UNIVERSIDAD AUTNOMA DEL

ESTADO DE MXICO

ESPECIALIDAD EN VALUACIN DE BIENES INMUEBLES

VALUACIN ESTADSTICA

2do TETRAMESTRE

RUBN TONATIUH VZQUEZ GONZLEZ

TolucaMxico2003

Valuacinestadstica

Objetivo:Aplicacindelastcnicasdelaprobabilidadyestadsticaaproblemas
valuatorios.

Temas:

Introduccin.
Distribucindefrecuencias.
Medidasdetendenciacentral.
Varianza.
Teoradelaprobabilidad.
Distribucionesdeprobabilidad(Discretas,continuas).
Estimacin.
Correlacinyregresin.(Lineal,mltiple).
Tablasestadsticas.

Introduccin.

Lapalabraestadsticaseutilizacomoreferenciaalainformacincuantitativao
numrica.

UngranVolumendeinformacinnumricaoriginalanecesidaddemtodos
sistemticosloscualespuedenserutilizadosparaorganizar,presentaranalizareinterpretar
lainformacinefectivamente.

Undatoestadsticodebedeserunconjuntooconjuntosdenmerosquemuestren
relacionessignificativas.

Mtodoestadstico

Recopilarinformacin
Organizacin
Presentacin
Anlisis
Interpretacin

Usosdelaestadsticaenlavaluacindebienesinmuebles.

Lasprimerasaplicacionesdelaestadsticaenlavaluacindebienesinmueblessedanen
lossesentas.
Enlos70seutilizalaregresinmltipleenAlemania,EstadosunidosyMxico.

1970EnelEstadodeMxicoeldepartamentodecatastrodelestadoempezaemplearel
anlisisderegresinmltipleparadeterminarvaloresunitariosdecalle.

1979 La direccin de catastro y contribuciones a la propiedad raz del

departamentodelDistritoFederalrealizounestudioestadsticoparadeterminarlosvalores
unitariosbsicosdelasedificaciones.

Algunosusosdelaestadsticaenlavaluacindebienesinmueblesserian:(Soloporcitar
algunos).

Presentacindeinformacin.
Mtododelcostodemercado.
Regresinmltiple.
Anlisisdevarianza.

Distribucionesdefrecuencias

Unaformadeorganizardatosparamostrarlavariacindedichosdatosesmostrarlasvecesque
dichovaloresdelosdatosserepiten,yadichorecuentoseledenominadistribucindefrecuencias.

Ejemplosetienenlossiguientesdatos1,3,2,5,2,3,2,1,5,4,3,4,2,5,1,5
entoncessetienen:
1
2
3
4
5

III
IIII
III
II
IIII

3
4
3
2
4

Una distribucin agrupada de frecuencias de un conjunto de observaciones consiste en una

tabla de valores que muestra la frecuencia con que se repite cada uno de los valores que toma la
variable,engruposordenados.suscomponentesson:

Claseeselintervaloalolargodelaescalademedicindecadagrupoordenado
Frecuenciadeunaclaseeselnumerodeobservacionescuyovalorperteneceadichaclase
Frecuencia relativa de una clase es el resultado de dividir su frecuencia por el numero total de
observaciones.

Pasosparaelaborarunadistribucindefrecuencias

1.
Para obtener el numero de clases interviene el criterio de la persona que esta elaborando la
distribucindefrecuenciasunbuennumeroes21silosdatossonmuchossisonpocoselnumero
declasesseriamuchomenor.NOTAayudamuchoordenarlosdatos

2.
Paraelanchodeunaclasesetomaelvalormasaltoyselerestaeldatodemenosvalorestoda
como resultado el rango de los datos. Despus se divide el rango de datos entre el numero de
clasessisedesearedondearsepuedehacersiempreycuandoseaunhaciaarriba.

3.
Paraobtenerellimiteinferiordelaprimeraclasesetomaeldatodemenosvalorysehaceiguala
este,siseredondeohaciaarribaelanchodeclasesedebederedondearellimiteinferiordela
mismamaneraquesehizoperohaciaabajo.

4.
Paraobtenerellimitesuperiordelaprimeraclasesedebedeagregarelanchodeclaseallimite
inferior.

5.
En lassiguientes clases ellimite inferior esigualallimitesuperiordelaclaseanterior yel valor
superioresigualallimiteinferiormaselanchodeclase.

6.
losdatosseagrupandetalmaneraqueseanmayoresqueellimiteinferiorymenoroigualqueel
limitesuperior.NOTAVEREJEMPLOENHOJADEEXCEL.

Existenvariostiposdegrficaspararepresentarunadistribucindefrecuencias.
Histogramadefrecuencias

Elhistogramadefrecuencias:Loslados
delacolumnasrepresentanloslimites
superioreinferiordesuclase,ysus
alturassonproporcionalesalasasus
frecuencias,elvalorcentralestaenel
centrodelabarra.

8
6
4
2
0
0.55 1.47 2.39 3.309 4.229 5.149 6.069 6.988 7.908 8.828

Diagramade barras
8
6
4
2
0

Eldiagramadebarrasempleabarrasenlos
valorescentralesdelasclasescuyasalturas
sonproporcionalesasusfrecuencias

Polgonodefrecuencias

ElPolgonodefrecuenciasconsisteenuna
seriedesegmentosqueunenlospuntos
cuyasabscisassonlosvalorescentrales
decadaclaseycuyasordenadasson
proporcionalesasusfrecuenciasrelativas.

8
6
4
2
0

Existenvariostiposdegrficaspararepresentarunadistribucindefrecuencias.

Histogramadefrecuenciasacumuladas

Una distribucin de frecuencias

acumuladas
nos
representa
las
frecuencias de los valores mayores o
menores a los respectivos limites de
clase.

60
50
40
30
20
10
0
6.99

7.91

8.83

8
6
4
2
0
3

DistribucinBimodal

Las grficas de distribucin de

frecuencias
permiten
identificar
el
comportamiento de una caracterstica,
Identificar limites de especificaciones,
actuaciones de un proceso o identificar
problemas en un proceso. Como en este
ejemplo en donde podemos identificar que
existendostiposdepoblacionesmezcladas.

17

6.07

15

5.15

13

4.23

11

3.31

2.39

1.47

0.55

#Obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

Observacin
168
163
172
159
172
179
151
166
172
163
164
163
174
165
164
169
165
165
162

Histogramadelasalturasdelosalumnosdevaluacindebienesinmuebles
10
9
8
7
6
5
4
3
2
1
0
1

10
9
8
7

Mximo
Mnimo
Rango
Clases
AnchoC

179
151
28
5
5.6

6
5
4
3
2
1
0
1

Clases
LInferior

151
156.6
162.2
167.8
173.4

LSuperior

156.6
162.2
167.8
173.4
179

ValorM
Facum
Frecuencia
153.8
1
1
159.4
3
2
165
12
9
170.6
17
5
176.2
19
2

Calculodemediasymedidasdedispersin
Existendostiposdemedidasenestadstica:
Medidasdetendenciacentral
Medidasdedispersin

Medidasdetendenciacentral:

Media:Enellenguajecomnlamediaserefieregeneralmentealpromedio.

a).-MtodosparadeterminarlamediaX=1/nxidesdei=1hastan.
b).-Elmtododecambiodeorigen.
c).-Multiplicarlosvaloresmediosdelasclasesporlasfrecuenciasydividirentreelnumerodeobservaciones

Moda:Eselvalordelamuestraqueserepitemasveces.

Mediana:Eselvalorcentralsecalculaconlaformulanumeroobservaciones/2+1/2

Medidasdedispersin:

Amplitud:R=XmaxXmin
DesviacinTipo:

Xi

X
/n

Paraladesviacintipooestndarsepuedeusarlaformulaalternativa

( Xi 2 nX 2 ) / n
Cuandoladesviacinestndarsetomadeunamuestraseusalaformula

Xi

X
/ n 1

2
2
Obien

( Xi nX ) /(n 1)

Variancia:Lavarianciaesiguala2

Alamediayladesviacinestndarcuandosontomadasdeunamuestraynodela
poblacintotalselesdenominacomoestimadoresyselesrepresentaconXyNOTA
posteriormenteseestablecernloslimitesdeconfianzaparaestosestimadores

Relacinentremedia,medianaymoda.
Lamedia,lamedianaylamodaserelacionandependiendodelaformadeladistribucin
Moda Mediana Media

Distribucin asimtrica
positiva

Moda Mediana Media

Distribucin
simtrica

Media Mediana Moda

Distribucin Asimtrica
negativa

CoeficientedeAsimetradePearson

Elcoeficientedeasimetramideladesviacinconrespectoalasimetra.
En una distribucin simtrica, el valor ser de cero porque la media y la mediana tienen el
mismovalor.
Enunadistribucinasimtricapositiva,elvalorserpositivo.
Enunadistribucinasimtricanegativa,elvalorsernegativo.
Asimetradelamuestra=3(X-med)/
Asimetradelapoblacin=3(X-med)/

Calcularmediay
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

19
12
14
18
19
12
12
10
18
15
14
12
13
12
11
19
13
14
15
16
18
19
17
17
15
14
16
14
10
18

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Media
DesvStdP
DesvStdM
Maximo
Minimo
Rango
Clases
AnchoC

168
163
172
159
172
179
151
166
172
163
164
163
174
165
164
169
165
165
162

Histograma
10
9
8
7
6
5
4
3
2
1
0
1

166.1053
5.990297
6.154445
179
151
28
5
5.6

Clases
LInferior

151
156.6
162.2
167.8
173.4

LSuperior

156.6
162.2
167.8
173.4
179

ValorM
Facum
Frecuencia
153.8
1
1
159.4
3
2
165
12
9
170.6
17
5
176.2
19
2

F*VM
153.8
318.8
1485
853
352.4

VMal2
VMal2*f
23654.44 23654.44
25408.36 50816.72
27225
245025
29104.36 145521.8
31046.44 62092.88

SF*VM
Media
Mediaal2
S(f*vm2)
Desvest

3163
166.4737
27713.49
527110.8
5.402616

Probabilidad

Espaciomuestral.Esel conjunto detodoslosresultadosposiblesde un experimentoseledenomina

conelsmboloS.

Puntomuestral.EscadaunodelosresultadosdeunespacioMuestral .

Elementos
Muestrales

S
Enalgunosexperimentosresultarautillistarlosexperimentosenformadearbolodiagramadearbol

Evento de que
los crculos
sean rojos

Uneventoesunsubconjuntodeunespaciomuestral.

ElcomplementodeuneventoAconrespectoaSeselconjuntodetodosloselementos
deSquenoestnenA.SedenotaalcomplementodeAmedianteelsmbolodeA

Si un experimento puede dar como resultado cualquiera de N resultados diferentes

igualmente probables y si exactamente n de estos resultados corresponden al evento A,
entonceslaprobabilidaddeleventoAes.

P(A)=n Elrangodeunaprobabilidades
N
0a1

La interseccin de dos eventos A y B denotada por el smbolo A B es el evento que

contienetodosloselementoscomunesdeAyB

DoseventosAyBsonmutuamenteexcluyentessiABEsdecirsiAyBnotienen
elementosencomun.

DiagramadeVenn
A
Interseccin
B

Ces
Excluyente
deAyB

Elementos

A,ByCson
subconjunto
sdeS

LaUnindedoseventosAyB,denotadaporelsmboloAUBeseleventoquecontiene
todosloselementosquepertenecenaAaBoAmbos.

Conteodepuntosmustrales.

Si una operacin puede ejecutarse en n1 maneras y si para cada una de stas se puede
efectuar una segunda operacin de n2 maneras entonces las operaciones pueden llevarse a
cabojuntasenn1n2maneras.

Ejemplos

Siunauncuestionariodeopcinmltipletiene2preguntascon4opcionescadapreguntael
numerototaldeposibilidadesesde4*4=16

Pregunta1
Opciones
Opcin1Opcin2 Opcin3Opcin4
4
Pregunta2
Opcin1Opcin2Opcin3Opcin4
4

4321

Total =4*4 = 16

Opcionespregunta2

2,3
3,2
1,1
1234

Sisetienen3casillascon2opcionescadasetienenentotal(2*2)*2posibilidades=8(Ntesequeaqu
seagruparonlascasillas1y2yluegoelresultadosemultiplicoporelnumerodeopcionesdelacasilla3
1.-

2.-

3.-

Opciones
(1,1,1),(1,1,2),(1,2,1),(1,2,2)
(2,1,1),(2,1,2),(2,2,1),(2,2,2)
Otraformadeverloseria
Delascasillas1y2tenemos
11,12,21,22
yaenconjuntoconlacasilla3tenemos:
(11)1,(12)1,(21)1(22)1,(11)2,(12)2,(21)2,(22)2

Unapermutacinesunarregloordenadodetodosopartedeunconjuntodeobjetos=n!

EjemploelnumerodepermutacionesdetresobjetosX,Y,Zseria:
XYZ,XZY,ZXY,ZYX,YXZ,YZX.(Aquesimportantesealarqueelordensiimporta)

Elnumerodepermutacionesdenobjetostomandoralavezes:
nPr=n!/(n-r)!

Elnumerodepermutacionestomando2alavezseria3!/(3-2)!=(1*2*3)/(1)=6/1=6

Ejemplo
Vistodeunaformagrficaseria:

Solopuedotomar2figurasalavezporlotantotengo

123456
Primerotomo

yluegotomo


Elnumerodecombinacionesdenobjetosdistintostomandoralavezes:

n=n!

rr!(n-r)!

Ejemplosetienen3figuras

Elnumerodecombinacionestomando2alavezseria3!/(2!(3-2)!)=(1*2*3)/(2*(1))=6/2=3

Vistodeformagraficaseria:

Solopuedotomar2figurasalavezporlotantotengo

Ntesequeelordenaqunoimporta

2
3

Elsignoigualsignificaqueambasopcionescuentanporunaporqueelordennoimportaporlotantoeslomismolunay
rayoquerayoyluna

Reglasdeprobabilidad.
SiAyBsoncualesquieradoseventosentoncesP(AUB)=P(A)+P(B)P(AB).
SiAyBsonmutuamenteexcluyentesentoncesP(AB)=P(A)+P(B).
(Excluyentesignificaqueuneventoexcluyealotro)

SiAyAsoneventoscomplementariosentoncesP(A)+P(A)=1.
(ElapostrofeyelcirculosignificanqueescomplementodeA)

Cuando la probabilidad de un evento es dependiente de la ocurrencia de otro evento se dice que existe
probabilidadcondicional.
SilaprobabilidaddeAnoseveafectadaporlaocurrenciadeByviceversa,AyBson independientes.
LaprobabilidadcondicionaldeBdadoAsedenotacomoP(B/A)=P(AB)
P(A)
SignificaqueeslaprobabilidaddequeocurraBdadoqueocurriA.

AyBsonIndependientessisolosiP(B/A)=P(B)yP(A/B)=P(A).
SiAyBsonindependientesentoncesP(AB)=P(A)P(B).
SiAyBsondependientesentoncesP(AB)=P(A)P(B/A).

Si un espacio muestral contiene unnumero finitodeposibilidades ouna secuencia con igualnumero

deelementosquenmerosenterosseledenomina Espaciomuestraldiscreto

Si un espacio muestral contiene un numero infinito de posibilidades se le denomina Espacio

muestralcontinuo.

Ejercicios

Calcule:
1.-Probabilidaddesacarselalotera

2.-Probabilidaddesacarseelmelate

3.-Probabilidaddesacarselos
pronsticos

4.-Probabilidaddequeunalumnodela
materiadevaluacindebienes
inmueblessaque10sielexamentiene
10preguntas,esdeopcinmltipley
cadapreguntatiene6opciones
(Presumiendoqueelalumnonoestudio
nada)

Variablesaleatorias:

Sepuededefiniraunavariablealeatoriacomounarelacinentreunnumeroyunelementodel
espaciomuestral.

Siunespaciomuestraltieneunnumerofinitodeelementosentoncessepuededecirqueesun
espaciomuestraldiscreto.

Si un espacio muestral tiene un rango infinito de elementos entonces es un espacio muestral

continuo.

Una variable aleatoria relacionada con un espacio muestral discreto es una variable aleatoria
discreta.

Una variable aleatoria relacionada con un espacio muestral continuo es una variable aleatoria
continua.

Ejemplodeunavariablealeatoriadiscreta

Edad(X)delosalumnos

Alumnos

Probabilidad

18aos

0.0833

19aos

0.1666

20aos

0.25

21aos

0.25

22aos

0.1666

23aos

0.0833

Espaciomuestral:
Edadesdelosalumnos(18,19,20,21,22,23)
Unejemplodevariablealeatoriaesalumnosde18,19,20y21aos

A la relacin existente entre una variable aleatoria y su probabilidad de ocurrencia se le

denomina funcin de probabilidad. Muchas funciones de probabilidad son expresadas mediante
funcionesmatemticas.

Una variable aleatoria puede tener una media a la cual se le denomina valor esperado, una
varianzayunadesviacinestndar.

E ( X ) XP ( X )

Elvaloresperadodeunavariablealeatoriadiscretaes:
Donde:

E(X)eselvaloresperado.

XeselnumerodeocurrenciasdelavariablealeatoriaX

P(X)eslaprobabilidaddequeocurraX

Ejemplo:

Tomandoencuentalosdatosdelejercicioanteriorelvaloresperadodelaedadquetienenlos
alumnoses:

18*0.0833+19*0.1666+20*.25+21*.25+22*0.1666+23*0.0833=20.49

Lavarianzadeunavariablealeatoriadiscretasecalculadelasiguienteforma

V ( X ) ( X E ( X )2 P( X )
Tambinsepuedecalcularcomo V(X)=E(X2)-(E(X))2
Donde:
V(X)=Varianza.
X=Valordelavariablealeatoriadiscreta.
P(X)=Probabilidaddelavariablealeatoriadiscreta.
E(X)=Valoresperadodelavariablealeatoriadiscreta.
E(X2)=Valoresperadodelavariablealeatoriadiscretaalcuadrado.

Ladesviacinestndardeunavariablealeatoriadiscretasedefinecomo:

V (X )

DondeV(X)eslavarianza

Existenalgunasdistribucionesdeprobabilidadespecificascomoson:

Binomial.
Geometrica.
Hiporgeometrica.
Poisson.

DistribucinBinomial

LadistribucinBinomialesunadistribucindeprobabilidaddiscretaaplicableasituacionesde
xitoofracaso.

SebasaenunprocesodemuestreollamadoprocesodeBernoullielcualconsisteen:

EncadaensayosolosonposiblesdosresultadosxitooFracaso
Losresultadosdelaseriedeensayossoneventosindependientes
Laprobabilidaddexitoofracasodecadaensayoesconstanteenunensayo.

LadistribucinBinomialrequieredetresparmetros:

Elnumeroestablecidodexitos(X)
Ellaprobabilidaddexitoencadaensayo(p) laprobabilidaddefallo(q=1-p)
Elnumerodeensayosuobservaciones(n)

LaformulaparadeterminarlaprobabilidaddeunnumeroespecificodexitosXes:

P( X / n, p) n C x p x q n x Donde C es combinacin
Lavarianzayladesviacinestndardeladistribucinbinomialson.

E(X)=np
V(X)=npq

Ejemplodeladistribucinbinomial.

LaprobabilidaddequeunapersonadespusdequevisitaunportaldeventasenInternetesde0.1
Si10personasvisitaronelsitiocualeslaprobabilidaddequeexactamente4personascomprenenese
sitio.

P(X=4/n=10,p=0.1)=(10C4)(0.14)(0.96)=(10!/4!6!)(0.0001)(.53)=0.011160261

Laprobabilidaddequemenosde3personascomprenenelportalseria

P(X<3/n=10,p=0.1)=p(X<=2)=P(X=0)+P(X=1)+P(X=2)
=0.34867844+0.387420489+0.193710245=0.92980917

1.-Obtenerelvalor
esperadodelejercicio
anteriormediantela
formaE(X)=XP(X)
2.-Obtenerelvalor
esperadodelejercicio
anteriorconlaformula
3.-Obtenervarianzay
desviacinestndar
4.-Cualesla
probabilidaddequeal
tirarunamonedaalaire
5veces,salgasol2
veces.

5.-Ejemplosdedonde
seaplicaesta
distribucin.

Ladistribucinbinomialtambinpuedeexpresarsecomosifueraunaproporcindonde:

p=X/n

P(( X / n) / n, p) n C x p x q n x Donde C es combinacin

E(x)=pyV(X)=pq/n

Ejemplo : tomando en cuenta los datos del ejemplo anterior cual seria la probabilidad de que
exactamenteel40%delosvisitantesalportalcomprara.
Notael40%=4/10

P((4/10)/,n=10,P=0.1)=(10C4)(0.14)(0.96)=(10!/4!6!)(0.0001)(.53)=0.011160261
ElvaloresperadoseriaE(X)=p=0.1odel10%

Laprobabilidaddequemenosde3personascomprenenelportalseria
P(X<3/n=10,p=0.1)=p(X<=2)=P(X=0)+P(X=1)+P(X=2)
=0.34867844+0.387420489+0.193710245=0.92980917

P(X)

XP(X)

0.34867844

0.387420489

0.387420489

0.193710245

0.387420489

0.057395628

0.172186884

0.011160261

0.044641044

0.001488035

0.007440174

0.000137781

0.000826686

8.748E-06

6.1236E-05

3.645E-07

2.916E-06

9E-09

8.1E-08

1E-10

10

0.000000001

Total

Para sacar el valor

esperado se puede
hacer mediante la
formaE(X)=XP(X)

La distribucin binomial tambin puede expresarse como si fuera una proporcin donde p
=X/n
E(x)=pyV(X)=pq/n

Ejemplo:tomandoencuentalosdatosdelejemploanteriorcualserialaprobabilidaddeque
exactamenteel40%delosvisitantesalportalcomprara.
Notael40%=4/10
P((4/10)/,n=10,P=0.1)=(10C4)(0.14)(0.96)=(10!/4!6!)(0.0001)(.53)=0.011160261
ElvaloresperadoseriaE(X)=p=0.1odel10%

DistribucinHipergeomtrica

Cuandoserealizaunmuestreosinreemplazoyeltamaodelapoblacinesfinitoseutilizala
distribucinHipergeomtrica

N T

P( X / N , T , n)
n X

T
N

X
n

DistribucinHipergeomtrica

Cuandoserealizaunmuestreosinreemplazoyeltamaodelapoblacinesfinitoseutilizala
distribucinHipergeomtrica

N T

P( X / N , T , n)
n X

T
N

X
n

Donde
XEselnumeroestablecidodexitos.
NEselunmerototaldeelementosdelapoblacin.
TEselnumerototaldexitosincluidosenlapoblacin.
nElnumerodeelementosdelamuestra.
Elvaloresperadoylavarianzason:
E(X)=nT/N

2 ( N n / N 1) n (T / N )(1 T / N )

Ejemplo:

De seis canicas tres son trboles si se eligen aleatoriamente cuatro canicas cual es la
probabilidaddequeexactamentedosdeellasseantrboles.

63
4 2

3
2

6
4

P(X=2/N=6,T=3,n=4)==((3!/2!1!)(3!/2!1!))/(6!/4!2!)=0.60

E(X)=4*3/6=2

DistribucindePoisson.

Cuandosetieneunalneadetiempooespacioyenunintervalodeestalneapuedenocurrir
eventossepuedeaplicarladistribucindePoisson.

x e / X !

P(X/)=

E(X)=

V(X)=

Dondeeselnmeromediodeeventosenelintervalodeeventos

Nota: Si los intervalos de tiempo difieren del valor de se puede ajustar haciendo las
conversionesdebidasdetiempo

Ejemplo. En un departamento de quejas se reciben aproximadamente 2 llamadas cada 20

minutos,laprobabilidaddequedelas4:00alas5:00sereciban3llamadases.

=2*3=6llamadasporhora(Eltresesporqueenunahoraexisten3lapsosde20minutos).

P(X=3/=6)=63e-6/3!=0.089235078

Variablesaleatoriascontinuas.
Una variable aleatoria continua puede tomar cualquier valor dentro de un rango definido de
valores,comoexisteporlotantounnumeroinfinitodevaloresestosnosepuedenenumerary
asociarse con una probabilidad respectiva. Pero si puede la variable aleatoria X relacionarse
con una funcin f(x) de densidad de probabilidad de tal manera que el rea bajo curva
representadaporf(x)representelaprobabilidaddeocurrenciaentredospuntosdados.
Funcindedensidaddeprobabilidad.
f(X)

Curvadeprobabilidad
X2

reabajolacurva

X1

f ( x)dx
Elreabajola
curva

1234567910111213141516171819
ValoresdeX

La probabilidad de que X este entre el 10 y el 13 es el rea sombreada bajo la curva de

probabilidad.

CurvaNormal

Se pueden elaborar muchas curvas de frecuencia de muchas formas distintas, sin

embargolamasusadaeslacurvanormal.

Algunossinnimosparalacurvanormalson:

Leynormal
Curvanormaldeerror
CurvadeGauss
CurvaDaplaciana
CampanadeGauss

Elreabajolacurvadelanormalaligualqueunhistogramaserlaprobabilidad.

La X (media) tambin se denomina con y la (desviacin estndar) definen

completamente a la normal esto es de gran ayuda para poder definir una distribucin de
frecuenciassinnecesidaddeelaborarunhistograma.

Curvadelanormalysurelacincony

+-=68.26%
+-2=95.46%

+-3=99.73%

Lacurvadelanormalesimportanteporqueindependientementedelaformade
la distribucin de una poblacin la distribucin de los valores medios X de
muestrasdetamaon(X1,X2,X3,.Xk)tomadasdeesapoblacintenderauna
distribucinnormalcuandontiendaainfinito.Esteteoremaseleconocecomo
elteoremadellimitecentral.
Ladistribucindeunavariablealeatorianormalconmediaceroyvariancia1se
lellamadistribucinnormalestndar.

Se pueden transformar las observaciones de cualquier variable aleatoria normal X a la

distribucinnormalestndarmediantelaformula

Z=(X-X)/ExistentablasdelaNormalestndarparacalcularelreabajolacurva.
Ejemplo
Dada una distribucin normal con =300 y =50 determine la probabilidad de que X
asumaunvalormayorde362
Z=(362-300)/50=1.24 362 es la variable aleatoria y se transforma a una curva normal
estndar.
enconsecuencia
P(X>362)=P(Z>1.24)
=1-P(Z<1.24)
=1-.8925=0.1075 (R.E. Walpole, R.H Myers Probabilidad y estadstica para ingenieros
Editorialinteramericana3raedicinpag153).

Notael0.8925setomodeunatabladelanormal.

Z
-3.5
-3.4
-3.3
-3.2
-3.1
-3
-2.9
-2.8
-2.7
-2.6
-2.5
-2.4
-2.3
-2.2
-2.1
-2
-1.9
-1.8
-1.7
-1.6
-1.5
-1.4
-1.3
-1.2
-1.1
-1
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0

0
0.000233
0.000337
0.000483
0.000687
0.000968
0.00135
0.001866
0.002555
0.003467
0.004661
0.00621
0.008198
0.010724
0.013903
0.017864
0.02275
0.028716
0.03593
0.044565
0.054799
0.066807
0.080757
0.096801
0.11507
0.135666
0.158655
0.18406
0.211855
0.241964
0.274253
0.308538
0.344578
0.382089
0.42074
0.460172
0.5

0.01
0.000224
0.000325
0.000467
0.000664
0.000936
0.001306
0.001807
0.002477
0.003364
0.004527
0.006037
0.007976
0.010444
0.013553
0.017429
0.022216
0.028067
0.035148
0.043633
0.053699
0.065522
0.07927
0.095098
0.11314
0.1335
0.156248
0.181411
0.20897
0.238852
0.270931
0.305026
0.340903
0.378281
0.416834
0.456205
0.496011

0.02
0.000216
0.000313
0.00045
0.000641
0.000904
0.001264
0.00175
0.002401
0.003264
0.004397
0.005868
0.00776
0.01017
0.013209
0.017003
0.021692
0.027429
0.034379
0.042716
0.052616
0.064256
0.077804
0.093418
0.111233
0.131357
0.153864
0.178786
0.206108
0.235762
0.267629
0.301532
0.337243
0.374484
0.412936
0.452242
0.492022

0.03
0.000208
0.000302
0.000434
0.000619
0.000874
0.001223
0.001695
0.002327
0.003167
0.004269
0.005703
0.007549
0.009903
0.012874
0.016586
0.021178
0.026803
0.033625
0.041815
0.051551
0.063008
0.076359
0.091759
0.109349
0.129238
0.151505
0.176186
0.203269
0.232695
0.264347
0.298056
0.333598
0.3707
0.409046
0.448283
0.488033

0.04
0.0002
0.000291
0.000419
0.000598
0.000845
0.001183
0.001641
0.002256
0.003072
0.004145
0.005543
0.007344
0.009642
0.012545
0.016177
0.020675
0.02619
0.032884
0.040929
0.050503
0.06178
0.074934
0.090123
0.107488
0.127143
0.14917
0.173609
0.200454
0.22965
0.261086
0.294598
0.329969
0.366928
0.405165
0.44433
0.484047

0.05
0.000193
0.00028
0.000404
0.000577
0.000816
0.001144
0.001589
0.002186
0.00298
0.004025
0.005386
0.007143
0.009387
0.012224
0.015778
0.020182
0.025588
0.032157
0.040059
0.049471
0.060571
0.073529
0.088508
0.10565
0.125072
0.146859
0.171056
0.197662
0.226627
0.257846
0.29116
0.326355
0.363169
0.401294
0.440382
0.480061

0.06
0.000185
0.00027
0.00039
0.000557
0.000789
0.001107
0.001538
0.002118
0.00289
0.003907
0.005234
0.006947
0.009137
0.011911
0.015386
0.019699
0.024998
0.031443
0.039204
0.048457
0.05938
0.072145
0.086915
0.103835
0.123024
0.144572
0.168528
0.194894
0.223627
0.254627
0.28774
0.322758
0.359424
0.397432
0.436441
0.476078

0.07
0.000179
0.00026
0.000376
0.000538
0.000762
0.00107
0.001489
0.002052
0.002803
0.003793
0.005085
0.006756
0.008894
0.011604
0.015003
0.019226
0.024419
0.030742
0.038364
0.04746
0.058208
0.070781
0.085344
0.102042
0.121001
0.14231
0.166023
0.19215
0.22065
0.251429
0.284339
0.319178
0.355691
0.39358
0.432505
0.472097

0.08
0.000172
0.000251
0.000362
0.000519
0.000736
0.001035
0.001441
0.001988
0.002718
0.003681
0.00494
0.006569
0.008656
0.011304
0.014629
0.018763
0.023852
0.030054
0.037538
0.046479
0.057053
0.069437
0.083793
0.100273
0.119
0.140071
0.163543
0.18943
0.217695
0.248252
0.280957
0.315614
0.351973
0.389739
0.428576
0.468119

0.09
0.000165
0.000242
0.00035
0.000501
0.000711
0.001001
0.001395
0.001926
0.002635
0.003573
0.004799
0.006387
0.008424
0.011011
0.014262
0.018309
0.023295
0.029379
0.036727
0.045514
0.055917
0.068112
0.082264
0.098525
0.117023
0.137857
0.161087
0.186733
0.214764
0.245097
0.277595
0.312067
0.348268
0.385908
0.424655
0.464144

Z
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3
3.1
3.2
3.3
3.4
3.5

0
0.5
0.539828
0.57926
0.617911
0.655422
0.691462
0.725747
0.758036
0.788145
0.81594
0.841345
0.864334
0.88493
0.903199
0.919243
0.933193
0.945201
0.955435
0.96407
0.971284
0.97725
0.982136
0.986097
0.989276
0.991802
0.99379
0.995339
0.996533
0.997445
0.998134
0.99865
0.999032
0.999313
0.999517
0.999663
0.999767

0.01
0.503989
0.543795
0.583166
0.621719
0.659097
0.694974
0.729069
0.761148
0.79103
0.818589
0.843752
0.8665
0.88686
0.904902
0.92073
0.934478
0.946301
0.956367
0.964852
0.971933
0.977784
0.982571
0.986447
0.989556
0.992024
0.993963
0.995473
0.996636
0.997523
0.998193
0.998694
0.999064
0.999336
0.999533
0.999675
0.999776

0.02
0.507978
0.547758
0.587064
0.625516
0.662757
0.698468
0.732371
0.764238
0.793892
0.821214
0.846136
0.868643
0.888767
0.906582
0.922196
0.935744
0.947384
0.957284
0.965621
0.972571
0.978308
0.982997
0.986791
0.98983
0.99224
0.994132
0.995603
0.996736
0.997599
0.99825
0.998736
0.999096
0.999359
0.99955
0.999687
0.999784

0.03
0.511967
0.551717
0.590954
0.6293
0.666402
0.701944
0.735653
0.767305
0.796731
0.823814
0.848495
0.870762
0.890651
0.908241
0.923641
0.936992
0.948449
0.958185
0.966375
0.973197
0.978822
0.983414
0.987126
0.990097
0.992451
0.994297
0.995731
0.996833
0.997673
0.998305
0.998777
0.999126
0.999381
0.999566
0.999698
0.999792

0.04
0.515953
0.55567
0.594835
0.633072
0.670031
0.705402
0.738914
0.77035
0.799546
0.826391
0.85083
0.872857
0.892512
0.909877
0.925066
0.93822
0.949497
0.959071
0.967116
0.97381
0.979325
0.983823
0.987455
0.990358
0.992656
0.994457
0.995855
0.996928
0.997744
0.998359
0.998817
0.999155
0.999402
0.999581
0.999709
0.9998

0.05
0.519939
0.559618
0.598706
0.636831
0.673645
0.70884
0.742154
0.773373
0.802338
0.828944
0.853141
0.874928
0.89435
0.911492
0.926471
0.939429
0.950529
0.959941
0.967843
0.974412
0.979818
0.984222
0.987776
0.990613
0.992857
0.994614
0.995975
0.99702
0.997814
0.998411
0.998856
0.999184
0.999423
0.999596
0.99972
0.999807

0.06
0.523922
0.563559
0.602568
0.640576
0.677242
0.71226
0.745373
0.776373
0.805106
0.831472
0.855428
0.876976
0.896165
0.913085
0.927855
0.94062
0.951543
0.960796
0.968557
0.975002
0.980301
0.984614
0.988089
0.990863
0.993053
0.994766
0.996093
0.99711
0.997882
0.998462
0.998893
0.999211
0.999443
0.99961
0.99973
0.999815

0.07
0.527903
0.567495
0.60642
0.644309
0.680822
0.715661
0.748571
0.77935
0.80785
0.833977
0.85769
0.878999
0.897958
0.914656
0.929219
0.941792
0.95254
0.961636
0.969258
0.975581
0.980774
0.984997
0.988396
0.991106
0.993244
0.994915
0.996207
0.997197
0.997948
0.998511
0.99893
0.999238
0.999462
0.999624
0.99974
0.999821

0.08
0.531881
0.571424
0.610261
0.648027
0.684386
0.719043
0.751748
0.782305
0.81057
0.836457
0.859929
0.881
0.899727
0.916207
0.930563
0.942947
0.953521
0.962462
0.969946
0.976148
0.981237
0.985371
0.988696
0.991344
0.993431
0.99506
0.996319
0.997282
0.998012
0.998559
0.998965
0.999264
0.999481
0.999638
0.999749
0.999828

0.09
0.535856
0.575345
0.614092
0.651732
0.687933
0.722405
0.754903
0.785236
0.813267
0.838913
0.862143
0.882977
0.901475
0.917736
0.931888
0.944083
0.954486
0.963273
0.970621
0.976705
0.981691
0.985738
0.988989
0.991576
0.993613
0.995201
0.996427
0.997365
0.998074
0.998605
0.998999
0.999289
0.999499
0.99965
0.999758
0.999835

Estimacinestadstica.

Si se tiene una poblacin muy grande en ocasiones el tomar la informacin de toda la

poblacin puede implicar costos muy elevados tanto en tiempo como en recursos
econmicos,Porlotantoresultatomarunamuestradeesapoblacinyhacerinferencias
estadsticas.

Poblacin

Muestra

Lamuestratienecaractersticassimilaresalapoblacin.
Alasmedidasqueexistenparadefiniraunapoblacinselesconocecomoparmetros
de la poblacin, a las medidas de la muestra se les conoce como estadsticas
muestrales.Lasestadsticasmuestralessepuedenutilizarparaestimarunparmetrode
lapoblacin.
Unestimadorpuntualeselvalornumricodeunaestadsticamuestral

Algunosestimadoresserian:
Estimador

Parmetrodelapoblacin

Media(x)

Media()

Desviacinestndardelamuestra(S )

Desviacinestndar()

Varianza(S2 )

Varianza(2)

Proporcin(p)

Proporcin()

Media

Media

Moda

Moda

Ejemplosisetieneunapoblacinde100nmeros:
28

68

11

58

57

76

56

32

55

17

70

36

97

34

74

53

73

Media=

49.35

26

10

37

65

76

64

26

68

44

98

DesviacinStd

28.866

48

58

22

46

80

46

17

49

65

27

91

16

47

46

90

56

67

43

26

90

33

10

78

64

20

45

88

58

25

66

77

77

47

10

58

98

84

50

22

79

96

98

27

79

86

27

95

30

65

52

68

94

42

74

13

37

12

62

83

82

36

94

Deestapoblacinsetoman3muestrasde3elementostomadosalazarcadaunay3
muestrasde12elementostomadosalazarysedeterminanlasmediasylas
desviacionesestndardelasmuestras.

Deestapoblacinsetoman3muestrasde3elementostomadosalazarcadaunay3muestras
de12elementostomadosalazarysedeterminanlasmediasylasdesviacionesestndarde
lasmuestras.
Muestra1
Muestra2
Muestra3

65
46
76

Mediamuestra1=

67
98
56

50
57
90
%devariacion
conrespecto
alamediaverdadera
60.667 -23%

DesviacionStd

9.2916

Mediamuestra2=

67

-36%

DesviacionStd

27.404

Mediamuestra3=

74

-50%

DesviacionStd

17.088

Muestra1
Muestra2
Muestra3

1
95
8

Mediamuestra1=

98
84
64
43
68
36
33
37
33
%devariacion
conrespecto
alamediaverdadera
57.083 -16%

Mediamuestra2=

54.25

-10%

Mediamuestra3=

48.5

2%

65
65
11

11
9
58

77
57
58

57
91
66

68
17
98

57
58
76

26
46
28

77
66
76

Se puede observar que las

medias y las desviaciones
estndar de las muestras
tienen una desviacin con
DesviacionStd 29.629
respecto a la media de la
DesviacionStd 26.004 poblacin pero que existe una
DesviacionStd 27.845 cercana y si la muestra es
mas grande la desviacin es
menor.

Sisetomaunapoblacindenmeroscuyadesviacinestndarseapequea
53
50
56
73
58
55
58
50
57
74
71
66
56
50
65
65
71
50
50
52
68
66
74
59
50
62
63
71
56
51
74
63
67

Muestra1
56
Muestra2
74
Muestra3
56

Mediamuestra1=
Mediamuestra2=
Mediamuestra3=

Muestra1
74
Muestra2
62
Muestra3
50

Mediamuestra1=
Mediamuestra2=
Mediamuestra3=

73
58
67
72
66
71
50
69
70
51
58
53
73
56
54
53
69
54
74
62
72
67
56
72
63
59
50
74
65
64
61
53
51
74
62
60
53
63
54
65
61
62
54
74
55
61
68
68
52
55
56
53
69
61
58
55
54
74
61
67
60
74
62
61
65
64

65
59

66
67

66
61

%devariacion

conrespecto

alamediaverdadera

60
3%

DesviacionStd
69
-12%

DesviacionStd
61
1%

DesviacionStd

66
74
62
56
73
65
71
53
67
55
50
67
53
57
53
73
52
58
%devariacion

conrespecto

alamediaverdadera

64.667 -5%

DesviacionStd 7.8547
61.417
0%

DesviacionStd 7.1026
58.417
5%

DesviacionStd 7.5854

70

70

Media=
61.71
50

DesviacionStd 7.8324
66

68

71

60

70

64

73 Sepuedeverquela

64 desviacindelos

estimadorescontralos

parmetrosdelapoblacin

estodavaaunmenor.

4.5826

4.3589

67
68
67
50
54
63
72
58
56
63
63
61
56
53
72

Alasdesviacionesdelosestimadorescontralosparmetros
seleconocecomoerrordemuestreo,

Un estimador eficiente es aquel que tiene la menor

desviacin con respecto al parmetro de todos los
estimadores.

Un estimador insesgado es aquel cuyo valor esperado es

igualalparmetrodelapoblacin.

Para minimizar el sesgo se debe de tomar la muestra de

formaaleatoria.

Pararealizarunamuestradeformaaleatoriasedebendetomarloselementosdela
poblacindetalmaneraquetodosloselementosdelapoblacintenganlamisma
posibilidaddesermuestreados

Todos los miembros tienen

La misma posibilidad de
ser muestreados
Paralograrestoseutilizan
P(x)
nmerosalazarquesiganunadistribucin
uniforme.,Estosnmerosgeneralmente
sonobtenidosdetabladenmeros
1/5
aleatoriosodeunprogramadecomputo
aquesimportantesealarquealgunos
lenguajesdeprogramacinyhojasde
calculoascomocalculadorascuentancon
unafuncingeneradoradenmeros
aleatoriosaunquenotodaslasfunciones
12345
cumplenconlosrequisitosnecesariosde
aleatoriedad.Tambinexistenmedios
Mediadeunadistribucin
mecnicoscomoloserialatmbola.
uniforme

Distribucin
uniforme

Todas las variables

tienen la misma
probabilidad

=1/nxi

Distribucindemuestreodelamedia
En el ejemplo anterior se tomaron varias muestras y con estas se determino la media de la
poblacin.Siseanalizanlosresultadosdelasdiferentesmuestrassepuedeverqueexisteuna
variacin en el resultado de cada una de ellas. La desviacin estndar de las diferentes
variacionesmejorconocidacomoerrorestndardelamediasepuedecalculardelasiguiente
forma.
x=/ndondeneseltamaodelamuestrayesladesviacinestndardelapoblacin
CuandosedesconoceentoncesSx=S/n
Se ha visto que un estimador rara vez a coincidir con el parmetro de la poblacin pero el
estimadorsipuedeestardentrodeunrangoalrededordelparmetrodelapoblacin.

Nivel de confianza (1-)100% indica

la probabilidad de que el estimador
este dentro del intervalo de
confianza. es el limite de
confianza

IntervalodeconfianzaXmediadelamuestra

Parmetro de la poblacin (En este caso es la media )

Siladistribucindemuestreodelamediatieneunadistribucinnormal.

EntoncesZ=X-
x

Cuando se tiene conocimiento de que el comportamiento de la poblacin ocurre bajo una

distribucinnormalon>30usandoelteoremadellimitecentralsepuededefinirelintervalo
deconfianzadecomo.
X+-z x
DondeZ(Numerodedesviacionesestndarconrespectoalamedia)seobtienedelastablas
deladistribucinnormal.

Sisedesconocela x delapoblacinperoeltamaodelamuestraesden>30entoncesel
intervalodeconfianzaestadadopor
X+-zsx

Sisedespejansepuedeencontrarque

n=(z/E)2

Donde E es el error esperado, en otras palabras es la media +-E o la mitad del intervalo de
confianza.

Estonospermitedeterminareltamaodelamuestrasisetieneconocimientodeladesviacin
estndardelapoblacin

Ejercicios
Determineelerrorestndarparaunapoblacingrandequetieneunamediade53ydesviacin
estndar=10paraunamuestrade37 elementos.
Errorestndar=1.643989873

Ejercicios:
Determineelerrorestndarparaunapoblacingrandequetieneunamediade
ydesviacinestndar= 15 paraunamuestrade
59
elementos

77

Errorestndar= 1.9528

Setomaunamuestrade
25
departamentosdedosrecamarasenlazonanortedela
ciudaddeTolucaseconocequeelpromediodelospreciosdelosdepartamentosesde $153,308.00
conunadesviacinestndardelamuestra
38327
Cualeslaprobabilidaddequelamediamuestralseinferiora
$137,977.00
Errorestndar= 7665.4
Z=
P(Z<

-2
-2

)=

0.0227

137,977

153308

Setomaunamuestrade20prediosenunazonadelaciudaddeTolucayseencuentraqueelcosto
promediodelmetrocuadradoenlamuestradeloslotesesde
$1,432
conunadesviacinestndarmuestralde
$358
Establezcaunintervalodeconfianzaconun95%deseguridadparalamedia
Errorestndar= $80.05

X= 1589

X= 1275


Si se desconoce la desviacin estndar de la poblacin y el tamao de la muestra es
reducidoperoseconocequelapoblacinsecomportabajounadistribucinnormalse
puede utilizar una distribucin tgl con gl=n-1 donde gl son los grados de libertad o el
numerodevariableslibres.

Porlotantoelintervalodeconfianzapara estaradadopor

X+-tglSx

Dadoquettiendeacomportarsecomounanormaldespusden>30sepuedenutilizar
tantolanormalcomotparamuestrasmayoresa30datos

Setomaunamuestrade20prediosenunazonadelaciudaddeTolucayseencuentraqueelcosto
promediodelmetrocuadradoenlamuestradeloslotesesde
$967
Delamuestrasehaestimadounadesviacionestandarde
$200
Establezcaunintervalodeconfianzaconun95%deseguridadparalamedia

ErrorEstndar=$63.25

Distribuciont=

2.2622
X1=
X2=

824

$967

1,110

$1,110.07
$823.93

Regresin
Unafuncinesunaexpresinquenosindicaunarelacindecorrespondencia

Una funcin nos indica que

existen entre los miembros
conjuntos

relacin
de los

Unafuncinsepuedeexpresarentrminosmatemticos,lanotacinusadaes:
F(variabledeinters)=Expresinmatemticaquecontienealavariabledeinters.

Ejemplos:

Y=3X+36puedeserexpresadocomoY=f(X)obienf(X)=3X+36

Elgradodeunafuncineslapotenciaalacualestaelevadalavariabledeinters

F(X)=3X+36Esunafuncindeprimergradoolinealporquesurepresentacinenel
planocartesianoesunarecta.

F(X)=3X2+90EsunafuncindeSegundogradoocuadrticasurepresentacinenel
planocartesianoesdeunaparbola.

F(X)=3X3+100Esunafuncindetercergradoocbica.

F(x)=X+1siX=1entoncesF(x)=1+1=2siX=2entoncesF(x)=2+1=3

3
2
1

Se puede ver que X puede tomar cualquiervalor mientras que F(x) depende delos
valoresquetomeX.

Expresin
F(x)=

SiX F(x)

0
1

1
3.9

2
6.8

3
9.7

4 12.6

5 15.5

6 18.4

7 21.3

8 24.2

9 27.1

10
30

11 32.9

12 35.8

13 38.7

Expresin
F(X)=

SiX= F(X)

-6 10.8

-5
7.5

-4
4.8

-3
2.7

-2
1.2

-1
0.3

0
0

1
0.3

2
1.2

3
2.7

4
4.8

5
7.5

6 10.8

Expresin
F(X)=

SiX= F(X)

-6 -43.2

-5
-25

-4 -12.8

-3 -5.4

-2 -1.6

-1 -0.2

0
0

1
0.2

2
1.6

3
5.4

4 12.8

5
25

6 43.2

2.9X+ 1

2
0.3X+ 0

3
0.2 X+0

Expresin
F(X)=

siX= F(X)

0.1 -4.61

0.6 -1.02

1.1 0.191

1.6 0.94

2.1 1.484

2.6 1.911

3.1 2.263

3.6 2.562

4.1 2.822

4.6 3.052

5.1 3.258

5.6 3.446

6.1 3.617

Expresin
F(X)=

SiX= F(x)
-6 0.002
-5 0.007
-4 0.018
-3 0.05
-2 0.135
-1 0.368
0
1
1 2.718
2 7.389
3 20.09
4 54.6
5 148.4
6 403.4

2*Ln(X)Ln(X)

1e