DEPARTAMENTO VI – EDUCACIÓN

COLEGIO MILITAR “CNL. GUALBERTO VILLARROEL”

BOLIVIA

UNIDAD DE APRENDIZAJE 1 ESTADÍSTICA DESCRIPTIVA

La palabra Estadística procede del vocablo “Estado, toda vez que correspondía a los
gobiernos de los Estados establecer registros de población, nacimientos,
defunciones, impuestos, cosechas, etc.

Es difícil conocer sus orígenes. Desde los comienzos de la civilización han existido
formas sencillas de estadística, se utilizaban representaciones gráficas y otros
símbolos para contar el número de personas, animales o ciertas cosas. El aporte de
la estadística a la vida diaria es muy amplio, a continuación, se sintetiza los aspectos
de mayor relevancia:

1. Como herramienta de trabajo. En todas las ciencias, la estadística aporta sus

métodos para sintetizar, representar y establecer conclusiones sobre el
comportamiento de datos. Ayuda a los profesionales a comprender la
información que se genera en la investigación teórica o aplicada, toda vez que
se genera cuantiosa información cuantitativa, la misma que es analizada a
través de la teoría estadística.

2. En la solución de problemas. En los procesos investigativos, el aporte que

brinda la estadística es fundamental para absolver preguntas.

3. En la investigación teórica. Ayudan a la generación de teorías que permiten

predecir el comportamiento bajo circunstancias determinadas, especialmente
en circunstancias donde los eventos no están regidos por leyes físicas o
determinísticas.

I. ESTADÍSTICA BÁSICA

A.- Concepto de Estadística

En la infinidad de libros dedicados a la materia, existen decenas de

definiciones, sin embargo y para fines prácticos adoptaremos la siguiente:

Estadística: Es la ciencia que se encarga de la recolección, ordenamiento,

representación, análisis e interpretación de datos generados en una
investigación sobre hechos, individuos o grupos de los mismos, para deducir
de ello conclusiones precisas o estimaciones futuras.

1 - 67
 La estadística debe ser interpretada simplemente como una de las mejores
herramientas para brindar soporte al análisis de datos y al proceso de toma de
decisiones.

B.- Población

Es el colectivo que abarca a todos los elementos cuya característica o

características queremos estudiar; dicho de otra manera, constituye el
universo al que se desea describir o del que se necesita establecer
conclusiones. Por su tamaño, las poblaciones pueden ser finitas o infinitas.

Población finita: se trata de una población cuyo número de elementos es

numerable. Por ejemplo: la población de un municipio.

Población infinita: se trata de una población cuyo número de elementos no

se puede determinar por ser excesivamente grande. Por ejemplo: la cantidad
de estrellas en el universo.

C.- Muestra

Supongamos que necesitamos realizar un estudio sobre la proporción de

personas entre 30 y 45 años de edad que habitan en la Ciudad de Santa Cruz.
Para hacerlo, podríamos interrogar a todas las personas de esa franja etaria
(población o universo), pero esto resulta complicado en primer lugar, porque
no sabríamos dónde encontrarlos a todos y, en segundo lugar, por el alto
costo económico y el tiempo que demandaría dicho relevamiento.

En este contexto, debemos encontrar una manera que, sin ser exacta, nos
aproxime en mayor grado a la realidad de lo que está ocurriendo y así
buscaremos a algunas personas (no a todas). Este relevamiento parcial es lo
que llamamos muestra, que se define a continuación:

Es un conjunto de elementos seleccionados de una población de acuerdo a un

plan de acción previamente establecido (muestreo), para obtener conclusiones
que pueden ser extensivas hacia toda la población.

D.- Muestreo

Es la técnica que nos permite seleccionar muestras adecuadas de una

población de estudio. El muestreo debe conducir a la obtención de una
muestra representativa de la población de donde proviene, esta condición
establece que cada elemento de la población tiene la misma probabilidad de
ser incluida en la muestra.
2 - 67
 1.- Componentes del muestreo

Marco de la muestra: es el registro de todos los ítems de la población

(1, 2,…, n) de la que se extrae la muestra.

Unidad de la muestra: es el elemento al que habrá que dirigirse para

obtener los datos de interés.

2.- Clases de muestras

Básicamente, el muestreo puede realizarse de dos formas:

probabilística o no probabilística.

1. Muestreo probabilístico o al azar: los elementos de la muestra se

escogen por métodos estadísticos basados en la teoría de la
probabilidad, de forma que se pueda determinar la probabilidad de
que un elemento pertenezca a la muestra.

Es el muestreo más usado y más científico y puede realizarse de

dos maneras:

Con reposición o reemplazo: al seleccionar las sucesivas unidades

muestrales, las anteriores y ya seleccionadas vuelven a formar
parte de la población de la que se extrae la muestra. Es decir que
un mismo elemento puede ser seleccionado más de una vez.

Sin reposición o reemplazo: una vez que una unidad de muestra es

seleccionada, ya no puede volver a serlo, debido a que queda fuera
de la población sobre la cual se extrae la muestra.

2. Muestreo no probabilístico: es una técnica en la cual el

investigador selecciona muestras basadas en un juicio subjetivo en
lugar de hacer la selección al azar, razón por la cual no es posible
fijar la probabilidad de selección de cada individuo o ítem ni el nivel
de confianza.

El muestreo no probabilístico es más útil para estudios

exploratorios como la encuesta piloto.

E.- Censo

Es el estudio de todos y cada uno de los elementos de una población. Esta

condición hace que este tipo de estudios no sean muy frecuentes, por cuanto
la recolección de toda esa información, sobre todo cuando el tamaño de la
población es muy grande o sus elementos se encuentran muy dispersos, sea
muy costosa.
3 - 67
F.- Parámetro

Es cualquier medida descriptiva o representativa de una población.

Generalmente se utilizan las letras griegas como símbolo. Ejemplos: media
aritmética poblacional (μ) (mu), desviación estándar poblacional (σ) (sigma).

G.- Estadístico

Constituyen cualquiera de las medidas descriptivas de una muestra. Se las

simboliza con letras minúsculas de nuestro alfabeto. Ejemplos: media
aritmética (x), desviación estándar (s).

H.- Divisiones de la Estadística

La estadística suele dividirse en dos grandes campos:

Estadística descriptiva: se trata de la parte de la estadística que se encarga

de describir los datos de un fenómeno ya ocurrido y cuyo comportamiento
conocemos. Como ejemplo de estas estadísticas podemos citar a aquellas
que se obtienen generalmente en los deportes, en los rendimientos
académicos de los estudiantes, en los negocios al determinar las ventas
obtenidas.

Estadística inferencial: pretende obtener conclusiones generales de una

determinada población, mediante el estudio de una muestra representativa
sacada de ella, dicho de otra manera, lo que se trata es que, con el valor de
los estadísticos obtenidos, podamos establecer los valores de los parámetros.
Como ejemplo de este tipo de estadística se tiene la aplicación de nuevos
tratamientos con nuevos fármacos.

El siguiente gráfico ilustra el procedimiento que sigue la inferencia estadística:

Muestreo

Población Muestra

Cálculos
Estadísticos

4 - 67
 I.- El método estadístico.

El método por el cual se procesan los datos abarca las siguientes etapas:

a.- Recolección de datos: es la etapa inicial. Estos datos brindan

información sobre las características de los individuos observados.

b.- Agrupamiento de datos y gráficos: los datos recogidos en la Etapa 1

deben ser convenientemente ordenados y agrupados, es decir,
dispuestos en tablas o gráficos para facilitar su lectura, de modo
que se puede tener una rápida interpretación de los hechos.

c.- Medición de datos y análisis: aquí comienza a actuar la matemática.

Se observa si los datos tienden a centrarse en torno de algunos
valores denominados parámetros de posición (media, mediana,
moda). Luego, se analiza la dispersión de esos valores respecto de
esos parámetros de posición y surgen así los parámetros de
dispersión (desviación media, varianza, desvío estándar).

En la estadística inferencial se trabaja con la muestra representativa

seleccionada, A partir del estudio de la muestra se pretende inferir
aspectos relevantes de toda la población.

II. VARIABLES DE DATOS

Se define como variable estadística a todo aquello pasible de tomar valores

diferentes de unidad en unidad.

La información que se obtiene de un estudio estadístico, proviene de

variables, las mismas que están determinadas con el interés que se tenga
sobre los elementos de observación.

A.- Tipos de Variable

Las variables que estudiamos en estadística pueden ser de dos tipos:

• Variables cuantitativas, son aquellas cuyos valores pueden expresarse

como cantidades numéricas. Estas, a su vez, pueden ser: Discretas: están
relacionadas con números enteros y se asocian a procesos de conteo
(Ejm. Número de hijos de una familia). Continuas: están vinculadas con
los números reales o con procesos de medición (Ejm. Estatura de una
persona).

• Variables cualitativas, son aquellas que pueden clasificarse, pero no

medirse. Estas, a su vez, pueden ser: Nominales: aquellas cuyos
5 - 67
 resultados no expresan dimensión ni orden entre las variables. Por
ejemplo: estado civil, rama de actividad económica, rubro principal de
exportaciones, etc.; Ordinales: aquellas cuyos resultados expresan
dimensión u orden entre las variables. Por ejemplo: nivel de educación
alcanzado, tamaño, nivel de riesgo país, etc.

Variables

Cuantitativas Cualitativas

Discretas Nominales

Continuas Ordinales

Ejercicio de aplicación:

En un estudio estadístico se observó el tiempo que toma en llegar a su lugar de trabajo

desde su lugar de residencia. Determine cuál es el elemento de observación, cuál es la
variable de estudio y de qué tipo es.

B.- Escalas de Medición

Son un instrumento de medida, de acuerdo al cual se asignan valores a los

datos estadísticos. Según las operaciones matemáticas que se pueden
realizar con los valores asignados a los fenómenos observados, es posible
distinguir cuatro niveles o escalas de medición: nominal, ordinal, por intervalos
o proporciones y por razón, los cuales presentan las siguientes características:

Nominal
•Es el nivel más bajo de medición y consiste en nombrar con lenguaje
común los objetos

6 - 67
 •conLos eldatosúniconofinposeende clasificarlosningun. orden y generan
categorias mutuamente excluyentes y exhausivas.
•Por ejemplo, se describe una población en un determinado momento
histórico: había
2.000 habitantes en una superficie de 5 km2, 150 casas, 1 iglesia, 1 plaza, 2
escuelas, etc.
Ordinal

•Podemoscategoría
estáestablecerformadaunporordenpartesentrequelassondistintasmás
grandes,categoríasmás; indicar,antiguas,por ejemplo, más importantesque
una que las partes comprendidas en otras.
•Es una escala que está por encima de la nominal y se utiliza para clasificar
u ordenar un

•conjuntoTambiéndegenerandatos.categorías mutuamente excluyentes.

•Por ejemplo, si tomamos una población y establecemos tres categorías por
niveles salariales, clase alta, clase media y clase baja.
Por intérvalos
•Ademásejemplo, dellas orden,cifras electorales,es posible clasificarlosla
composiciónpor deintérvalosuna cámara,o proporciones,las estadísticascomo
porde población.
•Es una escala que se utiliza para etiquetar variables que tienen un orden
natural y una diferenciacero arbitrariocuantificableque no implicaentre
ausenciavalores, perode valorsin valor(Ejm.detemperatura)«cero
verdadero»,. es decir es un
•En esta escala, una diferencia entre dos números consecutivos, representa
la misma diferencia en la magnitud de la variable.
Por razón
•Laademásescaladeporposeerrazón estodasla máslasricapropiedadesen
cuanto adela informaciónlas escalasqueanterioresproporciona,—
igualdadporque desigualdad (escala nominal), orden (escala ordinal) y
distancia (escala por intervalo)—, tiene la. ventaja de tener un cero absoluto
que indica carencia absoluta del atributo medido
•Esta es la escala más habitual para medir propiedades físicas, como el
peso, la altura, el volumen.
7 - 67
III. DISTRIBUCIÓN DE FRECUENCIAS

Existen tres formas de sistematizar los datos: serie simple, distribución de

frecuencias e intervalos de clase. La serie simple, que presenta los valores
recolectados de forma que figuran todos y cada uno de ellos (no agrupados).

La distribución de frecuencias es una tabla estadística donde se presentan los

datos resumidos, de tal manera que se puede en una visión panorámica
establecer un criterio sobre su comportamiento, entendiéndose por
comportamiento, la determinación aproximada de los valores centrales, la
variabilidad que presentan y si son o no relativamente simétricos con relación
a un valor central.

El cuadro de frecuencias tiene como finalidad presentar de manera ordenada

los valores que toman las diferentes características, de forma que permitan al
lector tener una visión de conjunto. Los datos se clasifican y ordenan de
acuerdo con ciertas características cualitativas o cuantitativas, indicándose el
número de veces que se repite el valor de la variable o atributo (frecuencia de
ocurrencia).

A continuación, se representa un estudio realizado con una variable cualitativa

(tipo de automotor), por lo tanto, los datos son de carácter nominal, se puede
observar que la categorización representa a los datos que fueron observados
y no existe un orden predeterminado para realizar la categorización; además
cabe resaltar que no aparece otro tipo de automotor ya que en los quince
minutos en los cuales se hizo el estudio, no pasaron por la intersección ningún
otro tipo de vehículo.

TIPO DE VEHÍCULOS QUE CIRCULARON AL FRENTE DEL COLEGIO MILITAR

TIPO N° DE AUTOMOTORES
Automóvil 25
Bus 12
Camioneta 10
Camión 5
Furgoneta 8
TOTAL 60

Las distribuciones de frecuencia están conformadas por categorías

mutuamente excluyentes y exhaustivas, esto significa que no existe la
posibilidad de que un elemento pertenezca a varias categorías a la vez y que,
si un elemento fue observado, este debe constar en alguna de las categorías.

Ejercicio de aplicación:

Representar un cuadro de percepción del servicio de alimentación de las

instalaciones del Colegio Militar.
8 - 67
 SERVICIO N° DE DD. Y CC. CC.

Excelente

Muy bueno

Bueno

Regular

Malo

TOTAL

Los intervalos de clase se usan para estudiar un hecho en el que la amplitud

de la población o muestra es grande, por lo que es necesario definir los
intervalos de clase, que son subconjuntos del conjunto de valores que puede
tomar la variable. Estas clases pueden tener una amplitud constante o
variable.

A.- Distribución de frecuencias para variables continuas

Para este tipo de variables es necesario entrar en un proceso de
categorización mediante intervalos, que agrupan a un conjunto de valores
que están incluidos en cada uno de ellos, por ejemplo, la estatura. La
construcción de la distribución de frecuencias sigue el siguiente
procedimiento:
1. Determinar el rango de valores entre los cuales se sitúan todas las
observaciones, es decir se observa el valor máximo y el mínimo y se
obtiene su diferencia.
RANGO = MÁXIMO - MÍNIMO
2. Se decide el número de categorías que va a tener la distribución, este
número se sitúa para la mayoría de los investigadores entre 5 y 15. La
cantidad de categorías se la establece de acuerdo al número (n) de
observaciones del estudio. De una manera tentativa se determina esta
cantidad al aplicar este criterio:

Nº DE CATEGORÍAS = 1 + 3.3*LOG(n)

El resultado se aproxima al entero inmediato menor o mayor.

3. Se calcula la amplitud (i) de cada intervalo de clase, dividiendo el rango

entre el número de categorías.

i =RANGO/(N° CATEGORÍAS)

El resultado se aproxima al entero inmediato menor o mayor.

9 - 67
4. Se establecen los límites de cada categoría, para esto se determina el
límite inferior de la primera categoría, que puede ser igual o menor al
valor mínimo de todo el estudio, a este valor se suma la amplitud del
intervalo y se obtiene el límite inferior de la siguiente categoría y así
sucesivamente sumamos la amplitud del intervalo a cada nuevo límite
obtenido, hasta completar el número de categorías establecido.

5. Se completa la categorización con la determinación de las frecuencias

de clase de cada categoría, esto es contar cuántos elementos están
incluidos en cada una de ellas. Recordar que la sumatoria de estas
frecuencias debe ser igual que el total de elementos observados en el
estudio.
Ejercicio de aplicación:

Realizar la categorización del siguiente conjunto de datos obtenidos en

la determinación del tiempo (minutos) que un cliente se mantuvo en la
fila antes de ser atendido en una sucursal bancaria de la zona Sur.

12 14 9 10 8 26 27 14 13 14
3 5 10 8 7 7 6 13 12 21
25 27 22 7 12 12 13 19 18 17
28 30 25 21 15 15 16 21 20 14
14 16 11 18 21 8 9 10 9 9
7 9 4 32 20 4 5 8 7 18
6 8 12 11 16 31 24 26 25 26
4 6 18 12 14 22 23 31 30 12

NÚMERO DE ELEMENTOS n=80

MÁXIMO 32
MÍNIMO 3
a.- Rango = 32 – 3=29

b.- Número de categorías=1+3,3*log(80)=7,28 (se pueden escoger entre

siete u ocho categorías)

c.- Amplitud del intervalo= RANGO/N° de categorías = 29/7 = 4

d.- Límites de las categorías

Límite Ancho del Límite inferior intervalo siguiente 2 4 6

6 4 10 10 4 14
14 4 18

10 - 67
 18 4 22
22 4 26
26 4 30
30 4 34

Entonces los límites de las categorías quedan estructurados de la

siguiente manera a través de intervalos semiderruidos (a, b] o [a, b):

Límite Límite Límite Límite

Intervalo Intervalo
inferior superior inferior superior
2 <6 [2,6] 2 6 [2,6]
6 <10 [6,10] >6 10 [6,10]
10 <14 [10,14] >10 14 [10,14]
14 <18 [14,18] >14 18 [14,18]
18 <22 [18,22] >18 22 [18,22]
22 <26 [22,26] >22 26 [22,26]
26 <30 [26,30] >26 30 [26,30]
30 34 [30,34] >30 34 [30,34]

e.- Determinación de frecuencias de clase (f). Se debe realizar el conteo

respectivo.

Límite Límite Frecuencia

Intervalo
inferior superior Absoluta
2 6 [2,6] 9
>6 10 [6,10] 18
>10 14 [10,14] 18
>14 18 [14,18] 10
>18 22 [18,22] 9
>22 26 [22,26] 8
>26 30 [26,30] 5
>30 34 [30,34] 3
Total 80

11 - 67
Luego de este trabajo inicial, donde hemos obtenido la frecuencia absoluta de
clases (f), se puede determinar otro tipo de frecuencias que son muy utilizadas

en estadística. Estas frecuencias son: frecuencia relativa (fr), frecuencia

porcentual (f%), frecuencia acumulada menor que (fa<) o mayor que (fa>) y
frecuencias acumuladas porcentuales (fa%). Estas frecuencias se las calcula
de la siguiente manera:

• La frecuencia relativa (fr) indica la distribución porcentual. Resulta de dividir

la frecuencia absoluta de cada intervalo por el total de casos (n). El total de
fr debe sumar 1.

• La frecuencia porcentual (f%) resulta de multiplicar la frecuencia relativa

por 100%. El total de f% debe sumar 100%.

• Para las frecuencias acumuladas se debe responder al criterio que se

quiere establecer “menor que” o “mayor que” para proceder a la
acumulación de elementos, en el caso de requerir la frecuencia acumulada
menor que, se procede de la manera siguiente, se comienza con la primera
categoría y se observa cuántos elementos están por debajo o son menores
que el límite superior de esta categoría, luego se contabiliza la cantidad de
elementos que son menores que el segundo límite superior y así
sucesivamente, hasta llegar a la última categoría que tendrá una
frecuencia acumulada igual al total de observaciones (n).

• Para el caso de la frecuencia acumulada “mayor que” se procede de la

misma manera, pero respondiendo a la pregunta de cuántos elementos
son mayores o iguales al límite inferior de cada categoría.

• Si es necesario que las frecuencias acumuladas se presenten en forma

relativa o porcentual, tendrán que dividirse para el total de elementos del
estudio y en el caso porcentual, multiplicar por 100.
• También se puede representar a los intervalos de las distribuciones de
frecuencias, mediante las marcas de clase (se les suele simbolizar con la
variable x) o puntos medios de las clases, la obtención de estos valores
se consigue al sumar los límites de cada categoría y dividirlos para dos.

𝑙í𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 + 𝑙í𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟

𝑀𝑎𝑟𝑐𝑎 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒 =
2
A continuación, se muestran los cálculos de las frecuencias señaladas:

12 - 67
 Frecuencia Frecuencia
Acumulada Acumulada
Frecuencia Frecuencia porcentual porcentual
Frecuencia Frecuencia Frecuencia mayor que
Marca de Acumulada Acumulada menor que
Límites Absoluta Relativa Porcentual (f (fa%<) (fa%>)
Clase menor que mayor que
(f) (fr) %)
(fa<) (fa>)

2 6 4 9 0,1125 11,25 9 80 11,3 100,0

6 10 8 18 0,225 22,5 27 71 33,8 88,8

10 14 12 18 0,225 22,5 45 53 56,3 66,3

14 18 16 10 0,125 12,5 55 35 68,8 43,8

18 22 20 9 0,1125 11,25 64 25 80,0 31,3

22 26 24 8 0,1 10 72 16 90,0 20,0

26 30 28 5 0,0625 6,25 77 8 96,3 10,0

30 34 32 3 0,0375 3,75 80 3 100,0 3,8

Total 80 1 100

Ejercicio de aplicación:

Las calificaciones de 50 alumnos en Matemáticas han sido las siguientes:

5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4, 8, 6, 6, 3,
6, 7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
Construir la tabla ampliada de distribución de frecuencias y dibuja el
diagrama de barras.

B.- Datos Estadísticos

De todas las representaciones de datos estadísticos, los gráficos muestran

en forma extensiva y con la necesaria profundidad las características del
fenómeno en estudio. El gráfico es una representación de datos ilustrada,
construida principalmente mediante la asignación de valores a un conjunto
de líneas horizontales y verticales llamadas «ejes».

Generalmente, los gráficos usan como sostén un sistema de ejes

cartesianos X e Y, donde se presentan dos variables asociadas. En el eje
«Y», se colocan las frecuencias que presentan los distintos valores de la
variable X, que se representa sobre el eje de abscisas o «X».

Los principales gráficos estadísticos los podemos resumir en:

GRÁFICO CARACTERÍSTICA
Diagramas de barras o Son utilizados para variables cualitativas y
columnas cuantitativas.
Diagrama de sectores

Son más utilizados cuando los datos son

Diagramas lineales
discretos

13 - 67
 El diagrama de dispersión es usado para
analizar la relación de dos variables
Diagramas de dispersión (correlación, regresión), sobre todo para
estudiar el comportamiento de variables en el
tiempo.
Histogramas
Se usan para representar a datos categorizados
Polígonos de frecuencia
mediante intervalos
Ojivas

1. Diagrama de barras o columnas

Es un tipo de gráfico que constan de dos ejes, de los cuales se escoge
a uno de ellos para representar a la variable de estudio de acuerdo a la
distribución de frecuencias generada y el otro para representar la
frecuencia de cada categoría, si es el eje vertical en el que se marcan
las frecuencias el diagrama será de columnas, por el contrario, si es
en el eje horizontal donde se representan la frecuencia, el diagrama
será de barras.
Ejemplo
Se ha realizado un estudio de la procedencia de los turistas que visitan
la Reserva de Apolobamba, con una muestra de 70 personas,
obteniéndose la siguiente distribución:
PAÍS DE N° DE
PROCEDENCIA PERSONAS
Perú 10
Argentina 6
Brasil 9
Chile 5
Estados Unidos 8
Alemania 12
Francia 8
Reino Unido 7
España 4
Australia 1
Total 70

Como la variable de estudio (lugar de procedencia), es de tipo

cualitativo, se escogerá el diagrama de columnas para representar a
este estudio y su gráfico se ve a continuación:

ESTUDIO SOBRE PAIS DE PROCEDENCIA DE TURISTAS

14 - 67
Si los mismos datos son representados mediante barras, se obtendrá el
gráfico:

ESTUDIO SOBRE PAIS DE PROCEDENCIA DE TURISTAS

2. Diagrama de sectores
Es un gráfico que se presenta como un círculo en el cual constan
divisiones o sectores que representan a las diferentes categorías que
tiene la distribución, es un gráfico que es apropiado para variables
cualitativas o cuantitativas discretas.

15 - 67
 Ejemplo

PERCEPCIÓN DE SERVICIO DE ATENCIÓN AL CLIENTE

}
TIPO DE SERVICIO
N° PERSONAS

Excelente 10

Muy bueno 15

Bueno 20

Regular 18

Malo 17

TOTAL 80

3. Diagramas lineales

Este tipo de gráfico es utilizado en la representación de una variable en

el tiempo, estableciéndose siempre que la variable tiempo estará
ubicada en el eje horizontal y la otra variable en el eje vertical.

El diagrama permite ver ciertas tendencias que pueden tener los datos
en el transcurso del tiempo, en relación específicamente a si existe
crecimiento o decrecimiento de la variable de estudio, durante el
período de estudio.

El análisis de estos datos permitirá el cálculo de alguna función

matemática que mejor represente el comportamiento de los datos, de
tal manera de poder realizar pronósticos a un futuro inmediato.
16 - 67
 Ejemplo

Una empresa exportadora de flores ha determinado durante 12 años,

el valor anual de sus exportaciones, expresado en millones de dólares,
los datos se muestran en la siguiente tabla:

EXPORTACIÓN DE FLORES
(En Millones de Bs)
AÑO 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020

VALOR 0,85 1,02 1,15 1,08 1,16 1,2 1,35 1,28 1,16 1,38 1,45 1,55

4. Diagrama de dispersión

Es un gráfico que nos permite visualizar la relación entre dos variables

de estudio, una con carácter de independiente y la otra dependiente de
la primera, la representación sigue la convención establecida que, la
variable independiente se ubicará en el eje horizontal y la dependiente
en el eje vertical. Normalmente se presentan los valores como puntos
ubicados en el plano, se recomienda no unir los puntos mediante
segmentos.

Ejemplo

PRECIO DE VENTA DE AUTOS USADOS

ANTIGÜEDAD PRECIO DE
17 - 67
 VENTA
9 7,8
7 8,1
11 4,8
10 5,9
8 8
7 9,5
8 7,9
11 5,2
10 6,3
2 4,2
5 10,5
6 9,2

5. Histograma
Está formado por un conjunto de rectángulos, cada uno de ellos
levantado en cada intervalo, de manera que la base será igual a la
amplitud del intervalo y la altura estará dada por la frecuencia absoluta
o relativa. Se utiliza para la representación de la variable continua. La
variable de estudio se ubica en el eje horizontal y la frecuencia de
clase (absoluta, relativa o porcentual) se ubica en el eje vertical.

Ejemplo

Se realizó un estudio sobre una muestra de 100 familias de cuatro

integrantes, para determinar cuál es el gasto semanal en alimentación,
obteniéndose la siguiente distribución:

GASTO SEMANAL EN ALIMENTACIÓN

GASTO EN $US. N° DE FAMILIAS
0-50 10

18 - 67
 50-100 26
100-150 24
150-200 17
200-250 13
250-300 8
300-350 2
TOTAL 100

6. Polígono de frecuencias
Con la misma información utilizada para la elaboración del histograma,
se puede dibujar el polígono de frecuencia. Primero, se establecen los
puntos medios en la parte superior de cada rectángulo (marca de
clase) y, luego, se unen dichos puntos mediante una línea que se
prolonga desde el primer y último intervalo hasta el eje de abscisas y
hasta el punto medio del intervalo anterior y posterior a los de la
variable en estudio.
Ejemplo
Vamos a trazar el polígono de frecuencias del estudio realizado sobre
los gastos semanales familiares en alimentación, en la muestra de 100
familias compuestas por cuatro integrantes.

19 - 67
7. Ojivas o polígono de frecuencias acumulada

También es un diagrama representativo de estudios estadísticos con

variable cuantitativa continua; constituye un gráfico de tipo lineal que
forma una línea poligonal abierta. Está representado por los
segmentos rectos que se unen secuencialmente en los puntos que se
generan al relacionar los límites inferior o superior de cada categoría
con las respectivas frecuencias acumuladas “menor que” o “mayor
que”.

Ejemplo

Vamos a continuar trabajando con los datos obtenidos en el estudio

anterior, a la distribución de frecuencias original, se adicionarán dos
columnas, una para la frecuencia acumulada absoluta “menor que” y
otra para la frecuencia acumulada porcentual “mayor que”, con estos
datos adicionales se trazarán las ojivas respectivas.

La primera será una ojiva absoluta, ya que estamos trabajando con la

frecuencia acumulada absoluta y la segunda una ojiva porcentual, por
cuanto las frecuencias están expresadas en forma porcentual.

GASTO SEMANAL EN ALIMENTACIÓN

Frecuencia Frecuencia
Frecuencia Acumulada Acumulada
Absoluta porcentual porcentual
Marca de (f) menor que mayor que
Límites (fa%<) (fa%>)
Clase

0 50 25 10 10 100

20 - 67
50 100 75 26 36 90

100 150 125 24 60 64

150 200 175 17 77 40

200 250 225 13 90 23

250 300 275 8 98 10

300 350 325 2 100 2

Total 100

GASTOS SEMANALES EN ALIMENTACIÓN

OJIVA PORCENTUAL “MAYOR QUE”

GASTOS SEMANALES EN ALIMENTACIÓN

OJIVA PORCENTUAL “MENOR QUE”

21 - 67
IV.- MEDIDAS DE TENDENCIA CENTRAL.

A.- Medidas de tendencia central de datos no agrupados.

Las principales medidas de centralización que vamos a estudiar en este

acápite son: media aritmética, mediana, moda y media geométrica. Existen
otras medidas que no se aplican dentro del ámbito administrativo, por lo
tanto, no serán estudiadas. De las tres primeras medidas, posiblemente la
media aritmética sea la más utilizada y como se verá más adelante, es
fundamental en otros muchos estudios y cálculos estadísticos. Por otra parte,
la media geométrica tiene importancia específica sobre Todo En estudios
económicos y financieros.

1.- Media Aritmética.

Para esta medida vamos a considerar dos alternativas, no porque el

concepto y el criterio de cálculo sean diferentes, más bien responde a
condiciones sobre, si la media es obtenida de una población o de una
muestra, lo único que cambiará es la simbología utilizada para la
representación (μ: media aritmética de población) media aritmética de
muestra.

En general podemos indicar que, la media aritmética es el valor que

resulta de dividir la suma de todos los valores observados entre el
número de datos considerados. Utilizando un lenguaje simbólico, se
tiene lo siguiente:

∑ 𝑋𝑖 ∑ 𝑋𝑖
μ= 𝑋̅=
𝑁 𝑁
22 - 67
Σ: sumatoria (letra mayúscula sigma).
N: Tamaño de población (número de elementos de la población)
n: Tamaño de la muestra (número de elementos de la muestra)
μ: media Aritmética de población (letra griega mu)
𝑋̅ : media aritmética de muestra (equis barra)

Esta medida de tendencia central es la más utilizada e inclusive el lector

ya debe estar familiarizado con ella, toda vez que el lector en su avance
estudiantil desde la educación básica obtuvo “promedios” de sus
calificaciones, que no fueron sino la media aritmética de sus aportes y
evaluaciones.

Ejemplo 1:

En una muestra de diez envases de refrescos se obtuvieron los

siguientes valores (cm3 ): 251, 248.5, 250.8, 249.7, 249, 251.2, 248.8,
249.2, 250.5, 249.3, determinar el contenido medio de esta muestra:

μ = ∑ 𝑋𝑖
𝑁

𝜇=

2. 𝜇
==
249.8

Propiedades de la media aritmética.

- Los datos medidos en escala de intervalo o de razón, tienen

una media aritmética.

- El valor de la media aritmética es único, es decir, un conjunto

de datos tiene un solo valor de media aritmética.

- Para el cálculo de la media aritmética se consideran todos los

datos observados. Esta propiedad determina que la media
aritmética sea sensible a la presencia de valores extremos.

- Es una medida muy útil cuando se necesita comparar estudios

estadísticos de la misma naturaleza.

- La media aritmética es la única medida de tendencia central,

donde la suma de las desviaciones de los elementos con
respecto a ella, siempre es cero.

23 - 67
a.- Media Aritmética Ponderada.

Constituye un caso especial de la media aritmética y ocurre

cuando los datos individuales, están categorizados de acuerdo a
la frecuencia o factores de ponderación.

En estos casos la variable está representada por cada valor

observado y los pesos constituyen las frecuencias o los factores
de ponderación de cada uno de ellos. Para este caso, el cálculo
de la media aritmética se reduce a encontrar la suma de los
productos de cada valor observado con su respectiva frecuencia y
dividirla entre la suma de las frecuencias.

La siguiente expresión simboliza el cálculo descrito.

∗
𝑋̅ 𝓌

Donde “x” representa la variable y “w” frecuencia.

Ejemplo 1:

Un negocio de refrescos vende tres tipos de contenidos,

pequeños, medianos y grandes a 40, 60 y 80 centavos de dólar
cada uno, en un día en particular vendió 50 pequeños, 45
medianos y 60 grandes, se quiere determinar cuál es el precio
promedio de venta de cada refresco.

P. VENTA N°
X*w
TIPO Centavos Refrescos
x f
PEQUEÑO 40 50 2000
MEDIANO 60 45 2700
GRANDE 80 60 4800
TOTAL 155 9500

𝑋̅ 𝓌
∑𝓌 155

24 - 67
2.- Mediana.

Es el punto medio del total de observaciones, luego de que han sido

ordenados y que deja al mismo número de observaciones por debajo
de su valor, así como por arriba de él.

La mediana es una importante medida de ubicación, en casos en que la

media aritmética no es representativa de un conjunto de datos, esta
situación se da cuando existe la presencia de valores extremos altos o
bajos, en cuyo caso la mediana proporciona un valor más
representativo de la tendencia central. Para la determinación de la
mediana es necesario que los datos se encuentren previamente
ordenados y su valor coincide con aquel que deja el mismo número de
observaciones por debajo y por Encima de él.

Para la determinación de la mediana, únicamente se recurre a la

determinación del valor medio, existen dos posibilidades, cuando el
número de observaciones es impar y cuando este número es par. En el
primer caso la ubicación del elemento central es directa escogiendo el
elemento que ocupa la posición (n + 1) / 2. Es decir, al total de
observaciones se le suma una unidad y a este resultado se lo divide
entre 2, dando como resultado la ubicación del elemento central. En el
segundo caso es necesaria la determinación de dos valores centrales,
(n/ 2) y(n/ 2 + 1),una vez determinados se encuentra la media
aritmética de estos valores, que a su vez constituye la mediana del
conjunto de datos

Ejemplo 1:

Determinar la mediana del siguiente conjunto de datos: 8, 10,

18, 14, 15, 13, 11, 16,17.

Ordenamos los datos: 8, 10, 11, 13, 14, 15, 16, 17, 18. Como el número
de elementos es impar (n = 9), ubicamos al elemento central.

(9 +1) /2=5. De tal manera que debemos escoger el quinto elemento del
ordenamiento de los datos, para el caso presente este quinto elemento
es el 14 (mediana). Se verifica que este valor de acuerdo al concepto
de la mediana, deja por igual el mismo número de elementos por
debajo y por encima de él, en el presente Ejemplo, cuatro.

Ejemplo 2:

Determinar la mediana del siguiente conjunto de datos: 21, 15,18,20,

16, 19.

25 - 67
 Ordenamoslosdatos:15, 16, 18, 19, 20, 21. Al ser el número de
elementos par (n = 6), ubicamos los dos valores centrales, que, en
este caso son: 18 (n /2) y 19 (n / 2 + 1). Luego encontramos la media
aritmética de estos dos valores, este resultado será la mediana del
conjunto de datos. (18 + 19) / 2 = 18.5.
Se comprueba que existe la misma cantidad de elemento que son
menores a la mediana y mayores a ella; en este caso tres.

Propiedades de la Media:

Al igual que la media aritmética, su valor es único, entonces, un

conjunto de datos posee una sola mediana.

No se ve afectada por la presencia de valores extremos bajos o altos,

en el caso del Ejemplo anterior en el literal (a.) puede ser el último dato
un valor tan alto como se quisiese, que la mediana seguirá siendo la
misma.

Puede ser determinada para distribuciones de frecuencia que tengan

intervalos abiertos, siempre y cuando la mediana no se encuentre en
esa categoría.

Puede determinarse para datos que han sido medidos en escala de

intervalo, de razón u ordinal.

3.- Moda.

Es el valor de la observación o elemento que tiene la mayor frecuencia

La moda es otra medida de tendencia central, que es muy útil para

describir conjuntos de datos nominales y ordinales y su determinación
es sencilla, toda vez que queda fijada por la ubicación del elemento que
mayor frecuencia tiene, es decir, el que más veces aparece en el
estudio.

En definitiva, la moda puede determinarse para cualquier conjunto de

datos y al igual que la mediana no se ve afectada por la presencia de
valores extremos y puede ser determinada para categorías con
intervalos abiertos. Sin embargo, la moda tiene una desventaja, la cual
hace que no sea muy utilizada, principalmente para datos numéricos y
es que muchos estudios no poseen moda no hay elementos con mayor
frecuencia o puedan tener varias modas (cuando dos o más elementos
tienen la misma mayor frecuencia), dando lugar en este último caso a
que los estudios sean bimodales o plurimodales.

26 - 67
 Ejemplo 1:

Para los siguientes datos, determinar la moda:

12, 10, 13, 9, 12, 11, 14, 13, 12, 15, 8, 12, 14. Al ordenar los datos
obtenemos: 8, 9, 10,
11, 12, 12, 12, 12, 13, 13, 14, 14, 15, podemos observar que el
elemento que mayor frecuencia tiene es el valor 12 el cual se repite 4
veces, por lo tanto, es la moda de este conjunto de datos.

32, 30, 28, 29, 31, 33, 35, 36. Igualmente ordenado los datos se
obtiene: 28, 29, 30, 31, 32, 33, 35, 36 y podemos observar que no
existe ningún elemento que tenga mayor frecuencia, todos tienen
frecuencia 1, por lo tanto, este conjunto de datos no posee moda.

4.- Media Geométrica.

Es de gran utilidad cuando se quiere establecer el promedio de

porcentajes, razones, índices o tasa de crecimiento. Su uso es
ampliamente demandado en economía y en demografía.

Pues proporciona el cambio porcentual de ventas, sueldos, o cifras

como tasa de inflación, crecimiento del Producto Nacional Bruto u otras.
La expresión matemática que define a esta medida es:

𝑀𝐺= 𝓃√𝜒1∗𝜒2∗𝜒3∗…∗𝜒𝓃
Entonces podemos indicar que la media geométrica es la raíz enésima
del producto de todos los elementos de un estudio, con la condición de
que estos elementos deben ser siempre positivos. Se verifica
adicionalmente que la media geométrica siempre será menor, o máximo
igual a la media aritmética (MG ≤ μ).

Ejemplo1:

Las ganancias obtenidas por una empresa en los cuatro últimos años
fueron de 8%, 6%, 7.5% y 9%. ¿Cuál es la media geométrica de las
ganancias?

𝑀𝐺 = 4√8 ∗ 6 ∗ 7,5 ∗ 9 =7.545%

Como una segunda aplicación de la media geométrica podemos citar a

la determinación de una tasa promedio de crecimiento en un intervalo
27 - 67
 de tiempo, cuando se conoce el valor inicial y final del período. Este
valor queda determinado a partir del uso de la siguiente expresión:
B.- Medidas de tendencia central para datos agrupados.

Cuando la información ha sido resumida en una tabla de distribución de

frecuencias, normalmente se pierde la información de cuáles fueron los datos
originales, en tales circunstancias es necesario conocer técnicas que
permitan determinar las medidas de tendencia central como la media
aritmética, la mediana y la moda, que representen al conjunto de datos que
fue categorizado.

1.- Media Aritmética.

Para calcular la media aritmética de una distribución de frecuencias

cuyas categorías están representadas por intervalos, es necesario
primero determinar las marcas de clase o los puntos medios de cada
intervalo y luego se aplica la fórmula de la media aritmética
ponderada, en este caso los factores de ponderación constituyen las
frecuencias de clase y la variable está representada por la marca de
clase de cada categoría, entonces la media aritmética se calcula con
la siguiente expresión:

∗
𝑋̅ 𝓌

Dónde:

𝑋̅ : representa la media aritmética X: es

la marca de clase de cada categoría w:es
La frecuencia de cada categoría ∑(x.w):
sumatoria de los productos de las marcas
de clase con su frecuencia(n)
∑w: Sumatoria de las frecuencias de clase, que, es igual al total de
elementos

Ejemplo 1:

Se consultó a 50 personas sobre su edad y estos fueron los resultados que

representamos en una tabla de frecuencias para datos agrupados.

Edades de 50 personas: 38-15-10-12-62-46-25-56-27-24-23-21-20-25-38 27-

48-35-50-65-59-58-47-42-37-35-32-40-28-14-12-24-66-73-72-70-68 65-
54-48-34-33-21-19-61-59-47-46-30-30

28 - 67
Intervalos = = 7.07 = 7
Valor máximo: 73 años Valor
mínimo: 10 años
Rango = 73 – 10 = 63 años
Amplitud = R / I = 63 / 7 = 9

Edad Marca de Frecuencia Frecuencia Frecuencia Frecuencia

(x) Clase absoluta absoluta relativa relativa
(𝑿𝟏) (𝒇𝟏) acumulada (𝒇𝒓) acumulada
(𝑭𝟏) (𝑭𝒓)
(10 -19) 14.5 5 5 0.1 10% 0.1 10%
(19-28) 23.5 11 16 0.22 22% 0.32 32%
(28-37) 32.5 8 24 0.16 16% 0.48 48%
(37-46) 41.5 5 29 0.1 10% 0.58 58%
(46 -55) 50.5 8 37 0.16 16% 0.74 74%
(55 -64) 59.5 6 43 0.12 12% 0.86 86%
(64 -73) 68.5 7 50 0.14 14% 1 100%
Total 50 Total 1 100%

Edad Marca de Frecuencia Marca de

(x) Clase absoluta clase por
(𝑿𝟏) (𝒇𝟏) frecuencia
absoluta
(𝑿𝟏 ∗ 𝒇𝟏)
(10 -19) 14.5 5 72.5
(19-28) 23.5 11 258.5
(28-37) 32.5 8 260
(37-46) 41.5 5 207.5
(46 -55) 50.5 8 404
(55 -64) 59.5 6 357
(64 -73) 68.5 7 479.5
Total 50 2039

Analicemos el primer intervalo de nuestro ejemplo: Debemos asumir que

esas 5 personas tienen 14.5 años

𝑋̅ 𝑎ñ𝑜𝑠

Sólo se debe multiplicar cada marca de clase (xi) por su frecuencia absoluta
(fi), luego sumar todos esos resultados y por último dividir entre el total de
datos.

En este caso ya podemos afirmar que, de las 50 personas encuestadas, el

promedio de edad es de 40.78 años.

29 - 67
2.- Mediana.

Debemos recordar que esta medida de centralización es una medida

posicional que se ubica en el centro de un conjunto de datos
ordenados. Si los datos se hallan agrupados, muchas de las
informaciones originales no está disponible, en consecuencia no es
posible calcular el valor

Para esta estimación es preciso ubicar la categoría donde se encuentra

ubicada el elemento mediano (n /2), para proceder a continuación con
una interpolación dentro de esta categoría; la razón de este
procedimiento radica en la suposición de que todos los elementos que
se encuentran en esa categoría, están espaciados de manera uniforme.
La expresión matemática que nos permite calcular este valor estimado
es

𝑴𝒆 𝑨
𝒇𝒊

Dónde:

Li es el límite inferior del intervalo de la mediana fi es

la frecuencia absoluta del intervalo de la mediana
𝒇𝒊−𝟏 es la frecuencia absoluta acumulada anterior al intervalo de la
mediana
𝑵 es el número total de datos del ejercicio, en este caso vale 50 A es la
amplitud del intervalo de la mediana para poder obtener los datos que
necesitamos

Ejemplo 1:

De nuestro ejemplo sabemos que las 50 personas se mueven en un

rango de edad que va desde 10 años el más joven y hasta 73 años el
más adulto.
Entonces, desde los 10 años hasta la Mediana hay 25 personas y
desde la Mediana hasta los 73 años están las otras 25 personas.

30 - 67
 𝑁
== 50
2
Vamos a apoyarnos en la columna de frecuencias absolutas acumuladas
para descubrir en cuál intervalo tenemos metida a la persona número 25.

Edad Marca de Frecuencia Frecuencia Frecuencia Frecuencia

(x) Clase absoluta absoluta relativa relativa
(𝑿𝟏) (𝒇𝟏) acumulada (𝒇𝒓) acumulada
(𝑭𝟏) (𝑭𝒓)
(10 -19) 14.5 5 5 0.1 10% 0.1 10%
(19-28) 23.5 11 16 0.22 22% 0.32 32%
(28-37) 32.5 8 24 0.16 16% 0.48 48%
(37-46) 41.5 5 29 0.1 10% 0.58 58%
(46 -55) 50.5 8 37 0.16 16% 0.74 74%
(55 -64) 59.5 6 43 0.12 12% 0.86 86%
(64 -73) 68.5 7 50 0.14 14% 1 100%
Total 50 Total 1 100%

En el tercer intervalo teníamos hasta la persona número 24, en cambio

en el cuarto intervalo tenemos a las personas 25, 26, 27, 28 y 29, por lo
tanto, ese es el que nos sirve.

𝑴𝒆 𝑨
𝒇𝒊

𝑵 = 𝟓𝟎 𝑳𝒊 = 𝟑𝟕 𝑨=𝟗 𝒇𝒊 = 𝟓 𝒇𝒊−𝟏= 24

𝟓𝟎

𝑴𝒆 𝟐𝟐𝟒 𝟗
𝟓

𝑴𝒆 𝟗
𝟓

31 - 67
 𝑴𝒆 = 𝟑𝟕 + 𝟏. 𝟖

𝒐𝒔
𝑴𝒆 = 𝟑𝟖. 𝟖 𝒂ñ
Esto significa que desde los 10 años hasta los 38.8 años hay 25
personas y desde los 38.8 años hasta los 73 años están las otras 25
personas.

Observación:

La mediana puede ser calculada para distribuciones de Frecuencias

que tienen extremos no determinados, los mismos que generalmente se
encuentran en la primera y / o última categoría, y el cálculo de la
mediana ocupa solo los datos alrededor de la clase mediana, que
normalmente se encuentra aproximadamente en el centro de la
distribución.

3.- Moda.

Generalmente el valor de la moda para datos cuantitativos agrupados

tiene un sentido más informativo que representativo, toda vez que
bien la media aritmética o la mediana, son valores más
representativos de este tipo de estudios categorizados mediante
intervalos.

Sin embargo, se es necesaria su determinación, ésta se la hace

mediante la selección de la marca de clase de la categoría con la mayor
frecuencia observada.

En caso de existir dos categorías con la misma mayor frecuencia, se

escogerán ambas marcas de clase y el estudio será bimodal; si la
distribución tiene tres o más categorías con la misma mayor frecuencia,
el estudio es primordial, en tal caso estos valores carecen de
representantes del estudio. Algunos autores prefieren calcular la moda
mediante una fórmula que permite interpolar de una manera más fina.
Sin embargo, se es necesaria su determinación, ésta se la hace
mediante la selección de la marca de clase de la categoría con la mayor
frecuencia observada. En caso de existir dos categorías con la misma
mayor frecuencia, se escogerán ambas marcas de clase y el estudio
será bimodal; si la distribución tiene tres o más categorías con la misma
mayor frecuencia, el estudio es plurimodal, en tal caso estos valores
carecen de representantes del estudio. Algunos autores prefieren
calcular la moda mediante una fórmula que permite interpolar de una
manera más fina. La fórmula que se aplica es la siguiente:

𝒇𝒊 − 𝒇𝒊−𝟏

32 - 67
 𝑴𝒐 = 𝑳𝒊 + (( 𝒇𝒊 − 𝒇𝒊−𝟏) + (𝒇𝒊 − 𝒇𝒊+𝟏) ∗ 𝑨

Dónde:

Li es el límite inferior del intervalo modal, en este caso vale 19.

fi es la frecuencia absoluta del intervalo modal, en este caso vale 11.
𝒇𝒊−𝟏 es la frecuencia absoluta anterior al intervalo modal, en este
caso vale 5.
𝒇𝒊+𝟏 es la frecuencia absoluta siguiente al intervalo modal, en este
caso vale 8.
A es la amplitud del intervalo modal, en este caso vale 9 porque el
intervalo va de 19 a 28 años… es decir hay una distancia de 9 años
allí.

Ejemplo 1:
La moda se simboliza como Mo y nuestro primer paso será identificar el
intervalo modal.
Es muy sencillo, el intervalo modal corresponde a aquel que posee la
frecuencia absoluta más alta.
Para nuestro ejemplo el modal sería el segundo intervalo ya que tiene
frecuencia absoluta de 11.

Edad Marca de Frecuencia Frecuencia Frecuencia Frecuencia

(x) Clase absoluta absoluta relativa relativa
(𝑿𝟏) (𝒇𝟏) acumulada (𝒇𝒓) acumulada
(𝑭𝟏) (𝑭𝒓)
(10 -19) 14.5 5 5 0.1 10% 0.1 10%
(19-28) 23.5 11 16 0.22 22% 0.32 32%
(28-37) 32.5 8 24 0.16 16% 0.48 48%
(37-46) 41.5 5 29 0.1 10% 0.58 58%
(46 -55) 50.5 8 37 0.16 16% 0.74 74%
(55 -64) 59.5 6 43 0.12 12% 0.86 86%
(64 -73) 68.5 7 50 0.14 14% 1 100%
Total 50 Total 1 100%

𝒇𝒊 𝟏

𝑴𝒐 𝑨
𝒇𝒊 𝟏

𝑳𝒊 = 𝟏𝟗 𝒇𝒊 = 𝟏𝟏 𝑨=𝟗 𝒇𝒊 − 𝒇𝒊−𝟏 = 𝟓 𝒇𝒊 − 𝒇𝒊+𝟏=8

𝟏𝟏 𝟓
33 - 67
 𝑴𝒐 𝟗

𝑴𝒐 𝟗

𝟔
𝐌𝐨= 19+( 𝟗 )* 9=19+6= 25 años

Todo parece indicar que, para nuestro ejemplo, está de moda tener 25 años.

4.- Percentiles

El percentil es una medida estadística la cual divide una serie de datos

ordenados de menor a mayor en cien partes iguales. Se trata de un
indicador que busca mostrar la proporción de la serie de datos que
queda por debajo de su valor.

5.- Datos no agrupados.

Cuando los datos están agrupados en una tabla de frecuencias, se

calculan mediante la fórmula:

𝒌∗𝑵

𝟏𝟎𝟎 − 𝑭𝒊−𝟏 ∗ 𝒂𝒊
𝑷𝒌 = 𝑳 𝟏 +
𝒇𝟏
Donde:

𝑳𝟏 es el límite inferior de la clase donde se encuentra el percentil 𝑵

es la suma de las frecuencias absolutas
𝑭𝒊−𝟏 es la frecuencia acumulada anterior a la clase del percentil 𝒂𝒊es
la amplitud de la clase

EJEMPLO

Calcular el percentil 35

Intervalo 𝒇𝒊
(50-60) 8
(60-70) 10
(70-80) 16

34 - 67
 (80-90) 14
(90-100) 10
(100-110) 5
(110-120) 2
En la primera casilla colocamos la primera frecuencia absoluta.
En la segunda casilla sumamos el valor de la frecuencia acumulada
anterior más la frecuencia absoluta correspondiente y así
sucesivamente hasta la última, que tiene que sea igual a N (65).
Intervalo 𝒇𝒊 𝑭𝒊
(50-60) 8 8
(60-70) 10 18
(70-80) 16 34
(80-90) 14 48
(90-100) 10 58
(100-110) 5 63
(110-120) 2 65
Total 65
Cálculo del percentil 35
Buscamos el intervalo donde se encuentra el percentil 35,
multiplicando 35 por N (65) y dividiendo por 100.

Buscamos en la columna de las frecuencias acumuladas (𝑭𝒊) el

intervalo que contiene a 22,75.
La clase 𝑃35 es: (70,80)
Aplicaremos la fórmula para el cálculo de percentiles para datos
agrupados, extrayendo los siguientes datos:

𝑳𝟏 = 70
𝑭𝒊−𝟏 = 18
𝒂𝒊=10
𝒇𝒊=16
𝟐𝟐, 𝟕𝟓 − 𝟏𝟖
𝑷𝟑𝟓 = 𝟕𝟎 + ∗ 𝟏𝟎 = 𝟕𝟐, 𝟗𝟕
𝟏𝟔
C.- Medidas de dispersión de datos no agrupados.

Estas medidas son necesarias para la mejor comprensión de la distribución

de un conjunto de observaciones realizadas en un estudio estadístico y se
complementan con las medidas de centralización vistas anteriormente,
toda vez que proporcionan conjuntamente una descripción numérica más
completa de los datos.
35 - 67
Recordemos que las medidas de tendencia central localizan generalmente a
un valor que se halla ubicado en el centro de la distribución, pero no informa
sobre el grado de dispersión o variabilidad del conjunto de datos. El análisis
de los resultados de estas medidas también permite comparar los grados de
dispersión entre dos o más distribuciones.

Las principales medidas de variabilidad que estudiaremos son:

1.- Rango o amplitud de variación.

2.- Desviación media.

3.- Desviación estándar.

4.- Varianza.

5.- Coeficiente de variación.

DESARROLLO.

1.- Amplitud de variación (Rango).

Es la medida más simple de dispersión y se obtiene al establecerla

diferencia entre el máximo y el mínimo de los datos cuantitativos.

a.- Amplitud de variación = Máximo-Mínimo.

El valor obtenido nos brinda la información en relación al intervalo entre

los valores límites en los que se observaron los datos; su
utilización está más ligada al control estadísticos de procesos y no
es muy utilizada como medida de dispersión, ya que se ve muy
influenciada por la presencia de los valores extremos tanto inicial
como final.

Ejemplo 1:

Determinar la amplitud de variación de las siguientes edades:

25 43 28 32 27 39 40 29 28 33 36 30

Máximo = 43
Mínimo = 25

Amplitud de variación = 43-25=18

36 - 67
 Este valor nos permite también comparar con estudios de la
misma naturaleza y establecer con buen criterio que el conjunto de
datos que tenga la menor amplitud de variación, será el que tenga
menos variabilidad o menor dispersión.

2.- Desviación media.

Es la medida de dispersión que mide más exactamente el grado de

dispersión de un conjunto de datos con relación a la media aritmética.
En otras palabras, es la medida que nos determina en cuantas
unidades en promedio los datos se hallan desviados o alejados de la
media aritmética.

El uso de esta medida no es muy generalizado por cuanto para su

determinación se utiliza el valor absoluto de las desviaciones, esta
situación no permite un trabajo algebraico mayor, por lo tanto, se utiliza
con mayor frecuencia la desviación estándar para representar a la
dispersión de los datos frente a la media. Por medio de la siguiente
expresión se calcula la desviación media(DM).

|𝒙𝒊𝑿̅|
𝑫𝒎
𝑵
Dónde:
𝒙𝒊: Valor de cada observación
𝑿̅: Media aritmética de las observaciones
𝑵: observaciones del estudio
| |: Valor absoluto

Ejemplo 1:

Calcular la desviación media de los siguientes datos:

55,45,56,74,80,70,67,63,49,51

Se calcula el promedio

𝑋̅ =

𝑋̅ =

𝑋̅= 61

37 - 67
 Se realiza la sumatoria y se divide entre la cantidad de datos

|55 − 61| + |45 − 61| + |56 − 61| + |74 − 61| + |80 − 61| + |70 − 61| + |67 − 61| + |63 − 61| + |49 − 61| + |51 − 61|

𝑫𝒎 =
10
| − 6| + | − 16| + | − 5| + |13| + |19| + | − 6| + |9| + |10| + |49 − 61| + |51 − 61|

𝑫𝒎 =
10

𝟗𝟖
𝑫𝒎 = = 𝟗. 𝟖
𝟏𝟎

La interpretación de este resultado, nos indica que en promedio 9.8

clientes por día están alejados o dispersos los datos obtenidos en este
estudio, en relación con la media diaria de visitas que es de 61 clientes
por día.

3.- Desviación estándar (varianza).

Estas dos medidas de dispersión se basan en los cuadrados de las

desviaciones de los elementos con relación a la media aritmética y
podemos indicar que la varianza es la media aritmética de las
desviaciones cuadráticas con relación a la media aritmética general,
mientras que la desviación estándar constituye la raíz cuadrada positiva
de la varianza.

MEDIA POBLACIÓN MUESTRA

VARIANZA σ2 S2
DESVIACIÓN σ S
ESTANDAR

σ: letra griega sigma minúscula

La interpretación de la desviación estándar es la misma que se le dio a

la desviación media, es decir, proporciona el valor promedio de las
desviaciones de los elementos, con relación a la media aritmética; a
pesar de que los valores no son iguales. La interpretación para la
varianza es más compleja toda vez que las unidades están al cuadrado,
sin embargo, es una medida muy útil cuando se comparan estudios
estadísticos de la misma naturaleza. Las expresiones de cálculo que
nos permitirán determinar sus valores se expresan en la siguiente tabla:

Expresiones de Cálculo

MEDIA POBLACIÓN MUESTRA

38 - 67
 𝜎=
̅2
VARIANZA 𝑁 𝑠 =
2

𝑛−1

̅
𝜎=√ 𝜎2 𝑠
DESVIACIÓN = √
ESTANDAR 𝑁

Como se puede observar en las fórmulas de cálculo de la varianza y

desviación estándar de muestra el denominador es algo diferente a las
expresiones de la población, ya que, al total de elementos de la
muestra, se descuenta una unidad, esto se realiza con el objeto de que
el estadístico sea un mejor estimador del parámetro.

Las expresiones anotadas anteriormente se basan en el concepto de

estas medidas, sin embargo, se utilizan operativamente otras
expresiones equivalentes que resultan de un manejo algebraico de las
anteriores ya que facilitan sustantivamente los cálculos. Las fórmulas
alternativas son:

Ejemplo 1:

Calcular la varianza y la desviación estándar de los siguientes datos: 2,

4, 6 y 8 sabiendo que corresponden a una población.

Solución:

Nos indican que estos datos forman una población, por lo tanto,
usaremos las fórmulas de varianza y desviación estándar para la
población, teniendo en cuenta que tenemos 4 datos, es decir, N = 4.

μ = ∑ 𝑋𝑖
𝑁

𝜇=
𝜇= =5
5
39 - 67
 Ahora calculamos la varianza poblacional:
2
𝜎=
𝑁
(2 − 5)2 + (4 − 5)2 + (6 − 5)2 + (8 − 5)2
𝜎=
4
(−3)2 + (−1)2 + (1)2 + (3)2
𝜎=
4

𝜎=

𝜎= =5
El valor de la varianza poblacional, es de 5.
Ahora calculamos la desviación estándar, teniendo en cuenta que es la raíz
cuadrada de la varianza.
𝜎

D.- Medidas de dispersión para datos agrupados.

Cuando los datos se encuentran categorizados mediante distribuciones de

frecuencia, será necesario que se trabaje con la marca de clase de cada
categoría y la frecuencia de clase respectiva para poder calcular las
medidas de dispersión, en especial, se pondrá énfasis en la desviación
estándar.

1.- Desviación estándar.

Igual que en el cálculo de la desviación estándar de datos no
agrupados, podemos utilizar dos procedimientos que responden al
criterio conceptual el uno y a la forma simplificada el otro. Se debe en
primera instancia determinar la marca de clase de cada categoría con el
objeto de calcular las desviaciones de la marca de clase con relación a
la media aritmética,
o los cuadrados de la marca de clase

Las siguientes expresiones nos permitirán realizar el respectivo cálculo:

40 - 67
 2
𝜎=
𝑁
Ejemplo 1:

Calcular la varianza y la desviación estándar de una población de niños

a partir de la siguiente tabla:

Solución:

Edad (años) Frecuencia 𝑓1

(0 -2) 7
(2 -4) 8
(4 -6) 8
(6 -8) 7
Total 30
Como Segundo paso, calcularemos las marcas de clase. Recordemos
que la marca de clase xi, es el punto medio del límite inferior y el límite
superior de cada intervalo. Se calcula con la siguiente fórmula:

Edad Marca de Frecuencia

(años) clase 𝒙 𝒇
𝟏 𝟏
(0 -2) 1 7
(2 -4) 3 8
(4 -6) 5 8
(6 -8) 7 7
Total ∑ 30

Como tercer paso, calculamos la media poblacional µ:

Edad Marca de Frecuencia 𝒙𝟏 𝒇𝟏

(años) clase 𝒙𝟏 𝒇𝟏
(0 -2) 1 7 7
(2 -4) 3 8 24
41 - 67
 (4 -6) 5 8 40
(6 -8) 7 7 49
Total ∑ 30 120

μ= 𝑎ñ𝑜𝑠

La media poblacional µ tiene un valor de 4 años.

Como cuarto paso, calculamos la varianza de la población: varianza y

desviación estándar para datos agrupados por intervalos.

Edad Marca Frecuencia 𝒙𝟏 𝒇𝟏 𝒙𝒊 𝝁 𝟐 𝒇𝒊 𝟐

(años) de 𝒇𝟏
clase 𝒙𝟏
(0 -2) 1 7 7 -3 9 63

(2 -4) 3 8 24 -1 1 8

(4 -6) 5 8 40 1 1 8

(6 -8) 7 7 49 3 9 63

Total ∑ 30 120 142

Recuerda que la varianza queda expresada en unidades al cuadrado,

por ello, nos queda en años al cuadrado.

Como último paso, calculamos la desviación estándar, recordando que

es la raíz cuadrada positiva de la varianza.

E.- Medidas de forma.

42 - 67
 Son valores que representan o dan a conocer la manera en que los datos
se hallan distribuidos en relación a la media aritmética y toman como
referente de comparación a la distribución normal o campana de Gauss, en
lo que hace relación al sesgo y a la curtosis. Adicionalmente se toma en
consideración al diagrama de caja y bigotes.

1.- Coeficiente de asimetría.

Las distribuciones de frecuencia que tienen una representación como la

figura de la regla empírica, son distribuciones consideradas como
simétricas, esto significa que la mitad dela distribución derecha se
refleja en la mitad izquierda, tomando como eje de simetría la línea
vertical que pasa por la media aritmética.

La asimetría o sesgo se hace presente cuando la distribución carece de

simetría, debido a la presencia de valores extremos bien bajos o bien
altos. La presencia de estos valores influye en la media aritmética y por
lo tanto toma un valor o menor a la mediana o mayor que ella.
La expresión que nos permite calcular el valor del coeficiente de
asimetría se lo debe a Karl Pearson, quién desarrolló dos expresiones,
una de las más utilizadas es la siguiente expresión:

Si la distribución es simétrica, su coeficiente de asimetría es cero, en

vista de que la media aritmética es igual que la mediana. Si la media
aritmética es mayor que la mediana, entonces la distribución es
asimétrica positiva o tiene sesgo positivo; por el contrario, si la media es
menor que la mediana, entonces la distribución tiene sesgo o asimetría
negativa.

Generalmente el coeficiente de asimetría se halla ubicado en el

intervalo entre- 3 y + 3. Si el valor del coeficiente se acerca a los límites
indica que la distribución es muy asimétrica, en cambio, si está próximo
a cero se trata de una distribución que tiende a ser simétrica.

2.- Relación de la media, la mediana y la moda con el sesgo.

En la siguiente figura se observa como las medidas de centralización se

relacionan entre sí, y con la asimetría de la distribución. Si las tres
medidas son iguales la distribución no tiene sesgo; si: media <
mediana < moda, la distribución es asimétrica negativa y si: media >
mediana > moda, la distribución tiene sesgo positivo.

Relación de la media, la mediana y la moda con el sesgo

43 - 67
 Asimétrica hacia la Simétrica Asimétrica hacia la
izquierda derecha
2.- Curtosis.

Se encarga de describir el grado de apuntamiento que tiene una

distribución, considerando a la distribución normal como referente de
comparación, las más altas y que no tienen muchos datos dispersos en
las colas, toman el nombre de leptocúrticas, en cambio aquellas que
son más bien aplanadas por disponer de datos más dispersos hacia las
colastoman el nombre de platicúrticas y aquellas que tienen un
apuntamiento como la distribución normal, se denominan mesocúrticas.

La medida que determina este apuntamiento se denomina curtosis, la

expresión de cálculo que determina el valor de la misma está dado por
una expresión que relaciona las desviaciones de cuarto grado de los
elementos con la cuarta potencia de la desviación estándar. Nosotros
no veremos el cálculo de esta medida porno ser muy utilizada en la
cotidianidad. Si el lector está interesado en investigar la forma de
cálculo, puede remitirse a cualquier página web relacionada.

En la figura3 adjunta se observa el grado de apuntamiento de las

distribuciones

Apuntamiento de las distribuciones

Leptocurtica Mesocúrtica Platicúrticas

44 - 67
 DEPARTAMENTO VI – EDUCACIÓN
COLEGIO MILITAR “CNL. GUALBERTO VILLARROEL”
BOLIVIA

UNIDAD DE APRENDIZAJE 2 PROBABILIDADES

II.- PROBABILIDADES.

Desde la antigüedad en varias culturas aparecen referencias sobre el estudio de

fenómenos aleatorios. El estudio más pormenorizado de las probabilidades aparece en
los siglos XVI Y XVII, debido a las preguntas que los jugadores de azar de aquella
época realizaron a prestantes estudiosos matemáticos, tales como Galileo, Pascal y
Fermat. Huygens, publica el libro Razonamientos relativos al juego de dados
(Ratiociniis in ludo alae), que se convierte en el primer libro escrito sobre probabilidades
de la historia.
Pierre Simón Laplace, introdujo la primera definición explícita de probabilidad y
desarrolló la ley normal como modelo para la descripción de la variabilidad de los
errores de mediación. Posteriormente, en el siglo XX, A. N. Kolmogorov en 1933
estableció una descripción axiomática de la idea de probabilidad, lo que constituyó la
base de la moderna teoría, consiguiéndose de esta manera dar aplicación a muchas
ciencias y campos de la vida cotidiana.
En las últimas décadas, el uso de la teoría de probabilidades, en las ciencias sociales,
naturales, cálculos actuariales o en la economía ha crecido enormemente, debido a
estas circunstancias su estudio y conocimiento es una necesidad imprescindible e
impostergable.
La teoría de la probabilidad pretende ser una herramienta para modelizar y tratar con
situaciones de este tipo. Por otra parte, cuando aplicamos las técnicas estadísticas a la
recogida, análisis e interpretación de los datos, la teoría de la probabilidad proporciona
una base para evaluar la fiabilidad de las conclusiones alcanzadas y las inferencias
realizadas.
El objetivo del Cálculo de Probabilidades es el estudio de métodos de análisis del
comportamiento de fenómenos aleatorios. A.- Conceptos básicos.

45 - 67
Para tener una mejor comprensión de los temas de esta unidad de aprendizaje, a
continuación vamos a establecer ciertos conceptos indispensables.
La Teoría General de la Administración – TGA estudia la Administración de las
organizaciones y empresas desde el punto de vista de la interacción e
1.- Posibilidad.
Factibilidad de ocurrencia de algún suceso o evento. Probabilidad (p):
Es el valor numérico comprendido entre 0 y 1, de que ocurra un
evento.
Mientras el valor se acerca a 1, existe más probabilidad de que el
suceso ocurra, por el contrario si el valor se acerca a cero la
probabilidad de ocurrencia es casi nula.
Si el valor de la probabilidad es 1, entonces estamos en presencia de
una certeza (evento cierto) y si el valor es cero estamos en una
imposibilidad (evento imposible), entonces.
p (certeza) = 1 p
(imposibilidad) = 0 0

≤ p (evento) ≤ 1

2.- Espacio Muestral (E).

Es el conjunto de todos los resultados posibles de un experimento.
Ejemplos:
Al lanzar una moneda, el espacio muestral es igual a dos, toda vez
que puede caer la moneda con cara hacia arriba o también con
sello.
Al extraer una carta de una naipe común, el espacio muestral es
52, pues, es esa cantidad la que tiene el naipe.
3.- Experimento.
Proceso bien definido que permite ver uno solo de los resultados
posibles del espacio muestral.
4.- Resultado.
Evidencia de lo ocurrido en el experimento.
5.- Evento o suceso
Subconjunto del espacio muestral que contiene uno o varios
resultados del espacio muestral. Por lo tanto los eventos pueden
clasificarse como elementales, si constan de un solo resultado y
compuestos si constan de dos o más resultados.
Ejemplo
Si el experimento consiste en el lanzamiento de un dado podemos
46 - 67
 definir el evento (E1) que el dado muestre el tres en su cara
superior (evento elemental). También podemos definir otro evento
(E2) que en la cara superior aparezca cualquier número par (2, 4,
6), es un claro ejemplo de evento compuesto, pues consta de tres
resultados posibles.

6.- Eventos mutuamente excluyentes

Sucesos que no permiten que otro evento suceda al mismo tiempo.
Esto implica que no existe intersección entre ellos.
7.- Eventos complementarios
Se dice que dos sucesos son complementarios si no existe
intersección entre ellos y la unión de estos eventos es igual al
espacio muestral.
A ∩ B = Ф y A U B = E, entonces Ac = B y Bc = A

8.- Cualidades o características que deben tener los eventos

UNIÓN
Ejercicio N° 1
A = { x/x es una letra del abecedario }
A = { a, b, c, d, e, f, g, h, i, j, k, l, m, n}
B = { k, l, n, o, p, q, r, s, t, u, v, w, x, y, z }
A U B = { x/x € A V X€ B}
A U B = { a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, x, y, z }

Ejercicio N° 2
C = { x/x es un animal }
C = { perro, gato, conejo, tigre, puma, oso }
D = { perro, conejo, puma, mono, león }
C U D = { x/x € C V X€ D}
C U D = { perro, gato, conejo, tigre, puma, oso, mono, león }

Ejercicio N° 3
G = { x/x es un color }
G = { amarillo, verde, celeste, violeta, naranja, rojo}
H = { azul, rosado, verde, amarillo, blanco }
G U H = { x/x € G V X€ H}
G U H = {amarillo, verde, celeste, violeta, naranja, rojo, azul, rosado,
blanco}

INTERSECCIÓN

47 - 67
 Ejercicio N° 1
A= x/x es un color de la bandera del ecuador
A= amarrillo, azul, rojo
B= x/x es un color de la bandera de la ciudad de quito
B= azul, rojo
A∩B = {x/x € A € B}
A∩B= azul, rojo

Ejercicio N° 2
A= x/x es un animal domestico
A= perro, gato, gallina, vaca, oveja, caballo
B= x/x es un animal para mascota
B= perro, gato patos, conejo cuy
A∩ B = {x/x € A € B}
A∩B= perro, gato,

Ejercicio N° 3
A= x/x es un material de oficina
A= esfero, papel bon, perforadora, lápiz, grapadora, cubre hojas
B= x/x es un útil escolar
B= borrador, sacapuntas, pinturas, lápiz, esfero, compás, cubre hojas
A∩B = {x/x € A € B}
A∩B = lápiz, esfero, cubre hojas

COMPLEMENTO
Ejercicio N° 1
U= x/x es un día de la semana
A= miércoles, viernes, domingo A^ = {x/x € U; €/ A}
Ac = martes, jueves, sábado, domingo

Ejercicio N° 2
U= x/x es un electrodoméstico de línea blanca
A= licuadora, batidora, microondas, waflera
Ac = {x/x € U; €/ A}
Ac = lavadora, refrigeradora, secadora, cocina

Ejercicio N° 3
U= x/x es un medio de comunicación
A= periódicos, teléfono, cartas
Ac = {x/x € U; €/ A}
Ac = televisión, radio, internet, revistas

48 - 67
 DIFERENCIA
Ejercicio N°1

A-B=( X/X € A; X € B)
1.- A= ( X/X Es una letra de mi primer nombre) A= (l,o,r,e,n,a)
B= (X/X Es una letra de mi segundo nombre) B= ( m,a,r,i,t,z,a)
A-B=(l,o,e,n)
Ejercicio N°2
A= ( X/X Es una letra del abecedario)
A= ( a,b,c,d,e,f,g,h,i,j,k,l,ll,m,n,ñ,o,p,q,r,s,t,u,v,w,x,y,z) B= ( X/X Es una vocal
abierta) B= ( a,e,o)
A-B=(b,c,d,f,g,h,i,j,k,l,ll,m,n,ñ,p q,r,s,t,u,v,w,x,y,z)

Ejercicio N°3
A=(X/X Es una letra de la ciudad blanca del Ecuador) A=( i,b,a,r,r,a)
B=( X/X Es una letra de la cuidad capital del Ecuador) B=(q,u,i,t,o) A-
B=(i,b,a,r)

9.- Propiedades de la unión e intersección de sucesos.

Se presentan una serie de propiedades que verifican tanto la unión como la

intersección de dos o más sucesos. Tales propiedades son comunes a
ambas, como se muestran en la siguiente tabla:

De estas propiedades surgen las siguientes consecuencias inmediatas:

i) AUφ=A , A∩φ=φ ii) A∩E=A, AUE=E _____ _

_ _____ _ _ iii) Leyes de Morgan: A ∩ B = A U
B, A U B = A ∩ B.

Ejemplo:

49 - 67
 Sea un experimento aleatorio de lanzar un dado y definimos:
A = {par}
B = {impar}
C = {múltiplo de 3}

B.- Técnicas de conteo.

Las Técnicas de conteo son utilizadas en Probabilidad y Estadística

para determinar el número total de resultados. En este capítulo
analizamos: Regla de factoriales, Principio de multiplicación, Principio
aditivo, Permutaciones (simples, permutaciones circulares y con
elementos repetidos), Variaciones y Combinaciones.

1.- Factoriales.

Definición: Sea n un número natural. Se llama factorial de n al producto de

los n primeros números naturales. La expresión n! se lee, n factorial. Es así
que:

n! = 1 · 2· 3 ·……..·(n-2) · (n-1) · n

50 - 67
2.- Principio multiplicativo.

Si un suceso ocurre de n1 maneras diferentes, el segundo suceso de

n2 maneras diferentes y así sucesivamente hasta la última alternativa
que puede realizarse de nk maneras, entonces el número total de
maneras en que ocurre el suceso definido está dado por n1· n2 ·n3
·…· nk

Ejemplo 1: Si tengo tres camisas, cinco pantalones y cuatro corbatas.

¿De cuántas maneras distintas puedo combinar una camisa, un
pantalón y una corbata?

Respuesta: (3· 5 · 4 ) = 60 maneras diferentes

Ejemplo 2: Un restaurant ofrece 4 entradas, 5 platos principales y 2

postres. ¿De cuántas formas, un cliente puede ordenar una comida?

Respuesta: Se aplica el principio de multiplicación, por lo tanto hay 4 x

5 x 2 formas diferentes de ordenar una comida: 40 formas.
3.- Principio aditivo.

Si un suceso tiene formas alternativas de llevarse a cabo, donde la

primera de esas alternativas puede realizarse de m1 maneras, la
segunda alternativa puede realizarse de m2 maneras, y así
sucesivamente, hasta la última que puede realizarse de mk maneras,
entonces el número total de maneras en que ocurre este suceso es

m1 + m2 + m3 + …+ mk

Ejemplo: Si me quiero comprar un automóvil, puedo elegir entre

distintas marcas y modelos. La marca A tiene 2 modelos y 3 colores,

51 - 67
 la marca B tiene 4 modelos y 5 colores disponibles. ¿De cuántas
maneras posibles puedo elegir un automóvil?

La respuesta a esta pregunta es de 26 maneras diferentes (2 · 3 + 4 · 5

= 6 + 20 = 26).
La marca A tiene 2 modelos y 3 colores por modelo (2·3 = 6 vehículos
de la marca A)
La marca B tiene 4 modelos y 5 colores por modelo ( 4·5 = 20
vehículos de la marca B) 6 + 20 = 26 vehículos para elegir

C.- Permutación.
Una permutación es cuando utilizamos todos los elementos del conjunto y los
ordenamos de distintas formas.
1.- Permutación simple.

El número de permutaciones de n elementos está dado por: P(n) = n!

Ejemplo 1: ¿Cuántas palabras distintas, con o sin sentido, se pueden

formar con las letras de la palabra GENIAL?

P(n) = n! P(6) = 6! = 1 · 2 · 3 · 4 · 5 · 6 = 720 palabras

Ejemplo 2: Una familia tiene 3 niños y 2 niñas ¿De cuántas formas

pueden sentarse en una fila?

Respuesta: Hay 5! formas de sentarse = 5·4·3·2·1 = 120.

¿Cuántas formas hay si los niños desean sentarse separados de las

niñas?
Si desean sentarse separados, hay 2 formas de distribuirlos:
HHHMM y MMHHH y en cada caso los niños pueden sentarse de
3! formas diferentes y las niñas de 2! Por lo que hay 3! x 2! x 2!
Formas = (3·2·1)·(2·1)·(2·1) = 24 formas.
2.- Permutación circular.
El número de permutaciones circulares de n elementos está dado
por: Po(n) = (n – 1)!

Ejemplo 1: ¿De cuántas maneras se pueden sentar 5 personas

alrededor de una mesa redonda?

Respuesta: Una persona puede sentarse en cualquier lugar,

las otras 4 personas son las que pueden organizarse de 4!
Maneras diferentes.

52 - 67
 Po(5) = (5 – 1)! = 4! = 1 · 2 · 3 · 4 = 24 maneras distintas

Ejemplo 2: ¿Cuántas palabras distintas se pueden formar

con las letras de la palabra GENIAL , cuando no importa
desde que letra comenzamos a leer la palabra. Es decir,
cuando por ejemplo GENIAL y LGENIA, ambas se lean de
igual modo.

Respuesta: Po(6) = (6 – 1)! = 5! = 1 · 2 · 3 · 4 · 5 = 120 palabras

3.- Permutación con elementos repetidos.

El número de permutaciones de n elementos, cuando hay

elementos repetidos, está dado por:

Ejemplo: ¿Cuántas palabras distintas se pueden formar con las letras

de la palabra MORALEJA?
Respuesta: De las 8 letras la “A” se repite 2 veces, entonces:

C.- Variación.

Una variación es el proceso de encontrar cuántos grupos diferentes se pueden

formar con n elementos de modo que cada grupo tenga r elementos (r < n). La
variación se diferencia de la permutación, ya que aquí no utilizamos todos los
elementos.

1.- Variación simple.

La variación de n elementos, tomados de r en r, está dado por:

Ejemplo 1: ¿Cuántas palabras distintas

de tres letras se pueden formar con las
letras de la palabra MARDONES?

53 - 67
 Ejemplo2: ¿De cuántas formas se puede elegir un presidente, un
secretario y un tesorero dentro de un grupo de 10 personas?

2.- Variación con elementos repetidos.

Misma definición anterior, pero en este caso los elementos se pueden

repetir

Ejemplo 1: ¿Cuántos números de tres dígitos se pueden formar con

los primeros 6 números naturales?
Respuesta: Aquí los dígitos sí se pueden repetir, porque existe el
número 222 ó el 334 ó el 515, etc.

D.- Combinaciones.

Una combinación es el proceso de encontrar la cantidad de grupos que se

pueden formar con n elementos de modo que cada grupo tenga r elementos,
no interesando el orden de éstos. El número de combinaciones de n
elementos tomados de r en r está dado por:

Ejemplo: ¿Cuántos grupos de 3 estudiantes se pueden formar con un total de

10 estudiantes?

Respuesta: Aquí no importa el orden, porque da lo mismo el grupo formado

por ABC o BAC, es el mismo grupo, pues son las mismas personas.

Ejemplo 2: ¿Cuántos grupos de 4 letras se pueden formar con las letras de

la palabra MARDONES? Respuesta: No importa el orden, da lo mismo el
grupo de letras MRDO que el grupo DROM
54 - 67
 1.- Combinación con elementos repetidos.

Misma definición anterior, pero en este caso los elementos pueden

repetirse.

Ejemplo 1: En una bodega hay 4 tipos diferentes de botellas. ¿De

cuántas formas se pueden elegir 3 de ellas?

Respuesta: Aquí se pueden elegir las tres botellas de un mismo tipo, o

dos de un mismo tipo y una diferente o las tres diferentes, entonces
formaremos grupos en donde hay elementos repetidos.

CUADRO RESUMEN:

EJERCICIOS RESUELTOS:

55 - 67
56 - 67
57 - 67
58 - 67
E.- Probabilidades.

Para la determinación de la probabilidad de ocurrencia de un evento se recurre a

criterios o enfoques de cálculo, los cuales son:

a) Enfoque clásico o probabilidad matemática (a priori)

b) Enfoque de frecuencia relativa o probabilidad estadística (a posteriori)
c) Enfoque subjetivo

Los dos primeros tienen un sustento matemático para el cálculo de la probabilidad,

mientras que el tercero, ya su nombre lo indica está basado en el conocimiento
que pueda tener una persona sobre la ocurrencia de un evento.

1.- Enfoque clásico.

Para el cálculo de la probabilidad de que acontezca un evento de

acuerdo a este criterio, no es necesario realizar el experimento, pues
podemos determinar de acuerdo a leyes matemáticas o por
conocimiento actual de la situación, la cantidad de resultados posibles
que pueden ocurrir en el desarrollo del experimento, así como también
el número de resultados que son favorables a que ocurra un evento.

La expresión matemática que permite calcular es el cociente entre

resultados favorables con relación a los resultados posibles.
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑒𝑣𝑒𝑛𝑡𝑜
𝑃(𝐸) =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜 𝑃(𝐸)
Se lee la probabilidad de que ocurra un evento E
Ejemplos
1. Calcular la probabilidad de que al extraer una carta de un naipe común,
ésta sea una carta de diamante.
Solución: Sabemos que un naipe común tiene 52 cartas, cualquiera de ellas
puede ser extraída, por lo tanto los resultados posibles son 52. Conocemos
además que la opción de diamantes tiene 13 cartas con esa denominación,
por lo tanto los resultados favorables a que salga una carta de diamante son
13. Por lo tanto, la probabilidad de extraer una carta de diamantes de un
naipe común es:

𝑃(𝐷𝑖𝑎𝑚𝑎𝑛𝑡𝑒𝑠) = = 0,25

2. Un ánfora contiene 8 esferas, de las cuales 5 son rojas y 3 son blancas,

calcular la probabilidad de que al extraer dos esferas al mismo tiempo, éstas
sean de color rojo.

59 - 67
 Solución. Debemos conocer de cuántas formas se pueden seleccionar 2
esferas de un total de 8 (resultados posibles), también es necesario conocer
ce cuántas formas posibles se pueden seleccionar 2 esferas rojas de 5 que
tienen ese color, para esto recurrimos a las combinaciones.
8!
𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠: 𝐶𝑛,𝑟 = 𝐶(8,2)= 2 ! (8 − 2)! = 28

5!
𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠: 𝐶𝑛,𝑟 = 𝐶(5,2)= 2 !(5−2)! = 10

𝑃(2 𝑒𝑠𝑓𝑒𝑟𝑎𝑠 𝑟𝑜𝑗𝑎𝑠) = = 0,357

2.- Enfoque de frecuencia relativa.

Este criterio de probabilidad es necesario utilizarlo cuando no hay la

posibilidad de que matemáticamente no podemos determinar los
resultados posibles que pueda tener un determinado experimento o si
este experimento fue realizado con anterioridad y conocemos la
información que produjo.
Si queremos determinar la probabilidad de que ocurra un accidente de
tránsito en la intersección de las avenidas 10 de Agosto y Mariana de
Jesús en las próximas dos horas, posiblemente no contemos con la
información que nos permita calcular la probabilidad deseada, será
necesario entonces realizar el experimento para establecer los valores
que nos permitan obtener el resultado deseado.
Otro ejemplo podría ser si queremos conocer cuál es la probabilidad de
que un jugador de fútbol, especialista en cobrar tiros libres cerca del
área rival, en el próximo tiro libre que vaya a ejecutar, convierta en gol
esa ejecución; lo más probable es que para determinar la probabilidad
debamos recurrir a información estadística que nos puedan
proporcionar periodistas deportivos que llevan en cuenta estos datos.
En ambos ejemplos nos percatamos que es necesario que el
experimento sea realizado o bien en el presente o fue realizado en el
pasado inmediato anterior. Por lo tanto podemos establecer que para
calcular la probabilidad de ocurrencia de un evento bajo este criterio,
debamos recurrir a la siguiente expresión que establece la razón entre
los resultados favorables que suceden o sucedieron en el experimento
y el número total de observaciones que tuvo el experimento.
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑖ó 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜
𝑃(𝐸) =

60 - 67
 𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜

3.- Enfoque subjetivo.

Este criterio está basado en asignar un valor de probabilidad en función

de la impresión, conocimiento o intuición de la persona que desea
determinar la probabilidad de que acontezca un evento.
Esta condición hace que el resultado sea una mera suposición o en
otros casos, por la acumulación de conocimiento sobre cómo sucede
una situación, el valor establecido por una persona pueda tener validez.
Ejemplos:
¿Cuál criterio de probabilidad es apropiado utilizar para determinar la
probabilidad de que ocurran los siguientes eventos?
El precio del barril de petróleo, hoy termine con un precio más alto Una
computadora producida en una línea de ensamblaje sea defectuosa.
Sacar 8 al sumar un lanzamiento de dos dados.
Aprobar este módulo de Estadística, sin estudiar.

E.- Leyes de las probabilidades.

Si es necesario calcular la probabilidad de que ocurran eventos al mismo

tiempo, u ocurran un evento u otros, debemos utilizar ciertas reglas que nos
permitirán calcular dicha probabilidad. Existen dos leyes fundamentales para
este caso de eventos complejos. La regla de la multiplicación y la regla de la
adición. En el primer caso nos permite conocer la probabilidad del evento
conjunto cuando ocurren 2 o más eventos al mismo tiempo y en el segundo
caso cuando sucede un evento u otro.
1.- Reglas de la multiplicación.

Para aplicar la regla especial de la multiplicación es necesario que los eventos

sean independientes. Se consideran eventos independientes aquellos que la
ocurrencia de uno de ellos no afecta o modifica la probabilidad de que ocurra
el siguiente. Si existen dos eventos A y B y son independientes, la
probabilidad de que sucedan los dos eventos se obtiene de multiplicar las
probabilidades individuales de cada uno de ellos, expresado en forma
simbólica tenemos:

P(A y B)= P(A ∩ B) = P(A) P (B)

61 - 67
Un ejemplo muy claro de la aplicación de esta regla es el lanzamiento de
monedas; si se lanzan al aire dos monedas la probabilidad de que la una
moneda caiga con cara hacia arriba, en nada modifica o altera la probabilidad
de que la otra moneda caiga con cualquiera de las caras hacia arriba. La
expresión de cálculo arriba indicada puede ser extensiva para más eventos.

Ejemplos
1. Se lanzan dos dados. ¿Cuál es la probabilidad de que ambos dados caigan
con 6 hacia arriba?
Solución: Sea el evento A que el primer dado caiga con seis y el evento B que
el segundo dado también salga seis. Analizamos y concluimos que los eventos
son independientes por cuanto la ocurrencia del evento no altera la
probabilidad de que el otro ocurra; por lo tanto:
P(A) = P (6) = 1/6
P (B) = P (6) = 1/6
P(A y B) = P (6 y 6) = (1/6) (1/6) = 1/36

2. Se extrae dos cartas de un naipe, una a continuación de la otra y el

experimento se realiza con sustitución, es decir, la primera carta escogida
luego de verificada su denominación, vuelve a ser colocada dentro del naipe y
a continuación se extrae la segunda carta. Calcular que las dos cartas
escogidas sean ases.
Solución: Como el experimento se realiza con sustitución, los eventos son
independientes, por lo tanto las probabilidades de cada evento se multiplican
entre sí:
P(as) = 4/52 = 1/13
P(as y as) = (1/13) (1/13) = 1/169

3. Un almacén tiene registrado que en promedio el 30% de los clientes que

entran al local, realizan una compra efectiva, determinar la probabilidad de que
los tres primeros clientes que entren realicen una compra.
Solución: Se trata de igual manera de eventos independientes, porque la
adquisición o no de un cliente no modifica la intención de compra de otro
cliente, por lo tanto multiplicamos las probabilidades de cada evento.
P (1º compre y el 2º compre y el 3º compre)=0.3 (0.3) (0.3)=0.027= 2.7%

Si los eventos son dependientes, es decir; la probabilidad de ocurrencia de

cada uno altera o modifica la probabilidad de que los otros ocurran, se utiliza
la regla general de multiplicación. Un claro ejemplo de este tipo de eventos se
da cuando el experimento se realiza sin sustitución, esto significa, que el
62 - 67
elemento seleccionado no vuelve a formar parte del espacio muestral para la
siguiente selección. La expresión matemática que simboliza el cálculo de esta
probabilidad conjunta es:
P(A y B) =P(A) P (B І A) La expresión: P (B І A) se lee la
probabilidad de que ocurra B, dado que ocurrió A. El trazo que separa a los
dos eventos significa “dado que” y no división. A esta condición se le
denomina Probabilidad condicional.
La expresión de cálculo también es válida para más de dos eventos
P(A y B y C) = P(A) P (B / A) P(C / A y B)

Ejemplos
1. Se extraen dos cartas de un naipe, una a continuación de la otra. El
experimento se realiza sin sustitución.
Calcular la probabilidad de que las dos cartas seleccionadas sean cinco.
Solución: De acuerdo al enunciado del problema el experimento es sin
sustitución, por lo tanto los eventos son dependientes, lo cual es evidente, ya
que al extraer la primera carta y no ser devuelta al naipe, la probabilidad de
extraer otra carta ya no es la misma original.

Primera carta: 5 P (5) = 4/52 =1/13

Segunda carta: 5 P (5 / 5) = 3/51 = 1/17, entonces
P (5 y 5) =P (5) P (5 / 5) = (1/13) (1/17) = 1/221

2. Una caja contiene 20 chips, de los cuales se sabe que 4 de ellos no

corresponden al mismo modelo, si se sacan tres chips de esta caja uno a
continuación de otro, determinar la probabilidad de que los tres sean de
modelo distinto.
Solución: La probabilidad de que el primer chip sea de otro modelo es 4/20, la
probabilidad de que el segundo sea igual que el primero es 3/19 y la
probabilidad de que el tercer chip seleccionado también sea igual a los
anteriores es 2/18, por lo tanto, la probabilidad de que los tres chips
seleccionados sean de modelo diferente a los otros 16 que están en la caja,
es: Sea el evento A que el chip sea de modelo distinto, entonces la
probabilidad de:

P(A y A y A) = (4/20) (3/19) (2/18) = 1/285

63 - 67
1.- Reglas de la adición.

Esta regla nos sirve para calcular la probabilidad de acontezca un

evento u otro, con la condición de que los eventos pueden ser
mutuamente excluyentes o no mutuamente excluyentes. Se consideran
eventos mutuamente excluyentes aquellos eventos que al ocurrir uno
de ellos, elimina la posibilidad de ocurrencia de los otros eventos al
mismo tiempo. Si los eventos pueden ocurrir al mismo tiempo, se los
considera como no mutuamente excluyentes.
Si los eventos son mutuamente excluyentes, se aplica la regla especial
de la adición, que indica que la probabilidad de que ocurra un evento A
o un evento B es igual a la suma de las probabilidades individuales de
cada evento.

P(A o B) = P (A U B) = P (A) + P (B)

La expresión de cálculo de que ocurra el evento A o su complemento

determina que es igual a uno.
P(A) + P (AC) = 1, entonces P(A) = 1 – P (AC)

Ejemplos:
1. Un experimento consiste en extraer de un ánfora una esfera. Si se
conoce que en la misma hay 4 esferas rojas y 3 blancas y 3 azules,
determinar la probabilidad de que al extraer esa esfera, sea roja o
blanca.
Solución: Definimos el evento A de que la esfera sea roja y el evento B
que la esfera sea blanca, entonces la probabilidad de que la esfera
64 - 67
extraída sea roja es 4/10 y la probabilidad de extraer una esfera
blanca es 3/10. Como son eventos mutuamente excluyentes, ya que al
extraer una sola esfera ésta es o roja o blanca o azul. Entonces la
probabilidad de que la esfera extraída sea roja o blanca es:
P (roja o blanca) = 4/10 + 3/10 = 7/10 = 0.7

Si los eventos no son mutuamente excluyentes entonces se aplica la

regla general de la adición, que indica de que la probabilidad de que
ocurra un evento A o un evento B es igual a la suma de las
probabilidades individuales de cada evento y se le resta la probabilidad
conjunta de que ocurran los dos eventos al mismo tiempo.
La expresión matemática que nos indica esta condición es:

P(A o B) = P(A U B) = P(A) + P (B) – P(A ∩ B)

Gráficamente podemos advertir que la unión de sucesos no

mutuamente excluyentes es lo expresado mediante la fórmula anterior.

2. Calcular la probabilidad de que al extraer una carta de un naipe

común, ésta sea un as o una carta de diamantes.
Solución: Se podría pensar que la respuesta es 17/52 al sumar solo
las probabilidades individuales de cada evento. La probabilidad de
obtener un as, es 4/52 y la de obtener una carta de diamantes es
13/52. Pero si analizamos hay un resultado que pertenece a los dos
eventos (as de diamantes) y está contabilizado en cada probabilidad,
por lo tanto debemos descontar esta probabilidad conjunta.
P(as o carta de diamante) = P(as) + P (diamante) – P(as de diamante) P(as o
diamante) = 4/52 + 17/52 – 1/52 = 16/52 ~ 0.308

65 - 67
 Observación: Las reglas de la adición también pueden aplicarse a tres o más
eventos.

F.- La Regla de Laplace.

En ciertos casos es posible que se pueda predecir el resultado de un suceso
(si va a ocurrir o no). Si se puede predecir, diremos que es un fenómeno
determinístico. En caso contrario, se trataría de un evento aleatorio. Por
ejemplo, lanzar una moneda al aire constituye un fenómeno de tipo aleatorio,
pues en este caso no se puede asegurar si saldrá cara o sello.
La estadística es una rama de las matemáticas que estudia la probabilidad de
resultados posibles de un determinado evento o suceso.
Se define espacio muestral como el conjunto de todos los resultados posibles
de un experimento aleatorio, y lo designaremos con la letra E. En el caso de la
moneda, los resultados posibles son 2: cara o sello, por lo tanto, el espacio
muestral de este suceso es E = {cara, sello}.
Al arrojar un dado, existen 6 caras posibles, cada una de las cuales es un
resultado. El espacio muestral para este caso es E = {1, 2,3,4,5,6 }
Si se tiran dos dados distintos, su espacio muestral puede ilustrarse mediante
el siguiente diagrama de pares ordenados:

En este caso, el espacio muestral está formado por 36 elementos.

Se llama evento a todo subconjunto del espacio muestral. Por ejemplo, si se tiran
dos dados, un evento puede ser que la suma de las puntuaciones sea igual a
seis. En este caso, solo serán los pares (1,5) (5,1) (2,4) (4,2) y (3,3).

66 - 67
 La probabilidad de un evento es un valor que nos permite determinar qué tan
posible es que un evento ocurra o no.
La definición clásica de probabilidad, dada por la regla de Laplace, se aplica si
todos los resultados posibles de un experimento aleatorio tienen la misma
probabilidad o son equiprobables.
En el diagrama anterior, donde se ilustra el espacio muestral para el experimento
aleatorio de lanzar dos dados, cada uno de los resultados tiene la misma
probabilidad si consideramos que los dados “no están cargados”.
La probabilidad de que un evento A ocurra se anota P(A) y se calcula mediante el
cociente:

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝐴

𝑃(𝐴) =
𝑁ú𝑚𝑒𝑟𝑜 𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠

Esto es válido, eso sí, cuando en el experimento aleatorio todos sus resultados
son equiprobables. Los valores de una probabilidad están entre 0 y 1.
Establece que:
La probabilidad de ocurrencia de un suceso imposible es 0.
La probabilidad de ocurrencia de un suceso seguro es 1, es decir, P(A) = 1.
Para aplicar la regla de Laplace es necesario que los experimentos den lugar a
sucesos equiprobables, es decir, que todos tengan o posean la misma
probabilidad.
a.- La probabilidad de que ocurra un suceso se calcula así:
b.- P(A) = Nº de casos favorables / Nº de resultados posibles
c.- Esto significa que, probabilidad es igual al número de casos favorables sobre o dividido
el número de resultados total de resultados posibles.

BIBLIOGRAFÍA.

Cecilia Salazar P. Santiago del Castillo G. 2018 Fundamentos Básicos de Estadística .

https://lasmatesfaciles.com/2021/05/07/media-mediana-y-moda-para-datos-agrupados/

67 - 67