BIOESTADISTICA UNIVERSIDAD DE

MAIMONIDES
LICENCIATURA EN
ENFERMERIA
TRABAJO PRCTICO N 2
AUTORES:
ROSARIO CLAUDIA PEREZ,
SOLEDAD LOPEZ,
MARCELO FLORES,
ROMINA CASTELLON,
CECILIA CARRIZO
 1

a) Defina, universo, poblacin, poblacin estadstica, muestras, muestreo, tipos de muestreo, aleatorios y no
aleatorios, muestreos aleatorios ms usados, explique cmo se realiza. Y en que circunstancias. Seleccione un
tipo de muestreo y aplquelo en un ejemplo, en qu circunstancias lo hara y porque.

UNIVERSO: designa a todos los posibles sujetos o medidas de un cierto tipo.

Poblacin. Es un conjunto definido, limitado y accesible del universo que forma el referente para la eleccin
de la muestra. Es el grupo al que se intenta generalizar los resultados.

Muestra. Es un subconjunto o parte del universo o poblacin en que se llevar a cabo la investigacin.

Muestreo. Es el proceso de extraccin de una muestra a partir de la poblacin. El proceso esencial del
muestreo consiste en identificar la poblacin que estar representada en el estudio.

Tipos de muestreo

Se dividen en dos grupos, el probabilstico y el no probabilstico.

Muestreo probabilstico

Es el mtodo ms recomendable si se est haciendo una investigacin cuantitativa porque todos los
componentes de la poblacin tienen la misma posibilidad de ser seleccionados para la muestra. "Cada uno de
los elementos de la poblacin tengan la misma probabilidad de ser seleccionados".

Se divide en:

a) Muestreo probabilstico aleatorio simple

Este mtodo es uno de los ms sencillos de aplicar, se caracteriza porque cada unidad que compone la
poblacin tiene la misma posibilidad de ser seleccionado. Para proceder con la seleccin de los componentes
de la muestra se siguen los siguientes pasos.

1. Identificar y definir la poblacin.

2. Realizar el listado de cada una de las unidades de la poblacin.

3. Proceder a calcular la muestra.

4. Asignar un nmero a cada uno de los componentes de la poblacin anotando en una ficha, cartn o bolillo;
luego colquelos en una bolsa o cajn.

5. Extraiga una por una las unidades correspondientes de acuerdo a la cantidad total del tamao de la
muestra. Cada ficha, cartn o bolillo extrado ser componente de la muestra.

b) Muestreo probabilstico sistemtico

Este procedimiento se realiza a travs del clculo del intervalo que regir la seleccin de los componentes de
la muestra. "Algunos investigadores lo consideran como tcnica importante para realizar investigaciones
sobre problemas sociales de gran magnitud".

Este tipo de muestreo se utiliza cuando el tamao de la poblacin es grande y la tabla de nmeros aleatorios
no es suficiente para contar esa poblacin. Tambin es usado en poblaciones pequeas donde la seleccin
sistemtica facilita la identificacin de los componentes de la muestra. El procedimiento es el siguiente:

1. Identifique y defina la poblacin.

2. Realice el clculo de la muestra.

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 2

3. Asegrese de que cada uno de los componentes de la poblacin est enumerada.

4. Proceda al clculo del intervalo numrico que servir de base para la seleccin de la muestra. Este se
calcula dividiendo (N/m) el total de la poblacin (N) por la muestra (m).

Este tipo de muestreo es menos costoso y requiere de menos tiempo que los otros.

Por ejemplo si la poblacin son 500 personas(N), la muestra 100(m): N/m realizamos la divisin
reemplazando la frmula 500/100 es igual a 5; este nmero ser el intervalo para la seleccin de cada
unidad muestral.

5 .Sortee un nmero del uno al cinco (intervalo) por la que se iniciar la seleccin de los componentes de la
muestra.

6. Proceda a conformar la muestra. Si sorteo del uno al cinco resultara el nmero 4 y dado que el nmero de
intervalo es 5, la primera unidad seleccionada ser 4 y el siguiente sumando 5, ser 9, 14,19 y as
sucesivamente hasta completar los 100 elementos que componen la muestra.

c) Muestreo probabilstico estratificado

Este tipo de muestreo se caracteriza por la divisin de la poblacin en subgrupos o estratos debido a que las
variables que deben someterse a estudio en la poblacin presentan cierta variabilidad o distribucin conocida
que es necesario tomar en cuenta para extraer la muestra. Por ejemplo, si se desea tomar una muestra de
una poblacin que gusta de las novelas mexicanas donde el 15 % representa a los varones, el 85% representa
a las mujeres, se mantendr la proporcin, por cada 15 varones, se incluirn 85 mujeres.

Dentro del Muestreo estratificado suele distinguirse:

Muestreo estratificado constante: la muestra se obtiene seleccionando un nmero igual de

individuos de cada estrato en que se ha dividido la poblacin, con independencia del tamao y
variabilidad de los mismos dentro de la poblacin.
Muestreo estratificado proporcional: se selecciona de cada estrato un nmero de elementos
proporcional a su tamao en el conjunto de la poblacin.

Es proceso que se sigue es el siguiente:

1. Identifique y defina la poblacin.

2. Calcule la muestra.

3. Determine los subgrupos o estratos en que se dividir la poblacin, segn la variable que se est
estudiando.

4. Asegrese de contar con las listas de los componentes de cada estrato identificado.

5. Calcule el porcentaje de la muestra de la poblacin. Si se toma el ejemplo anterior, usado en el

sistemtico, la poblacin (500) ser el 100% la muestra (100) calculando por la regla de tres representar el
20%.

6. Una vez que se calcul el porcentaje de la muestra, se calcula proporcionalmente el mismo porcentaje
en nmeros de cada estrato identificado, es decir, si el primer estrato tiene 180 personas, el 20% ser 36
personas. De las 180 que compone el estrato se seleccionar 36 empleando cualquier procedimiento descrito
en el aleatorio y el sistemtico. El mismo procedimiento se realizar con los dems estratos.

d) Muestreo probabilstico conglomerado

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 3

Este tipo de muestreo se usa en particular cuando no se dispone de una lista detallada y enumerada de cada
una de las unidades que conforman la poblacin y resulta muy complejo elaborarla. Se denomina
conglomerado porque la poblacin es agrupada en conjuntos, manzanos, bloques, reas, zonas, etc. No es lo
mismo que el estratificado porque en este procedimiento se agrupa segn las variables a estudiar y se puede
identificar exactamente a la poblacin.

El muestreo conglomerado es conocido tambin por racimos. El procedimiento es el siguiente:

1. El proceso se inicia definiendo los conglomerados que componen la poblacin Ej. Manzanos.

2. Se selecciona los subconjuntos a estudiar y se realizan listados de los componentes del conglomerado.
Ej. Nmero de casas por manzano

3. Se procede a calcular la muestra de las casas.

4. Se procede a identificar a los componentes de la muestra que ser tomada en cuenta para el estudio, es
decir, si el estudio son personas de 15 a 25 aos, se procede a identificar cuantas personas existirn entre
esas edades en cada casa seleccionada.

5. Se procede con la recoleccin de datos hasta completar la muestra.

MUESTREO NO PROBABILSTICO

En este tipo de muestreo, todas las unidades que componen la poblacin no tiene la misma posibilidad de ser
seleccionada "tambin es conocido como muestreo por conveniencia, no es aleatorio, razn por la que se
desconoce la probabilidad de seleccin de cada unidad o elemento de la poblacin".

Se dividen en tres grupos:

a) Intencional o deliberado. El investigador decide segn los objetivos, los elementos que integrarn la
muestra, considerando aquellas unidades supuestamente tpicas de la poblacin que se desea conocer. El
investigador decide qu unidades integrarn la muestra de acuerdo a su percepcin. Ejemplo, encuestar a
estudiantes que ven un determinado programa televisivo y acudir a un grupo claramente identificado con esta
serie o programa de televisin.

b) Accidentales o por comodidad. El investigador acomoda su investigacin de acuerdo a los criterios que
tiene para su investigacin, es decir, si su objeto de estudio son nios que ven un determinado programa
infantil de televisin, el investigador en lugar de elegir una zona de estudio elige un espacio donde se renan
los nios, ejemplo, un jardn de infantes, un parque infantil, una escuela, etc.

c) Por cuota. Consiste en que el investigador selecciona la muestra considerando algunos fenmenos o
variables a estudiar como sexo, raza, religin, reas de trabajo, etc. El paso inicial consiste en determinar la
cantidad o cuota de sujetos de estudio a incluirse y que poseen las caractersticas indicadas. Por ejemplo, en
una encuesta a jvenes que ven un determinado programa de televisin, el encuestador proceder al llenado
de las boletas hasta cumplir la cuota asignada, no importa la zona ni la forma de seleccin de las personas lo
importante es cumplir con la cuota asignada.

Antes de entrar a desarrollar consideraciones para el muestreo en investigaciones cualitativas, se debe

recomendar no utilizar el muestro no probabilstico en investigaciones cuantitativas, porque no permite
calcular el error de la muestra.

Ejemplo Muestreo sistemtico: Se pretende determinar la prevalencia de Maedi en una explotacin de 250
ovejas: para ello se deben examinar 61 animales. En vez de tomar 61 nmeros aleatorios tomamos slo uno

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 4

(entre el uno y el cuatro), por ejemplo el nmero 3, de modo que tomaremos la oveja nmero 3, y a
continuacin cada cuarto animal (la 7, la 11, la 15 y as sucesivamente hasta llegar a la 247).

b) Medidas de tendencias centrales, y medidas de dispersin, cuales son, como se definen, cuales son sus
caractersticas, cuando deben aplicarse y en que tipos de variables, cual es su utilidad, y recomendaciones.

MODA, MEDIANA Y MEDIA

Moda: es el valor que ms se repite en un conjunto de datos.

Clculo de la moda para datos agrupados Si los datos estn agrupados en una distribucin de frecuencias, se
selecciona el intervalo de clase que tiene mayor frecuencia llamado clase modal. Para determinar un solo
valor de este intervalo para la moda utilizamos la siguiente ecuacin:

VENTAJAS Y DESVENTAJAS DE LA MODA

Se puede utilizar para datos cualitativos nominales u ordinales y para datos cuantitativos
No se ve afectada por los valores extremos
Se puede utilizar cuando la distribucin de frecuencias tenga clases abiertas
Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, se dice que no tiene moda

USO DE LAS MEDIDAS DE TENDENCIA CENTRAL

Cul ser la medida de tendencia central que se debe usar, teniendo un conjunto de
observaciones?, para responder a este cuestionamiento, se debe tomar en cuenta la necesidad de
considerar dos factores muy importantes uno es la escala de medicin, que tiene que ser ordinal o
numrica; y otra, la forma de distribucin de las observaciones, porque se tiene que saber si la distribucin
de las observaciones se desva a la izquierda o a la derecha de la media. Si hay observaciones distantes en
una sola direccin se trata de una distribucin sesgada. Si los valores distantes son pequeos se sesga a la
izquierda, sesgo negativo. Si los valores distantes son grandes se sesga a la derecha, sesgo positivo
Mediana: es el valor que divide al conjunto ordenado de datos, en dos subconjuntos con la misma cantidad
de elementos. La mitad de los datos son menores que la mediana y la otra mitad son mayores.

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 5

Clculo de la mediana para datos agrupados

Si los datos estn agrupados en una distribucin de frecuencias, se selecciona el intervalo de clase que
contiene a la mediana llamado clase mediana. Para ello, debemos determinar la frecuencia acumulada
absoluta que contenga al elemento nmero (n + 1)/2
. El valor de este intervalo para la mediana se calcula utilizando la siguiente ecuacin:

VENTAJAS Y DESVENTAJAS DE LA MEDIANA

Se puede utilizar para datos cualitativos ordinales y para datos cuantitativos
No se ve afectada por los valores extremos. Esta es la propiedad ms importante que tiene.
Se puede utilizar cuando la distribucin de frecuencias tiene clases abiertas, a menos que la
mediana caiga en una de las clases abiertas
Si hay un gran nmero de datos, el tener que ordenarlos para hallar la mediana insume esfuerzo y
tiempo.
Media o media aritmtica: Es el promedio de los datos.
Clculo de la media para datos agrupados Para calcular la media para datos agrupados, primero calculamos
el punto medio de cada clase (marca de clase mi). Despus multiplicamos cada punto medio por la
frecuencia absoluta de cada intervalo.

VENTAJAS Y DESVENTAJAS DE LA MEDIA

Se trata de un concepto familiar e intuitivamente claro
Cada conjunto de datos tiene una media y es nica
Es til para llevar a cabo procedimientos estadsticos como la comparacin de medias de varios
conjuntos de datos. En estadstica inferencial es la medida de tendencia central que tiene mejores
propiedades

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 6

Aunque la media es confiable en el sentido de que toma en cuenta todos los valores del conjunto
de datos, puede verse afectada por valores extremos que no son representativos del resto de los
datos. La media puede malinterpretarse si los datos no forman un conjunto homogneo.
No se puede calcular la media si la distribucin de frecuencias tiene clases abiertas
COMPARACIN ENTRE LA MEDIA, LA MEDIANA Y LA MODA
Las distribuciones simtricas tienen el mismo valor para la media, la mediana y la moda.
En una distribucin con sesgo positivo, la moda se halla en el punto ms alto de la distribucin, la
mediana est hacia la derecha de la moda y la media ms a la derecha. Es decir Mo < Me <X
En una distribucin con sesgo negativo, la moda es el punto ms alto, la mediana est a la
izquierda de la moda y la media est a la izquierda de la mediana. Es decir, x < Me < Mo
Cuando la poblacin tiene una distribucin sesgada, con frecuencia la mediana resulta ser la mejor
medida de posicin, debido a que est siempre entre la media y la moda. La mediana no se ve
altamente influida por la frecuencia de aparicin de un solo valor como es el caso de la moda, ni se
distorsiona con la presencia de valores extremos como la media.
La seleccin de la media, la mediana o la moda, depende de la aplicacin. Por ejemplo, se habla
del salario promedio (media); el precio mediano de una casa nueva.
Las siguientes reglas deben considerarse al decidir cual medida se aplicar a las observaciones del trabajo de
investigacin. La media se usa para datos numricos y distribuciones simtricas, es decir sin ningn tipo de
sesgo, y es sensible a los valores absolutos.
La mediana se emplea para datos ordinales o para datos numricos con distribucin sesgada, porque no es
sensible a la variacin de los extremos.
El modo se utiliza para distribuciones bimodales (dos observaciones que se repiten el mismo nmero de veces
en la distribucin). Una forma de saber la forma que tiene la distribucin de observaciones es la siguiente: Si
la media y la mediana son iguales la distribucin es simtrica (se usa la media). Si la media es mayor que la
mediana, la distribucin est sesgada a la derecha. Si la media es menor que la mediana la distribucin est
sesgada a la izquierda (en los ltimos dos casos, se usa la mediana).
MEDIDAS DE DISPERSIN
Cuando se tiene una serie de mediciones de observaciones realizadas en una investigacin no basta con
presentar la media o la mediana segn sea el caso. Desde luego que la informacin no es despreciable, pero
se requiere lograr informacin ms objetiva, por ejemplo saber como es la variacin de dichas
observaciones, es decir, como se dispersan, o se sitan en el rea bajo la curva.
Varias son las medidas estadsticas, que se utilizan para dar una idea clara de cmo es la dispersin o
variacin de las observaciones. Entre otras, el rango, extensin o amplitud, la desviacin estndar, el
coeficiente de variacin, percentiles y el rango o amplitud intercuartil.
La diferencia entre la observacin ms grande y la ms pequea es lo que se denomina rango

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 7

Una medida de dispersin, muy til y por lo tanto comnmente utilizada es la desviacin estndar.
Es una medida de cmo se dispersan los datos alrededor de su media. Partimos del hecho de que se pudiera
medir que tanto se desva de la media, cada una de las observaciones. Se sumaran todas estas mediciones y
se dividiran entre el nmero de ellas, para formar una analoga de la media. Es decir una desviacin media,
luego entonces tendra como frmula (X X) / n.
La varianza es el resultado obtenido, antes de extraer la raz cuadrada
Otra medida til para la dispersin relativa de los datos es el coeficiente de variacin es la desviacin
estndar dividida entre la media por 100%, es una medida de la variacin relativa con respecto a la media, y
se usa cuando se comparan dos escalas de medicin diferentes, este coeficiente las estandariza. La frmula
es: CV = (DE / X). 100%. Los valores del resultado indican que tan grande o pequea es la variacin, si es
pequea se puede utilizar adecuadamente por ejemplo una prueba diagnstica.
c) Problemas
1)
Intervalo Xi ni Fa Xi*ni (X-X)^2*ni
[17,5-20,5) 19 13 13 247 2809,17
[20,5-23,5) 22 9 22 198 1232,01
[23,5-26,5) 25 9 31 225 681,21
[26,5-29,5) 28 12 43 336 389,88
[29,5-32,5) 31 11 54 341 80,19
[32,5-35,5) 34 9 63 306 0,81
[35,5-38,5) 37 8 71 296 87,12
[38,5-41,5) 40 10 81 400 396,9
[41,5-44,5) 43 5 86 215 432,45
[44,5-47,5) 46 11 97 506 1664,19
[47,5-50,5] 49 13 110 637 3043,17
totales 110 3707 10817,1

EDAD DE LAS PERSONAS TALLER DE OFICIO

13 13
12
11 11
10
9 9 9
8

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 8

Medidas de tendencia central Medidas de dispersin

=33.7 Varianza=98,34
Desvo tpico= 9,92
Md=32,83
Cv= 0,29

2) Intervalo Xi ni Fa Xi*ni (X-X)^2*ni

[0,5-70,5) 35,5 12 12 426 2514091,18
[70,5-140,5) 105,5 12 24 1266 1803921,58
[140,5-210,5) 175,5 11 35 1930,5 1110405,98
[210,5-280,5) 245,5 18 53 4419 1104573,57
[281-350,5) 315,5 16 69 5048 505350,37
[351,5-420,5) 385,5 10 79 3855 116035,98
[420,5-490,5) 455,5 10 89 4555 14227,98
[490,5-560,5) 525,5 14 103 7357 14587,98
[560,5-630,5) 595,5 11 114 6550,5 115073,18
[634-700,5) 665,5 12 126 7986 356164,78
[700,5-770,5) 735,5 18 144 13239 1056592,77
[770,5-840,5) 805,5 7 151 5638,5 682631,59
[840,5-910,5) 875,5 13 164 11381,5 1899793,98
[910,5-986] 945,5 16 180 15128 3272915,17
TOTALES 180 88780 14566366,11

Medidas de tendencia Medidas de dispersin

central
Varianza=80924,26
=493,22 Desvo tpico=284,47
Md=495,5 CV=0,58

Peso de las cajas de los productos

18 18
16 16
14 13
12 12 11 11 12
10 10
7

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 9

3)
C1: caja 1
Intervalo Xi C1 Fa
[0,0045-0,131) 0,068 10 10 Moda = 0,751
[0,124-0,257) 0,194 5 15 Media C1= 0,535
[0,257-0,383) 0,320 4 19 Mediana C1= 0,607
[0,383-0,509) 0,446 3 22 Varianza= 0,089
0,509-0,635) 0,572 9 31 desvo Tpico C1= 0,299
[0,635-0,761) 0,698 12 43 CV = 0,559
[0,761-0,887) 0,824 8 51
[0,887-1,013] 0,950 7 58
Totales 58

C2: caja 2
Intervalo Xi C2 Fa Moda = 0,586
[0,0045-0,131) 0,068 10 10 Media C2= 0,491
[0,124-0,257) 0,194 7 17 Mediana C2= 0,523
[0,257-0,383) 0,320 5 22 Varianza= 0,086
[0,383-0,509) 0,446 6 28 Desvio Tpico C2= 0,293
0,509-0,635) 0,572 9 37 CV= 0,596
[0,635-0,761) 0,698 7 44
[0,761-0,887) 0,824 9 53
[0,887-1,013] 0,950 5 58
Totales 58

C3: caja 3

Intervalo Xi C3 Fa
[0,0045-0,131) 0,068 5 5 Moda = 0,337
[0,124-0,257) 0,194 5 10 Media C3= 0,526
[0,257-0,383) 0,320 12 22 Mediana C3= 0,463
[0,383-0,509) 0,446 11 33 Varianza C3= 0,084
0,509-0,635) 0,572 5 38 desvo Tpico C3= 0,289
[0,635-0,761) 0,698 2 40 CV= 0,550
[0,761-0,887) 0,824 7 47
[0,887-1,013] 0,950 11 58
Totales 58

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 10

C4: caja 4
Intervalo Xi C4 Fa
[0,0045-0,131) 0,068 9 9 Moda = 0,266
[0,124-0,257) 0,194 14 23 Media C4= 0,441
[0,257-0,383) 0,320 6 29 Mediana C4= 0,383
[0,383-0,509) 0,446 8 37 Varianza C4= 0,091
0,509-0,635) 0,572 2 39 desvo Tpico C4= 0,301
[0,635-0,761) 0,698 8 47 CV= 0,683
[0,761-0,887) 0,824 3 50
[0,887-1,013] 0,950 8 58
Totales 58

C5: caja 5
Intervalo Xi C5 Fa
Moda = 0,624
[0,0045-0,131) 0,068 10 10 Media C5= 0,533
[0,124-0,257) 0,194 2 12 Mediana C5= 0,563
[0,257-0,383) 0,320 10 22 Varianza C5= 0,094
[0,383-0,509) 0,446 4 26 Desvo Tpico C5= 0,306
0,509-0,635) 0,572 7 33 CV= 0,575
[0,635-0,761) 0,698 8 41
[0,761-0,887) 0,824 7 48
[0,887-1,013] 0,950 10 58
Totales 58

C6: caja 6
Intervalo Xi C6 Fa
Moda = 0,414
[0,0045-0,131) 0,068 8 8 Media C6= 0,494
[0,124-0,257) 0,194 9 17 Mediana C6= 0,467
[0,257-0,383) 0,320 8 25 Varianza C6= 0,092
[0,383-0,509) 0,446 6 31 Desvio Tipico C6= 0,304
0,509-0,635) 0,572 7 38 CV= 0,616
[0,635-0,761) 0,698 4 42
[0,761-0,887) 0,824 7 49
[0,887-1,013] 0,950 9 58
Totales 58

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 11

C7: caja 7
Intervalo Xi C7 Fa
Moda = 0,409
[0,0045-0,131) 0,068 5 5 Media C7= 0,502
[0,124-0,257) 0,194 11 16 Mediana C7= 0,4712
[0,257-0,383) 0,320 6 22 Varianza C6= 0,080
[0,383-0,509) 0,446 10 32 Desvio Tipico C6= 0,283
0,509-0,635) 0,572 4 36 CV= 0,563
[0,635-0,761) 0,698 7 43
[0,761-0,887) 0,824 9 52
[0,887-1,013] 0,950 6 58
Totales 58
Rta: tomara la media por lo que los cajeros que quedaran son 2, 4, 6 y 7

Distribucin Normal Estndar

La distribucin normal estndar, o tipificada o reducida, es aquella que tiene por media el valor cero, = 0,
y por desviacin tpica la unidad, =1.

Su funcin de densidad es:

Su grfica es:

La probabilidad de la variable X depender del rea del recinto sombreado en la figura. Y para calcularla
utilizaremos una tabla.
Tipificacin de la variable

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribucin N (, ) en otra
variable Z que siga una distribucin N (0, 1).

a) Entre las ciudades de Estados unidos con una poblacin de ms de 250000 habitantes, la media del
tiempo de viaje de ida al trabajo es de 24,3 minutos. El tiempo de viaje ms largo pertenece a la ciudad de
Nueva York, donde el tiempo medio es de 38.3 minutos. Suponga que la distribucin de los tiempos de viaje
en la ciudad de Nueva York tiene una distribucin de probabilidad normal y la desviacin estndar es de 7.5
minutos.

1) Qu porcentaje de viajes en la ciudad de Nueva York consumen menos de 30 minutos?

,
( ) = ( ) = ,
,
Rta: consumen menos de 30 minutos 13,35%

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 12

2) Qu porcentaje de viajes consumen entre 30 y 35 minutos?

, ,
( ) = ( ) = , , = ,
, ,

Rta: porcentajes de viajes entre 30 y 35 minutos es de 19,43 %

3) Qu porcentaje de viajes consumen entre 30 y 40 minutos?

, ,
( ) = ( ) = , , = ,
, ,

Rta: porcentajes de viajes entre 30 y 40 minutos es de 45,75%

b) Los pesos de individuos de una poblacin se distribuye normalmente con una media de 70 Kg y un desvo
tpico de 6 Kg, de una poblacin de 2040.

= 70 = 6 = 2040

1) Cuantos individuos tendrn un peso entre 78 y 83 kg

( ) = ( ) = , , = , = , %

7,72 % de 2040=158

Rta: entre 78 y 83 kg hay 158 individuos

2) Un Peso de ms de 67Kg

( ) = ( ) = , = . = , %

Rta: la probabilidad es 69,15%

3) cuantos individuos pesan menos de 60 Kg.

( ) = ( ) = , = , %

47,65% de 2040= 972 individuos

Rta: 972 individuos pesan menos de 60 Kg

4) cuantas personas pesaran ms de 85 Kg

( ) = ( ) = , = , =0,62%

0,62% de 2040= 12

Rta: hay 12 individuos pesan ms de 85 Kg

5) entre 60 y 64 Kg

( ) = ( ) = , , = , = , %

Rta: la probabilidad es de 36,48%

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO
 13

c) Se supone que los resultados de un examen siguen una distribucin normal con media 78 y desviacin
tpica 36. Se pide:

1Cul es la probabilidad de que una persona que se presenta el examen obtenga una calificacin superior
a 72?

= 78 = 36

(72-78)/36=0,1230

1-0,1230=0.877

Rta: La probabilidad es del 12,30%

2) Que excedan en 5 puntos por lo menos a la marca media

( > ) = ( ) = , = , = , %

44,43% de 175=77

Rta: 77 alumnos

3) Si s e sa b e q u e la ca li f i cac in d e u n e stu d ian t e e s may or q u e 7 2 cu l e s l a

p rob ab il id ad d e q u e su cal i fi cac in s ea , d e h ec h o, su p er ior a 8 4 ?

Rta: la probabilidad es de 0.774

4) cuantos lograron superar los 60

( ) = ( ) = , = , = , %

69,15% de 175=121

Rta: 121 alumnos lograron aprobar

ROSARIO CLAUDIA PEREZ, SOLEDAD LOPEZ, MARCELO FLORES, ROMINA CASTELLON, CECILIA CARRIZO