ESTADISTICA DESCRIPTIVA

Docente:
LEONEL DELGADO ERASO
Especialista en Estadstica

UNIVERSIDAD DE NARIO
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
PASTO, 2014

CONTENIDO

ESTADISTICA DESCRIPTIVA.

Conceptos generales sobre estadstica

Distribuciones de frecuencias.
Medidas de tendencia central.
Medidas de dispersin.
Grficos Estadsticos
Probabilidad.

PRIMERA UNIDAD

CONCEPTOS GENERALES

DEFINICION DE ESTADISTICA
La estadstica es una ciencia que estudia los mtodos, normas, reglas, leyes
para la recoleccin, organizacin y anlisis de datos, para sacar conclusiones
vlidas y tomar decisiones acertadas.
POBLACION: Es el conjunto universal, el conjunto de referencia, el cual est
conformado por todos los elementos que tienen la caracterstica de estudio.
Una poblacin puede ser finita, (de tamao N) o infinita.
MUESTRA: Es un subconjunto de la poblacin. Es una parte de la poblacin, la
cual debe cumplir con dos requisitos fundamentales: ser aleatoria y
representativa. La primera hace referencia a que sus elementos deben
seleccionarse al azar, y la segunda hace referencia al tamao de la muestra.
DATO: Es la medida de la observacin.

VARIABLES ESTADISTICAS.
Una variable estadstica es una caracterstica la cual al ser observada en
diferentes individuos nos genera resultados distintos.

Las variables estadsticas pueden clasificarse en: CUANTITAVAS y

CUALITATIVAS.
Las variables CUANTITATIVAS se clasifican en: Continas y Discretas.
Las variables CUALITATIVAS se clasifican en: Nominales y Ordinales.

Las variables CUANTITATIVAS son aquellas que las podemos medir mediante
un nmero.
Las variables cuantitativas continas son aquellas, que pueden tomar cualquier
valor entre dos valores, o ms fcilmente, aquellas que admiten decimales, por
ejemplo, El salario de una persona, las utilidades diarias de un negocio, la
puntuaciones en un examen, el cociente intelectual, etc.
Las variables cuantitativas discretas son aquellas que admiten, nicamente
valores enteros, por ejemplo, el nmero de personas que habita en una casa, el

nmero de estudiante en un curso de economa, la cantidad de familias que

tienen acceso directo a internet, la cantidad de microempresa en una regin,
etc.

Las variables CUALITATIVAS son aquellas que representan, una propiedad, un

atributo.
Las variables cualitativas nominales presentan modalidades no numricas y no
se las puede ordenar, como por ejemplos: el color del cabello de una persona,
el color de automvil que prefiere una mujer, el estado civil de una persona,
etc,.
Las variables cualitativas ordinales son aquellas que adems de representar
una propiedad, las podemos ordenar. Es decir podemos determinar cul va de
primero, segundo, tercero,., como por ejemplo: El nivel educativo de una
persona, ( sin estudio, primarios, secundarios, tecnlogo, pregrado o
universitarios, especialista, master, Doctor, PD). Otra variable ordinal, puede
ser la apreciacin de cierta marca de computadores por un usuario: mala,
regular, buena, excelente. El premio que adquiere un deportista en los
olmpicos: Bronce, plata, oro.

SUMATORIA Y PRODUCTORIA (opcional)

SUMATORIA ( ) .
En las frmulas que utilizamos para obtener varios resultados en estadstica
usamos las letras griegas. El smbolo,

, el cual se lee sumatoria se

utiliza para simplificar una suma de trminos. Esta letra griega sigma se
acompaa con un valor inicial de la variable y un lmite superior hasta donde
toma el valor la variable, este valor va cambiando de uno en uno. El smbolo,

, significa que los trminos que se obtienen al remplazar el valor de la

variable se suman del primero hasta el ltimo, en el caso de que la suma
termine.

En general la sumatoria, se simboliza y define, as:

x i=x 1 + x 2+ x 3 ++ x n
i=1

En algunos casos el lmite superior de la sumatoria es infinito,

obtiene una serie, as:

, y se

x i=x 1 + x 2+ x 3 ++ x n +
i=1

Ejercicio.
Desarrollar y simplificar las siguientes sumatorias:
4

1. 2i
i=1

2.
i =3

3.

x=0

i+1
i2

1
x!

Solucin.
4

1. 2i =21+ 22+23 +2 4=2+ 4+8+ 16=30

i=1

2.
i =3

3.

x=0

i+1 3+ 1 4+ 1 5+1 4 5 6 3589

= 2 + 2 + 2 = + + =
9 16 25 3600
i2
3
4
5

1
1 1 1 1
1
= + + + + + + =e=2,718281828 .
x ! 0 ! 1 ! 2 ! 3!
n!

PRODUCTORIA

() .

El smbolo , , el cual se lee productoria, se utiliza para simplificar un

producto de trminos. Esta letra griega pi se acompaa con un valor inicial
de la variable y un lmite superior hasta donde toma el valor la variable, este
valor va cambiando de uno en uno. El smbolo,

, significa que los trminos

que se obtienen al remplazar el valor de la variable se multiplican del primero

hasta el ltimo.

En general la productoria, se simboliza y define, as:

n

x i=x 1x 2x3xn
i=1

Ejercicio.
Desarrollar y simplificar las siguientes productorias:
4

1. 2i
i=1

2.
i=3

i+1
i2

Solucin.

1. 2i=2122232 4=24816=1024
i=1

2.
i=3

3+1
4+1
32
5+1
i+1
42
=
=
2
2
i
5

4
5
9
6
16
1
=
25
30

SEGUNDA UNIDAD
DISTRIBUCIONES DE FRECUENCIAS

Distribuciones de frecuencias para variable cuantitativa discreta y

variables cualitativas
Si tenemos una variable cuantitativa discreta o una variable cualitativa, la
podemos resumir en una tabla que recibe el nombre de distribuciones de
frecuencias. Para ellos revisemos las siguientes definiciones:
Frecuencias absolutas.

fi

Las frecuencias absolutas es el nmero de veces que se repite un dato. Las

simbolizaremos con la letra efe minscula:

fi

La suma de las frecuencias absolutas es igual al nmero de datos ( n ).

fi

f1 +

f2

f3

+ +

fm

m , debido a que los valores que

Observe que hemos tomado un subndice

toma la variable, por lo general son menores que el nmero de datos ( n )

Para determinar las frecuencias absolutas se utiliza el conteo o recuento. Se
escriben los valores ordenados de la variable sin repetirlos. Luego se hace una
marca frente a cada valor tantas veces el dato se encuentre en la lista de
datos, se recomienda hacer grupos de cinco marcas. Para explicarlo ms
claramente, consideremos los siguientes datos los cuales podran corresponder
al nmero de hijos de 17 familia observadas: 2, 5, 4, 0, 2, 0, 2, 4, 2, 0, 5, 2,4,2,
0, 2, 2
El conteo o recuento se realizara as:
0

IIII

= 4

IIII III

=8

III

=3

II

=2

Por lo tanto, las frecuencias absolutas son 4, 8, 3, 2, respectivamente.

Las Frecuencias Absolutas Acumuladas

Fi

Las frecuencias absolutas acumuladas se obtienen mediante sumas sucesivas

de las frecuencias absolutas. Las simbolizaremos con la letra EFE
MAYUSCULA:

Fi

F1

f1

F2

f 2+ f 1

F3

f 3 + f 2 +f 1

Fm

f m+ + f 3+ f 2 + f 1=

Observe que la ltima frecuencia absoluta acumulada es igual al nmero de

datos.

Frecuencias relativas.

hi

Las frecuencias relativas se calculan dividiendo cada frecuencia absoluta (

fi

), entre el nmero de datos ( n ). Generalmente se las expresa en porcentaje

para su fcil interpretacin. Se denotan y definen as:

hi

fi
n

fi
100
n

La suma de las frecuencias relativas es igual a 1 o al 100%.

h1 +h2 +h 3+ +hm

Las Frecuencias Relativas Acumuladas.

hi

1 = 100%.

Hi

Las frecuencias relativas acumuladas se calculan dividiendo cada frecuencia

absoluta acumulada (

Fi ), entre el nmero de datos ( n ). Generalmente se

las expresa en porcentaje para su fcil interpretacin. Se denotan y definen

as:

Hi

Fi
n

Fi
100
n

Otra forma de calcular las frecuencias relativas acumuladas es mediante las

sumas sucesivas de las frecuencias relativas.

H1

h1

H2

h2 +h1

H3

h3 +h2 +h 1

Hm

hm + +h3 +h2 +h 1

100%

Observe que la ltima frecuencia relativa es el 100% o uno.

Con cada valor calculado procedemos a construir la distribucin de frecuencias,

la cual es una tabla que contiene: la variable de estudio, las frecuencias
absolutas, las frecuencias relativas, las frecuencias absolutas acumuladas y
frecuencias relativas acumuladas. La forma general de una distribucin de
frecuencias es la siguiente.

xi

fi

Fi

x1

f1

F1

x2

f2

F2

x3

f3

F3

.
.

xm
TOTAL

.
.

fm

hi

donde,

xi

h1=

f1
n

H1

h2=

f2
n

H2

h3=

f3
n

H3

.
.

Fm =n

: Variable de estudio

Hi

.
.

hm =

fm
n

1=100%

.
.

H m=100 =1

fi

: Frecuencias absolutas.

Fi

: Frecuencias absolutas acumuladas.

hi

: Frecuencias relativas.

Hi

: Frecuencias relativas acumuladas.

Ejemplo:
Las pesquera ms grande del Puerto de Tumaco, tiene en su nmina a 40
empleados. Por leyes del gobierno toda empresa debe dar un subsidio de
educacin a cada hijo de los trabajadores. El gerente para hacer ajustes en el
presupuesto de la empresa determina el nmero de hijos de los trabajadores
que estn estudiando y obtiene los siguientes resultados:
2, 3, 1, 0, 3, 2, 0, 1, 3, 2, 3, 4, 3, 1, 1, 2, 3, 2, 4, 1, 0, 0, 1, 2, 3, 2, 1, 0, 3, 4, 2,
3, 3, 3, 4, 2, 1, 1, 0, 2
Construir una distribucin de frecuencias.

Solucin:
La variable es el nmero de hijos de los empleados de la pesquera los cuales
estn actualmente estudiando, esta variable es cuantitativa discreta y toma
valores de 0, 1, 2, 3, 4.
El conteo se indica a continuacin.
# de hijos
0
1
2
3
4

Conteo
IIII
IIII
IIII
IIII
IIII

I
=6
IIII
=9
IIII
= 10
IIII I = 11
=4

Aplicando las definiciones y las frmulas respectivas se obtiene la siguiente

distribucin de frecuencias.
# de
hijos

# de
emplea
dos

Fi

hi

Hi

0
1
2
3
4
TOTAL

6
9
10
11
4
40

6
15
25
36
40

15%
22,5%
25%
27,5%
10%
100%

15%
37,5%
62,5%
90%
100%

Analizando los resultados del tercer rengln tenemos que:

10 empleados de la pesquera, equivalentes al 25% del total, tienen 2 hijos
estudiando.
25 empleados de la pesquera, equivalentes al 62,5% del total, tienen 2 o
menos de dos hijos estudiando.
Distribuciones de frecuencias para una variable cuantitativa continua.
Si tenemos una variable cuantitativa continua, generalmente los datos
repetidos van hacer muy pocos, y al calcular sus frecuencias absolutas estas,
tomarn valores de 1 o 2, en su gran mayora. En estos casos para analizar
este tipo de variables se recomienda agruparla en intervalos, clases o
categoras. Por ejemplo, al clasificar a los habitantes de una regin por su
edad, podramos hacer grupos de bebes (edades hasta el ao y medio), de
nios (edades hasta los 10 o 12 aos), de adolescentes (edades hasta los 18 o
21 aos), jvenes (edades hasta los 25 o 30 aos), adultos (edades hasta los
50 aos), mayores (edades hasta los 60 aos), tercera edad (edades despus
de los 60).
Para construir una distribucin de frecuencias para este tipo de variables,
consideremos las siguientes definiciones:
Rango o recorrido. Es la diferencia entre el valor mximo de los datos y el valor
mnimo.

Rango

V mximo

V mnimo

Nmero de intervalos, clase o categoras: A pesar de ser un criterio del

investigador el de elegir con cuntos intervalos va a trabajar, la regla de
Sturges, propuesta por Herbert Sturges, sugiere una frmula para determinar
cuntos intervalos, clases o categoras se debe utilizar.

por exceso)

1+3,3log ( n) , (La aproximacin se la hace sin decimales y

Nota: Los intervalos que se forman se consideran semi-abiertos por derecha, es

decir tienen la forma: [ a , b ), este intervalo contiene todos los valores

comprendidos entre

, incluyendo a

y excluyendo a

b .

Algunos autores definen de manera diferente los intervalos, por ejemplo, al

considerarlo cerrado, es decir de la forma, [a,b] al siguiente intervalo se debe
iniciar por lo menos 1 milsima ms grande que b.
Amplitud del intervalo. ( c ). Es la distancia que hay entre el lmite superior y
el lmite inferior de cada intervalo. No necesariamente todos los intervalos
deben tener la misma amplitud. Se aconseja usar la siguiente frmula

rango
nmero detervalos

R
m

, (La aproximacin se la hace

por exceso. Se puede usar decimales).

Construccin de los intervalos
El lmite inferior (

Linf

), del primer intervalo es el valor mnimo de los datos,

y el lmite superior del primer intervalo (

), se obtiene sumando al valor

mnimo la amplitud. Este lmite superior ser el lmite inferior del segundo
intervalo, de aqu en adelante el proceso se repite hasta formar el ltimo
intervalo.
Supongamos que deseamos trabajar con 5 intervalos de amplitud 4 y que el
valor mnimo de los datos es de 23. Los intervalos se forman as:
Primer intervalo

[23 , 23+ 4) = [23 , 27)

Segundo intervalo [27 , 27+ 4) = [27 , 31)

Tercer intervalo

[31 , 31+ 4) = [31 , 35)

Cuarto intervalo

[35 , 35+ 4) = [35 , 39)

Quinto intervalo

[39 , 39+ 4) = [39 , 43)

Conteo o recuento:
Construidos los intervalos empezamos a ubicar cada dato en uno de ellos,
haciendo una marca frente al intervalo que lo contenga. Se recomienda hacer
grupos de cinco marcas.

Para explicarlo ms claramente, consideremos los intervalos anteriores y los

siguientes datos: 25, 40, 33, 31, 41, 28, 36, 42, .
El conteo o recuento comenzara as: (por facilidad utilizamos una lnea como
marca)
[23 , 27)

[27 , 31)

[31 , 35)

II

[35 , 39)

[39 , 43)

III

Observemos que el dato 31 se ubic en el tercer intervalo y NO en el

segundo, debido a que el segundo intervalo contiene los datos mayores o
iguales a 27 y menores que 31. Esto debido a que los intervalos son de
la forma [a,b).

Marcas de clase: Son los puntos medios de cada intervalo y se calculan

promediando el lmite inferior y el lmite superior de cada intervalo.

xi

Linf + L
2

Determinados los anteriores valores procedemos a construir la distribucin de

frecuencias, la cual es una tabla que contiene: la variable, las marcas de clase,
las frecuencias absolutas, relativas, absolutas acumuladas y relativas
acumuladas.

Linf .

L.

Linf

Linf

xi

fi

Fi

x 1=

Linf +L
2

f1

F1

x 2=

Linf + L
2

f2

F2

hi

Hi

h1 =

f1
n

H1

h2=

f2
n

H2

Linf

.
.

x 3=

Linf +L
2
3

.
.

Linf

f3

.
.

x m=

Linf + L
2
m

F3

.
.
m

.
.

fm

Fm
=

h3=

f3
n

.
.

hm =

H3
.
.

fm
n

H m=1=100

n
n

TOTAL

1=100%

donde,

Linf .
L.

: Lmite inferior de cada intervalo

: Lmite superior de cada intervalo.

xi

: Marca de clase o punto medio de cada intervalo.

fi

: Frecuencias absolutas.

Fi

: Frecuencias absolutas acumuladas.

hi

: Frecuencias relativas.

Hi

: Frecuencias relativas acumuladas.

Nota: Si la variable es cuantitativa discreta y toma muchos valores, tambin la

podramos organizar utilizando intervalos.

Ejemplo.
La ms grande pesquera del Puerto de Tumaco, tiene en su nmina a 40
empleados. Por leyes del gobierno toda empresa debe dar un subsidio de
educacin a cada hijo de los trabajadores, como se mencion y analiz en el
problema anterior. Suponga ahora que la empresa crea un programa
nutricional para sus empleados. La variable ms importante es el peso de los
trabajadores (medidos en kilogramos). Los especialistas en nutricin recogieron
los siguientes datos
60, 70, 78, 80, 66, 59, 86, 88, 97, 68, 46, 61, 76, 45, 77, 70, 62, 73, 64, 72,
102, 74, 75, 82, 89, 66, 52, 90, 84, 57, 76, 87, 62, 73, 93, 69, 55, 75, 94, 54.

Construir una distribucin de frecuencias.

Solucin:
La variable de inters es el peso de los empleados, la cual es una variable
cuantitativa continua, por lo tanto calculemos:
Rango.
En la serie de datos podemos observar que el peso mnimo es 45 Kg. y el peso
mximo es de 102 Kg., entonces

Rango

V mximo

V mnimo

102 45

57

Nmero de intervalos.
Aplicando la regla de Sturges, tenemos

1+3,3log ( n)

1+3,3log ( 40)

6,286799

La amplitud de cada intervalo es

rango
nmero de intervalos

8,142857

R
m

57
7

8,2

Los intervalos y el conteo o recuento se indican en la siguiente tabla. Recuerde

que el lmite inferior del primer intervalo es 45 y su lmite superior se obtiene
sumndole la amplitud de 8,2. Una manera de observar rpidamente el conteo
es ordenando los datos, as.
45, 46, 52, 54, 55, 57, 59, 60, 61, 62, 62, 64, 66, 66, 68, 69, 70, 70, 72, 73, 73,
74, 75, 75, 76, 76, 77, 78, 80, 82, 84, 86, 87, 88, 89, 90, 93, 94, 97, 102.
Peso (Kg)

Linf .

L.
45
53,2
61,4
69,6
77,8

Conteo
53,2
61,4
69,6
77,8
86

III
IIII I
IIII II
IIII IIII
IIII

=3
=6
=7
I = 11
=4

86
94,2

94,2
102,4

IIII
II

II

=7
=2

Con las definiciones y frmulas correspondientes construimos la siguiente

distribucin de frecuencias

Peso(kg.)

Linf .

L.

45
53,2
53,2
61,4
61,4
69,6
69,6
77,8
77,8
86
86
94,2
94,2
102,4
TOTAL

Marcas de clase

xi

# empleados

fi
49,1
57,3
65,5
73,7
81,9
90,1
98,3

Fi
3
6
7
11
4
7
2
40

3
9
16
27
31
38
40

hi
7,5%
15%
17,5%
27,5%
10%
17,5%
5%
100%

Hi
7,5%
22,5%
40%
67,5%
77,5%
95%
100%

El anlisis de los resultados en la tabla se hace tal como se indican para el

tercer rengln, as:
7 de los empleados de la pesquera, equivalentes al 17,5% tienen pesos entre
los 61,4 Kg. y 69,6 Kg. Podramos decir que el peso promedio de estos siete
trabajadores es aproximadamente de 65,5 Kg.
16 de los empleados de la pesquera, equivalentes al 40% tienen pesos entre
los 45 Kg. y 69,6 Kg.

Estos resultados los podramos observar grficamente en un HISTOGRAMA, o

en un POLIGONO DE FRECUENCIAS, los cuales se definen en la sesin de
Grficos Estadsticos.

P o gono de F recuencias para P E S O

30

25

25

20

20

p o rce n t a je

p o r c e n t a je

H is t ogram a
30

15
10

15
10

0
45

55

65

75

85

95

105

45

55

pes o

65

75

85

95

105

peso

TERCERA UNIDAD
MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE POSICION

MEDIDAS DE TENDENCIA CENTRAL

Las medidas de tendencia central son valores que en una serie ordenada de
datos tienden a ubicarse en el centro. Tambin, se las conoce con el nombre
de promedios. Entre ellas tenemos:
La
La
La
La
La

media aritmtica o promedio aritmtico.

media aritmtica ponderada.
media geomtrica.
mediana.
moda.

Media Aritmtica o Promedio Aritmtico.

Es el cociente entre la suma de los datos y el nmero de datos( n ). Una
ventaja de este promedio es que considera la informacin de todos los datos, y
una desventaja es que es muy sensible a valores extremos.

NO agrupados

xi
n

x 1 + x 2+ x 3 ++ x n
n

para datos

( xif i )

x 1f 1 + x 2f 2+ + x mf m
n

para datos

agrupados.
Nota: De ahora en adelante los datos NO agrupados sern aquellos que se
vienen dados en una lista de datos. Los datos Agrupados son los que vienen
dados en una distribucin de frecuencias.

Ejemplo.
Un clientes de un local que vende accesorios para computador: una USB en
20.000 pesos, un mouse en 12.000 pesos, un protector de pantalla 9.000 pesos
y un teclado en 17.000 pesos. El precio promedio de los cuatro productos es de
14.500. Se calcula as:

xi
n

x 1 + x 2+ x 3 ++ x n
n

20.000+ 12.000+ 9.000+17.000

4

58.000
4

14.500

Ejemplo.
El dueo del local del ejemplo anterior registr la cantidad de los productos de
las ventas del da de hoy. En la siguiente tabla se resume los precios de cada
artculo y las cantidades vendidas de cada producto.
Producto
USB
Mouse
Protector de pantalla
Teclado

Precio
20.000
12.000
9.000
17.000

Cantidad
4
12
9
15

Cul es precio promedio de los productos que se vendieron en dicho local el da

de hoy?

Solucin:

Se observa que la variable de inters es el precio de los productos, por tanto, el

precio promedio se calcula as:

( xif i )
n

x 1f 1 + x 2f 2+ + x mf m
n

20.0004+12.00012+ 9.0009+17.00015
40

560.000
40

14.000

Otra forma de calcularla es desarrollando las operaciones en una tabla, as:

Producto

USB
Mouse
Protector de pantalla
Teclado
TOTAL

( xif i )
n

Precio

Cantidad

xi

fi

x if i

20.000
12.000
9.000
17.000

4
12
9
15

80.000
144.000
81.000
255.000
560.000

560.000
40

= 40

14.000

Media aritmtica ponderada

Se la utiliza cuando los datos tienen diferente importancia. Se denota y define
as:

xp

( xiw i)
wi

x 1w1 + x 2w 2+ + x mwm
w 1+ w2 +w 3+ +w m

donde las

wi

son las importancias de cada dato.

Ejemplo.
La alcalda de Pasto tiene una vacante para el cargo de director del rea
contable. Como requisitos se exige: entrevista, examen de conocimientos y
puntaje de la hoja de vida. Adems, se conoce que la entrevista se ponderar
con un 10%, el examen de conocimientos con un 70% y la hoja de vida con un
20%. El mnimo aprobatorio es de 60 puntos en una escala de 0 a 100 puntos,

el aspirante que obtenga el ms alto puntaje ser el seleccionado, si se

presentaron Roberto, Luis, Jos, Ana y Rosa y obtuvieron los puntajes que se
muestran en la siguiente tabla. Quin fue el seleccionado?.
Aspirante
Roberto
Luis
Jos
Ana
Rosa

Conocimientos
68
75
67
72
73

Hoja de vida
72
64
71
69
65

Entrevista
80
78
78
73
88

Solucin:
Como cada prueba tiene diferente importancia ponderacin o peso, no
podemos aplicar la media aritmtica o promedio aritmtico para calcular el
puntaje de cada aspirante. Aqu debemos utilizar la media aritmtica
ponderada

xp

Para calcular el puntaje promedio ponderado que obtuvo Roberto debemos

calcularlo as:

xp

( xiw i)
wi

x 1w1 + x 2w 2+ + x mwm
w 1+ w2 +w 3+ +w m

680,70+720,20+800,10
0.70+0,20+0,10

70
1

70 puntos.

En la tabla se muestran los puntajes promedios ponderados (

x p ), para los

dems aspirantes.
Nombre
aspirante
Roberto
Luis
Jos
Ana
Rosa

Conocimientos
(70%)

Hoja de vida
(20%)

Entrevista
(10%)

xp

68
75
67
72
73

72
64
71
69
65

80
78
78
73
88

70
73,1
68,9
71,5
72,9

73,3
72,3
72
71,3
75,3

Incorrec
Correcto

Por lo tanto, Luis es el seleccionado para el cargo director del rea contable en
la alcalda de Pasto, con un puntaje promedio de 73,1 puntos.
Observemos que calculado la media aritmtica ( x ), Rosa sera la
seleccionada con un puntaje de 75,3 puntos, cometiendo el error de darle una
ponderacin de 33,3% a la entrevista y a las otras dos pruebas; cambiando as
las reglas de seleccin.

Media Geomtrica.
Se la utiliza cuando los datos crecen en progresin geomtrica, es decir, los
datos aumentan rpidamente.
Las frmulas de clculo son las siguientes:

Mg

( x x x x )
1

( x )

para

datos NO agrupados

Mg

( x
n

f1
1

x 2f x 3f x m f
2

( x
n

fi
i

para datos

agrupados

Los productos dentro de la raz suelen ser muy grandes, una forma de trabajar
con valores pequeos es utilizando los logaritmos en base 10, as:

log x i

Mg

antilog

Mg

antilog

( (

Ejemplo:

f ilog x i)
n

para datos NO agrupados

para datos agrupados

Calcular la media geomtrica de los siguientes datos: 2, 56, 198, 9.650,

Solucin:

Mg

( x x x x )

4 213' 998.400

4 ( 2561989.650 )

120,95

Usando logaritmos en base 10 se calculara as:

log x i

Mg

antilog

( log 2+ log 56 +log4 198+log 9.650 )

antilog

( 0,3010+1,7482+4 2,2967+3,9845 )

antilog

antilog ( 2,0826 )

antilog

( 8,3304
4 )

120,9484

Mediana
La mediana de una serie de datos ordenados es el valor que se encuentra en el
centro de los datos. Otra forma es, un valor mayor al 50% de los datos y es
menor que el otro 50%. La mediana se la utiliza cuando existe un valor
extremo o dato atpico, en ingls outlier.
El lugar donde se encuentra la mediana se obtiene as:

LM

n+1
2

Mediana para datos No agrupados:

Si el nmero de datos es impar, la mediana es el valor que se encuentra en el
centro de la serie ordenada.
Si el nmero de datos es par, el valor de la mediana se encuentra
promediando los dos valores centrales.

Ejemplo:
En internet publican los precios de cinco planes tursticos: 35, 37, 29, 31, 60
dlares. Calcular la mediana.
Solucin:
La serie de datos ordenados es: 29, 31, 35, 37, 60.
El lugar de la mediana es

LM

n+1
=
2

5+ 1
2

3. Esto indica

que el tercer dato es la mediana. Es decir, la mediana es 35.

La interpretacin de la mediana es: El 50% de los planes tursticos cuestan
menos de 35 dlares y el otro 50% cuesta igual o ms de 35 dlares.

Ejemplo:
Los pesos de los instrumentos de seis cientficos que inspeccionaron al Volcn
Galeras son: 4530, 4510, 6000, 4700, 4600, 4490 gramos. Calcular y analizar
la mediana.
Solucin:
La serie de datos ordenados es: 4490, 4510, 4530, 4600, 4700, 6000.
El lugar de la mediana es

LM

n+1
=
2

6 +1
2

3,5. Esto indica

que la mediana se encuentra entre el tercer dato y el cuarto. Es decir, la

mediana es

4530+4600
2

9130
2

4565. Esto significa que el

50% de los instrumentos vulcanolgicos pesa menos de 4565 gramos y el otro

50% pesa ms de 4565 gramos.

Mediana para datos agrupados:(variable cuantitativa discreta)

Se calcula el lugar de la mediana, y haciendo lectura en las frecuencias
absolutas acumuladas

Fi

, se selecciona la inmediatamente mayor o igual al

lugar de la mediana y se determina donde se encuentra la mediana. Haciendo

lectura en la columna de la variable y la fila donde se encuentra la mediana se
encuentra el valor de la mediana.
Ejemplo:
80 familias viajaron al puerto de Tumaco por una semana. El organizador y gua
pregunto cuntas personas por familia estn de acuerdo que la dieta para
esa semana sea a base de mariscos?. Los resultados se resumen en la
siguiente tabla.

xi

fi

0
1
2
3
7

10
24
30
12
4

donde,

xi

: Nmero de personas que respondieron afirmativamente

fi

: Nmero de familias.

Calcular y analizar la mediana.

Solucin:
Antes de calcular la mediana complementemos la tabla con las frecuencias
absolutas acumuladas, como se observa en la siguiente tabla.

xi

fi
0
1
2
3

10
24
30
12

Fi
10
34
64
76

4
80

Total

80

Para determinar el lugar de la mediana aplicamos la frmula:

LM

n+1
2

80+1
2

81
2

40,5

, lo cual indica

que la mediana se encuentra entre el dato de lugar 40 y el dato de lugar 41.

El valor de las frecuencias absoluta acumuladas (

Fi ), inmediatamente

mayor a 40,5 es 64 (ver tabla anterior), el cual se encuentra en el tercer

rengln. Por tanto el dato que ocupa el lugar 40 es 2 y el dato que ocupa el
dato de lugar 41 es 2, promediando los dos valores se obtiene que la mediana
es 2.
La interpretacin es: En el 50% de las familias, ninguna, una o mximo 2
personas si desean la dieta a base de mariscos; y en el otro 50% de las
familias, 2 o ms de dos personas prefieren la dieta a base de mariscos.

Mediana para datos agrupados:(variable cuantitativa continua)

La mediana en datos agrupados con intervalos se calcula as:
Se calcula el lugar de la mediana, y haciendo lectura en las frecuencias
absolutas acumuladas se selecciona la inmediatamente mayor o igual al lugar
de la mediana y se determina la clase o intervalo donde se encuentra la
mediana (llamada clase mediana). Luego se aplica la siguiente frmula.

Me

Linf .

Linf .

[ ]

( n2 F ) c
a

fo

: Lmite inferior de la clase mediana (intervalo donde se encuentra la

mediana).

Fa

: Frecuencia absoluta acumulada anterior a la clase mediana.

fo

: Frecuencia absoluta de la clase mediana.

: Amplitud de la clase mediana. (Diferencia entre el lmite superior

y lmite inferior de cada intervalo)

Ejemplo:
A un grupo de personas seleccionadas aleatoriamente se les pregunt cuntos
salarios mnimos invertiran en tecnologa en el ao?. La informacin se resume
en la siguiente tabla.
Salarios mnimos que
se invertiran en tecnologa
1-3
3-5
5-7
7-9
Calcular y analizar la mediana.

Nmero de personas
5
7
12
2

Solucin:
Complementado la tabla, con las frecuencias absolutas acumuladas tenemos
Salarios mnimos que
se invertiran en tecnologa

Nmero de personas

1-3
3-5
5-7
7-9

5
7
12
2
26

TOTAL

Fi
5
12
24
26

El lugar de la mediana es

LM

n+1
2

26 +1
2

27
2

13,5. Este valor indica

que la mediana se encuentra entre la persona de lugar 13 y la persona de lugar

14. El valor de la frecuencia absoluta acumulada inmediatamente mayor o
igual a 13,5 es 24. Por lo tanto la mediana se encuentra en el intervalo ubicado
en el tercer rengln, el cual corresponde a la clase mediana y se obtiene que

Linf .

Fa

fo
c

5
12

12
7

Remplazando en la frmula se obtiene

Me

Linf .

( 1312 )
2
12

[ ]

( n2 F ) c
a

fo

5,17

5 +

[ ]

( 262 12) 2

12

5,2 sm.

Es decir, la mediana es 5,2 salarios mnimos. Lo cual significa que el 50% de

las personas invertiran anualmente en tecnologa 5,2 salarios mnimos, y el
otro 50% de las personas invertiran ms de 5,2 salarios mnimos anualmente
en tecnologa.

La moda o modo.

Mo

La moda o modo se define como el dato de mayor frecuencia o el dato que ms

se repite. Si una serie de datos tiene una moda se dice que es unimodal, si
tiene dos modas se dice que es bimodal y si tiene ms de dos modas se dice
que es multimodal.
Ejemplo.
La moda de los datos: 3, 6, 2, 2, 5, 6, 2, 7, 2, 4, 5, 2, 2 es

M o=2 , el cual es

el dato de mayor frecuencia.

Ejemplo.
Una aerolnea est planeando descuentos para los hijos de sus clientes. Se
realiz un estudio a un grupo de 40 clientes, en el cual la variable de inters
fue el nmero de hijos por cliente. Se obtuvo la siguiente informacin
Nmero de hijos
0
1
2
3
4
Calcular la moda

nmero de clientes
5
10
15
8
2

Solucin.
La moda es

M o=2 , ya que es el nmero de hijos que se repite con mayor

frecuencia, en este caso se presenta en 15 clientes.

Moda en datos agrupados (Variable cuantitativa continua)

Para determinar el lugar de la moda en datos agrupados (Variable cuantitativa
continua), basta con observar la mayor frecuencia absoluta. El intervalo
correspondiente se llama clase modal.
La moda se calcula de la siguiente manera:

Mo

Linf .

Linf .

1
c
1 + 2

: Lmite inferior de la clase modal (intervalo donde se encuentra la

moda).

: Diferencia entre la frecuencia absoluta de la clase modal y la

frecuencia absoluta anterior.

: Diferencia entre la frecuencia absoluta de la clase modal y la

frecuencia absoluta siguiente.

: Amplitud de la clase modal. (Diferencia entre el lmite superior y

lmite inferior de la clase modal)

Ejemplo.
Una empresa de turismo tiene en su nmina 60 empleados, clasificados por
edad, como lo indica la siguiente tabla.
Edad

Linf .

# de empleados

L.

fi

20
25
25
30
30
35
35
40
40
45
Calcular y analizar la moda.

5
12
18
15
10

Solucin:
La mayor frecuencia es 18 y corresponde al tercer rengln. Este intervalo
recibe el nombre de clase modal, en el cual se tiene que:

Linf .

30
18 12 = 6
18 15 = 3

35-30 = 5

Remplazando en la frmula de la moda tenemos:

Mo

30

( 69 )5

Linf .

1
c
1 + 2

30

( 6+36 )5

33,3 aos.

Lo cual indica que la edad que ms se repite entre los empleados de la

empresa de turismo es de 33,3 aos.

Nota: Se debe aclarar que en la construccin de datos agrupados con

intervalos se pierde informacin, esto implica que si tuviramos la lista de
datos posiblemente la edad que ms se repite podra ser otro valor, puesto que
si los 18 empleados de la clase modal todos tienen edades diferentes y los 5

empleados del primer intervalo tiene la misma edad, entonces la moda

cambiara.

LAS MEDIDAS DE POSICION

Ya hemos realizado una exploracin de los datos, analizando los valores
centrales, ahora nos interesa analizar los datos en cualquier posicin de una
serie ordenada, para ello estudiaremos las medidas de posicin.
Entre las medidas de posicin tenemos: Los cuartiles, los deciles y los
percentiles.

Cuartiles

Qk

Son tres valores (

k : 1, 2, 3) que dividen al rango o recorrido en cuatro

partes iguales, cada una de ellas equivalente al 25%.

El lugar de cada cuartil se calcula con la siguiente frmula.

LQ

k( n+ 1 )
4

El cuartil se calcula as:

Qk

Linf .

( nk4 F ) c
a

fo

donde,

Linf .

: Lmite inferior de la clase cuartil

encuentra el cuartil

k ).

(Intervalo donde se

Fa

: Frecuencia absoluta acumulada anterior a la clase cuartil

fo

: Frecuencia absoluta de la clase cuartil

: Amplitud de la clase cuartil

(Diferencia entre el lmite

superior y lmite inferior de cada intervalo)

Como las frmulas son muy similares a las de la mediana se procede y analiza
de manera equivalente.

Deciles

Dk )

Son nueve valores (

k : 1, 2, 3, 4, 5, 6, 7, 8, 9.) que dividen al rango o

recorrido en diez partes iguales, cada una de ellas equivalente al 10%.

El lugar de cada decil se calcula con la siguiente frmula.

LD

El decil

Dk

k( n+ 1 )
10

se calcula asi:

Linf .

F )
( nk
10
c
a

fo

Linf .
el decil

: Lmite inferior de la clase decil

(Intervalo donde se encuentra

k ).

Fa

: Frecuencia absoluta acumulada anterior a la clase decil

fo

: Frecuencia absoluta de la clase decil

: Amplitud de la clase decil

(Diferencia entre el lmite

superior y lmite inferior de cada intervalo)

Como las frmulas son muy similares a la mediana y los curtiles, se procede y
analiza de manera equivalente.
Percentiles

k : 1, 2, 3, , 99) que dividen al rango o

Son noventa y nueve valores (

recorrido en cien partes iguales, cada una de ellas equivalente al 1%.

El lugar de cada percentil se calcula con la siguiente frmula:

LP

k( n+ 1 )
100

El percentil

Pk

se calcula as:

Linf .

F )
( nk
100
c
a

fo

donde,

Linf .

: Lmite inferior de la clase percentil

encuentra el percentil

(Intervalo donde se

k ).

Fa

: Frecuencia absoluta acumulada anterior a la clase percentil

fo

: Frecuencia absoluta de la clase percentil

: Amplitud de la clase percentil

superior y lmite inferior de cada intervalo)

(Diferencia entre el lmite

Como las frmulas son muy similares a la mediana, los cuartiles y los deciles,
se procede y analiza de manera equivalente.
Ejemplo:
Se realiz un estudio en el cual se preguntaba de las utilidades mensuales que
tenan 45 empresas catalogadas como las ms grandes del pas. Por convenio
con las empresas no se debe publicar sus nombres ni mucho menos
directamente el valor informado, por lo tanto se construy una distribucin de
frecuencias con intervalos. Los resultados se muestran en la siguiente tabla.
Utilidad mensual
(millones de pesos)

# de empresas

Linf .

L.

fi

Fi

2
5
8
11
14

5
8
11
14
17

4
10
15
13
3
45

4
14
29
42
45

TOTAL

Q3 , D 4 , P29

Calcular y analizar

Solucin.
Clculo del cuartil 3. (Equivalente al 75% de los datos).
Lugar del cuartil

LQ

indica que el

k( n+ 1 )
4

Q3

3( 45+1 )
4

138
4

34,5. Esto

se encuentra entre el dato de lugar 34 y el dato de lugar

35. Adems, la frecuencia absoluta acumulada inmediatamente mayor a 34,5

es 42, correspondiente al cuarto intervalo.

Utilidad mensual
(millones de pesos)

# de empresas

Linf .

L.

fi

Fi

2
5
8
11
14

5
8
11
14
17

4
10
15
13
3
45

4
14
29
42
45

TOTAL

Por lo tanto

Linf .

11

Fa

29

fo

13
14 11

Remplazando en la frmula tenemos,

Q3

Linf .

( nk4 F ) c
a

fo

11

29)
( 453
4
13

*3

12,096154

Esto significa que el 75% de las empresas ms grandes del pas, tienen
utilidades mensuales inferiores a 12096.154 pesos y el 25% de las empresas
ms grandes del pas tienen utilidades mensuales superiores a 12096.154.

Clculo del decil 4. (Equivalente al 40% de los datos).

Lugar del decil

LD

k( n+ 1 )
10

D4

indica que el

4( 45+ 1 )
10

184
10

18,4. Esto

se encuentra entre el dato de lugar 18 y el dato de lugar

19. Adems, la frecuencia absoluta acumulada inmediatamente mayor a 18,4

es 29, correspondiente al tercer intervalo.
Utilidad mensual
(millones de pesos)

# de empresas

Linf .

L.

fi

Fi

2
5
8
11
14

5
8
11
14
17

4
10
15
13
3
45

4
14
29
42
45

TOTAL
Por lo tanto

Linf .

Fa

14

fo

15

11 8

Remplazando en la frmula tenemos,

D4

Linf .

F )
( nk
10
c
a

fo

14 )
( 454
10
15

*3

8,8

Esto significa que el 40% de las empresas ms grandes del pas, tienen
utilidades mensuales inferiores a 8800.000 pesos y el 60% de las empresas
tienen utilidades mensuales superiores a 8800.000.

Clculo del percentil 29. (Equivalente al 29% de los datos).

Lugar del percentil 29

LP

29

k( n+ 1 )
100

Esto indica que el

29( 45+ 1 )
100

P29

1334
100

13,34.

se encuentra entre el dato de lugar 13 y el dato de

lugar 14. Adems, la frecuencia absoluta acumulada inmediatamente mayor a

13,34 es 14, correspondiente al segundo intervalo.

Utilidad mensual
(millones de pesos)

# de empresas

Linf .

L.

fi

Fi

2
5
8
11
14

5
8
11
14
17

4
10
15
13
3
45

4
14
29
42
45

TOTAL

Por lo tanto

Linf .

Fa

fo

10

85

Remplazando en la frmula tenemos,

P29

7,715

Linf .

F )
( nk
100
c
a

fo

4 )
( 4529
100
10

*3

Esto significa que el 29% de las empresas ms grandes del pas, tienen
utilidades mensuales inferiores a 7715.000 pesos y el 71% de las empresas
tienen utilidades superiores a 7715.000.

RANGO PERCENTIL ( k )
En el ejemplo anterior nos podramos preguntar Qu porcentaje de las
empresas tienen utilidades inferior a 10500.000 pesos mensuales?.
Estas preguntas se resuelven calculando el rango percentil
siguiente frmula, que se obtiene al despejar

k , mediante la

de la frmula de los

percentiles.

[(

Pk

Pk Linf .
f o + Fa 100
c
n

: Percentil

k , este valor se ubica en los intervalos y me determina

la clase rango percentil

Linf .

: Lmite inferior de la clase rango percentil.

Fa
fo
c

: Frecuencia absoluta acumulada anterior a la clase rango percentil.

: Frecuencia absoluta de la clase rango percentil.
: Amplitud de la clase rango percentil. (Diferencia entre el lmite

superior y lmite inferior de la clase rango percentil)

Ejemplo:
Resolvamos la pregunta: Qu porcentaje de las empresas ms grandes del
pas tienen utilidades inferior a 10500.000 pesos mensuales?.
Solucin.
Segn la informacin del problema los 10500.000 pesos, equivalentes a 10,5
millones de pesos, corresponde a

Pk

10,5; el cual se encuentra en el

tercer rengln de la tabla.

Utilidad mensual
(millones de pesos)

# de empresas

Linf .

L.

fi

Fi

2
5
8
11
14

5
8
11
14
17

4
10
15
13
3
45

4
14
29
42
45

TOTAL
De donde se tiene que:

Pk

10,5

Linf .

Fa

14

fo

15

11 8 = 3

Remplazando en la frmula del rango percentil se tiene

15+ 14 100
([ P Lc )f + F ]100 = [( 10,58
]
3 )
k

inf .

45

([ 2,53 )15+14]100
45

[ 26,5 ]100
45

58,9%

Es decir, que el 58,9% de las empresas ms grandes del pas tienen unas
utilidades inferiores a 10500.000 pesos mensuales y el 41,1% de las empresas
tienen utilidades superiores a 10500.000 pesos mensuales.

CUARTA UNIDAD
LAS MEDIDAS DE DISPERSION, VARIACION o
DESVIACION
Las medidas de tendencia central, NO indican que caracterstica tienen los
datos en cuanto a si son parecidos, (homogneos o tienen poca variabilidad) o
si son muy distintos (heterogneos o tienen variabilidad considerable). Las
medidas de dispersin son las que me indican que tanta variabilidad tienen los
datos.
Las medias de dispersin, variacin o desviacin que estudiaremos sern: El
rango o recorrido, la desviacin media, la varianza, la desviacin estndar y el
coeficiente de variacin.
El rango o recorrido
Es la diferencia entre el valor mximo de los datos y el valor mnimo.

Rango

V mximo

V mnimo

V mx.

V mn.

Si el rango es muy grande y tenemos muy pocos datos, se puede decir, que los
datos tienen mucha variabilidad. Pero si el rango es pequeo y tenemos
muchos datos, estos tienen poca variabilidad o son homogneos.
Aunque esta medida es muy fcil de calcular su interpretacin es muy
subjetiva, adems, nicamente utiliza los valores extremos y no considera los
otros datos.

Desviaciones con respecto a la media.

Estas no son medidas de dispersin, pero se las utiliza para las calcular la
desviacin media y la varianza las cuales las estudiaremos a continuacin.
Las desviaciones respecto a la media es la diferencia entre cada dato y la
media aritmtica de los datos, se pueden simbolizar como:

( x ix )

, indican

que tan distante se encuentra cada dato con respecto a la media aritmtica. Si
la diferencia es negativa el dato se encuentra a la izquierda de la media y si es

positiva el dato se encuentra a la derecha de la media, si es cero el dato es

igual a la media.
Una propiedad de las desviaciones respecto a la media es que la suma de
todas ellas es igual a cero, es decir,

( x ix )

0,

para datos NO

agrupados

[ ( x i x )f i ]

0,

para datos agrupados

Ejemplo:
Calcular las desviaciones respecto a la media de los siguientes datos: 6, 4, 3, 7,
2.
Solucin:
La media aritmtica de los cinco datos es,

xi
n

x 1 + x 2+ x 3 ++ x n
n

6 +4 +3+7+2
5

22
5

4,4

En la siguiente tabla se calculan las desviaciones respecto a la media y se

comprueba la propiedad.

xi
6
4
3
7
2
TOTAL

x ix
6
4
3
7
2

4,4
4,4
4,4
4,4
4,4

=
=
=
=
=

+1,6
- 0,4
- 1,4
+2,6
- 2,4

( x ix )

Desviacin media
La desviacin media es el promedio de los valores absolutos de las
desviaciones respecto a la media aritmtica. Dicho de otra manera, es el
cociente entre la suma de los valores absolutos de las desviaciones respecto a
la media y el nmero de datos. Las frmulas correspondientes son:

DM

|xi x|

|x 1x|+|x 2x|+|x 3x|+ +|x nx|

para datos NO agrupados.

DM

[|x ix|f i ]

|x 1x|f 1 +|x 2x|f 2 +|x 3x|f 3+ +|x mx|f m

para datos agrupados.

Ejemplo:
Calcular la desviacin media de los siguientes datos: 6, 4, 3, 7, 2.
Solucin:
La media aritmtica de los cinco datos es,

xi

x 1 + x 2+ x 3 ++ x n
n

6 +4 +3+7+2
5

22
5

4,4

En la siguiente tabla se calculan las desviaciones respecto a la media, sus

valores absolutos y los totales.

xi
6
4
3
7
2

x ix
6
4
3
7
2

TOTAL

4,4
4,4
4,4
4,4
4,4

|x ix|
=
=
=
=
=

+1,6
- 0,4
- 1,4
+2,6
- 2,4

( x ix )

De la tabla se obtiene que:

DM

1,6
0,4
1,4
2,6
2,4

|x ix|

|xi x|
n

8,4
5

= 8,4

1,68.

Otra manera de calcularla es

DM

|xi x|

|x 1x|+|x 2x|+|x 3x|+ +|x nx|

|64,4|+|44,4|+|34,4|+|74,4|+|24,4|
5
1,6+ 0,4+1,4 +2,6+2,4
5

8,4
5

1,68.

Este valor indica que la distancia promedio a cada uno de los datos con
respecto a la media aritmtica es de 1,68 unidades. Es decir, que en promedio,
los datos se separan de la media en 1,68 unidades. Adems, podramos
asegurar que en distribuciones normales (estas distribuciones se estudiarn en
las unidades de probabilidad), que la mayora de los datos se encuentran entre

xD M ; x + D M

VARIANZA
Se podra definir la varianza como un promedio de los cuadrados de las
desviaciones respecto a la media, o como el cociente entre la suma de los
cuadrados de las desviaciones respecto a la media y el nmero de datos. Las
unidades de la variable de estudio quedan elevadas al cuadrado y carecen de
significado real, por tanto, la varianza no tiene interpretacin. La varianza es el
medio para calcular la desviacin estndar.
Las frmulas respectivas para el clculo de la varianza son:
Varianza corregida

( xi x )2
n1

para datos NO agrupados.

2
2
2
2
( x1x ) + ( x 2x ) + ( x 3x ) ++ ( x mx )

n1

[ ( x ix )2f i ]

n1

( x1x ) f 1 + ( x 2x ) f 2 + ( x 3x ) f 3 + + ( x mx ) f m
n1

para datos agrupados.

La varianza corregida es la ms utilizada para calcular la varianza de una

n1 , porque se est estimando un parmetro que

muestra. Se divide entre

es la media poblacional.
Varianza SIN corregir

s^

( xi x )2

2
2
2
2
( x1x ) + ( x 2x ) + ( x 3x ) ++ ( x mx )

para datos NO agrupados

s^ 2

[ ( x ix )2f i ]

( x1x ) f 1 + ( x 2x ) f 2 + ( x 3x ) f 3 + + ( x mx ) f m
n

para datos agrupados

DESVIACION ESTANDAR o TPICA

La desviacin estndar o desviacin tpica es la raz cuadrada positiva de la
varianza. Las unidades de la desviacin estndar son las mismas de la variable
de estudio, y por este hecho tiene interpretacin. Nos indica cunto pueden
alejarse los datos respecto a la media aritmtica, dicho de otra manera, la
desviacin estndar es una medida del grado de dispersin de los datos con
respecto al valor promedio. Esta medida es ms estable que el rango o
recorrido y toma en consideracin el valor de cada dato.

Desviacin estndar corregida

para datos NO agrupados

varianza corregida

( x ix )2
n1

s2

varianza corregida

[ ( xi x )2f i ]
n1

para datos agrupados

Desviacin estndar SIN corregir

s^

s^ 2

varianza sin corregir

varianza sin corregir

( x ix )2
n

para datos NO agrupados.

s^

s^ 2

[ ( xi x )2f i ]
n

, para datos agrupados.

COEFICIENTE DE VARIACION
El coeficiente de variacin es una medida de dispersin y se define como el
cociente entre la desviacin estndar y la media aritmtica. Este carece de
unidades y por tanto se puede expresar en porcentaje. Su frmula de clculo
es:

CV

El

CV

s
x

s
100
x

indica que tan dispersos se encuentran los datos con respecto a la

media aritmtica. Este es ms preciso que la desviacin estndar.

El Coeficiente de variacin mide la dispersin en trminos de porcentaje,
seala qu tan grande es la magnitud de la desviacin estndar respecto al
promedio del conjunto de datos que se examina.

Si el

CV

es menor o igual al 20% se dice que el promedio es representativo,

o que los datos son homogneos

Si el

CV

es mayor al 20%, el promedio NO es representativo, o que los datos

NO son homogneos
Otra interpretacin muy similar a la anterior se muestra en la siguiente tabla

CV

Interpretacin

Menos del 11%

11% al 16%
16% al 26%
Ms del 26%

Muy homogneos
Homogneos
Heterogneos
Muy heterogneos

Ejemplo.
De los siguientes datos calcular la media, la desviacin media, la varianza, la
desviacin estndar y el coeficiente de variacin.
168, 170, 196, 180, 173.
Solucin.
Calculemos la media aritmtica

887
5

xi
n

x 1 + x 2+ x 3 ++ x n
n

177,4

Calculemos la desviacin media

168+170+ 196+180+173
5

DM

|xi x|

|x 1x|+|x 2x|+|x 3x|+ +|x nx|

|168177,4|+|170177,4|+|196177,4|+|180177,4|+|173177,4|
5

9,4+7,4+ 18,6+2,6+ 4,4

5

42,4
5

= 8,48

Este valor indica que la distancia promedio a cada uno de los datos con
respecto a la media aritmtica es de 8,48. Es decir, que en promedio, los datos
se separan de la media en 8,48 unidades.

Calculemos la Varianza (corregida)

( xi x )2

n1

2
2
2
2
( x1x ) + ( x 2x ) + ( x 3x ) ++ ( x mx )

( 168177,4 )2 + ( 170177,4 )2 + ( 196177,4 )2 + ( 180177,4 )2+ (173177,4 )2

51
88,36+54,76+345,96+6,76+ 19,36
4

n1

515,2
= 128,8
4

Este valor no tiene anlisis, es el proceso para calcular la desviacin estndar.

Calculemos la desviacin estndar (corregida)

128,8

varianza corregida

( x ix )2
n1

11,35

Nos indica que los datos pueden alejarse de la media aritmtica 11,35
unidades o que los datos se encuentran desviados con respecto del promedio
en 11,35 unidades.

Calculemos el coeficiente de variacin.

CV

s
x

s
100
x

11,35
177,4

0,063979..

6,4%

Este valor es menor que el 20%, concluimos que los datos son homogneos.
Segn la tabla de anlisis del

CV , el 6,4% es menor de 11% y se concluye

que los datos son muy homogneos.

Ejemplo.
Un campesino del municipio del Encano, Nario (Lugar donde se encuentra uno
de los sitios ms tursticos de Nario, La Laguna de la Cocha o Lago Guamuez),
tiene en uno de sus criaderos truchas arco iris, a las cuales las alimenta con un
producto extrado de vsceras de las mismas truchas sacrificadas, dicho
alimento es rico en protenas.
Para el control de peso y tamao ha instalado una tecnologa nica en el
Departamento de Nario, en el cual con un software especial obtiene
automticamente el peso y tamao de cada una de ellas. El anterior fin de
semana, tomo mediciones sobre el peso (en gramos) de las truchas de este
criadero y obtuvo los siguientes resultados.
Peso(gr.)

Linf .

# truchas

L.
175
185
195
205
215
225
235

fi
185
195
205
215
225
235
240

TOTAL

9
30
57
103
26
15
10
250

Calcular y analizar el peso promedio de las truchas, la varianza, la desviacin

estndar y el coeficiente de variacin.
Solucin:
Para empezar hacer los clculos necesitamos determinar las marcas de clase (

x i ) . Luego realizando las operaciones indicadas y las sumatorias que

aparecen en las frmulas obtenemos la siguiente tabla.

Peso(gr.)

Linf .

L.

#
truchas

fi
175
185
195
205
215
225

185
195
205
215
225
235

235
245
TOTAL

9
30
57
103
26
15
10

xi

x if i

x ix

180
190
200
210
220
230

1.620
5.700
11.400
21.630
5.720
3.450

-27,68
-17,68
-7,68
2,32
12,32
22,32

240

2.400
51.920

32,32

250

( x 2x )

766,1824
312,5824
58,9824
5,3824
151,7824
498,1824
1.044,582
4

( x 2x ) f i
6.895,6416
9.377,472
3.361,9968
554,3872
3.946,3424
7.472,736
10.445,824
42.054,4

Nota: Esta tabla se construye fcilmente en la hoja electrnica, usando las

operaciones como frmulas de Excel.

Calculemos la media aritmtica

x if i

51.920
250

207,68

Esto significa que el peso promedio de las 250 truchas que hay en el criadero
es de 207,68 gramos.

Calculemos la Varianza (corregida)

( xi x )2f i
n1

42.054,4
2501

168,89

Este valor no tiene anlisis porque las unidades de este valor son gramos al
cuadrado.

Calculemos la desviacin estndar (corregida)

168,89

varianza corregida

12,9957

( x ix )2f i
n1

13

Nos indica que los pesos de las truchas pueden alejarse del peso promedio 13
gramos, o que los pesos de las truchas se encuentran desviados con respecto
del peso promedio en 13 gramos.
Nota: Si el peso de las truchas se distribuyen normalmente (consultar
distribucin normal) se puede afirmar que aproximadamente un 68,26% de las
truchas tiene pesos entre 207,68 13 y 207.68 + 13, es decir, hay un gran
porcentaje de truchas cuyos pesos se encuentran entre 194,68 gramos y
220,68 gramos.

Calculemos el coeficiente de variacin.

CV

s
x

s
100
x

13
207,68

0,0626

6,26%

Este valor es menor que el 20%, concluimos que los pesos de las truchas arco
iris del criadero son homogneos, es decir, los pesos de las 250 truchas del
criadero tienen poca variabilidad. Segn la tabla de anlisis del

CV , el

6,26% es menor de 11% y se concluye que los pesos de las truchas son muy
homogneos.

COEFICIENTE DE SIMETRIA Y CURTOSIS (opcional)

COEFICIENTE DE SIMETRIA (

a3 ).

Es el cociente entre el tercer momento central (

m3 ) y el cubo de la

desviacin estndar.

a3 =

m3
s3

El tercer momento central se define y calcula, as:

( x ix )
m=
3

La interpretacin del coeficiente de simetra se hace de la siguiente manera:

Si

a3 =0 , la distribucin es simtrica. Otra manera de llegar a la misma

conclusin es observando que la media aritmtica, la mediana y la moda

coincidan, (

Si

x =M e =M 0 ). Grficamente se tendra:

a3 <0 , la distribucin es asimtrica a la izquierda o de sesgo negativo. Otra

manera de llegar a la misma conclusin es observando que la media aritmtica

es menor que la mediana y menor la moda, (

x < M e < M 0 ). Grficamente se

tendra:

Si

a3 >0 , la distribucin es asimtrica a la derecha o de sesgo positivo. Otra

manera de llegar a la misma conclusin es observando que la moda es menor

que la mediana y menor media aritmtica, (
tendra:

M 0< M e < x ). Grficamente se

COEFICIENTE DE CURTOSIS O APUNTAMIENTO (

Es el cociente entre el cuarto momento central (

a 4 ).
m4 ) y la desviacin estndar

elevada a la cuatro.

a 4=

m4
s4

El cuarto momento central se define y calcula, as:

( x i x )
m=
4

La interpretacin del coeficiente de curtosis o apuntamiento se hace de la

siguiente manera:
Si

a 4=0 , la distribucin es normal o mesocrtica.

Si

a 4 <0 , la distribucin es achatada o platicrtica.

Si

a 4 >0 , la distribucin es apuntada o leptocrtica.

QUINTA UNIDAD
GRAFICOS ESTADISTICOS

Una manera de representar la informacin es mediante los grficos

estadsticos. Estos ayudan de manera rpida a revisar la descripcin de los
datos.
Los grficos ms comunes son:
El grfico o diagrama de barras (horizontales, verticales o en componentes)
El grfico o diagrama de lneas o trazos.
El grfico o diagrama de sectores, circular, de torta o de pastel.
Los Pictogramas.
El diagrama de Cajas y Bigotes.
El Histograma.
El polgono de frecuencias
Las ojivas o polgono de frecuencias acumuladas.

Hay otros grficos que se utilizan segn la disciplina, tales como los
cartogramas que se utilizan en las ciencias sociales, la curva de Lorenz que
explica el Coeficiente de Gini, el cual lo utilizan los economistas. EXCEL,
STATGRAPHICS y SPSS, en la galera de grficos presenta una gran variedad
de grficos e incluso en 3D. Otros paquetes estadsticos presentan grficos
especiales como las caras de Chernoff y estrellas utilizados para anlisis de
datos multivariados.
Cada tipo de grfico est destinado para una labor especfica. Con la prctica
y de acuerdo a tus necesidades determinars cual utilizar segn tus datos.

El grfico o diagrama de barras (horizontales, verticales o en componentes)

Es un grfico que utiliza rectngulos horizontales o verticales llamados barras.
El ancho de cada barra es arbitrario, pero se debe tener en cuenta que ninguna
de ellas se debe cruzarse o solaparse con otra. El alto de cada barra depende
de las frecuencias de los datos. Generalmente los valores de las variables se
ubican en el eje X, y las frecuencias en el eje Y (grfico vertical). Cuando se
van a analizar dos o ms variables el grfico recibe el nombre de grfico de
barras en componentes, tambin se pueden comparar la misma variable en
dos periodos distintos con este tipo de grficas.

Ejemplo:
Se registr en el primer semestre del ao 2011, la cantidad de USB que se
vendieron en un local donde se comercializa accesorios para PC, estos registros
se realizaron en cada uno de los meses. La informacin se observa en la
siguiente tabla.

Mes
enero
febrero
marzo
abril
mayo
junio

Cantidad de USB vendidas(miles)

25
12
38
94
12
28

Construir un diagrama de barras.

Solucin.

El grfico de barras verticales es el siguiente. (Si queremos las barras

horizontales, ubicamos los meses en el eje Y, y la cantidad de USB vendidas en
el eje X).

Cantidad de USB vendidas

94

100
80
60
40
20
0

25

38
12

12

28

Ejemplo:
Se registr en el primer semestre de los aos 2011 y 2012, la cantidad de USB
que se vendieron en el mismo local del ejemplo anterior, estos registros se
realizaron en cada uno de los meses. La informacin se presenta en la
siguiente tabla.

Mes
enero
febrero
marzo
abril
mayo
junio

Cantidad de USB vendidas

2011
25
12
38
94
12
28

Cantidad de USB vendidas

2012
75
64
50
84
20
52

Construir un diagrama de barras en componentes

Solucin.
El grfico de barras en componentes es el siguiente. Observa que si tenemos
dos variables en cada valor del eje X, se grafican dos barras. Si se tienen tres
componentes se debern graficar tres barras, etc.

100
90
80
70
60
50
40
30
20
10
0
enero febrero marzo abril mayo junio

El grfico o diagrama de lneas o trazos.

Es un grfico que para trazarlo se ubican puntos en el plano cartesiano y luego
se los une mediante segmentos de recta, llamados trazos.
Ejemplos. Veamos la informacin de los dos ejemplos anteriores en un
diagrama de lneas.

Cantidad de USB vendidas 2011

100
80
60
40
20
0
enero

100
90
80
70
60
50
40
30
20
10
0
enero

febrero

febrero

marzo

marzo

abril

abril

mayo

junio

mayo

junio

El grfico o diagrama de sectores, circular, de torta o de pastel.

Se utiliza cuando la unidad se puede subdividir. La informacin la podemos
representar en un crculo en el cual se muestra la proporcin o porcentaje
equivalente a cada parte.
Para determinar dicho porcentaje hacemos corresponder el total al 100% y
mediante regla de tres simple directa determinamos el porcentaje que equivale
cada parte.

Total

parte

100%

De forma similar haciendo corresponde el total a 360 del crculo y aplicando

regla de tres simple directa determinamos cuntos grados le corresponde a
cada parte.

Total

360

parte

Ejemplo.
La facultad de Economa de una universidad est compuesta por: estudiantes,
docente, administrativos y servicios generales. Si las cantidades de personas
en cada estamento son las que aparecen en la siguiente tabla, representemos
esta informacin mediante un diagrama circular.
Estamentos

Cantidad
800
100
340
80
1320

Estudiantes
Administrativos
Docente
Servicios Generales
TOTAL
Solucin.

Calculando los porcentajes y los grados para cada estamento, y poder trazar el
grfico sin usar herramientas informticas tenemos los siguientes resultados.

Estamentos
Estudiantes
Administrativos
Docente
Servicios
Generales
TOTAL

Cantidad
800
100
340
80
1320

Porcent
ajes
60,6%
7,6%
25,8%

Grados
218
27
93

6,1%
100%

22
360

Grados
Acumula
dos
218
245
338
360

El diagrama circular es el siguiente, presentado en tres dimensiones

Personal Fac. Economa

Estudiantes

Administrativos
6%

Docente

26%
8%
Servicios Generales

61%

Los Pictogramas.
Es una manera de representar la informacin, mediante objetos o figuras. A
cada figura completa se le asigna un valor al inicio del grfico. Esta debe
explicarse por s sola.
El siguiente grfico es un pictograma que representa la cantidad de turistas
que visitaron la Laguna de la Cocha (Lago Gaumez, Nario) los primeros cuatro
meses del ao.
= 5.000 turistas
Enero:

......15.000 turistas

Febrero:
..10.000 turistas
Marzo:

..25.000 turistas

Abril:
..5.000 turistas
Si se necesitar graficar 13.000 turistas en el mes de febrero se graficara 2
figuras de un turista completas y una parte de otra.

El diagrama de Cajas y Bigotes.

Este grfico se utiliza para analizar variabilidad de los datos y simetra, adems
me determina datos atpicos outlier.
NOTA. Para comprender los trminos usados en este grfico, remitirse a la
sesin de medidas de posicin.
En una serie ordenada de datos o en datos agrupados podemos calcular los
tres cuartiles los cuales dividen al rango en cuatro partes iguales. Se aclara que
el segundo cuartil es igual a la mediana. Calculados estos valores construimos
una caja entre el cuartil 1 (

Q1 ) y el cuartil 3 ( Q3 ), con un ancho

arbitrario, en medio de la caja se ubica el segundo cuartil (

Luego se encuentran dos valores

B1

Q11,5( Q3Q1 )

B2

Q3 +1,5( Q 3Q1 )

B1 y

B2

Q 2 ) o mediana.

de la siguiente forma:

En el medio del ancho de la caja se traza una segmento de recta hasta llegar a

B1

y otro segmento de recta al otro lado de la caja hasta llegar a

B2 .

Estos segmentos de recta reciben el nombre de bigotes.

Ejemplo.
Construir un diagrama de cajas y bigote para representar los siguientes datos:
45, 46, 52, 54, 55, 57, 59, 60, 61, 62, 62, 64, 66, 66, 68, 69, 70, 70, 72, 73, 73,
74, 75, 75, 76, 76, 77.
Solucin:
El lugar de un cuartil viene dado por:

LQ

k( n+ 1 )
, el cual representa la posicin del cuartil
4

Entonces tenemos

LQ
1,

LQ

Q1=

cuartil 1,

LQ

k( n+ 1 )
4

cuartil 1,

1( 27+1 )
4

7, el sptimo dato es el cuartil

59

k( n+ 1 )
4
Q1=

2( 27+1 )
4

14, el dato de lugar 14 es el

3( 27+1 )
4

21, el dato de lugar 21 es el

66

k( n+ 1 )
4

Q1=

73

Nota: Si los lugares de los cuartiles no son exactos, se promedian los dos
valores o ms correctamente se interpolan para encontrar el valor del cuartil.
Por ejemplo si el lugar del cuartil 1 fuera 7,25 indicara que este cuartil se
encuentra entre el dato de lugar siete y el dato de lugar 8, lo cual indica que el
cuartil 1, se calculara promediando as: (59+60)/2 = 59,5. Pero si
interpolamos se calculara as: 59+0,25*(60-59) = 59,25. Podemos observar
que el ltimo resultado es el ms correcto.
Ahora calculemos los bigotes,

B1

Q11,5( Q3Q1 )

B2

Q3 +1,5( Q 3Q1 )=

73 + 1,5*(73-59) = 94

59 1,5*(73 59) = 38

Como los bigotes sobrepasan al valor mnimo (45) y al valor mximo (77) de
los datos, los bigotes toman estos valores: 45 y 77. Esto significa que no
existen valores atpicos.
El grfico aproximado es el siguiente

45, 46, 52, 54, 55, 57, 59, 60, 61, 62, 62, 64, 66, 66, 68, 69, 70, 70, 72, 73, 73,
74, 75, 75, 76, 76, 77
Observe que los datos no se encuentran a una distancia real, por tanto la
grfica se distorsiona.

Los grficos a escala se observan as:

Grfico de Caja y Bigotes

Grfico de Caja y Bigotes

Intervalos de confianza del 95% para la mediana: [61,1104, 70,8896]

45

55

65

75

85

45

peso_kg

55

65

75

85

peso_kg

El Histograma.
Es un diagrama de barra. Se lo utiliza para representar la informacin de una
distribucin de frecuencias con intervalos, clases o categoras.
Para graficarlo se ubican en el eje X, los intervalos, los cuales corresponden al
ancho de cada barra, en el eje Y, ubicamos las frecuencias absolutas o las
frecuencias relativas.
El polgono de frecuencias (absolutas o relativas).
Es un diagrama de lneas. Se lo utiliza para representar la informacin de una
distribucin de frecuencias con intervalos, clases o categoras.
Para graficarlo se ubican en el eje X las marcas de clase, en el eje Y ubicamos
las frecuencias absolutas o las frecuencias relativas, luego unimos los puntos
con segmentos de recta.
Para el ejemplo de los dos grficos anteriores revisemos la siguiente
informacin, y observemos el grfico, en los cuales se han ubicado las
frecuencias relativas en el eje Y. (Si se trabaja con las frecuencias absolutas se
obtiene un grfico equivalente).

Peso(kg.)

Linf .
45
53,2
61,4
69,6
77,8
86
94,2

L.

# empleados

fi
53,2
61,4
69,6
77,8
86
94,2
102,4

hi
3
6
7
11
4
7
2

8%
15%
18%
28%
10%
18%
5%

TOTAL

40

100%

His t ogram a
P o gono de F rec uenc ias para P E S O

30
30
25

20
p o rce n t a je

p o rce n t a je

25

15
10
5

20
15
10
5

45

55

65

75

85

95

105

45

peso

55

65

75

85

95

105

pes o

Las ojivas o polgono de frecuencias acumuladas (absolutas o relativas).

Es un diagrama de lneas o trazos. Se lo utiliza para representar la informacin

de una distribucin de frecuencias con intervalos, clases o categoras
utilizando las frecuencias absolutas acumuladas o las frecuencias relativas
acumuladas.
Para graficarlo se marcan puntos en el plano cartesiano, ubicando en el eje X,
los lmites superiores de cada intervalo (
frecuencias absolutas acumuladas (
acumuladas (

L.

), en el eje Y, ubicamos las

Fi ), o las frecuencias relativas

H i ) , luego unimos los puntos con segmentos de recta.

Tracemos la ojiva o polgono de frecuencias absolutas acumuladas (

para la siguiente distribucin de frecuencias.

Linf .

L.

45
53,2
61,4
69,6
77,8
86
94,2

53,2.
61,4.
69,6.
77,8.
86.
94,2.
102,4.

fi

Fi
3
6
7
11
4
7
2

3
9
16
27
31
38
40

Fi ),

Ojiva
50

40

40
30

86.

94,2. 102,4.

27

20
10

31

38

9
0
45

16

3
53,2. 61,4. 69,6. 77,8.

SEXTA UNIDAD
PROBABILIDAD

La probabilidad comienza cuando los matemticos Fermat y Pascal, analizan los

juegos de azar en sentido matemtico. Por tal razn muchos de los ejemplos

que presentar se referirn a dados, monedas, cartas y se alternar con

ejemplos de aplicacin a otras situaciones.

PRINCIPIO FUNDAMENTAL DEL CONTEO (p.f.c)

E1

Si un evento o suceso
evento o suceso
suceso

E3

E2

puede ocurrir de

puede ocurrir de

un evento o suceso

Ek

n1

puede ocurrir de

n3

n2

maneras diferentes, un

maneras diferentes, un evento o

maneras diferentes, y as sucesivamente,

puede ocurrir de

nk

maneras diferentes,

entonces, todos los eventos en conjunto pueden ocurrir de

n1 n2 n3 . . . nk maneras diferentes
Ejemplo
De cuntas maneras diferentes pueden caer tres monedas?.

Solucin
Definamos los eventos de la siguiente manera:

E1 : lanzar la primer moneda , este evento o suceso puede ocurrir de dos,

n1=2 , maneras diferentes: { cara , sello }
E2 :lanzar la segunda moneda , este evento o suceso puede ocurrir de dos,
n2=2 , maneras diferentes: { cara , sello }
E3 :lanzar la tercer moneda , este evento o suceso puede ocurrir de dos,
, maneras diferentes: { cara , sello }
Por lo tanto, por el (p.f.c), las tres monedas pueden caer de:
3

n1 n2 n3 =2 2 2=2 =8 maneras diferentes

n3=2

Nota: Si se lanzan 10 monedas, estas pueden caer de

210=1024

maneras

diferentes.

Ejemplo
De cuntas manera diferentes pueden caer dos dados?.

Solucin
Definamos los eventos de la siguiente manera:

E1 : lanzar el primer dado , este evento o suceso puede ocurrir de seis,

n1=6 ,

maneras diferentes: { 1,2, 3, 4, 5,6 }

E2 :lanzar el segundo dado , este evento o suceso puede ocurrir de seis,

n2=6 , maneras diferentes: { 1,2, 3, 4, 5,6 }
Por lo tanto, por el (p.f.c), los dos dados pueden caer de:

n1 n2=6 6=62=36 maneras diferentes

Para verificar este resultado, supongamos que en el primer dado se obtiene el

uno, entonces el otro dado puede caer de las seis formas diferentes, pero si el
primer dado se fija en dos, tres, cuatro cinco o seis, el otro dado puede cambiar
en las seis formas, obtenindose las 36 maneras diferentes. Vemoslo de la
siguiente manera:
Los posibles resultados de lanzar dos dados serian:

( 1,1 ) , ( 1,2 ) , (1,3 ) , ( 1,4 ) , ( 1,5 ) , (1,6 )

( 2,1 ) , ( 2,2 ) , ( 2,3 ) , ( 2,4 ) , ( 2,5 ) , ( 2,6 )

( 3,1 ) , ( 3,2 ) , ( 3,3 ) , ( 3,4 ) , ( 3,5 ) , ( 3,6 )

( 4,1 ) , ( 4,2 ) , ( 4,3 ) , ( 4,4 ) , ( 4,5 ) , ( 4,6 )

( 5,1 ) , ( 5,2 ) , (5,3 ) , ( 5,4 ) , ( 5,5 ) , (5,6 )

( 6,1 ) , ( 6,2 ) , ( 6,3 ) , ( 6,4 ) , ( 6,5 ) , ( 6,6 )

Ejemplo
De cuntas manera diferentes pueden caer un dado y una moneda?.

Solucin
Definamos los eventos de la siguiente manera:

E1 : lanzar el dado , este evento o suceso puede ocurrir de seis,

n1=6 ,

maneras diferentes: { 1,2, 3, 4, 5,6 }

E2 :lanzar la moneda , este evento o suceso puede ocurrir de dos,

n2=2 ,

maneras diferentes: { cara , sello }

Por lo tanto, por el (p.f.c), el dado y la moneda pueden caer de:

n1 n2=6 2=12 maneras diferentes

Ejemplo
Cuntas placas de automvil es posible formar en Colombia?. (Observacin:
Cada placa de automvil tiene tres letras y tres nmeros y admite repeticin de
letras y nmeros. Las letras ch, rr, ll, , no se consideran, es decir, solamente
se cuenta con 26 letra del alfabeto y los 10 dgitos del 0 al 9)

Solucin
Definamos los eventos de la siguiente manera:

E1 : llenar la primera casilla de la placa con una letra , este evento o suceso puede
ocurrir de 26,

n1=26

maneras diferentes.

E2 :llenar la segunda casilla de la placa con una letra , este evento o suceso puede
ocurrir de 26,

n2=26

maneras diferentes.

E3 :llenar la tercer casilla de la placa con una letra , este evento o suceso puede
ocurrir de 26,

n3=26

maneras diferentes.

E4 : llenar la cuarta casill a de la placa con un digito , este evento o suceso puede
ocurrir de 10,

n4 =10

maneras diferentes.

E5 :llenar la quinta casilla de la placa con un digito , este evento o suceso puede
ocurrir de 10,

n1=10

maneras diferentes.

E6 :llenar la sexta casilla de la placa con un digito , este evento o suceso puede
ocurrir de 10,

n1=10

maneras diferentes.

Por lo tanto, por el (p.f.c), el nmero total de placas que se pueden formar es
de:

n1 n2 n3 n4 n5 n6=26 26 26 10 10 10=17' .576.000 placas diferentes

Ejercicios
1.) Cuntos nmeros mayores que cien y menores que mil se pueden formar
con los dgitos: 3, 5, 6, 8
a.) Con repeticin de dgitos?
b.) Sin repeticin de dgitos?

2.) Repetir el numeral anterior con los dgitos 0, 3, 6, 8.

3.) Cuantos nmeros telefnicos se pueden formar con el indicativo 733,
723 y 730 en la actualidad en la ciudad de Pasto?.
4.) De cuntas maneras diferentes pueden salir las balotas del baloto. (el
baloto consta de 45 balotas numeradas del 01 hasta 45, todas del
mismo tamao y peso. Cuando juega el baloto salen aleatoriamente 6 de
ellas).
5.) Cuantos nmeros de lotera de cuatro dgitos y dos en la serie es posible
formar?.

TIPOS DE AGRUPACIONES (opcional)

Entre los tipos de agrupaciones tenemos:
Las Combinaciones

( nCr )

Las Variaciones o Permutaciones

( nPr )

Las variaciones con elementos idnticos.

(V n , , , )

( nCr )

LAS COMBINACIONES

Llamaremos COMBINACIONES a las diferentes agrupaciones que podemos

formar tomando

de los

elementos dados, de tal manera que cada

agrupacin sea diferente en por lo menos un elemento, SIN IMPORTAR EL

ORDEN DE UBICACIN.
El total de combinaciones que podemos formar con
de

elementos tomadolos

r , se simboliza y calcula as:

en

n!
nCr= n =
r r !( nr ) !

()

n !=n( n1 )( n2 )321 , se llama Nmero Factorial.

donde,

LAS VARIACIONES o PERMUTACIONES

( nPr )

Llamaremos VARIACIONES a las diferentes agrupaciones que podemos formar

tomando

de los

elementos dados, de tal manera que cada

agrupacin sea diferente en por lo menos un elemento, O EN EL ORDEN DE

UBICACIN (si importa el orden).
El total de variaciones que podemos formar con

en

nPr=

r , se simboliza y calcula as:

n!
( nr ) !

elementos tomadolos de

(V n , , , )

VARIACIONES CON ELEMENTOS IDNTICOS.

Si en una variacin, de los
que son idnticos,

elementos dados tenemos una cantidad:

que son idnticos,

son idnticos, etc., el nmero

de variaciones que podemos formar , se simbolizan y calculan as:

V n , , , =

n!
! ! !

Ejemplo 1.
De un grupo de 10 profesionales que conforman una cooperativa quieren
nombran la junta directiva compuesta por: Presidente, Tesorero y fiscal. De
cuntas maneras diferentes se puede nombrar la junta directiva?.
Solucin:
Supongamos que los nombres de los profesionales son:

P1 , P2 , P3 , P4 , P5 , P6 , P 7 , P8 , P 9 , P10 .
Una de las posibles juntas directiva podra estar formada por:

P4
P3
P9
Presidente Tesorero Fiscal

Pero si cambiamos de cargo a las personas de la siguiente manera:

P9
P4
P3
Presidente Tesorero Fiscal
obtenemos otra junta directiva, a pesar de ser las mismas personas, pero con
diferentes cargos, por lo tanto se trata de una VARIACION. (si importa el
orden).
Por lo tanto, si

n=10 y r =3

obtenemos:

nPr=10 P 3=

n!
10 !
10!
=
=
=1098=720
( nr ) ! ( 103 ) ! 7 !

que corresponde a la cantidad de juntas directivas diferentes que es posible

formar con los 10 profesionales.

Ejemplo 2.
Cuntos comits de investigacin podemos formar con 8 ingenieros y 7
economistas, si cada comit debe tener 5 profesionales?.

Solucin.
Como el problema no especfico la cantidad de cada tipo de profesionales que
debe contener cada comit, entonces de los 15 profesionales se deben
escoger 5 de ellos para conformar cada comit y NO importa el orden como se
los seleccione, por lo tanto es una combinacin, donde

n=15 y r =5 ,

entonces

n!
15 !
15 !
nCr=15 C 5= 15 =
=
=
=3003
5
r !( nr ) ! 5 !( 155 ) ! 5 !10 !

( )

es la cantidad de comits de investigacin que se pueden formar con los 15

profesionales.

Ejemplo 3.
Cuantos nmeros mayores que 100 y menores que mil se pueden formar con
los dgitos: 3, 5, 6, 8, si repeticin de dgitos en un mismo nmero?.
Solucin:
Los nmeros mayores de cien y menores de mil tienen tres dgitos. Si
formamos un nmero, por ejemplo el 356 y cambiamos el orden del tres y

cinco obtenemos el 536, muy diferente al anterior, es decir, importa el orden,

entonces es una variacin con

nPr=4 P3=

n=4 y r=3 , por lo tanto

n!
4!
4!
=
= =432=24
( nr ) ! ( 43 ) ! 1!

es la cantidad de nmeros que podemos formar.

Para verificar este resultado hagamos un listado de ellos:

No
#

1
35
6

2
35
8

3
36
5

4
36
8

5
38
5

6
38
6

7
53
6

8
53
8

9
56
3

10
56
8

11
58
3

12
58
6

No
#

13
63
5

14
63
8

15
65
3

16
65
8

17
68
3

18
68
5

19
83
5

20
83
6

21
85
3

22
85
6

23
86
3

24
86
5

DEFINICIONES DE PROBABILIDAD
Antes de definir probabilidad definimos los siguientes conceptos.
ESPACIO MUESTRAL ( S ), Es el conjunto de referencia o conjunto universal,
compuesto por todos los casos posibles que puede ocurrir un experimento. El

nmero de elementos del espacio muestral lo simbolizaremos con la letra

.

SECESO o EVENTO ( E ), Es un subconjunto del espacio muestral. El nmero

de elementos del suceso o evento E lo simbolizaremos con la letra
representan el nmero de casos favorables.
DEFINICION CLASICA DE PROBABILIDAD.

Tambin llamada definicin terica de probabilidad. La probabilidad de que

ocurra un suceso o evento E es el cociente entre el nmero de casos
favorables ( h ) y el nmero de casos pasibles ( n ). Esto se simboliza as:

h h
p ( E )= = 100
n n
Observacin:
Como nos podemos dar cuenta la frmula es muy simple y sencilla de aplicar,
pero cuando nos presentan situaciones complejas donde se deban calcular
y

entonces se complica, porque antes de aplicarla se deben usar las

tcnicas de contar.
DEFINICION FRECUENCIAL DE PROBABILIDAD.
Tambin llamada definicin experimental. La probabilidad de que ocurra un
suceso o evento E es el cociente entre el nmero de veces que se repite
un resultado ( f ) y el nmero de veces que se realiza el experimento ( n ).
Esto se simboliza as:

f f
p ( E )= = 100
n n

Esta definicin, es la que hace posible que cuando se realice en forma infinita
un experimento, la probabilidad se aproxima a la probabilidad terica o clsica.
Notas:
Si

p ( E )=0, el suceso es imposible . La probabilidad de obtener un nmero

8 en el lanzamiento de un dado es cero, es decir, obtener 8 es suceso

imposible.
Si

p ( E )=1, el suceso es seguro . La probabilidad de obtener un nmero

menor que 7 en el lanzamiento de un dado es siempre seguro, con

probabilidad de 100% = 1.
La probabilidad de que ocurra cualquier evento, siempre va estar entre
cero y uno (lo que es equivalente entre 0% y 100%).

Ejemplo
Cul es la probabilidad de obtener un nmero mltiplo de 3 en el lanzamiento
de un dado?

Solucin
Este problema no tiene mucha dificultad y usted podra decir la respuesta de
inmediato.
Realicemos el procedimiento.
Experimento: Lanzar un dado
Espacio muestral:

= {1,2,3,4,5,6,}, entonces

= 6, # de casos

posibles.
Evento o suceso

E : obtener mltiplos de 3 ={3,6}, entonces

= 2, #

de casos favorables.
Por lo tanto,

h 2
p ( E )= = =0,3333=33,33
n 6
Este resultado se podra explicar considerando que si usted es el que apuesta
que va a salir un mltiplo de 3 cuando se lanza un dado, solamente tendra el
chance de ganar en aproximadamente 33 veces de 100 lanzamientos.
Lo anterior se cumple en teora, porque si para comprobarlo usted lanza cien
veces un dado y hace anotacin de los resultado que obtiene y luego cuenta
los mltiplos de 3, la cantidad que obtendr no ser muy cercana a 33. Puesto
que el 33% se alcanza cuando el experimento se hace en forma infinita.

Ejemplo
Cul es la probabilidad de obtener una suma de cinco puntos en el
lanzamiento de un par de dados?

Solucin
Este problema tiene ms dificultad que el punto anterior y usted podra
tambin decir la respuesta de inmediato.
Realicemos el procedimiento.
Experimento: Lanzar un par de dados

Espacio muestral:

es:

( 1,1 ) , ( 1,2 ) , (1,3 ) , ( 1,4 ) , ( 1,5 ) , (1,6 )

( 2,1 ) , ( 2,2 ) , ( 2,3 ) , ( 2,4 ) , ( 2,5 ) , ( 2,6 )

( 3,1 ) , ( 3,2 ) , ( 3,3 ) , ( 3,4 ) , ( 3,5 ) , ( 3,6 )

( 4,1 ) , ( 4,2 ) , ( 4,3 ) , ( 4,4 ) , ( 4,5 ) , ( 4,6 )

( 5,1 ) , ( 5,2 ) , (5,3 ) , ( 5,4 ) , ( 5,5 ) , (5,6 )

( 6,1 ) , ( 6,2 ) , ( 6,3 ) , ( 6,4 ) , ( 6,5 ) , ( 6,6 )

entonces

= 36. # de casos posibles. Pero recuerde que aplicando el

principio fundamental del conteo se determin que las formas posibles de caer
dos dados se calculan as: 6x6=36.
Evento o suceso

E : obtener una suma de 5 puntos ={(1,4), (2,3), (3,2),

(4,1)}, entonces

= 4, # de casos favorables.

Por lo tanto,

h 4
p ( E )= = =0,1111=11,11
n 36

Ejemplo
Un caja contiene 7 camisas y 5 pantalones, si se seleccionan aleatoriamente
una prenda, cul es la probabilidad de que la prenda seleccionada sea un
pantaln?.

Solucin
Experimento: Seleccionar una prenda de vestir
Espacio muestral:

= {7 camisas, 5 pantalones}, entonces

= 12, # de

casos posibles.
Evento o suceso

E : seleccionar un pantaln ={5 pantalones}, entonces

= 5, # de casos favorables.

Por lo tanto,

h 5
p ( E )= = =0,41666 41,67
n 12

Ejercicios.
1.) Cul es la probabilidad de ganarse el baloto, comprando una
combinacin?.
2.) De una lotera de cuatro dgitos en el nmero y dos dgitos en la serie
usted compra un nmero, cul es la probabilidad de ganrsela?.
3.) De una baraja de 52 cartas (diamantes, corazones, picas, trboles) se
extrae una carta en forma aleatoria, cul es la probabilidad de que la
carta extrada sea un as o una 7?.
4.) Cuatro jugadores lanzan un par de dados y observan la suma de puntos.
El primero apuesta a que el resultado ser una suma de 8 puntos, el
segundo una suma de 4 puntos, el tercero una suma de 7 puntos y el
cuarto una suma de 11 puntos. Cul es la probabilidad de ganar de
cada uno de ellos y quin tiene mayor probabilidad de ganar?.