Académique Documents
Professionnel Documents
Culture Documents
CURSO: ESTADSTICA
AUTOR:
CAPTULO I
La estadstica es una ciencia terica que forma parte de las ciencias matemticas,
al aplicarla a otras disciplinas se tienen que cumplir ciertas condiciones para que
su uso sea correcto. Sus leyes y frmulas se basan en poblaciones numricas, en
general, bien definidas aunque sean casi siempre infinitas, adems, sus elementos
suelen ser nmeros sin errores de medida. Al aplicar los principios estadsticos a
disciplinas distintas de las matemticas hay que tener en cuenta que las
poblaciones casi nunca son infinitas y que los valores, en muchos casos, suelen
proceder de medidas realizadas sobre magnitudes que no se pueden evaluar con
mucha exactitud. Si no se tienen en cuenta las diferencias entre estadstica
matemtica y aplicada se pueden cometer errores muy importantes.
Los estudiantes confunden comnmente los dems trminos asociados con las
Estadsticas, una confusin que es conveniente aclarar debido a que esta palabra
tiene tres significados: la palabra estadstica, en primer trmino se usa para
referirse a la informacin estadstica; tambin se utiliza para referirse al conjunto
de tcnicas y mtodos que se utilizan para analizar la informacin estadstica; y el
trmino estadstico, en singular y en masculino, se refiere a una medida derivada
de una muestra.
En los siglos XVII y XVIII Newton revoluciono la ciencia e introdujo junto a Leibniz
el clculo infinitesimal y la modelizacin matemtica de los fenmenos fsicos,
como consecuencia de ello se puso de manifiesto la necesidad de la exactitud de
las medidas y el desarrollo del clculo de errores.
En el siglo XX, junto a Pearson , que hiso sus trabajos entre el siglo XIX y el XX, en
autor ms importante fue Fisher, el cual dedico gran parte de su tiempo al anlisis
de modelos matemticos multivariantes; entre otras aportaciones invento el
anlisis discriminante. ES Pearson, Wald y Neyman desarrollaron la teora del
contraste de hiptesis.
A partir de 1970 la estadstica ha cobrado una gran dimensin entre otras razones
por la generalizacin del uso de los ordenadores, lo que ha permitido utilizar
tcnicas estadsticas que, aunque conocidas desde hace tiempo, se aplicaban en
pocas ocasiones debido a la dificultad de los clculos. En la actualidad la
estadstica es una disciplina en alza; la sociologa, la psicologa, la utilizacin
creciente de encuestas, la generalizacin del control de calidad, la aplicacin a las
ciencias de la salud, las nuevas teoras fsicas, etc., son algunas de las razones que
han motivado una gran demanda de estudios estadsticos.
Tambin los chinos efectuaron censos hace ms de cuarenta siglos. Los griegos
efectuaron censos peridicamente con fines tributarios, sociales (divisin de
tierras) y militares (clculo de recursos y hombres disponibles). La investigacin
histrica revela que se realizaron 69 censos para calcularlos impuestos,
determinar los derechos de voto y ponderar la potencia guerrera. Pero fueron los
romanos, maestros de la organizacin poltica, quienes mejor supieron emplear
los recursos de la estadstica. Cada cinco aos realizaban un censo de la poblacin
y sus funcionarios pblicos tenan la obligacin de anotar nacimientos,
defunciones y matrimonios, sin olvidar los recuentos peridicos del ganado y de
las riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo
suceda uno de estos empadronamientos de la poblacin bajo la autoridad del
imperio.
Durante los mil aos siguientes a la cada del imperio Romano se realizaron muy
pocas operaciones Estadsticas, con la notable excepcin de las relaciones de
tierras pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758 y por
Carlomagno en el 762 DC. Durante el siglo IX se realizaron en Francia algunos
censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopil el
Domesday Book o libro del Gran Catastro para el ao 1086, un documento de la
propiedad, extensin y valor de las tierras de Inglaterra. Esa obra fue el primer
compendio estadstico de Inglaterra.
Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicols
Coprnico, Galileo, Neper, William Harvey, Sir Francis Bacon y Ren Descartes,
hicieron grandes operaciones al mtodo cientfico, de tal forma que cuando se
crearon los Estados Nacionales y surgi como fuerza el comercio internacional
exista ya un mtodo capaz de aplicarse a los datos econmicos.
Los eruditos del siglo XVII demostraron especial inters por la Estadstica
Demogrfica como resultado de la especulacin sobre si la poblacin aumentaba,
decreca o permaneca esttica. En los tiempos modernos tales mtodos fueron
resucitados por algunos reyes que necesitaban conocer las riquezas monetarias y
el potencial humano de sus respectivos pases. El primer empleo de los datos
estadsticos para fines ajenos a la poltica tuvo lugar en 1691 y estuvo a cargo de
Gaspar Neumann, un profesor alemn que viva en Breslau. Este investigador se
propuso destruir la antigua creencia popular de que en los aos terminados en
siete mora ms gente que en los restantes, y para lograrlo hurg pacientemente
en los archivos parroquiales de la ciudad. Despus de revisar miles de partidas de
defuncin pudo demostrar que en tales aos no fallecan ms personas que en los
dems. Los procedimientos de Neumann fueron conocidos por el astrnomo
ingls Halley, descubridor del cometa que lleva su nombre, quien los aplic al
estudio de la vida humana. Sus clculos sirvieron de base para las tablas de
mortalidad que hoy utilizan todas las compaas de seguros.
Durante el siglo XVII y principios del XVIII, matemticos como Bernoulli, Francis
Maseres, Lagrange y Laplace desarrollaron la teora de probabilidades. No
obstante durante cierto tiempo, la teora de las probabilidades limit su aplicacin
a los juegos de azar y hasta el siglo XVIII no comenz a aplicarse a los grandes
problemas cientficos.
Jacques Qutelect es quien aplica las Estadsticas a las ciencias sociales. Este
interpret la teora de la probabilidad para su uso en las ciencias sociales y
resolver la aplicacin del principio de promedios y de la variabilidad a los
fenmenos sociales. Qutelect fue el primero en realizar la aplicacin prctica de
todo el mtodo Estadstico, entonces conocido, a las diversas ramas de la ciencia.
Poblacin.
Es un conjunto relativamente grande y completo de individuos, elementos,
objetos o unidades que poseen al menos una caracterstica comn y observable.
La poblacin puede ser finita o infinita. Si la poblacin es infinita ser imposible
tener una informacin completa sobre ella, o si la poblacin es finita pero
numerosa y no sea posible estudiar todos y cada uno de sus elementos, es
necesario tomar una muestra. Ejm:
Muestra.
Una muestra es un procedimiento mediante el cual se extraen algunos elementos
de una poblacin, y a travs de ella estimas los parmetros caractersticos de la
poblacin, todos los elementos de la poblacin deben tener la misma oportunidad
de ser elegidos (mediante un proceso aleatorio).
Ejemplo:
Si la Poblacin consiste en el total de estudiantes matriculados en una Universidad
del Per en el presente ao acadmico, una muestra sera una eleccin de algunos
estudiantes de todos los semestres y de todas las Escuelas Profesionales.
1.5. OBSERVACIONES.
Unidades de Observacin.
Constituyen los elementos o cosas o elementos observados.
Variables.
Alvarez (2007) Los valores de las variables son las luces que vamos a ver
entre las tinieblas de nuestro desconocimiento, su adecuada eleccin y su
correcta medida ayudaran a poner un poco de claridad en el inmenso
ocano de nuestra ignorancia.
Una variable expresa los valores para cada elemento del estudio de una
magnitud. Las variables pueden ser simples o complejas; el valor de las
variables simples se obtiene mediante una medida directa, por ejemplo la
glucemia basal, la tensin arterial sistlica, etc.; las variables complejas se
suelen obtener a partir de varias variables simples, ejemplos: la calidad de
vida, la ansiedad, el grado de invalidez, etc.
Los valores de las variables, los datos, en general, son el principal soporte
de las conclusiones de un estudio o trabajo de investigacin. Para que las
conclusiones tengan valor cientfico es fundamental que los datos sean lo
PORPIEDADES ES JUSTIFICCION
Ingresos Mensuales:
Licenciado en Contabilidad 1 = S/. 3800,00
Licenciado en Contabilidad 2 = S/. 2920,00
Licenciado en Contabilidad 3 = S/. 1480,00
Aos de Experiencia:
Licenciado en Contabilidad 1 = 8 aos
Licenciado en Contabilidad 2 = 3 aos
Licenciado en Contabilidad 3 = 1 ao
Luego tenemos:
y1 = 8 aos
Aos de Y y2 = 3 aos
Experiencia y3 = 1 ao
Nivel z1 = Jefe(a) de
Jerrquico Z Departamento
Ocupacional. z2 = Coordinador(a)
z3 = Auxiliar
PRIMER CRITERIO:
a. Tericas.
Son aquellas variables que necesitan definirse operacionalmente;
porque sus cualidades o caractersticas no son fcilmente observables
ni medibles.
Ejemplo: Desarrollo econmico, estrato socioeconmico, rendimiento
acadmico, hbitos de consumo, etc.
b. Intermedias.
Son variables que permiten especificar a las variables tericas, con el
fin de hacerlas observables y medibles.
c. Empricas.
Son aquellas variables que no necesitan definirse operacionalmente;
porque sus valores se identifican en forma inmediata y son fcilmente
medibles.
Ejemplo: Edad, sexo, peso, talla, etc.
ALTA : 17 20
CALIFICACIONES MEDIA : 11 16
BAJA : 00 10
SEGUNDO CRITERIO:
a. Independientes
Generalmente se simbolizan estas variables con la letra mayscula X; y
son aquellas que no dependen de ninguna variable dentro de un
contexto determinado.
Indica: causa, antecedente, fundamento.
b. Dependientes
Generalmente se simbolizan estas variables con la letra mayscula Y; y
son aquellas que dependen de otra y otras variables dentro de un
contexto determinado.
Indica: efecto, consecuente, resultado.
Ejemplo:
El escaso fomento de la educacin financiera en la poblacin,
X
genera mayor desequilibrio econmico en las familias.
Y
TERCER CRITERIO:
C) POR SU NATURALEZA.
a. Variables Cualitativas.
Cualitativa Nominal.
Ejemplo:
DOMINIO DE
VARIABLE
VARIACIN
- Masculino
GENERO
- Femenino
- Puno
- Juliaca
- Ilave
PROCEDENCIA
- Azngaro
DEL
- Yunguyo
ESTUDIANTE
- Arequipa
UNIVERSITARIO
- Cusco
-
Cualitativa Ordinal.
Ejemplo:
DOMINIO DE
VARIABLE
VARIACIN
- Analfabeto
NIVEL DE - Primaria
INSTRUCCIN - Secundaria
- Superior
NIVEL - Bajo
SOCIO- - Medio
ECONMICO - Alto
- Bachiller
- Magister
GRADO ACADMICO
- Doctor
- Post Doctorado
b. Variables Cuantitativas.
Cuantitativa Discreta.
Cuando los valores del dominio de variacin son contados; y por
lo tanto slo pueden asumir valores enteros.
Ejemplo:
DOMINIO DE
VARIABLE
VARIACIN
- 112 nios
NMERO DE
NACIDOS VIVOS - 10 nios
- 50 alumnos
NMERO DE ALUMNOS - 46 alumnos
- 35 alumnos
Cuantitativa Contina.
Ejemplo:
- 56,50 Kg.
PESO
- 59,75 Kg.
- 96,50 Kg.
- 28,5 C
TEMPERATURA
- 32,6 C
- 25,3 C
CAPTULO II
MTODOS ESTADSTICOS
DEFINICIN.
6. LA RECOLECCIN
Una de las etapas ms importantes de la investigacin es la recoleccin
de la informacin, la cual ha de partir, a menos que se tenga
experiencia con muestras anlogo, de una o varias muestras piloto en
las cuales se pondrn a prueba los cuestionarios y se obtendr una
aproximacin de la variabilidad de la poblacin, con el fin de calcular el
tamao exacto de la muestra que conduzca a una estimacin de los
parmetros con la precisin establecida. El establecimiento de las
fuentes y cauces de informacin, as como la cantidad y complejidad de
las preguntas, de acuerdo con los objetivos de la investigacin son
decisiones que se han de tomar teniendo en cuenta la disponibilidad de
los recursos financieros, humanos y de tiempo y las limitaciones que se
tengan en la zona geogrfica, el grado de desarrollo, la ausencia de
tcnica, etc. Es, entonces, descubrir dnde est la informacin y cmo y
a qu "costo" se puede conseguir; es determinar si la encuesta se debe
aplicar por telfono, por correo, o si se necesitan agentes directos que
recojan la informacin; establecer su nmero ptimo y preparar su
entrenamiento adecuado.
8. LA TABULACIN
Una Tabla es un resumen de informacin respecto a una o ms variables,
que ofrece claridad al lector sobre lo que se pretende describir; para su fcil
interpretacin una tabla debe tener por lo menos: Un ttulo adecuado el
cual debe ser claro y conciso. La Tabla propiamente dicha con los
correspondientes subttulos internos y la cuantificacin de los diferentes
tems de las variables, y las notas de pie de cuadro que hagan claridad
sobre situaciones especiales de la tabla, u otorguen los crditos a la fuente
de la informacin.
9. LA PRESENTACIN
Una informacin estadstica adquiere ms claridad cuando se presenta en
la forma adecuada. Los cuadros, tablas y grficos facilitan el anlisis, pero
se debe tener cuidado con las variables que se van a presentar y la forma
de hacerlo. No es aconsejable saturar un informe con tablas y grficos
redundantes que, antes que claridad, crean confusin. Adems la eleccin
de determinada tabla o grfico para mostrar los resultados, debe hacerse
no slo en funcin de las variables que relaciona, sino del lector a quien va
dirigido el informe.
10. EL ANLISIS
La tcnica estadstica ofrece mtodos y procedimientos objetivos que
convierten las especulaciones de primera mano en aseveraciones cuya
confiabilidad puede ser evaluada y ofrecer una premisa medible en la toma
de una decisin. Es el anlisis donde se cristaliza la investigacin. Esta es la
fase de la determinacin de los parmetros y estadsticos mustrales para
las estimaciones e inferencias respecto a la poblacin, el ajuste de modelos
y las pruebas de las hiptesis planteadas, con el fin de establecer y redactar
las conclusiones definitivas.
11. PUBLICACIN
Toda conclusin es digna de ser comunicada a un auditorio. Es ms, hay
otros estudiosos del mismo problema a quienes se les puede SISTEMAS DE
aportar informacin, conocimientos y otros puntos de vista acerca de l
(12).
CENSO
ENCUESTA
Ejemplo:
CAPTULO III
DISTRIBUCIN DE FRECUENCIAS.
196 177 184 192 180 150 179 197 200 180
242 255 205 228 196 230 170 216 175 196
226 230 218 235 197 210 217 205 200 191
203 190 221 173 185 225 190 201 174 180
218 208 200 191 187 195 201 200 204 194
R = Xmax - Xmin
K = 1 + 3,322 Log. ( n )
K = 1 + 3.322 Log(50)
K = 1 + 3.322 (1,698970004)
K = 6.643978354
K = 6, 7 u 8 Intervalos
Formar los intervalos de clase, significa hallar los lmites inferior y superior
de cada intervalo de clase; y para ello se parte del dato menor (Xmin = 150) y
se le suma la amplitud del intervalo (C = 15), de la siguiente manera:
Primera Clase:
Intervalo Primera Clase:
150 + 15 = 165
[150 165)
Limite
Limite Amplitud
Superior
Inferior
El procedimiento se sigue con las dems clases hasta la ltima clase; de tal
forma que se obtiene lo siguiente:
Nmero de
Intervalos [ Ii )
1 [ 150 -165 )
2 [ 165 -180 )
3 [ 180 -195 )
4 [ 195 -210 )
5 [ 210 -225 )
6 [ 225 -240 )
7 [ 240 -255 ]
Intervalos de Intervalos de
Intervalos abiertos
amplitud igual diferente amplitud
Grandes grupos de Peso de pacientes
Edad (aos)
edad (aos) en (Kg.)
[ 16 20 ) [ 0 15) Menor de 55
[ 20 24 ) [15 64) [55 60)
[ 24 28 ) [64 85) [60 65)
[ 28 32 ) [65 70)
[ 32 36 ] 70 y ms
En la 1ra. clase : F1 = f1
En la 2da. clase : F2 = f1 + f2
En la 3ra. clase : F3 = f1 + f2 + f3
. . . . .
En la clase i : Fi = f1 + f2 + f3 + ... + fi
[ Ii ) fi Fi
[ 150 -165 ) 1 1
[ 165 -180 ) 6 7
[ 180 -195 ) 12 19
[ 195 -210 ) 17 36
[ 210 -225 ) 6 42
[ 225 -240 ) 6 48
[ 240 -255 ] 2 50
TOTALES 50
f1
En la 1ra. clase: h1 =
n
f
En la 2da. clase: h2 = 2
n
En
fi general:
hi =
n
[ Ii ) fi Fi hi
[ 150 -165 ) 1 1 0.02
[ 165 -180 ) 6 7 0.12
[ 180 -195 ) 12 19 0.24
[ 195 -210 ) 17 36 0.34
[ 210 -225 ) 6 42 0.12
[ 225 -240 ) 6 48 0.12
[ 240 -255 ] 2 50 0.04
TOTALES 50 1
En la 1ra. clase: H1 = h1
En la 2da. clase : H2 = h1 + h2
En la 3ra. clase: H3 = h1 + h2 + h3
. . . . .
. . . . .
En la clase i : Hi = h1 + h2 + h3 + ... + hi
Nota: Por lo general a las frecuencias relativas las multiplicamos por 100, con el
fin de obtener los valores expresados en porcentaje.
[ Ii ) fi Fi hi Hi
[ 150 -165 ) 1 1 0.02 0.02
[ 165 -180 ) 6 7 0.12 0.14
[ 180 -195 ) 12 19 0.24 0.38
[ 195 -210 ) 17 36 0.34 0.72
[ 210 -225 ) 6 42 0.12 0.84
[ 225 -240 ) 6 48 0.12 0.96
[ 240 -255 ] 2 50 0.04 1.00
TOTALES 50 1
[ Ii ) fi Fi hi Hi hi %
[ 150 -165 ) 1 1 0.02 0.02 2
[ 165 -180 ) 6 7 0.12 0.14 12
[ 180 -195 ) 12 19 0.24 0.38 24
[ 195 -210 ) 17 36 0.34 0.72 34
[ 210 -225 ) 6 42 0.12 0.84 12
[ 225 -240 ) 6 48 0.12 0.96 12
[ 240 -255 ] 2 50 0.04 1.00 4
TOTALES 50 1 100
[ Ii ) fi Fi hi Hi hi % Hi %
[ 150 -165 ) 1 1 0.02 0.02 2 2
[ 165 -180 ) 6 7 0.12 0.14 12 14
[ 180 -195 ) 12 19 0.24 0.38 24 38
[ 195 -210 ) 17 36 0.34 0.72 34 72
[ 210 -225 ) 6 42 0.12 0.84 12 84
[ 225 -240 ) 6 48 0.12 0.96 12 96
[ 240 -255 ] 2 50 0.04 1.00 4 100
TOTALES 50 1 100
[ Ii ) Xi fi Fi hi Hi hi % Hi %
[ 150 -165 ) 157.5 1 1 0.02 0.02 2 2
[ 165 -180 ) 172.5 6 7 0.12 0.14 12 14
[ 180 -195 ) 187.5 12 19 0.24 0.38 24 38
[ 195 -210 ) 202.5 17 36 0.34 0.72 34 72
[ 210 -225 ) 217.5 6 42 0.12 0.84 12 84
[ 225 -240 ) 232.5 6 48 0.12 0.96 12 96
[ 240 -255 ] 247.5 2 50 0.04 1.00 4 100
TOTALES 50 1 100
0 hi 1
0% hi % 100%
f
i 1
i n
h
i 1
i 1
h % 100%
i 1
i
Interpretar f3 :
f3 = 12 : Significa que 12 de los 50 empleados textiles tienen ingresos
semanales de 180 a menos de 195 Nuevos Soles.
Interpretar f6 :
f6 = 6 : Significa que 6 de los 50 empleados textiles tienen ingresos
semanales de 225 a menos de 240 Nuevos Soles
Interpretar F3 :
F3 = 19 : Significa que 19 de los 50 empleados textiles tienen ingresos
semanales de 150 a menos de 195 Nuevos Soles.
Interpretar F6 :
F6 = 48 : Significa que 48 de los 50 empleados textiles tienen ingresos
semanales de 150 a menos de 240 Nuevos Soles
Interpretar h3 %:
h3 = 24% : Significa que 24% de los 50 empleados textiles tienen
ingresos semanales de 180 a menos de 195 Nuevos Soles.
Interpretar h4 %:
h4% = 34 : Significa que 34% de los 50 empleados textiles tienen
ingresos semanales de 195 a menos de 210 Nuevos Soles.
Interpretar h6 %:
h6% = 12 : Significa que 12% de los 50 empleados textiles tienen
ingresos semanales de 225 a menos de 240 Nuevos Soles.
Interpretar H3 %:
H3% = 38% : Significa que 38% de los 50 empleados textiles tienen
ingresos semanales de 150 a menos de 195 Nuevos Soles.
Interpretar H6 %:
H6% = 96% : Significa que 96% de los 50 empleados textiles tienen
ingresos semanales de 150 a menos de 240 Nuevos Soles.
150 156 159 163 164 166 167 169 171 173
152 157 160 163 164 166 168 169 171 174
154 158 161 164 164 166 168 170 172 176
155 158 162 164 165 167 169 170 172 178
156 159 163 164 165 167 169 170 173 184
R = Xmax - Xmin
K = 1 + 3.322 Log(50)
K = 1 + 3.322 (1,698970004)
K = 6.643978354
K = 6, 7 u 8 Intervalos
R
C
K
[ Ii ) Xi fi Fi hi Hi hi % Hi %
[ 150 - 155 ) 152,5 3 3 0,06 0,06 6 6
[ 155 - 160 ) 157,5 8 11 0,16 0,22 16 22
[ 160 - 165 ) 162,5 12 23 0,24 0,46 24 46
[ 165 - 170 ) 167,5 14 37 0,28 0,74 28 74
[ 170 - 175 ) 172,5 10 47 0,2 0,94 20 94
[ 175 - 180 ) 177,5 2 49 0,04 0,98 4 98
[ 180 - 185 ] 182,5 1 50 0,02 1 2 100
TOTALES 50 1 100
INTERPRETACIONES:
Interpretar f4 :
f4 = 14 : Significa que 14 de los 50 estudiantes que estn
matriculados en el curso de Estadstica tienen estaturas de 165 cm.
a menos de 170 cm.
Interpretar F3 :
F3 = 23 : Significa que 23 de los 50 estudiantes que estn
matriculados en el curso de Estadstica tienen estaturas de 150 cm.
a menos de 165 cm.
Interpretar F5 :
F5 = 47 : Significa que 47 de los 50 estudiantes que estn
matriculados en el curso de Estadstica tienen estaturas de 150 cm.
a menos de 175 cm.
Interpretar h3 %:
h3% = 24% : Significa que 24% de los 50 estudiantes que estn
matriculados en el curso de Estadstica tienen estaturas de 160 cm.
a menos de 165 cm.
Interpretar h6 %:
h6% = 4% : Significa que solo el 4% de los 50 estudiantes que estn
matriculados en el curso de Estadstica tienen estaturas de 175 cm.
a menos de 180 cm.
Interpretar H3 %:
H3% = 46% : Significa que 46% de los 50 estudiantes que estn
matriculados en el curso de Estadstica tienen estaturas de 150 cm.
a menos de 165 cm.
GRAFICAS ESTADISTICAS
HISTOGRAMA DE FRECUENCIAS
Son grficas de rectngulos cuyas bases representan los Intervalos de Clase
y las alturas las Frecuencias Absolutas o Relativas. (Ii , ni), (Ii , fi), (Ii , hi)
Este grfico nos permite comparar frecuencias.
POLIGNO DE FRECUENCIAS
Es una poligonal construida uniendo los puntos (Xi, fi) o (Xi, hi) mediante
segmentos de rectas. Los polgonos de frecuencia nos permite comparar
varias distribuciones superpuestas cuando todas ellas estn expresadas en
la misma escala y en lo posible tienen los mismos lmites de clase.
OJIVA
Es una grfica construida con los puntos cuyas abscisas son los lmites superiores
de las clases y las ordenadas son las frecuencias absolutas acumuladas o relativas
acumuladas o las porcentuales. Se aade una clase con frecuencia cero antes de la
primera clase.
PICTOGRAMA
CAPTULO IV
INTRODUCCIN
a) Promedio aritmtico.
b) Promedio aritmtico ponderado.
c) Promedio geomtrico.
d) Promedio armnico.
e) Promedio cuadrtico.
f) Promedio cbico.
g) Moda
h) Mediana.
MEDIDAS DE POSICIN
i) Cuartiles.
j) Quintiles
k) Deciles
l) Percentiles.
Caractersticas.
Ventajas.
Desventajas.
Sea X una variable aleatoria con valores X1, X2,....Xn; entonces la media
aritmtica o promedio est dado por:
X i
X i 1
Solucin: n=7
X1 = 12 X5 = 13
X2 = 14 X6 = 15
X3 = 15 X7 = 12
X4 = 16
X i
X 1 X 2 X 3 ... X 7
X i 1
n 7
12 14 15 16 13 15 12 97
X 13,8571429
7 7
Sea X una variable aleatoria con marcas de clase X1, X2,....Xk; cada una con
sus respectivas frecuencias absolutas f1, f2, ... , fk; entonces la media
aritmtica o promedio est dado por:
fX i i
X i 1
n
[ Li - Ls > Xi fi fiXi
[150 - 155) 152,5 3 457,5
[155 - 160) 157,5 8 1260,0
[160 - 165) 162,5 12 1950,0
[165 - 170) 167,5 14 2345,0
[170 - 175) 172,5 10 1725,0
[175 - 180) 177,5 2 355,0
[180 - 185] 182,5 1 182,5
Total 50 8275,0
Solucin:
K = 7 (7 intervalos de clase)
n = 50
f X i i
f1 X 1 f 2 X 2 f 3 X 3 ... f 7 X 7
X i 1
50 50
(3)(152,5) (8)(157,5) ... (1)(182,5) 8275
X 165,5
50 50
n1 X1 n2 X 2 ... nk X k
X
n1 n2 ... nk
Donde:
k : nmero de grupos o categoras
Ventajas
Desventajas
X G n ( X 1 )( X 2 )...( X n )
X G n ( X1 1 )( X 2 2 )...( X k k )
f f f
Ventajas
Desventajas
Sea X una variable aleatoria con valores X1, X2,....Xn; entonces el promedio
armnico est dado por:
n
XH n
1
i 1 X i
Sea X una variable aleatoria con marcas de clase X1, X2,....Xk; cada una con sus
respectivas frecuencias absolutas f1, f2, ... , fk; entonces la media aritmtica o
promedio est dado por:
n
XH k
fi
X
i 1 i
Ventajas
Desventajas
Sea X una variable aleatoria con valores X1, X2,....Xn; entonces el promedio
cuadrtico est dado por:
n
X i
2
Xc i 1
n
Ejemplo: Considere las notas de 7 estudiantes del curso de Estadstica: 12, 14,
15, 16, 13, 15, 12; hallar el promedio aritmtico.
X i
2
122 142 ... 122 1359
Xc i 1
13.93351561
n 7 7
Sea X una variable aleatoria con marcas de clase X1, X2,....Xk; cada una con sus
respectivas frecuencias absolutas f1, f2, ... , fk; entonces el promedio cuadrtico
est dado por:
X 2
i i f
Xc i 1
n
[ Li - Ls > Xi fi X2i * fi
[150 - 155) 152.5 3 69768.8
[155 - 160) 157.5 8 198450.0
[160 - 165) 162.5 12 316875.0
[165 - 170) 167.5 14 392787.5
[170 - 175) 172.5 10 297562.5
[175 - 180) 177.5 2 63012.5
[180 - 185] 182.5 1 33306.3
Total 50 1371762.5
X 2
i i f
152.52 * 3 157.52 * 8 ... 182.52 *1
Xc i 1
n 50
X 2
i i f
1371762 .5
Xc i 1
165.6358959
n 50
Sea X una variable aleatoria con valores X1, X2,....Xn; entonces el promedio
cbico est dado por:
3
X i
3
X cubico i 1
n
3
X i
3
123 143 ... 123 3 19243
Xc i 1
3 14.00849824
n 7 7
Sea X una variable aleatoria con marcas de clase X1, X2,....Xk; cada una con
sus respectivas frecuencias absolutas f1, f2, ... , fk; entonces el promedio
cbico est dado por:
k
3
X 3
i i f
X cbico i 1
n
[ Li - Ls > Xi fi X3i * fi
[150 - 155) 152.5 3 10639734.4
[155 - 160) 157.5 8 31255875.0
[160 - 165) 162.5 12 51492187.5
[165 - 170) 167.5 14 65791906.3
[170 - 175) 172.5 10 51329531.3
[175 - 180) 177.5 2 11184718.8
[180 - 185] 182.5 1 6078390.6
Total 50 227772343.8
3
X 3
i fi
152.53 * 3 157.53 * 8 ... 182.53 *1
Xc i 1
3
n 50
3
X 3
i i f
227772343 ,8
Xc i 1
3 165.7716762
n 50
4.7. LA MODA.
La moda ( X ), tambin es una medida de tendencia central, la moda de una serie
de datos es el valor, que se define como la observacin (dato) que ms veces se
repite (categora o puntuacin que ms se repite).
Si el conjunto de datos tiene una sola moda se llama unimodal, si tiene dos modas
se llama bimodal. En general, si tiene ms de dos modas, se llama multimodal.
Se utiliza en cualquier nivel de medicin.
Ventajas
Desventajas
18, 20, 18, 23, 19, 17, 19, 18, 20, 22, 18, determine la moda.
VALORES OCURRENCIAS
17 1
18 4
19 2
20 2
22 1
23 1
Cuando los datos estn tabulados: la clase que contiene mayor frecuencia ser
la que contiene a la moda, y se le llama clase modal.
1
Mo Li [ ]C
(1 2 )
Donde:
1 fi fi1
2 fi fi1
[ Li - Ls > Xi fi
[150 - 155) 152,5 3
[155 - 160) 157,5 8
[160 - 165) 162,5 12
[165 - 170) 167,5 14
[170 - 175) 172,5 10
[175 - 180) 177,5 2
[180 - 185] 182,5 1
Total 50
Solucin:
( fi fi1 )
X Li C
( fi fi1 ) ( fi fi1 )
X 165 14 12
5
(14 12) (14 10)
4.8. MEDIANA.
Ventajas
Desventajas
X1 X2 .......... X i ......... Xn
~
Me X X ( n1) / 2 Si n es un nmero impar.
~ X X ( n 2 ) / 2
Me X n / 2 Si n es un nmero par.
2
Ejemplo:
18 19 19 20 21 23 24
X1 X2 X3 X4 X5 X6 X7
~
Me X X ( n1) / 2 X (71) / 2 X 8 / 2 X 4
18 20 21 22 25 26 27 28
X1 X 2 X3 X4 X5 X6 X7 X8
X~ X ( n ) / 2 X (8 / 2) X 8 / 2 X 4 22
~
Me X X ( n2) / 2 X (82) / 2 X 10/ 2 X 5 25
~ X X (n2) / 2 22 25 47
Me X n / 2 23,5
2 2 2
~ n / 2 Fi 1
Me X Li C
f i
Donde:
[Li - Ls> Xi fi Fi
[150 - 155) 152.5 3 3
[155 - 160) 157.5 8 11
[160 - 165) 162.5 12 23
[165 - 170) 167.5 14 37
[170 - 175) 172.5 10 47
[175 - 180) 177.5 2 49
[180 - 185] 182.5 1 50
Total 50
Solucin:
b) Entonces: fi = f4 = 14,
Fi-1 = F4-1 = F3 = 23,
Li = L4 = 165
~ n / 2 Fi 1
Me X Li ( )C
fi
~ 50 / 2 23
Me X 165 5 165.7142857 166
14
Considere la estatura (en centmetros) de una muestra de
Como una consecuencia del estudio de la mediana, es fcil ampliar este concepto
a otros estadgrafos que dividen a los datos en otras proporciones y no slo en
mitades como lo hacen la mediana. Estas medidas se llaman cuantiles y estos
valores a menudo se expresan en porcentajes.
a) Cuartiles
b) Quintiles
c) Deciles
d) Percentiles.
4.9.1. CUARTILES.
n(i)
Fi 1
Qi Li 4 C , i 1,2,3
fi
donde:
Primer Cuartil: Q1
Es el valor que supera a no ms de un cuarto de las observaciones y es superado
por no ms de tres cuartos de ellas. Es decir, es el valor que deja 25% de las
observaciones menores o iguales a l y el 75% superiores a l.
Segundo Cuartil: Q2
Es el valor que supera a no ms de la mitad de las observaciones y es superado
~
por la otra parte. Coincide con la mediana; es decir, Q2 = X
Tercer Cuartil: Q3
Es el valor que supera a no ms de las tres cuartas partes de las observaciones y
superado por no ms de un cuarto de ellas. Es decir deja el 75 % de los datos
inferiores o iguales a l y el 25% de stas superiores a l.
SOLUCIN
PRIMER CUARTIL:
La clase cuartil 1 seria: 50(1)/4=12,5 Buscamos este valor en Fi o el primero que
lo supere, en este caso corresponde al intervalo 3 ( I3)
En este caso i = 1
n(1) / 4 Fi 1
Q1 Li C
fi
50(1) / 4 11
Q1 160 5
12
12,5 11
Q1 160 5 160,625
12
Interpretacin:
SEGUNDO CUARTIL:
La clase cuartil 2 seria: 50(2)/4 = 25 Buscamos este valor en Fi o el primero que
lo supere, en este caso corresponde al intervalo 4 ( I4 )
En este caso i = 2
n(2) / 4 Fi1
Q2 Li C
f i
50(2) / 4 23
Q2 165 5
14
25 23
Q2 165 5 165,714
14
Interpretacin:
TERCER CUARTIL:
La clase cuartil 3 seria: 50(3)/4=37,5 Buscamos este valor en Fi o el primero que
lo supere, en este caso corresponde al intervalo 5 ( I5)
En este caso i = 3
n(3) / 4 Fi 1
Q3 Li C
f i
50(3) / 4 37
Q3 170 5 170,25
10
Interpretacin:
4.9.2. QUINTILES.
Los quintiles (Qu) son valores que dividen a la muestra ordenada en forma
ascendente (o descendente) en 5 partes iguales y se denota por Qui i =1,2,3,4.
n(i)
Fi 1
Qui Li 5 C, i 1,2,3,4
fi
donde:
SOLUCIN
PRIMER QUINTIL:
n(1) / 5 Fi 1
Qu1 Li C
fi
50(1) / 5 3
Qu1 155 5
8
10 3
Qu1 155 5 159,375
8
Interpretacin:
SEGUNDO QUINTIL:
La clase quintil 2 seria: 50(2)/5=20 Buscamos este valor en Fi o el primero que lo
supere, en este caso corresponde al intervalo 3 ( I3)
En este caso i = 2
n(2) / 5 Fi 1
Qu2 Li C
f i
50(2) / 5 11
Qu2 160 5
12
20 11
Qu2 160 5 163,75
12
Interpretacin:
TERCER QUINTIL:
La clase quintil 3 seria: 50(5)/5=10 Buscamos este valor en Fi o el primero que lo
supere, en este caso corresponde al intervalo 4 ( I4)
En este caso i = 3
n(3) / 5 Fi 1
Qu3 Li C
f i
50(3) / 5 23
Qu3 165 5
14
30 23
Qu3 165 5 167,5
14
Interpretacin:
4.9.3. DECILES.
Los deciles (D) se determinan en forma similar a los cuartiles. As, cuando los datos
no estn agrupados primero se ordena en forma ascendente o descendente las
observaciones. Luego, se localiza la posicin deseada, que puede estar
comprendida en el intervalo de 1a 9 inclusive. El conjunto de datos se divide en 10
partes iguales del siguiente modo:
D1 D2 D9
10% 20% 90%
n(i)
Fi 1
Di Li 10 C, i 1,2,3,4,.....,9
fi
donde:
Li : es el lmite inferior del decil.
n : es el nmero de datos observados.
Fi-1 : es la frecuencia acumulada absoluta del intervalo
inmediatamente inferior al intervalo del decil.
fi : es la frecuencia absoluta del intervalo del decil.
C : es la amplitud del intervalo del decil.
Primer Decil: D1
Es el valor que supera a no ms del 10% de las observaciones y es superado por no
ms del 90% de ellas, es equivalente a decir que D1 es el valor que deja 10% de las
observaciones menores o iguales a l y el 90% superiores a l.
Segundo Decil: D2
Es el valor que supera a no ms del 20% de las observaciones y es superado por no
ms del 80% de ellas, es equivalente a decir que D2 es el valor que deja 20% de las
observaciones menores o iguales a l y el 80% superiores a l.
Noveno Decil: D9
Es el valor que supera a no ms del 90% de las observaciones y es superado por no
ms del 10% de ellas, es equivalente a decir que D9 es el valor que deja 90% de las
observaciones menores o iguales a l y el 10% superiores a l.
PRIMER DECIL:
La clase decil 1 seria: 50(1)/10=5 Buscamos este valor en Fi o el primero que lo
supere, en este caso corresponde al intervalo 2 ( I2)
En este caso i = 3
En este caso i = 1
n(1) / 10 Fi 1
D1 Li C
f i
50(1) / 10 3
D1 155 5 156,25
8
Interpretacin:
4.9.4. PERCENTILES.
Los percentiles (P) son valores que dividen a la muestra ordenada en forma
ascendente (o descendente) en 100 partes iguales, y se denota por P i , i =
1,2,3,....99.
n(i)
Fi 1
Pi Li 100 C, i 1,2,3,4,.....,99
fi
donde:
Primer Percentil: P1
Es el valor que supera a no ms del 1% de las observaciones y es superado por no
ms del 99% de ellas, es equivalente a decir que P1 es el valor que deja 1% de las
observaciones menores o iguales a l y el 99% superiores a l.
Octavo Percentil: P8
Es el valor que supera a no ms del 8% de las observaciones y es superado por no
ms del 92% de ellas, es equivalente a decir que P8 es el valor que deja 8% de las
observaciones menores o iguales a l y el 92% superiores a l.
PERCENTIL 90:
La clase percentil 90 seria: 50(90)/100=45 Buscamos este valor en Fi o el
primero que lo supere, en este caso corresponde al intervalo 5 ( I5 )
En este caso i = 90
n(90) / 100 Fi 1
p90 Li C
fi
50(90) / 100 37
P90 170 5
10
45 37
P90 170 5 174
10
Interpretacin:
PERCENTIL 10:
La clase percentil 10 seria: 50(10)/100=45 Buscamos este valor en Fi o el
primero que lo supere, en este caso corresponde al intervalo 2 ( I2 )
En este caso i = 10
n(10) / 100 Fi 1
p10 Li C
f i
50(10) / 100 3
P10 155 5
8
53
P10 155 5 156,25
8
Interpretacin:
CAPTULO V
MEDIDAS DE DISPERSIN
Las medidas de dispersin o variabilidad son valores que miden el grado de
dispersin de los datos con respecto a un valor central, que generalmente es la
media aritmtica.
El rango o recorrido.
Desviacin Media
El rango intercuartil.
El rango semiintercuartil.
La varianza.
La desviacin estndar.
Coeficiente de variacin.
Ejemplo: Para las siguientes edades de 7 estudiantes: 21, 34, 20, 19, 20, 22, 18,
calcular el rango:
Solucin:
En este caso se tiene: Valor mximo = 34 Valor mnimo = 18
Entonces el rango ser: R = Valor mximoValor mnimo = 34 18 = 16
Significa que las edades de los 7 estudiantes varan en 16 aos considerando esta
desde la mnima a la mxima edad
Ejemplo: Para las siguientes edades de 7 estudiantes: 21, 34, 20, 19, 20, 22, 18,
calcular la desviacin media (Dm):
Promedio = 154 / 7 = 22
x x i
21 22 34 22 ... 18 22
Dm i 1
3,4285714 _ aos
n 7
En las edades de los 7 estudiantes, existe una variacin de 3,43 aos con respecto
al promedio.
Sabemos que:
X 165.5cm.
f i xi x
278
Dm i 1
5,56cm.
n 50
El rango intercuartil RI, es la diferencia entre sus cuartiles tercero y primero. Esto
es: RI = Q3
Q1
Para el ejemplo de las estaturas (en centmetros) de una muestra de 50
estudiantes que estn matriculados en el curso de Estadstica:
El rango semiintercuartil, RSI, est dado por el rango intercuartil dividido por 2.
Q3 Q1
RSI
2
Para el ejemplo de las tallas de estudiantes:
5.5. VARIANZA.
Varianza Poblacional: 2
N
N N
( X i ) 2
(X i )2 X i
2
i 1
N
2 i 1
i 1
N N
Varianza Muestral: S 2
n
n n
( X i ) 2
(X i X )2 X i
2
i 1
n
S
2 i 1
i 1
n 1 n 1
Desviacin Estndar.
N N (X ) i
2
(X i ) 2
X i
2
i 1
N
i 1
i 1
N N
n n
( X i ) 2
(X
i 1
i X )2 X
i 1
i
2
i 1
n
S
n 1 n 1
SOLUCION:
Xi (Xi-Xprm)2 Xi2
14 1 196
13 0 169
Hallamos es promedio:
12 1 144 91
11 4 121 X 13
7
12 1 144
16 9 256
13 0 169
91 16 1199
Varianza:
n
(X i X )2
16
S2 i 1
2.66666667
n 1 7 1
n
( X i ) 2
X i
2
i 1
n
1199
912
7 2.66666667
S2 i 1
n 1 7 1
Desviacin Estandart:
S S 2 2.66666667 1.632993162
S 1.632993162
C.V . (100%) (100%) 12.56%
X 13
En las calificaciones obtenidas por los 7 estudiantes en el Curso de Estadstica,
existe una variacin de 12.56% con respecto al promedio.
Varianza Poblacional: 2
k k
( f i X i ) 2
f (X i i )2 f X i i
2
i 1
N
2 i 1
i 1
N N
Varianza Muestral: S 2
k
k k
( X i f i ) 2
f (X
i 1
i i X )2 X
i 1
i
2
fi i 1
n
S2
n 1 n 1
Desviacin Estndar.
k k
( f i X i ) 2
f (X i i )2 X i
2
fi i 1
N
i 1
i 1
N N
k k
( f i X i ) 2
f (X i i X )2 f X i i
2
i 1
n
S i 1
i 1
n 1 n 1
a) Varianza Muestral:
k
k
( f i X i ) 2
fX i i
2
i 1
n
1371762 ,5
(8275) 2
50 45,918cm2
S2 i 1
n 1 50 1
a) Coeficiente de Variacin Poblacional: C.V . (100%)
S
b) Coeficiente de Variacin Muestral: C.V . (100%)
X
Ejemplo 1:
Para el ejemplo de las estaturas de los 50 estudiantes matriculados en el curso de
Estadstica, Hallaremos el coeficiente de variabilidad directamente porque ya se
hall la desviacin estandart y el promedio.
Considerando:
S 6,776309272
C.V . (100%) (100%) 4,0967%
X 165.5
Ejemplo 2:
Considere las edades (en aos) de los siguientes estudiantes considerando dos
grupos separados por el gnero:
Varones: Mujeres:
20 23 19 27 21 19 25 23 19 22 18 27 24 18 21
177 149
X 22.125 X 21.28571429
8 7
S 2.90012315 S 3.352326839
2.90012315
c.v. (100%) 13.11% c.v.
3.352326839
(100%) 15.75%
22.125 21.28571429
En estos resultados podemos observar que las edades de los varones son ms
homogneos que el de las mujeres porque el coeficiente de variacin de los
varones es menor que el coeficiente de variacin de las mujeres.
a) MEDIDAS DE ASIMETRA.
Coeficiente de Asimetra:
Q3 2Q2 Q1
CA.
Q3 Q1
Considerando.
Q3 Q1
K
2( P90 P10 )
Al igual que el caso de los coeficientes de asimetra de una distribucin, los que
representan a la curtosis o apuntamiento se utilizan para ayudar a describir las
caractersticas de una distribucin y no precisamente como medidas, ya que a
veces el valor de la curtosis se contradice con la realidad por estar relacionado con
la distribucin normal.
Q3 Q1 170,25 160,625
K 0,271126
2( P90 P10 ) 2(174 156,25)
EJERCICIOS PRCTICOS 01
209 190 197 205 193 163 192 210 213 193
255 268 218 241 209 243 183 229 188 209
239 243 231 248 210 223 230 218 213 204
231 221 213 204 200 208 214 213 217 207
[Ii Ii+1> fi
[0 2> 2
[2 4> 4
[4 6> 6
[6 8> 4
[8 10] 2
5. Dada la siguiente Distribucin calcular todas las medidas de tendencia central, medidas
de dispersin y los grficos tratados.
[Ii Ii+1> fi
[20 30> 2
[30 40> 10
[40 55> 8
[55 65> 6
[65 85] 2
10 19 25 19 26 20 19
16 19 27 27 25 20 28
23 22 17 12 20 23 18
15 21 23 26 14 22 24
18 25 23 24 21 26 24
7. Los siguientes datos son los pesos medidos en Kg. de 30 estudiantes de la carrera
profesional de Contabilidad
75,8 69,3 96,2 86,3 99,8
84,6 72,2 74,1 76,0 86,5
70,2 61,8 58,4 69,2 68,4
68,3 75,0 67,3 82,2 72,1
59,4 65,5 76,4 76,5 81,0
65,0 86,2 68,3 65,9 69,0
2 0 4 4 1 4 0 3 2 0
0 1 1 1 0 1 2 4 0 1
1 5 2 2 5 3 4 0 4 0
0 0 3 0 1 4 2 1 2 0
3 1 3 1 2 0 5 6 3 2
I Ii fi Fi hi (%) Hi (%)
1 [ ) 12 20
2 [ 05 ) 60
3 [ 09 ) 70
4 [ ) 85
5 [ ]
Se sabe que la amplitud del intervalo es igual en todas las clases, completar los datos
que faltan en la tabla de frecuencias y realizar interpretaciones para f2, F3, h1%, H4%.
10. Se tiene una distribucin de frecuencias con 4 intervalos de amplitud constante para
50 datos.
i Ii fi Fi hi Hi
1 [ 3) 0,08
2 [ 5) 0,40
3 [ ) 12
4 [ 9] 0,36
Se pide completar la tabla de frecuencias y realizar interpretaciones para f3, F2, h2%,
H3%.
EJERCICIOS PRCTICOS 02
216 197 204 212 200 170 199 198 217 220 200
262 275 225 248 216 250 190 190 236 195 216
246 250 238 255 217 230 237 221 225 220 211
238 228 220 211 207 215 221 232 220 224 214
8 11 14 17 7 12 13 14
9 7 11 11 11 13 12 15
12 15 10 12 12 13 15 11
13 12 15 11 13 15 14 9
14 13 8 9 7 11 15 16
11 12 16 14 14 15 12
12 10 13 12 12 17 13
13 12 14 12 13 13 13
15 16 11 16 12 12 12
18 15 15 17 11 12 12
14 14 13 16 14 14 13
6. Los siguientes datos son los pesos medidos en Kg. de 42 estudiantes varones de la
carrera profesional de Contabilidad
1.0 1.4 1.5 0.7 1.1 0.7 0.5 1.1 1.8 1.2 1.2 1.3 0.5 0.1 0.8 1.5 1.6 0.7 1.7
0.2 0.9 0.8 1.0 1.1 1.3 0.8 0.7 0.9 0.9 1.0 1.5 1.4 0.7 0.3 0.8
8. Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la tabla:
Altura(cm.) [170 - 175) [175 - 180) [180 - 185) [185 - 190) [190 - 195) [195 - 200)
N de jugadores 3 5 6 10 7 4
infracciones fi Hi
[0-1) 0.25
[1-2) 0.20
[2-3)
[3-4) 0.15
[4-5] 0.05
TOTAL
a) Completar la tabla de distribucin de frecuencias
b) Hacer el histograma la ojiva y grafico por sectores.
c) interpretar Interpretar: f2, F3, h1%, H4%
infracciones fi hi
[0-1) 0.15
[1-2) 0.30
[2-3)
[3-4) 0.20
[4-5] 0.05
TOTAL
[Ii) fi
[ 5 - 10 ) 3 a) Completar la tabla de distribucin de
[ 10 - 15 ) 9 frecuencias
[ 15 - 20 ) 15 b) Hacer el histograma la ojiva y grafico por
sectores.
[ 20 - 25 ) 8
c) interpretar Interpretar: f1, F4, h3%, H2%
[ 25 - 30 ) 5
Total 40
[Ii) fi
[ 5 - 10 ) 4 a) Completar la tabla de distribucin de
[ 10 - 15 ) 11 frecuencias
b) Hacer el histograma la ojiva y grafico
[ 15 - 20 ) 15
por sectores.
[ 20 - 25 ) 9 c) interpretar Interpretar: f2, F3, h2%, H4%
[ 25 - 30 ) 6
Total 45
13. Los siguientes datos corresponden a calificaciones obtenidas en una evaluacin final
en el curso de ESTADISTICA conformada por 45 estudiantes del II Semestre de
Contabilidad, con h2 y h5 borrados, tambin se conoce que la frecuencia f5 es el doble de
f 2.
[ Ii) Xi fi Fi hi Hi hi % Hi %
[08 - 10) 0.155556
[10 - 12)
[12 - 14) 0.2
[14 - 16) 0.222222
[16 - 18)
[18 - 20] 0.088889
TOTAL
[ Ii ) Xi fi Fi hi Hi hi % Hi %
[ - )
[ - ) 5 12
[ 12 - ) 0.2
[ - )
[ - ) 10
[ - 20 ] 0.089
TOTALES
a) Completar la tabla de distribucin de frecuencias
b) Hacer el histograma, polgono de frecuencias, la ojiva y grafico por sectores.
c) interpretar Interpretar: f2, F3, h3%, H2%
15. Los siguientes datos son registros de las velocidades de transmisiones elctricas en
nano segundos de 45 sentencias ingresadas por un dispositivo de entrada hasta recibir
una respuesta.
16. Los siguientes datos corresponden al nmero dietas especiales por semana aplicados
a una muestra de 51 estudiantes que muestran debilidad mental.
7 8 6 7 1 7 6 1 7 3 7 1 1 2 5 4 2
3 4 5 7 1 5 7 4 8 3 6 6 7 8 7 2 3
8 5 2 6 1 2 6 3 2 1 6 1 9 2 4 5 4
CAPTULO VI
MUESTREO
Por lo tanto, la MUESTRA es un conjunto de unidades, casos o eventos que son tomadas o
extradas de una poblacin las que poseen algunas caractersticas comunes o similares, de
acuerdo al problema de investigacin.
MTODOS MUSTRALES:
A) MUESTREO PROBABILISTICO:
Es un proceso muestral donde cada elemento de la poblacin tiene una
probabilidad conocida de ser incluida dentro de la muestra. Los elementos
mustrales tendrn valores muy parecidos a los de la poblacin de manera que las
mediciones de la muestra no darn estimados ptimos de la poblacin.
Las muestras probabilsticas tienen mucha ventaja principalmente por que pueden
medirse y controlar el tamao de error, nivel de significancia y/o nivel de
confianza.
B) MUESTREO NO PROBABILISTICO:
Es un proceso por el cual no se puede asignar objetivamente probabilidades a los
elementos seleccionados y por consiguiente no se puede determinar la precisin
de los resultados mustrales en trminos de probabilidad entre los cuales
tenemos:
ii) Muestreo por Cuotas: Es el proceso del muestreo a juicio en que los
sesgos que sufren los mtodos no probabilsticos de seleccin no se
controlan hasta cierto punto por la estratificacin y establecimiento de
cuotas de seleccin. Se divide la poblacin en grupos o estratos segn las
exigencias del estudio, generalmente: Edad, sexo, condicin social, etc.
iii) Cuestionario por correo: Se emplea por ser de bajo costo y fcil de
administracin, la principal obsesin a este muestreo es el sesgo causado
por el no retorno del cuestionario, estudios de opinin de mercado an
se emplean estos tipos de muestreo aunque su uso tiende a disminuir
por sus imprecisiones.
TIPOS DE MUESTREO
( Z ) 2 ( P)(Q)
i) n0
(E)2
SECCIONES
GRADO A B C D E F G H I J K L M TOTAL
Primero 30 30 32 31 32 23 25 26 26 24 29 26 30 364
Segundo 30 32 29 30 24 26 26 26 24 24 27 28 26 352
Tercero 28 26 26 26 31 29 26 26 30 24 23 22 317
Cuarto 29 32 25 29 29 25 27 26 24 25 20 20 311
Quinto 27 28 30 25 23 30 27 20 24 22 24 19 299
Solucin:
N = 1643
P = 0.30 = 30% Datos indispensables para la investigacin
Q = 0.70 = 70%
= 0.05 (5% de nivel de significancia 95% de nivel de confianza)
Z/2 = Z0.05/2 = 1.96
e = 15 % = 0.15 = error para la proporcin P
E = e * P = 0.15 (0.30) = 0.045 = 4.5% error muestral.
n0 398
iii) n = = 320,546=321
(n0 1) (398 1)
1 1
N 1643
Personas 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Conoce el nuevo
No Si Si No No No Si No No Si No No Si Si No
cdigo procesal penal
Solucin:
Si = 6 P = 6/15 = 0.40
No = 9 Q = 9/15 = 0.60
= 1% = 0.01
N = 625
Z/2 = Z0.01/2 = 2.575
e = 18 % = 0.18 = error para la proporcin P
E = e * P = 0.18 (P) = 0.18 (0.40) = 0.072 = 7.2% de error muestral.
n0 307
iv) n = = 206.096 = 206
(n0 1) (307 1)
1 1
N 625
Solucin:
P = 0.50
Q = 0.50
N = 500, = 10% = 0.10
Z/2 = Z0.10/2 = 1.645
e = 12 %
E = e * P = 0.12 (P) = 0.12 (0.50) = 0.06
n0 188
iii) n = = 136.8267831=137
(n0 1) (188 1)
1 1
N 500
Z 2 2
i) n0
E2
ii) Si (n0/N) Entonces se corrige.
n0
iii) n
(n 1)
1 0
N
Ejemplo 4:
Se desea realizar una evaluacin sobre conocimientos generales de CONTABILIDAD
FINANCIERA, a estudiantes del rea de Contabilidad, conformado por 315 estudiantes,
por estudios referenciales se sabe que una evaluacin similar del ao anterior, la nota
promedio obtenido por los estudiantes fue de 13,5 y su varianza 17,5. Determine el
tamao de la muestra para la investigacin con un nivel de confianza del 95% y un error
del 8% para el promedio.
Solucin:
N = 315
= 13,5 Datos indispensables para la investigacin
2 = 17,5
= 0.05 (5% de nivel de significancia = 95% de nivel de confianza)
Z/2 = Z0.05/2 = 1.96
e = 8 % = 0.08
E = e () = 0.08 (13,5) = 1.08
Z 2 2 (1.96) 2 (17.5)
i) n0 = = 57,63717421 = 58
E2 (1.08) 2
n0 58
iii) n = = 49,11290323 = 49
(n0 1) (58 1)
1 1
N 315
Ejemplo 5:
Se desea determinar el nivel de rendimiento de un examen pre universitario, conformado
por 1800 postulantes, no se tiene estudios referenciales sobre el caso. Determine el
tamao de la muestra para la investigacin con un nivel de confianza del 90% y un error
para el 5% del promedio. Para lo cual se toma una muestra piloto de 20 resultados.
2600 2700 2100 3500 2800 3300 2300 2700 2500 2400
2500 3400 2400 2100 2400 2900 3000 2500 2400 3000
Solucin:
N = 1800
= 2675 Resultado de la
muestra piloto.
2 = 161973,684
= 0.10 (10% de nivel de significancia = 90% de nivel de confianza)
Z/2 = Z0.10/2 = 1.645
e = 5 % = 0.05
E = e * = 0.05(2675) = 133,75
Z 2 2 (1,645) 2 (161973,684)
n0 24,50127491 25
E2 133,75 2
Si (25/1800) = 0.01388888889< = 0.10, Entonces ya no se corrige, el tamao de la
muestra es ptimo.
4 2
n
E2
9 2
n
E2
4 N 2
n
4E 2 N 2
9 N 2
n
9E 2 N 2
VARIABLES DE ESTRATIFICACION.
AFIJACIN
Cuando se tiene tamao de muestra n llamamos afijacin de la muestra a la
asignacin del tamao correspondiente a cada estrato de tal forma que frente a
un costo total de la investigacin, la Barina muestral sea minimizada, Los criterios
de afijacin ms utilizada son:
n
nh
L
N
nh h n
N
n( N h )( S h )
nh L
N S
h 1
h h
Personas Nh Ph Qh Wh
Nios 345 0.18 0.82 345/805
Jvenes 262 0.27 0.73 262/805
Adultos 198 0.38 0.62 198/805
Total 805
FUENTE: Resultados de un estudio similar al planteado en un barrio de Juliaca
N h Ph
345(0.18) 262(0.27) 198(0.38)
PG h 1
= = 0.258484472
N 805
Primera aproximacin:
L
Z 2 (Wh Ph Qh )
i) n0 h 1
=
E2
(1.96) 2 0.18535528
n0 328.929765 5 329
(0.0465272 ) 2
n0 329
n 233.755516 3 234
(n0 1) (329 1)
1 1
N 805
Afijacin proporcional: N
n h h n (Wh )n
N
AFIJACION
Igual Proporcional (Recomendado)
Estratos Nh nh nh
Nios 345 234/3 = 78 (345/805)*234 = 100
Jvenes 262 234/3 = 78 (262/805)*234 = 76
Adultos 198 234/3 = 78 (198/805)*234 = 58
TOTAL 805 234 234
N h Xh
Promedio General: XG H 1
N
Especialidades Nh X S2h
N h Xh
62 * 11.25 83 * 14.5 72 * 14.75 27 * 14.25 21 * 13.5
X G H 1 13.7028302
N 265
Z2
i) n0 2 Wh (Sh2 )
E
(1.96) 2
ii) n0 (12.9764150 9) 73.7469086 74
(0.82216981 1) 2
CALCULOS PREVIOS:
Especialidades Nh S2h Wh Sh Nh * S h
AFIJACIONES
Afijaciones (nh)
Con la informacin del problema anterior, hallar el tamao de muestra para cada estrato
SEMESTRE Nh Sh2 Wh
X
PRIMERO 200 15.3 16.16 200/550
TERCERO 150 14.5 14.56 150/550
QUINTO 200 13.8 15.48 200/550
Totales 550
N h Xh
200(15.3) 150(14.5) 200(13.8)
XG H 1
= = 14.5363633636
N 550
E = 0.09 ( X g) = 0.09 (14.5363) = 1.308272727
Z2
i) n0 2
E
Wh(S 2
h)
(1.96) 2
n0 (200 / 550(16.16) 150 / 550(14.56) 200 / 550(15.48)) 34.7363748
(1.3083) 2
n0 = 35
Nivel Nh X Sh2 Wh
N h Xh
189(12.33) 120(13.13) ... 43(14.25)
XG H 1
= = 13.05327553
N 519
E = 0.06 ( X g) = 0.06 (13.05327553) = 0.7831965
Z2
i) n0
E2
Wh(S 2
h)
(1.645) 2
n0 (189 / 519(15.75) 120 / 519(16.25) ... 43 / 519(18.25)) =
(0.7831965 ) 2
n0 = 67.89650187 = 68
n0 68
n = = 60.2252557
(n0 1) (68 1)
1 1
N 519
iii) n = 60
n N n( N h )( S h )
nh nh h n nh
N
L
L
N S
n 1
h h
Meses
Nh X Sh2 Wh Wh X Nh Wh S2h
e=2%=0.02; E=0.02( X g)=0.02(8.9015057) = 0.178103007
Z2
i) n0
E2
Wh(S 2
h )
(1.96) 2
(108 / 716)(0.966333) (120 / 716)(0.05741) ... (96 / 716)(0.51088)
(0.178103 ) 2
n0 = 108.762565 = n0 = 109
6 108 14 14 15 Afijacin n
igual
nh
7 120 14 16 17 L
8 98 14 13 16
N
9 76 14 10 11 Afijacin nh h n
proporcional N
10 127 14 17 14
11 91 14 12 12 n( N h )( S h )
Afijacin
nh L
12 96 14 13 10 ptima N S
n 1
h h
Totales 716 98 95 95
CAPTULO V
PRUEBAS DE HIPTESIS
1. PLANTEAMIENTO DE HIPOTESIS
Ho : Promedio Prueba de entrada = Promedio Prueba de
Ho : A = B Salida (Hiptesis nula).
H1 : Promedio Prueba de entrada Promedio Prueba de
H1 : A B Salida (Hiptesis alterna).
XA XB 9.2 12.1
Tc 3.23109888
S A2 S B2 3.288888888 4.766666666
n A nB 10 10
NOTA: Si el caso fuera que Tc < Tt , Ocurre lo contrario es decir que se Aceptara la
hiptesis nula y se rechazara la hiptesis alterna, generalmente este caso no
debe ocurrir en una investigacin porque no estaramos demostrando la
hiptesis alterna, lo que implicara que la investigacin que se realiz no es
beneficiosa ni satisfactoria para nuestros objetivos.
1 62 79 42 49 80
2 60 79 43 55 59
3 62 63 44 52 62
4 50 70 45 62 60
5 49 71 46 59 72
6 45 60 47 58 70
7 59 65 48 57 81
8 53 58 49 63 71
9 51 64 50 52 77
10 50 75 51 60 67
11 53 85 52 59 62
12 55 74 53 61 70
13 55 70 54 64 60
14 60 58 55 47 81
15 49 62 56 64 62
16 53 67 57 47 79
17 61 67 58 64 74
18 54 73 59 59 61
19 48 79 60 48 67
20 51 64 61 50 65
21 57 82 62 64 79
22 61 65 63 59 77
23 58 83 64 59 67
24 51 66 65 53 67
25 56 64 66 51 76
26 45 85 67 63 60
27 60 62 68 58 64
28 53 69 69 53 74
29 48 65 70 60 72
30 49 75 71 51 84
31 53 68 72 51 84
32 60 80 73 70
33 64 63 74 66
34 63 58 75 82
35 50 60 76 72
36 59 81 77 62
37 54 70 78 58
38 50 65 79 76
39 51 69 80 85
40 51 70 Prom. 55.2916667 70.0375
41 56 65 Var. 29.0827465 62.390981
1. PLANTEAMIENTO DE HIPOTESIS
Ho : Promedio de las utilidades netas semanales en cientos de soles de los
Ho : A = B
establecimientos comerciales de Puno = Promedio de las utilidades netas
semanales en cientos de soles de los establecimientos comerciales de
Juliaca (Hiptesis nula)
H1 : Promedio de las utilidades netas semanales en cientos de soles de los
XA XB 55.2916667 70.0375
Zc 13.552753
S A2 S B2 29.0827465 62.390981
n A nB 72 80
5. DECISION:
Como Zc = 13.552753 > Zt =1.96 , Se rechaza la Ho y se Acepta la H1, ENTONCES significa
que SI EXISTE diferencia significativa entre Promedio de las utilidades netas
semanales en cientos de soles de los establecimientos comerciales de Puno con
el Promedio de las utilidades netas semanales en cientos de soles de los
establecimientos comerciales de Juliaca para un nivel de significancia 0.05; 0.10 y
0,01 un nivel de confianza del 95%, 90% y 99 % respectivamente.
CORRELACIN DE PEARSON
Este indicador es utilizado para medir la relacin existente entre dos variables cuantitativas en
estudio. Se utiliza la distribucin T (T-Student) cuando n<32, y Z (Distribucin
Normal) cuando n>=32. Los pasos a seguir para este tipo de pruebas de hiptesis son los
siguientes:
PRUEBA de HIPTESIS.
Las hiptesis son planteadas del siguiente modo:
H1: 0 Existe algn grado de correlacin o dependencia entre las variables en estudio
NIVEL de SIGNIFICANCIA.
Se usar un nivel significancia entre el 1 % y el 10 %, cuando no se precisa este nivel,
se asume un nivel de significancia del 5 % (Es el ms recomendado y es equivalente a
un 95% de nivel de confianza) , es decir = 0,05 y una Tt (T tabulada o de tabla) con n-
2 grados de libertad. (n es el nmero de datos sumado de las dos variables es decir
n=nA+nB)
PRUEBA ESTADSTICA.
Se usar la distribucin Tt con n-2 grados de libertad.
n n
X i Yi
X iYi i 1 i 1
n
n
r i 1
2 2
n
n
Xi Yi
i 1 i 1
n n
X
i 1
i
2
n
Y
i 1
i
2
r
n2 Zc
Tc r 1 r 2
1 r2
n2
Donde:
Tc : T calculada.
n : Tamao de muestra.
r : Coeficiente de correlacin.
Y : Variable dependiente.
X : Variable independiente.
REGLA DE DECISIN.
Si Tc > Tt. entonces se rechazar H0; Si Zc > Zt. entonces se rechazar H0,
CONCLUSIN.
Se compara el valor Tc (T calculado) es mayor que T (T tabulada o de tabla) se
rechaza la Ho y se acepta H1, esto significa que Existe algn grado de
correlacin o dependencia entre las variables en estudio.
Ejemplo 1:
Se tiene los siguientes resultados de la investigacin: FUNCIONALIDAD
FAMILIAR Y AUTOESTIMA EN LOS ESTUDIANTES DEL INSTITUTO SUPERIOR
PEDAGOGICO PUBLICO PUNO 2014, con una muestra de 10 estudiantes,
determinar si existe o no algn grado de correlacin o dependencia entre estas
dos variables en estudio para un nivel de significancias de 0.05
PRUEBA
FUNCIONALIDAD AUTOESTIMA
Xi * Yi Xi Yi
FAMILIAR ( Xi ) ( Yi )
1 14 10 140 196 100
2 12 11 132 144 121
3 16 14 224 256 196
4 14 12 168 196 144
5 13 11 143 169 121
6 14 10 140 196 100
7 17 13 221 289 169
8 19 16 304 361 256
9 13 10 130 169 100
10 12 12 144 144 144
144 119 1746 2120 1451
1. PRUEBA de HIPTESIS.
H0: 0 No existe grado de correlacin o dependencia entre la autoestima y la
funcionalidad familiar. (HIPTESIS NULA)
H1: 0 Existe algn grado de correlacin o dependencia entre la autoestima y
la funcionalidad familiar. (HIPTESIS ALTERNA)
2. NIVEL de SIGNIFICANCIA.
= 0,05 (5%) nivel de significancia del equivalente a un 95% de nivel de confianza
3. PRUEBA ESTADSTICA.
Se usar la distribucin Tt (T tabulada o T de tabla) con n-2 grados de libertad.
Tt (18 G.L., =0.05) = 2.1009
n
n n
n X iYi X i Yi
r i 1 i 1 i 1
2 2
n
n n
n
n X i2 X i n Yi 2 Yi
i 1 i 1 i 1 i 1
10(1746 ) (144)(119)
r 0.80514353
10(2120 ) 144 2 10(1451) 119 2
n2 20 2
Tc r 0.80514353 5.75965238
1 r 2
1 0.80514353 2
4. REGLA DE DECISIN.
Si Tc > Tt. entonces se rechazar H0,
5. CONCLUSIN.
Como Tc = 5.75965238, es mayor que Tt = 2.1009, se rechaza la H0 (Hiptesis
Nula) y se acepta H1 (Hiptesis Alterna), esto significa que Existe algn grado
de correlacin o dependencia entre la autoestima y la funcionalidad familiar,
para un nivel de confianza de 95% con un nivel de significancia 5% 0.05.
1. PRUEBA de HIPTESIS.
H0: 0 No existe grado de relacin entre las ventas y el pedido de material de
escritorio de una entidad pblica. (HIPTESIS NULA)
H1: 0 Existe algn grado de relacin entre las ventas y el pedido de material
de escritorio de una entidad pblica. (HIPTESIS ALTERNA)
2. NIVEL de SIGNIFICANCIA.
= 0,05 (5%) nivel de significancia del equivalente a un 95% de nivel de confianza
3. PRUEBA ESTADSTICA.
Se usar la distribucin Tt (T tabulada o T de tabla) con n-2 grados de libertad.
Tt (22 G.L., =0.05) = 2.0739
n
n n
n X iYi X i Yi
r i 1 i 1 i 1
2 2
n
n n
n
n X i
2
Xi n Yi Yi
2
i 1 i 1 i 1 i 1
12(3630266 ) (1623)(26438 )
r 0.671868211
12(222661) 1623 2
12(60338070 ) 26438 2
n2 24 2
Tc r 0.671868211 4.254712907
1 r 2
1 0.671868211 2
4. REGLA DE DECISIN.
Si Tc > Tt. entonces se rechazar H0,
5. CONCLUSIN.
Como Tc = 4.254712907, es mayor que Tt = 2.0739, se rechaza la H0 (Hiptesis
Nula) y se acepta H1 (Hiptesis Alterna), esto significa que Existe algn grado
de relacin o dependencia entre las ventas y los pedido de material de
escritorio de una entidad pblica, para un nivel de confianza de 95% con un
nivel de significancia 5% 0.05.
IMPLEMENTACION del
IMPLEMENTACION del
ACTITUD DOCENTE ACTITUD DOCENTE
MOTIVACIONAL
MOTIVACIONAL
CONDUCTUAL
CONDUCTUAL
AFECTIVA
AFECTIVA
P.C.R.
P.C.R.
TOTAL
TOTAL
1 12 12 12 36 26 35 8 13 10 31 25
2 12 13 9 34 30 36 7 10 7 24 22
3 8 9 5 22 21 37 4 4 3 11 15
4 8 12 9 29 26 38 7 5 2 14 10
5 5 9 9 23 27 39 11 13 11 35 24
6 8 8 9 25 22 40 12 12 10 34 27
7 14 16 10 40 33 41 8 10 9 27 23
8 12 15 10 37 29 42 12 12 9 33 24
9 8 8 5 21 16 43 12 12 9 33 25
10 8 7 9 24 18 44 6 9 8 23 20
11 8 9 6 23 19 45 10 10 8 28 22
12 12 14 12 38 34 46 8 10 6 24 26
13 14 14 11 39 29 47 14 14 9 37 32
14 10 10 8 28 27 48 10 13 9 32 25
15 3 5 8 16 19 49 12 16 11 39 28
16 4 5 6 15 13 50 9 11 11 31 18
17 6 5 5 16 14 51 10 11 10 31 25
18 10 10 9 29 23 52 6 10 9 25 27
19 13 14 9 36 30 53 13 12 9 34 28
20 10 12 7 29 28 54 10 9 8 27 21
21 8 9 7 24 25 55 10 6 7 23 17
22 13 16 12 41 36 56 7 8 7 22 16
23 10 10 9 29 23 57 9 10 7 26 27
24 13 11 10 34 26 58 12 12 9 33 31
25 6 9 5 20 20 59 12 12 11 35 28
26 12 13 9 34 22 60 4 6 4 14 15
27 10 9 7 26 21 61 11 12 11 34 31
28 10 11 9 30 27 62 9 10 7 26 16
29 12 12 10 34 30 63 9 10 7 26 27
30 4 1 3 8 9 64 12 12 9 33 31
31 9 7 3 19 13 65 12 12 11 35 28
32 8 9 9 26 25 66 10 10 4 24 18
33 4 8 7 19 19 67 11 12 11 34 31
34 14 11 10 35 29
1. PRUEBA de HIPTESIS.
H0: 0 No Existe influencia significativa entre la ACTITUD DOCENTE Y LA
IMPLEMENTACIN DEL PROYECTO CURRICULAR REGIONAL en la IES
Industrial 32 Puno 2013.
Ha: 0 Si Existe influencia significativa entre la ACTITUD DOCENTE Y LA
IMPLEMENTACIN DEL PROYECTO CURRICULAR REGIONAL en la IES
Industrial 32 Puno 2013.
2. NIVEL de SIGNIFICANCIA.
Se us un nivel de significancia = 0,05. Que es equivalente a 95% de nivel de
confianza. Cuyo valor de tabla de la Distribucin Normal es Zt = 1.96
4. PRUEBA ESTADSTICA.
Se calcul el coeficiente de correlacin mediante la siguiente formula con los
datos del anexo 01:
n n
X i Yi
X iYi i 1 i 1
n
n
r i 1
2 2
n n
Xi Yi
i 1 i 1
n n
X
i 1
i
2
n
Y
i 1
i
2
r = 0,856659868747961
Donde:
n : Tamao de muestra.
r : Coeficiente de correlacin.
Y : Variable dependiente.
X : Variable independiente.
r
Zc
1 r 2
n2
Zc = 19,0785477731842
Donde:
Zc : Z calculada.
n : Tamao de muestra.
r : Coeficiente de correlacin.
5. REGLA DE DECISIN.
Si Zc > Zt. Entonces se rechazar H0,
Como Zc = 19,07855 > Zt = 1.96, Entonces se Rechaza la H0., Es decir que Si Existe
influencia significativa entre la ACTITUD DOCENTE Y LA IMPLEMENTACIN DEL
PROYECTO CURRICULAR REGIONAL en la IES Industrial 32 Puno 2013, Para un
nivel de significancia = 0,05 para un 95% de nivel de confianza.
1) PLANTEAMIENTO DE HIPOTESIS
H0: (No existe diferencia entre las variables en estudio).
H1: (Existe diferencia entre las variables en estudio).
2) NIVEL DE SIGNIFICANCIA
= 0,05 nivel de significancia (1-=1-0,05=0,95==> 95% de nivel de confianza)
3) REGLA DE INFERENCIA:
si Fc > F[t-1,t(r-1)], Se rechaza la Ho
t=2 = NRO DE VARIABLES , r=NRO DATOS
4) ANDEVA (Anlisis de Varianza)
G.L. S.C. C.M. Fc.
Grados de Suma de Cuadrados F-Fisher
SC.trat.
2 2
X i. X 2 .. X i.
SC.Error X 2
ij
r rt r
X 2 ..
SC.tot X 2ij
rt Opcional
SC error = SC tot - SC trat
CM trat = SC trat / GL trat
CM error = SC error / GL error
Fc = CM trat / CM error
5) DECISION
Si se comprueba que el valor Fc (F calculado), es mayor que Ft (F tabulada o de tabla) se
rechaza la H0 (Hiptesis Nula) y se acepta H1 (Hiptesis Alterna), esto significa que Existe
diferencia entre las variables en estudio. En caso contrario se acepta la Ho (Hiptesis Nula) lo
que significara que No Existe diferencia entre las variables en estudio. Todo ello con un nivel
de confianza de 95%, 90% 99%, segn el (nivel de significancia) utilizado.
Ejemplo:
SE TIENE LOS SIGUIENTES RESULTADOS DE UNA EVALUACION APLICADA A 10 ESTUDIANTES
SOBRE CULTURA GENERAL(Evaluacin de entrada) Y LUEGO DE UNA CAPACITACION
(Evaluacin de salida), DETEMINAR SI EXISTE O NO DIFERENCIA SIGNIFICTIVA ENTRE ESTAS
PRUEBAS EN ESTUDIO para un nivel de significancia DE 0.05
PRUEBA
ENTRADA SALIDA
Xi Yi
(Xi) (Yi)
10 14 100 196
11 12 121 144
14 16 196 256
12 14 144 196
11 13 121 169
10 14 100 196
13 17 169 289
16 19 256 361
10 13 100 169
12 12 144 144
119 144 1451 2120
X.. = 119+144=263 t= 2
X2ij = 1451+2120=3571 r = 10
1) PLANTEAMIENTO DE HIPOTESIS
2) NIVEL DE SIGNIFICANCIA
= 0,05 de nivel de significancia (95% de nivel de confianza)
= 0,01 de nivel de significancia (99% de nivel de confianza)
= 0,10 de nivel de significancia (90% de nivel de confianza)
3) REGLA DE INFERENCIA:
si Fc > F[t-1,t(r-1)], Se rechaza la Ho
4) ANLISIS DE VARIANZA
SC.trat.
2
X i. X 2 .. X 2 ..
SC.tot X ij 2
r rt rt
ANDEVA
Fuentes de Variabilidad G.L. S.C. C.M. Fc.
Entre Tratamientos 1 31.25 31.25 6.918819188
Dentro Trat.(Err.Exp) 18 81.3 4.516666667
TOTAL 19 112.55
5) DECISION:
Como Fc =6.919 > Ft, 0,05 = 4,414 Entonces, Se rechaza la H0, para un nivel de sig. 0,05, aceptndose H1,
es decir que EXISTE diferencia entre la PRUEBA DE ENTRADA Y LA PRUEBA DE SALIDA, para nivel de
confianza del 95%, Sin embargo como Fc=6.919 < Ft, 0,01 = 8,2855 NO EXISTE diferencia entre la
autoestima y la funcionalidad familiar para un nivel de confianza del 99%
REPETICIONES
Tratamientos 1 2 3 4 5 Xi. Prom.Xi Sum Xi.^2 Xi.2
A1 25 30 36 38 31 160 32 5226 25600
A2 31 39 38 42 35 185 37 6915 34225
A3 24 30 28 25 28 135 27 3669 18225
SUM 480 15810 78050
1. Planteamiento de hiptesis:
Ho (Hiptesis nula) : A1 = A2 = A3
H1 (Hiptesis alterna) : al menos alguno es diferente
2. Nivel de significancia:
= 0,05 nivel de significancia 95% de nivel de confianza
3. Prueba Estadstica:
Se establece el punto y la regin crtica o regin de rechazo o aceptacin
Si Fc > F[t-1,t(r-1)], Se rechaza la Ho
F[2,12],0.05 = 3.88529
SC.trat.
X 2
i.
X 2 .. 160 2 185 2 135 2 480 2
250
r rt 5 5(3)
X 2 .. 480 2
SC.tot X 2
ij 15810 450
rt 5(3)
t= 3
ANVA (Anlisis de varianza) r= 5
Fuentes de Variabilidad G.L. S.C. C.M. Fc.
Entre Tratamientos t-1 2 250 125 7.5
Dentro Trat.(Error Exp.) t(r-1) 12 200 16.6666667
TOTAL tr-1 14 450
5. DECISION
Como Fc = 7.5 > Ft =3.88529, Se rechaza la Hiptesis Nula(Ho) y se acepta la Hiptesis alterna (H1)
Esto implica que al menos alguna marca de las maquinas tiene diferente produccin
despus de 5 hrs. para un nivel de significancia 0,05 un nivel de confianza del 95%
LA DISTRIBUCIN JI-CUADRADO
Es posible decir que mientras ms cercanas sean las frecuencias observadas (f o) a las
frecuencias esperadas, ms seguro se puede estar de que el gnero y la especialidad
y/o desempeo en el rea (Financiera, Tributaria y Gubernamental) son
independientes uno del otro. En otras palabras, es posible esperar los mismos
porcentajes de Varones que de mujeres en cada nivel de la especialidad y/o
desempeo en el rea. La frmula que indica cuanto se parecen las frecuencias
esperadas a las observadas es la estadstica x2.
( fo fe )2
La frmula para hallar la Chi cuadrada (X2) calculada es: x
2
c
fe
3) Prueba estadstica:
Se utiliza la prueba X2 (Chi cuadrada) de independencia con (n-1)(m-1) grados de
libertad donde n es el nmero de columnas y m el nmero de filas. Valores crticos
para las zonas de rechazo y de no rechazo. En este caso X 2 para = 0.05 y 2 g.l., el
valor crtico es 5.9915.
4) Decisin:
Como X2C =6.172590369 X2t =5.9915, Entonces se rechaza Ho (hiptesis nula). Esto
significa que el genero est RELACIONADO con el aprovechamiento en matemticas
para un nivel de significancia de =0.05 ( 95% de nivel de confianza).
REGRESIN LINEAL
Modelo Regresional.
Donde:
: Estimador muestral, intercepto
modo: Yi X i
Donde: ei Yi Yi
n n n
n X iYi X i Yi
i 1 i 1 i 1
2
n
n
n X X i
i
2
i 1 i 1
Y X
Ejemplo 01:
Los siguientes datos muestran los gastos invertidos en publicidad
(en miles de soles) (Xi) y las ventas obtenidas (en cientos) de vehculos (Yi) de
7 tiendas sucursales del Per. Hallar el modelo de regresin lineal y Estimar
la venta de vehculos para cuando una Empresa invierta S/.8000 y S/.10000
en gastos de publicidad.
7(850,4) (70)(66,1)
1,15487805
7(864) (70)2
Y X
66,1 70
(1.154778049 ) 2.105923345
7 7
Entonces la ecuacin de regresin lineal es:
i = -2.105923345 + 1,154878049 Xi
Este modelo nos servir para hacer las predicciones de las ventas obtenidas (en
cientos de soles) de vehculos (Y) para los diferentes gastos invertidos (en miles de
soles) (X).
i = -2.105923345 + 1,154878049 Xi
Se estima que la venta de vehculos para cuando una Empresa invierta S/.8000 en
gastos de publicidad, obtendr una venta de 713 vehculos, con un coeficiente de
determinacin de 97,02%
Se estima que la venta de vehculos para cuando una Empresa invierta S/.10000 en
gastos de publicidad, obtendr una venta de 944 vehculos, con un coeficiente de
determinacin de 97,02%
NOTA:
Para realizar la prediccin, es necesario cumplir las siguientes condiciones:
El coeficiente de correlacin(r =(R2)1/2), sea mayor o igual a 0,80.
El error estndar del estimador que sea cercano a cero.
Que se cumplan los supuestos del anlisis de regresin.
Yi - Yi = 0, para todo i y que todos los puntos estn sobre la recta de regresin.
R2 = 1 0,8 R2 < 1
y
n
2
i Y
suma _ de _ cuadrados _ de _ error _ exp licado
R2 i 1
y
n
2 suma _ de _ cuadrados _ de _ error _ total
i Y
i 1
Donde : 0 R2 1
De nuestro ejemplo:
y
n
2
i Y
218,733902 4
R2 i 1
0,970179519 97,02%
y
n
2 225,457142 9
i Y
i 1
Observamos que hay una bondad de ajuste (de la recta de regresin con los datos
originales) del 97,02% lo que implica que el ajuste es muy bueno.
Ejemplo 02.
Los siguientes datos corresponden al tiempo de estudio en hrs. (Xi) empleado
semanalmente por 10 estudiantes y el reflejo de sus respectivas calificaciones (Yi)
obtenidas en una Escuela Profesional de la Universidad. Hallar el modelo lineal y
estimar para cuando se estudie 5 y 15 hrs., Cules seran las calificaciones que
pueden obtener?
10(1193) (90)(125)
0,971428571
10(880) (90) 2
Y X
12,5 (0,971428571 )(9) 3,75714285 7
Este modelo nos servir para hacer las predicciones para las calificaciones que
puedan obtener (Y) segn el tiempo de estudio empleado semanalmente (X).
Y
n 2
Coeficiente de Determinacin: i Y
i 1
R2 0,93698075
Y Y
n
2
i
i 1
Ejemplo: si tenemos una tabla de contingencia de 2 filas y 5 columnas entonces los grados de libertad
serian (2-1)(5-1)=1*4=4 g.l. Entonces el dato de la Chi Cuadrada Calculada con un =0.05 y 4 g.l. Es = 9,4877
Nivel de significancia Nivel de significancia
gl 0.10 0.05 0.025 0.01 0.005 gl 0.10 0.05 0.025 0.01 0.005
1 2.7055 3.8415 5.0239 6.6349 7.8794 51 64.2954 68.6693 72.616 77.386 80.7465
2 4.6052 5.9915 7.3778 9.2104 10.5965 52 65.4224 69.8322 73.8099 78.6156 82.0006
3 6.2514 7.8147 9.3484 11.3449 12.8381 53 66.5482 70.9934 75.0019 79.8434 83.2525
4 7.7794 9.4877 11.1433 13.2767 14.8602 54 67.6728 72.1532 76.1921 81.0688 84.5018
5 9.2363 11.0705 12.8325 15.0863 16.7496 55 68.7962 73.3115 77.3804 82.292 85.7491
6 10.6446 12.5916 14.4494 16.8119 18.5475 56 69.9185 74.4683 78.5671 83.5136 86.994
7 12.017 14.0671 16.0128 18.4753 20.2777 57 71.0397 75.6237 79.7522 84.7327 88.2366
8 13.3616 15.5073 17.5345 20.0902 21.9549 58 72.1598 76.7778 80.9356 85.9501 89.477
9 14.6837 16.919 19.0228 21.666 23.5893 59 73.2789 77.9305 82.1174 87.1658 90.7153
10 15.9872 18.307 20.4832 23.2093 25.1881 60 74.397 79.082 83.2977 88.3794 91.9518
11 17.275 19.6752 21.92 24.725 26.7569 61 75.5141 80.2321 84.4764 89.5912 93.1862
12 18.5493 21.0261 23.3367 26.217 28.2997 62 76.6302 81.381 85.6537 90.8015 94.4185
13 19.8119 22.362 24.7356 27.6882 29.8193 63 77.7454 82.5287 86.8296 92.0099 95.6492
14 21.0641 23.6848 26.1189 29.1412 31.3194 64 78.8597 83.6752 88.004 93.2167 96.8779
15 22.3071 24.9958 27.4884 30.578 32.8015 65 79.973 84.8206 89.1772 94.422 98.1049
16 23.5418 26.2962 28.8453 31.9999 34.2671 66 81.0855 85.9649 90.3488 95.6256 99.3303
17 24.769 27.5871 30.191 33.4087 35.7184 67 82.1971 87.108 91.5193 96.8277 100.5538
18 25.9894 28.8693 31.5264 34.8052 37.1564 68 83.3079 88.2502 92.6885 98.0283 101.7757
19 27.2036 30.1435 32.8523 36.1908 38.5821 69 84.4179 89.3912 93.8565 99.2274 102.9961
20 28.412 31.4104 34.1696 37.5663 39.9969 70 85.527 90.5313 95.0231 100.4251 104.2148
21 29.6151 32.6706 35.4789 38.9322 41.4009 71 86.6354 91.6703 96.1887 101.6214 105.4323
22 30.8133 33.9245 36.7807 40.2894 42.7957 72 87.7431 92.8083 97.353 102.8163 106.6473
23 32.0069 35.1725 38.0756 41.6383 44.1814 73 88.8499 93.9453 98.5162 104.0098 107.8619
24 33.1962 36.415 39.3641 42.9798 45.5584 74 89.9561 95.0815 99.6784 105.2019 109.0742
25 34.3816 37.6525 40.6465 44.314 46.928 75 91.0615 96.2167 100.8393 106.3929 110.2854
26 35.5632 38.8851 41.9231 45.6416 48.2898 76 92.1662 97.351 101.9992 107.5824 111.4954
27 36.7412 40.1133 43.1945 46.9628 49.645 77 93.2702 98.4844 103.1581 108.7709 112.7037
28 37.9159 41.3372 44.4608 48.2782 50.9936 78 94.3735 99.617 104.3159 109.9582 113.9107
29 39.0875 42.5569 45.7223 49.5878 52.3355 79 95.4762 100.7486 105.4727 111.144 115.1163
30 40.256 43.773 46.9792 50.8922 53.6719 80 96.5782 101.8795 106.6285 112.3288 116.3209
31 41.4217 44.9853 48.2319 52.1914 55.0025 81 97.6796 103.0095 107.7834 113.5123 117.524
32 42.5847 46.1942 49.4804 53.4857 56.328 82 98.7803 104.1387 108.9373 114.6948 118.7261
33 43.7452 47.3999 50.7251 54.7754 57.6483 83 99.8805 105.2672 110.0902 115.8762 119.927
34 44.9032 48.6024 51.966 56.0609 58.9637 84 100.98 106.3949 111.2422 117.0566 121.1262
35 46.0588 49.8018 53.2033 57.342 60.2746 85 102.0789 107.5217 112.3933 118.2356 122.3244
36 47.2122 50.9985 54.4373 58.6192 61.5811 86 103.1773 108.6479 113.5436 119.4137 123.5218
37 48.3634 52.1923 55.668 59.8926 62.8832 87 104.275 109.7733 114.6929 120.5909 124.7176
38 49.5126 53.3835 56.8955 61.162 64.1812 88 105.3723 110.898 115.8415 121.7672 125.9123
39 50.6598 54.5722 58.1201 62.4281 65.4753 89 106.4689 112.022 116.989 122.9422 127.106
40 51.805 55.7585 59.3417 63.6908 66.766 90 107.565 113.1452 118.1359 124.1162 128.2987
41 52.9485 56.9424 60.5606 64.95 68.0526 91 108.6606 114.2679 119.282 125.2893 129.4902
42 54.0902 58.124 61.7767 66.2063 69.336 92 109.7556 115.3898 120.427 126.4616 130.6812
43 55.2302 59.3035 62.9903 67.4593 70.6157 93 110.8501 116.511 121.5714 127.633 131.8705
44 56.3685 60.4809 64.2014 68.7096 71.8923 94 111.9442 117.6317 122.7152 128.8032 133.0589
45 57.5053 61.6562 65.4101 69.9569 73.166 95 113.0377 118.7516 123.858 129.9725 134.2466
46 58.6405 62.8296 66.6165 71.2015 74.4367 96 114.1307 119.8709 125.0001 131.1411 135.4327
47 59.7743 64.0011 67.8206 72.4432 75.7039 97 115.2232 120.9897 126.1414 132.3089 136.6188
48 60.9066 65.1708 69.0226 73.6826 76.9689 98 116.3153 122.1077 127.2821 133.4756 137.803
49 62.0375 66.3387 70.2224 74.9194 78.2306 99 117.4069 123.2252 128.4219 134.6415 138.9869
50 63.1671 67.5048 71.4202 76.1538 79.4898 100 118.498 124.3421 129.5613 135.8069 140.169
Distribucin F de FISHER, Para =0.05(nivel de significancia) para un nivel de confianza del 95%.
= 0,05 grados de libertad del numerador
G.L.denom. 1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 161,446 199,499 215,707 224,583 230,160 233,988 236,767 238,884 240,543 241,882 248,016 252,196 253,043 254,302
2 18,5128 19,0000 19,1642 19,2467 19,2963 19,3295 19,3531 19,3709 19,3847 19,3959 19,4457 19,4791 19,4857 19,4957
3 10,1280 9,5521 9,2766 9,1172 9,0134 8,9407 8,8867 8,8452 8,8123 8,7855 8,6602 8,5720 8,5539 8,5267
4 7,7086 6,9443 6,5914 6,3882 6,2561 6,1631 6,0942 6,0410 5,9988 5,9644 5,8025 5,6878 5,6640 5,6284
5 6,6079 5,7861 5,4094 5,1922 5,0503 4,9503 4,8759 4,8183 4,7725 4,7351 4,5581 4,4314 4,4051 4,3654
6 5,9874 5,1432 4,7571 4,5337 4,3874 4,2839 4,2067 4,1468 4,0990 4,0600 3,8742 3,7398 3,7117 3,6693
7 5,5915 4,7374 4,3468 4,1203 3,9715 3,8660 3,7871 3,7257 3,6767 3,6365 3,4445 3,3043 3,2749 3,2302
8 5,3176 4,4590 4,0662 3,8379 3,6875 3,5806 3,5005 3,4381 3,3881 3,3472 3,1503 3,0053 2,9747 2,9281
9 5,1174 4,2565 3,8625 3,6331 3,4817 3,3738 3,2927 3,2296 3,1789 3,1373 2,9365 2,7872 2,7556 2,7072
10 4,9646 4,1028 3,7083 3,4780 3,3258 3,2172 3,1355 3,0717 3,0204 2,9782 2,7740 2,6211 2,5884 2,5384
11 4,8443 3,9823 3,5874 3,3567 3,2039 3,0946 3,0123 2,9480 2,8962 2,8536 2,6464 2,4901 2,4566 2,4050
12 4,7472 3,8853 3,4903 3,2592 3,1059 2,9961 2,9134 2,8486 2,7964 2,7534 2,5436 2,3842 2,3498 2,2967
13 4,6672 3,8056 3,4105 3,1791 3,0254 2,9153 2,8321 2,7669 2,7144 2,6710 2,4589 2,2966 2,2614 2,2070
14 4,6001 3,7389 3,3439 3,1122 2,9582 2,8477 2,7642 2,6987 2,6458 2,6022 2,3879 2,2229 2,1870 2,1313
15 4,5431 3,6823 3,2874 3,0556 2,9013 2,7905 2,7066 2,6408 2,5876 2,5437 2,3275 2,1601 2,1234 2,0664
16 4,4940 3,6337 3,2389 3,0069 2,8524 2,7413 2,6572 2,5911 2,5377 2,4935 2,2756 2,1058 2,0685 2,0102
17 4,4513 3,5915 3,1968 2,9647 2,8100 2,6987 2,6143 2,5480 2,4943 2,4499 2,2304 2,0584 2,0204 1,9610
18 4,4139 3,5546 3,1599 2,9277 2,7729 2,6613 2,5767 2,5102 2,4563 2,4117 2,1906 2,0166 1,9780 1,9175
19 4,3808 3,5219 3,1274 2,8951 2,7401 2,6283 2,5435 2,4768 2,4227 2,3779 2,1555 1,9795 1,9403 1,8787
20 4,3513 3,4928 3,0984 2,8661 2,7109 2,5990 2,5140 2,4471 2,3928 2,3479 2,1242 1,9464 1,9066 1,8438
21 4,3248 3,4668 3,0725 2,8401 2,6848 2,5727 2,4876 2,4205 2,3661 2,3210 2,0960 1,9165 1,8761 1,8124
22 4,3009 3,4434 3,0491 2,8167 2,6613 2,5491 2,4638 2,3965 2,3419 2,2967 2,0707 1,8894 1,8486 1,7838
23 4,2793 3,4221 3,0280 2,7955 2,6400 2,5277 2,4422 2,3748 2,3201 2,2747 2,0476 1,8648 1,8234 1,7577
24 4,2597 3,4028 3,0088 2,7763 2,6207 2,5082 2,4226 2,3551 2,3002 2,2547 2,0267 1,8424 1,8005 1,7338
25 4,2417 3,3852 2,9912 2,7587 2,6030 2,4904 2,4047 2,3371 2,2821 2,2365 2,0075 1,8217 1,7794 1,7117
26 4,2252 3,3690 2,9752 2,7426 2,5868 2,4741 2,3883 2,3205 2,2655 2,2197 1,9898 1,8027 1,7599 1,6913
27 4,2100 3,3541 2,9603 2,7278 2,5719 2,4591 2,3732 2,3053 2,2501 2,2043 1,9736 1,7851 1,7419 1,6724
28 4,1960 3,3404 2,9467 2,7141 2,5581 2,4453 2,3593 2,2913 2,2360 2,1900 1,9586 1,7689 1,7251 1,6548
29 4,1830 3,3277 2,9340 2,7014 2,5454 2,4324 2,3463 2,2782 2,2229 2,1768 1,9446 1,7537 1,7096 1,6384
30 4,1709 3,3158 2,9223 2,6896 2,5336 2,4205 2,3343 2,2662 2,2107 2,1646 1,9317 1,7396 1,6950 1,6230
40 4,0847 3,2317 2,8387 2,6060 2,4495 2,3359 2,2490 2,1802 2,1240 2,0773 1,8389 1,6373 1,5892 1,5098
50 4,0343 3,1826 2,7900 2,5572 2,4004 2,2864 2,1992 2,1299 2,0733 2,0261 1,7841 1,5757 1,5249 1,4392
60 4,0012 3,1504 2,7581 2,5252 2,3683 2,2541 2,1665 2,0970 2,0401 1,9926 1,7480 1,5343 1,4814 1,3903
70 3,9778 3,1277 2,7355 2,5027 2,3456 2,2312 2,1435 2,0737 2,0166 1,9689 1,7223 1,5046 1,4498 1,3540
80 3,9604 3,1108 2,7188 2,4859 2,3287 2,2142 2,1263 2,0564 1,9991 1,9512 1,7032 1,4821 1,4259 1,3259
90 3,9469 3,0977 2,7058 2,4729 2,3157 2,2011 2,1131 2,0430 1,9856 1,9376 1,6883 1,4645 1,4070 1,3032
100 3,9362 3,0873 2,6955 2,4626 2,3053 2,1906 2,1025 2,0323 1,9748 1,9267 1,6764 1,4504 1,3917 1,2845
200 3,8884 3,0411 2,6498 2,4168 2,2592 2,1441 2,0556 1,9849 1,9269 1,8783 1,6233 1,3856 1,3206 1,1903
300 3,8726 3,0258 2,6347 2,4017 2,2441 2,1288 2,0402 1,9693 1,9112 1,8623 1,6057 1,3634 1,2958 1,1521
400 3,8648 3,0183 2,6272 2,3943 2,2366 2,1212 2,0325 1,9616 1,9033 1,8544 1,5969 1,3522 1,2831 1,1303
500 3,8601 3,0138 2,6227 2,3898 2,2320 2,1167 2,0279 1,9569 1,8986 1,8496 1,5916 1,3455 1,2753 1,1159
600 3,8570 3,0107 2,6198 2,3868 2,2290 2,1137 2,0248 1,9538 1,8955 1,8465 1,5881 1,3410 1,2701 1,1055
700 3,8548 3,0086 2,6176 2,3847 2,2269 2,1115 2,0226 1,9516 1,8932 1,8442 1,5856 1,3377 1,2664 1,0976
800 3,8531 3,0070 2,6160 2,3831 2,2253 2,1099 2,0210 1,9500 1,8916 1,8425 1,5837 1,3353 1,2635 1,0912
900 3,8518 3,0057 2,6148 2,3818 2,2240 2,1086 2,0197 1,9487 1,8903 1,8412 1,5822 1,3334 1,2613 1,0861
1000 3,8508 3,0047 2,6138 2,3808 2,2231 2,1076 2,0187 1,9476 1,8892 1,8402 1,5811 1,3318 1,2596 1,0818
1500 3,8477 3,0017 2,6108 2,3779 2,2201 2,1046 2,0157 1,9446 1,8861 1,8370 1,5775 1,3273 1,2542 1,0675
2000 3,8461 3,0002 2,6094 2,3764 2,2186 2,1031 2,0142 1,9430 1,8846 1,8354 1,5758 1,3250 1,2516 1,0593
10000 3,8424 2,9966 2,6058 2,3728 2,2150 2,0995 2,0105 1,9393 1,8808 1,8316 1,5716 1,3194 1,2451 1,0334
DISTRIBUCION NORMAL
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-4 0.00003 0.00003 0.00003 0.00003 0.00003 0.00003 0.00002 0.00002 0.00002 0.00002
-3.9 0.00005 0.00005 0.00004 0.00004 0.00004 0.00004 0.00004 0.00004 0.00003 0.00003
-3.8 0.00007 0.00007 0.00007 0.00006 0.00006 0.00006 0.00006 0.00005 0.00005 0.00005
-3.7 0.00011 0.0001 0.0001 0.0001 0.00009 0.00009 0.00008 0.00008 0.00008 0.00008
-3.6 0.00016 0.00015 0.00015 0.00014 0.00014 0.00013 0.00013 0.00012 0.00012 0.00011
-3.5 0.00023 0.00022 0.00022 0.00021 0.0002 0.00019 0.00019 0.00018 0.00017 0.00017
-3.4 0.00034 0.00032 0.00031 0.0003 0.00029 0.00028 0.00027 0.00026 0.00025 0.00024
-3.3 0.00048 0.00047 0.00045 0.00043 0.00042 0.0004 0.00039 0.00038 0.00036 0.00035
-3.2 0.00069 0.00066 0.00064 0.00062 0.0006 0.00058 0.00056 0.00054 0.00052 0.0005
-3.1 0.00097 0.00094 0.0009 0.00087 0.00084 0.00082 0.00079 0.00076 0.00074 0.00071
-3 0.00135 0.00131 0.00126 0.00122 0.00118 0.00114 0.00111 0.00107 0.00104 0.001
-2.9 0.00187 0.00181 0.00175 0.00169 0.00164 0.00159 0.00154 0.00149 0.00144 0.00139
-2.8 0.00256 0.00248 0.0024 0.00233 0.00226 0.00219 0.00212 0.00205 0.00199 0.00193
-2.7 0.00347 0.00336 0.00326 0.00317 0.00307 0.00298 0.00289 0.0028 0.00272 0.00264
-2.6 0.00466 0.00453 0.0044 0.00427 0.00415 0.00402 0.00391 0.00379 0.00368 0.00357
-2.5 0.00621 0.00604 0.00587 0.0057 0.00554 0.00539 0.00523 0.00508 0.00494 0.0048
-2.4 0.0082 0.00798 0.00776 0.00755 0.00734 0.00714 0.00695 0.00676 0.00657 0.00639
-2.3 0.01072 0.01044 0.01017 0.0099 0.00964 0.00939 0.00914 0.00889 0.00866 0.00842
-2.2 0.0139 0.01355 0.01321 0.01287 0.01255 0.01222 0.01191 0.0116 0.0113 0.01101
-2.1 0.01786 0.01743 0.017 0.01659 0.01618 0.01578 0.01539 0.015 0.01463 0.01426
-2 0.02275 0.02222 0.02169 0.02118 0.02068 0.02018 0.0197 0.01923 0.01876 0.01831
-1.9 0.02872 0.02807 0.02743 0.0268 0.02619 0.02559 0.025 0.02442 0.02385 0.0233
-1.8 0.03593 0.03515 0.03438 0.03362 0.03288 0.03216 0.03144 0.03074 0.03005 0.02938
-1.7 0.04457 0.04363 0.04272 0.04182 0.04093 0.04006 0.0392 0.03836 0.03754 0.03673
-1.6 0.0548 0.0537 0.05262 0.05155 0.0505 0.04947 0.04846 0.04746 0.04648 0.04551
-1.5 0.06681 0.06552 0.06426 0.06301 0.06178 0.06057 0.05938 0.05821 0.05705 0.05592
-1.4 0.08076 0.07927 0.0778 0.07636 0.07493 0.07353 0.07215 0.07078 0.06944 0.06811
-1.3 0.0968 0.0951 0.09342 0.09176 0.09012 0.08851 0.08692 0.08534 0.08379 0.08226
-1.2 0.11507 0.11314 0.11123 0.10935 0.10749 0.10565 0.10383 0.10204 0.10027 0.09853
-1.1 0.13567 0.1335 0.13136 0.12924 0.12714 0.12507 0.12302 0.121 0.119 0.11702
-1 0.15866 0.15625 0.15386 0.15151 0.14917 0.14686 0.14457 0.14231 0.14007 0.13786
-0.9 0.18406 0.18141 0.17879 0.17619 0.17361 0.17106 0.16853 0.16602 0.16354 0.16109
-0.8 0.21186 0.20897 0.20611 0.20327 0.20045 0.19766 0.19489 0.19215 0.18943 0.18673
-0.7 0.24196 0.23885 0.23576 0.2327 0.22965 0.22663 0.22363 0.22065 0.2177 0.21476
-0.6 0.27425 0.27093 0.26763 0.26435 0.26109 0.25785 0.25463 0.25143 0.24825 0.2451
-0.5 0.30854 0.30503 0.30153 0.29806 0.2946 0.29116 0.28774 0.28434 0.28096 0.2776
-0.4 0.34458 0.3409 0.33724 0.3336 0.32997 0.32636 0.32276 0.31918 0.31561 0.31207
-0.3 0.38209 0.37828 0.37448 0.3707 0.36693 0.36317 0.35942 0.35569 0.35197 0.34827
-0.2 0.42074 0.41683 0.41294 0.40905 0.40517 0.40129 0.39743 0.39358 0.38974 0.38591
-0.1 0.46017 0.4562 0.45224 0.44828 0.44433 0.44038 0.43644 0.43251 0.42858 0.42465
0 0.5 0.49601 0.49202 0.48803 0.48405 0.48006 0.47608 0.4721 0.46812 0.46414
DISTRIBUCION NORMAL
Z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.5279 0.53188 0.53586
0.1 0.53983 0.5438 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.6293 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.6591 0.66276 0.6664 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.7054 0.70884 0.71226 0.71566 0.71904 0.7224
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.7549
0.7 0.75804 0.76115 0.76424 0.7673 0.77035 0.77337 0.77637 0.77935 0.7823 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891
1 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.8665 0.86864 0.87076 0.87286 0.87493 0.87698 0.879 0.881 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147
1.3 0.9032 0.9049 0.90658 0.90824 0.90988 0.91149 0.91308 0.91466 0.91621 0.91774
1.4 0.91924 0.92073 0.9222 0.92364 0.92507 0.92647 0.92785 0.92922 0.93056 0.93189
1.5 0.93319 0.93448 0.93574 0.93699 0.93822 0.93943 0.94062 0.94179 0.94295 0.94408
1.6 0.9452 0.9463 0.94738 0.94845 0.9495 0.95053 0.95154 0.95254 0.95352 0.95449
1.7 0.95543 0.95637 0.95728 0.95818 0.95907 0.95994 0.9608 0.96164 0.96246 0.96327
1.8 0.96407 0.96485 0.96562 0.96638 0.96712 0.96784 0.96856 0.96926 0.96995 0.97062
1.9 0.97128 0.97193 0.97257 0.9732 0.97381 0.97441 0.975 0.97558 0.97615 0.9767
2 0.97725 0.97778 0.97831 0.97882 0.97932 0.97982 0.9803 0.98077 0.98124 0.98169
2.1 0.98214 0.98257 0.983 0.98341 0.98382 0.98422 0.98461 0.985 0.98537 0.98574
2.2 0.9861 0.98645 0.98679 0.98713 0.98745 0.98778 0.98809 0.9884 0.9887 0.98899
2.3 0.98928 0.98956 0.98983 0.9901 0.99036 0.99061 0.99086 0.99111 0.99134 0.99158
2.4 0.9918 0.99202 0.99224 0.99245 0.99266 0.99286 0.99305 0.99324 0.99343 0.99361
2.5 0.99379 0.99396 0.99413 0.9943 0.99446 0.99461 0.99477 0.99492 0.99506 0.9952
2.6 0.99534 0.99547 0.9956 0.99573 0.99585 0.99598 0.99609 0.99621 0.99632 0.99643
2.7 0.99653 0.99664 0.99674 0.99683 0.99693 0.99702 0.99711 0.9972 0.99728 0.99736
2.8 0.99744 0.99752 0.9976 0.99767 0.99774 0.99781 0.99788 0.99795 0.99801 0.99807
2.9 0.99813 0.99819 0.99825 0.99831 0.99836 0.99841 0.99846 0.99851 0.99856 0.99861
3 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99896 0.999
3.1 0.99903 0.99906 0.9991 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.9994 0.99942 0.99944 0.99946 0.99948 0.9995
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.9996 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.9997 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.9998 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.9999 0.9999 0.9999 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
4 0.99997 0.99997 0.99997 0.99997 0.99997 0.99997 0.99998 0.99998 0.99998 0.99998