muestra es de 12.000 artculos; como el nivel de confianza es alto y el error es
pequeo, podemos observar que la muestra tiene el mismo tamao de la poblacin.

Ejemplo 4:

En el ejemplo 2 no se conoce el nmero de artculos producidos por el fabricante.
Suponer ahora que el nmero de artculos producidos son12.000.
Teniendo en cuenta que el ejercicio maneja atributos, se aplica la segunda frmula.
Los datos que da el problema son:

P=0.80
Q=0.20
E =2%
Z=1.96
N=12.000
n= ?
Se reemplaza en la frmula:
07 . 1487
) 20 . 0 )( 80 . 0 ( ) 96 . 1 ( ) 02 . 0 )( 000 . 12 (
) 20 . 0 )( 80 . 0 ) 96 . 1 )( 000 . 12 (
2 2
2
=
+
= n

El tamao de la muestra es de 1487 artculos.
ESTIMACIN DE INTERVALOS E INTERVALOS DE CONFIANZA
ESTIMACIN DE INTERVALOS
En estadstica la probabilidad que asociamos con una estimacin de intervalo se conoce como
nivel de confianza. Esta probabilidad indica qu tanta confianza tenemos de que la estimacin del

intervalo incluya al parmetro de poblacin. Una probabilidad ms alta implica una mayor confianza.
En la estimacin, los niveles de confianza que se utilizan con frecuencia son 90,95 y 99%,pero somos
libres de aplicar cualquier nivel de confianza.
El intervalo de confianza es el rango de la estimacin que estamos haciendo. Si decimos que tenemos
el 90% de confianza de que la media de la poblacin de las estaturas de los estudiantes de un colegio
est entre 1.57 m y 1.85 m, entonces el rango 1.57 m - 1.85 m , es nuestro intervalo de confianza. Sin
embargo , cuando expresamos el intervalo de confianza en trminos de errores estndar, estos
intervalos tienen la forma : o 64 . 1 x , donde:
o 64 . 1 + x = lmite superior del intervalo de confianza
o 64 . 1 x = lmite inferior del intervalo de confianza.
En general : o Z x , equivale a ; ESTIMADOR (COEF.DE CONF).(ERROR ESTNDAR)
Se podra pensar que deberamos utilizar intervalos de confianza, como del 99%, para todas las
estimaciones, sin embargo altos niveles de confianza producen intervalos de confianza grandes, y
stos de hecho, dan estimaciones imprecisas.

ESTIMACIN PUNTUAL.

Si a partir de las observaciones de una muestra se calcula un solo valor como estimacin de un
parmetro de la poblacin desconocido, el procedimiento se denomina estimacin puntual.
Existen bsicamente tres parmetros muestrales:

Estimacin puntual para variable cuantitativa Esencialmente son dos los parmetros de inters:

Media: se toma como aproximacin la media de la muestra. Al recordar la formula de
Estadstica Descriptiva:


Datos no agrupados Datos agrupados

n
X
X

=
n
X
f
X
i
i

=

X
i
: son los resultados de la variable de inters.
n= Tamao de la muestra.
f i :Frecuencia absoluta
Varianza de la poblacin: se toma como aproximacin la cuasivarianza de la muestra. Al recordar la
formula se tiene:

Datos no agrupados Datos agrupados

1
) (
2
2

=

n
x x
o
1
. ) (
2
2

=

n
f x x
i
o

CALCULO DE ESTIMACIONES DE INTERVALO DE LA MEDIA A PARTIR DE MUESTRAS
GRANDES


CUANDO LA POBLACION ES INFINITA:

- Si la distribucin es normal y se conoce la varianza de la poblacin, podemos hallar el
intervalo de confianza con la siguiente frmula:
n
Z
x
o

n
Zo
, ya que la media muestral es
un buen estimador de la media poblacional ( = x ).


(

+ s s
n
Z
x
n
Z
x
o

o

Ejemplo 5:
Las alturas expresadas en cm de los estudiantes de grado octavo de un colegio se distribuyen
normal, con cm 20 = o .En colectivo de 500 estudiantes de grado octavo se ha obtenido una media de
160 cm.
a) Calcula, con una probabilidad del 98%, entre que valores estara la media de la altura de la
poblacin total de estudiantes de grado octavo.

P
(

+ s s
n
Z
x
n
Z
x
o

o
= 98%
Antes de aplicar la frmula se halla el valor de la Z, dividiendo la confianza entre 2 y buscando este
valor en la tabla normal, es decir 0.98/2 = 0.49.
Al buscar en la tabla0.49 se encuentra que Z=2.32.
Se reemplaza en la frmula

P
(

+ s s
500
20 ) 32 . 2 (
160
500
20 ) 32 . 2 (
160 = 98%
P| | 07 . 162 92 . 157 s s = 98% ,
Se estima que la altura de los estudiantes grado octavo de un colegio esta entre 157.92cm y
162.07cm con una confiabilidad del 98%.

Ejemplo 6:
En una fabrica de bateras de automviles asegura que las bateras que produce duran 2 aos, con
unao =0.5 aos. Si 5 de estas bateras tienen duracin 1.5, 2.9, 2.5, 3.2 y 4 aos. Determine el
intervalo de confianza del 95% para la varianza.

Los datos que da el problema son:

5 . 0 = o aos
n= 5 (tamao de la muestra).
Z= 1.96
Para aplicar la frmula nos falta hallar el valor de la media ( = x ), para ello utilizamos los datos de la

muestra y aplicamos la frmula:
n
X
X

=
x =14.1/ 5 = 2.82 es el promedio de la duracin de las bateras.
Ahora si podemos aplicar la frmula:
(

+ s s
n
Z
x
n
Z
x
o

o
para hallar el intervalo de confianza.

P
(

+ s s
n
Z
x
n
Z
x
o

o
= 95%

REEMPLAZANDO:

P
(

+ s s
5
) 5 . 0 ( 96 . 1
5
) 5 . 0 ( 96 . 1
82 . 2 x = 95%
P| | 26 . 3 38 . 2 s s = 95%

Podemos concluir que la duracin de las bateras esta entre 2.38 y 3.26 aos con una confiabilidad de
95%.


CALCULO DE ESTIMACIONES DE INTERVALO DE LA MEDIA A PARTIR DE MUESTRAS
PEQUEAS

- Cuando la muestra es pequea n< 30 , no se puede usar la variante Z, sino la distribucin t de
students, para lo cual hay necesidad de utilizar otra tabla Cuando se desconoce la varianza
poblacional
2
o , se aplica la distribucin t de students y la frmula es :

(

+ s s
n
t
x
n
t
x
o

o
se toman los parmetros de la muestra.


Ejemplo 7:
El fabricante de una lnea de impresoras de inyeccin de tinta desea incluir, como parte de la
publicidad. El nmero de pginas que el usuario puede imprimir con un cartucho revel el siguiente
nmero de pginas impresas:

2698, 2028, 2474,2395, 2372, 2475,1 927, 3006, 2334 y 2379.
a)Cul es el estimador puntual de la media poblacional?

Recordemos que = x y aplicando la frmula.
n
X
X

= , hallamos la media muestral.

8 . 2408 = X , el promedio de copias es de 2409 por cartucho de tinta.

b) Construya un intervalo de confianza del 95% para la media poblacional.


Para buscar el tabla de t students, debemos saber que as como Z es un valor de la distribucin
normal, los grados de libertad (gl), es el valor de la distribucin t students y se calcula gl= n-1, donde n

es el tamao de la muestra.

Para aplicamos la frmula debemos hallar la varianza y la frmula es :
1
) (
2
2

=

n
x x
o ,
reemplazando los datos que nos da el problema en la frmula, llegamos a la conclusin que la
desviacin tpica estndar es de aproximadamente 305,esto quiere decir, que hay una variacin
de305 impresiones por cartucho con respecto a la muestra.

Ahora conociendo todos los datos, podemos buscar el intervalo de confianza con un 95% y la frmula
es :

(

+ s s
n
t
x
n
t
x
o

o
,

Reemplazando:


P
(

+ s s
10
) 305 ( 262 . 2
2409
10
) 305 ( 262 . 2
2409 =95%


P| | 17 . 2627 83 . 2190 s s =95%

El nmero de impresiones que se pueden sacar con un cartucho esta entre 2191 y2627.

INTERVALO DE CONFIANZA PARA UNA PORCIN DE LA POBLACIN

El proceso a seguir es exactamente igual al anterior, con la nica diferencia respecto a la varianza y
ala desviacin tpica, pues se trabaja con p (proporcin) establecida para la poblacin. Adems las
muestras pueden ser grandes pequeas.

PROPIEDADES:

La media establecida para la poblacin es np = , donde.
n = nmero de esnayos intentos
p= probabilidad de tener xito.

La varianza es igual a ; q P.
2
= o , donde :
P= probabilidad de xito
q = probabilidad de no tener xito.
La desviacin tpica estndar es: pq = o .
Para calcular el intervalo aplicamos la frmula:

(
(

n
pq Z
p


Equivalente a
(

n
pq
Z p



Ejercicios para resolver pgina 275 - 277

Ejercicio 8,9.10,1,11,12,14,20,21,22,23

Ejercicios para resolver:
Pgina 283, Ejercicios 8.1.
Pgina 286, Ejercicios 8.2: 8-7 a 8-11.
Pgina 290, Ejercicios 8.3: 8-14 8-17.
Pgina 290, Ejercicios 8.3: 8-14 8-17.
Pgina 293, Ejercicios 8.4: 8-19 8-23.





.


XI. EVALUACION
Se debe realizar como mnimo 3 evaluaciones durante el desarrollo de la actividad acadmica, sin
embargo se sugiere que se pacte con el alumno al inicio de la actividad acadmica que estas
evaluaciones sean ms de tres. Cada eje temtico debe ser evaluado. La evaluacin debe
comprender o relacionarse con el tema que el alumno ha preparado y que se encuentra igualmente
contemplado en el Plan de trabajo entregado al alumno. Los alumnos deben participar activamente en
todas las actividades concernientes a las tutoras.

Actividades grupales: Son las que se desarrollan por grupos de trabajos, por Cipas o por todo el
grupo que cursa la signatura tales como:

Talleres. Por medio de stos los estudiantes debern desarrollar destrezas y habilidades.
Mesas redondas: Estas permitirn que los estudiantes interacten y que lleguen a conclusiones..
Paneles: Donde los s alumnos discutirn sobre puntos divergentes de un mismo tema.
Consolidacin: Etapa donde se miden los logros por parte del estudiante y el docente.

Adems del planteamiento terico practico descrito anteriormente los estudiantes realizarn un
trabajo de campo con las enseanzas que en cada tutora se van desarrollando con la finalidad de
hacer ms competentes a los estudiantes a la hora de utilizar la estadstica en diferentes momentos
de su formacin o en su vida profesional.
XI. EVALUACION
Aspectos a Evaluar Estrategias Porcentaje
Aplicacin de conocimientos Evaluaciones escritas
Desarrollo de competencias Realizacin de ejercicios prcticos especficos.
Anlisis de casos y desarrollo por sesiones de un
trabajo de campo en contexto aplicado de su
futura profesionalizacin.


XII. Bibliografa Complementaria
Texto guia:
MATNEZ, CIRO,LEVIN RICHARD. Estadstica Aplicada. PEARSON EDUCACIN ,
Colombia,2011.
LIND, DOUGLAS, A., MARCHAL, WILLIAM, G., WATHEN, SAMUEL, A., Mc Graw Hill, Estadstica aplicada a
los negocios y la economa, Decimotercera edicin
LIND, DOUGLAS, A., MARCHAL, WILLIAM, G., WATHEN, SAMUEL, A., Mc Graw Hill, Estadstica aplicada a
los negocios y la economa, Decimoquinta edicin
WEBSTER, ALLEN, L., Estadstica aplicada a la Empresa y a la Economa, Mc Graw Hill, Primera edicin en
espaol de la segunda edicin en ingls

XIII. Bibliografa Web- enlaces

Estadstica descriptiva
http://www.youtube.com/watch?v=-ZnUSLlUj9A&feature=related

Estadstica Exploratoria
http://www.youtube.com/watch?v=Kj9g-BC2YSg&feature=related
http://www.youtube.com/watch?v=qIyhYfaO6iI
http://www.youtube.com/watch?v=I-FEVPbgv70&feature=related

Regresin lineal simple
http://www.youtube.com/watch?v=TL3up8LIItE&feature=related

Combinaciones
https://mail.google.com/mail/u/0/?shva=1#sent/13a7190b6ac8ae1f

Muestreo
http://www.youtube.com/watch?v=gQZPfhPctvI
http://www.youtube.com/watch?v=f_Hx0pOJEuY&feature=related

XIV. DATOS DE LOS TUTORES QUE ORIENTAN LA ASIGNATURA
Nombre Telfono E-mail :
Ivn Giraldo Giraldo 3117190426 igiraldo@uniquindio.edu.co
Carlos Alberto Gutirrez 311397 9421 cagutierrez@uniquindio.edu.co
Carlos Alberto Patio Gmez 3155900424 capatino@uniquindio.edu.co
Luz Marina Devia Salinas 3136506905 lmdevia@uniquindio.edu.co
Milena Corrales 3113509253 mcorrales@uniquindio.edu.co
Juan Diego Cardozo Garcs 3108350459 jdcardozo@uniquindio.edu.co
John Alexander Giraldo Castro 3207206878 John-giraldo@hotmail.com
Fecha de actualizacin: Enero de 2013