MÉTODOS ESTADÍSTICOS

LIC. SAÚL GARCÍA

III PERIODO 2021

 CAPÍTULO I

• CONCEPTOS
• TIPOS DE ESTADÍSTICA
• VARIABLES
• NIVELES DE MEDICIÓN
Unidad: Estadística descriptiva
¿Qué es la estadística?
Ciencia que recoge, organiza, presenta, analiza e interpreta datos con el fin de propiciar
una toma de decisiones más eficaz.

Clasificación o tipos de estadística

a) ESTADÍSTICA DESCRIPTIVA
Es la ciencia que “recoge, organiza, presenta, analiza… datos”. Esta parte de la estadística
recibe el nombre de estadística descriptiva.
 
ESTADÍSTICA DESCRIPTIVA Métodos para organizar, resumir y presentar datos de
manera informativa.
b) ESTADÍSTICA INFERENCIAL Métodos que se emplean para determinar una propiedad
de una población con base en la información de una muestra de ella. Trata de los métodos
se obtener conclusiones probables acerca de una población, basados en una muestra.
Supóngase que un profesor calcula la calificación promedio de su clase de
estadística. Dado que la estadística describe el aprovechamiento de ese grupo,
pero sin hacer generalizaciones sobre varios grupos, se puede afirmar que el
profesor está aplicando la Estadística Descriptiva. Las gráficas, tablas y
diagramas que muestran los datos y facilitan su interpretación, son ejemplo de
este tipo de estadística.
Ahora, el profesor decide servirse de la calificación promedio lograda por un
grupo para estimar el promedio de los 10 grupos que asisten al mismo. El
proceso de estimación de la calificación promedio sería un problema de
Estadística Inferencial.
 En el estudio de la estadística, es importante conocer algunos términos
básicos, como los siguientes.
POBLACIÓN: Conjunto de individuos u objetos de interés o medidas que se
obtienen a partir de todos los individuos u objetos de interés.

MUESTRA: Porción o parte de la población de interés

 Población Muestra
Los habitantes de Cortés Los habitantes de San Pedro
Sula
Los habitantes de San Pedro Los habitantes del barrio El
Sula Centro de San Pedro Sula
Los clientes de DIUNSA a Los clientes de DIUNSA en la
nivel nacional tienda del centro comercial
Pedregal

Puede suceder que para un grupo los datos constituyan la muestra y para otros sea
la población.
Dato: Es el valor de la variable asociado a un elemento de la muestra o de la población
Variable: Característica de interés acerca de cada elemento de una población o de una muestra. Hay
dos tipos de variables.
1) Cualitativas: También se les llama atributos, ya que son expresadas mediante palabras. A las partes
en que se divide un atributo se le llama modalidad.
Una variable cualitativa, produce datos cualitativos los que se subdividen en:
 a) Datos nominales: Se obtienen cuando se definen las categorías o atributos y se cuenta el
número de observaciones o valores que quedan en cada una.
Ejemplos: Sexo, estado civil, película, área de estudio
 
b) Datos jerarquizados: constan de valores relativos para denotar orden: etc.
Ejemplos: Concurso de belleza, Campeonatos, Competencias.

 
2) Cuantitativas: Son las que se expresan mediante valores numéricos; es decir, que sus
resultados son números, peso, temperatura, etc., se subdivide en:
 
a) Variables discretas: Cuando sus resultados pueden ser números enteros, por ejemplo:
 El número de camas en una casa (1, 2, 3, 4, etc.);
 El número de automóviles que en una hora usan la salida sur de SPS, (326, 421, etc.),
 El número de estudiantes en cada sección de un curso de estadística (25 en la sección
A, 42 en la sección B y 18 en la sección C).
 
b) Variable continua: Toman cualquier valor dentro de un intervalo específico. Pueden ser
números enteros o decimales, por ejemplo:
 
 La presión del aire en una llanta
 El peso de un cargamento de tomates.
 La cantidad de cereal con pasas que contiene una caja
 La duración de los vuelos de Orlando a San Diego.
 El promedio de puntos al graduarse (PPG)
 
Niveles de medición
1) Datos de nivel nominal: Este nivel se refiere a los datos que solo pueden contarse y
colocarse en grupos o categorías. A los que, con frecuencia, para su procesamiento se
codifican como 1, 2, 3, … números que no podrán ser utilizados para realizar
operaciones aritméticas. No existe una forma particular para ordenar las etiquetas.
Ejemplo
Religión indicada en SPS por personas mayores de 14 años

  Religión Total
1 Protestante 28,952
2 Católica 40,669
3 Judía 13,868
4 Otra religión 13,495
5 Ninguna religión 10,555
6 Religión no indicada 13,420
  Total 120,959

2) Datos de nivel ordinal: Este nivel implica que una categoría es mayor que la otra. En este
nivel los números pueden asumir el lugar de los objetos en estudio, puesto que los números
son representaciones parciales de éstos. Por ejemplo, en un concurso de belleza, en lugar
de informar que se juzgó que Beatriz es la más bonita, seguida de Juana, María, y por ultimo
Alicia que fue la más bonita de todas. Es más fácil decir y establecer los siguiente
Persona Puntuación
María 136
Juana a 125
Alicia 240
Beatriz 119
3) Datos de nivel por intervalo: es el nivel inmediato superior. Incluye todas las
características del nivel ordinal, pero, además, la diferencia entre valores constituye
una magnitud constante. Un ejemplo de nivel de intervalo de medición es la
temperatura.
 
4) Datos de nivel de razón: El nivel de razón es el más alto. Posee todas las
características del nivel de intervalo, aunque, además, el punto 0 tiene sentido y la
razón entre dos números es significativa. Ejemplos de la escala de razón de
medición incluyen salarios, unidades de producción, peso, cambios en los precios
de las acciones, la distancia entre sucursales y la altura.
Distribución de Frecuencias
 CONSTRUCCIÓN DE UNA TABLA DE
FRECUENCIAS

TABLA DE FRECUENCIAS: Agrupación de datos cualitativos en clases mutuamente excluyentes

que muestra el número de observaciones en cada clase.
 
GRÁFICA DE BARRAS: En ella, las clases se representan en el eje horizontal y la frecuencia de
clase en el eje vertical. Las frecuencias de clase son proporcionales a las alturas de las barras.
 
Ejemplo: Producción de café, Honduras 2015-2020 en millones de sacos
 
Año Producción
Producción de café, Honduras 2015-2020 en millones de
2016 27
sacos
2017 35

2018 42
48
2019 30 42
35
2020 48 30
27

2016 2017 2018 2019 2020

GRÁFICA DE PASTEL: Gráfica que muestra la parte o porcentaje que representa cada clase del total
de números de frecuencia.
 

Producción de café, Honduras 2015-2020 en millones de

sacos

15%

26%

19%

16%

23%

2016 2017 2018 2019 2020

  Rango. Tamaño o ancho de una clase. Marca de clase. Distribución de
frecuencia. Limite reales de clase.
 
Cuando la toma de datos contiene mucha información, no es practico
escribirlos todos ellos en una misma columna, si no que se emplea la
agrupación de los valores de la variable en clases o categorías y se determina
el número de valores de la variable que pertenecen a cada clase se llamará
frecuencia de clase.
 
Rango : Es una serie de datos, la diferencia entre el valor máximo (Vmax) y el
valor mínimo (Vmin) de la variable.
 

 
Si en un momento dado no se está seguro del número de clases a utilizar se
utiliza la fórmula de Sturges
  N = total de frecuencias
K = número de clases
Log N = Logaritmo decimal de N

Una receta útil para determinar la cantidad de clases (k) es la regla de 2 a la k. Esta guía sugiere que se elija el
menor número (k) para el número de clases, de tal manera que (en palabras, dos elevado a la k-ésima potencia) sea
mayor que el número de observaciones (n).

Después de conocer el número de clases sugeridos (k) es importante determinar al ancho de clase (C)
 

 
Marcas de clase (Xm): Es el punto medio de intervalo de clase y se obtiene sumando los limites
inferiores y superiores de la clase y dividiendo esta suma por 2.
 

Li = Límite inferior de la clase

Ls = Límite superior de la clase
 
  Ejemplos
 
Un conjunto de datos consta de 38 observaciones. ¿Cuántas clases recomendaría para la
distribución de frecuencias?
= 1+3.322(log 38)=6.248

 R/ se sugieren 6 clases porque ; ya que este valor supera mi cantidad de datos por eso
se recomiendan 6 clases.
 
Wachesaw Manufacturing, Inc., produjo la siguiente cantidad de unidades los pasados 16 días.

La información se organizará en una distribución de frecuencias.

a) ¿Cuántas clases recomendaría?
b) ¿Qué intervalo de clase sugeriría?
c) ¿Qué límite inferior recomendaría para la primera clase?
d) Organice la información en una distribución de frecuencias y determine la distribución
Ordenar los datos de menor a mayor
 
25 25 26 26 26 26 27 27   = 1+3.322(log 16)=5
27 27 28 28 28 28 30 31
 
 R/ se sugieren 5 clases porque
 
El intervalo de clases; Sugiero intervalo de 2

Para la primera clase recomiendo límite inferior de 24

 
Unidades X f

24 - 25 2

26- 27 8
28 - 29 4

30 - 31 2

32 - 33 0

Total 16
Las cantidades producidas abarcan alrededor de 24 a aproximadamente 33.
Las producciones se concentran entre 26 y 29. Un total de 12, o 75%, de la producción
caen dentro de este rango.
 
La máxima concentración, o frecuencia más alta, se encuentra en la clase que va de 26
a 27. La mitad de la clase se ubica en 26.5. De manera que 26.5 representa un valor
típico de producción.
 Representación gráfica de una distribución de frecuencias

HISTOGRAMA Gráfica en la que las clases se señalan en el eje horizontal y las

frecuencias de clase en el eje vertical. Las frecuencias de clase se representan
por medio de las alturas de las barras, que se dibujan de manera adyacente.

Un polígono de frecuencias también muestra la forma que tiene una distribución

y es similar a un histograma. Consiste en segmentos de recta que conectan los
puntos que forman las intersecciones de los puntos medios de clase y las
frecuencias de clase.
Distribución de frecuencias de las ganancias por ventas de vehículos el
mes pasado en el Applewood Auto Group.

Histograma de ganancias sobre 180 vehículos que

vendió Applewood Auto Group
Polígono de frecuencias de las ganancias sobre 180
vehículos que vendió Applewood Auto Group
Ejemplo: Las calificaciones obtenidas por 50 alumnos en la asignatura de
Matemáticas Nivelación de la USAP fueron las siguientes.
 
50 53 54 55 59 60 60 60 61 61
62 62 63 65 66 68 68 68 69 71
73 73 74 74 75 75 75 75 76 77
78 78 78 79 79 82 82 84 85 87
88 88 89 90 93 93 94 95 95 99
 

a) Determinar el Rg
b) Determinar la anchura del intervalo de Clase y agruparlo en 10 clases
c) Hacer una tabla de frecuencias que contenga X, f, Xm y N (total de frecuencia)
 Solución

 
b)
 
c) Distribución de frecuencias con datos agrupados

Calificaciones Número de alumnos Xm Limites Reales

X f Li Ls
50 - 54 3 52 49.5 – 54.5
55 - 59 2 57 54.5 – 59.5
60 - 64 8 62 59.5 – 64.5
65 - 69 6 67 64.5 – 69.5
70 - 74 5 72 69.5 – 74.5
75 - 79 11 77 74.5 – 79.5
80 - 84 3 82 79.5 – 84.5
85 - 89 5 87 84.5 – 89.5
90 - 94 4 92 89.5 – 94.5
95 - 99 3 97 94.5 – 99.5
  N= 50    
REPRESENTACIÓN GRÁFICA DE UNA DISTRIBUCIÓN DE FRECUENCIAS

HISTOGRAMA DE FRECUENCIAS
12

10

0
49.5 54.5 59.5 64.5 69.5 74.5 79.5 84.5 89.5 94.5 99.5
Diagrama de frecuencias acumuladas
 
La frecuencia relativa acumulada porcentual (fra%) de una clase, se calcula dividiendo la
frecuencia acumulada (fa) de la clase por el número total de casos (N) de la distribución y
multiplicando este resultado por 100. Generalmente se expresa como %.

La ojiva es un gráfico de líneas de una distribución de frecuencia acumulada (fa) o de una frecuencia
relativa acumulada porcentual (fra%). Tiene las siguientes componentes:

1. Un título que identifica a la población y/o muestra.

2. Un sistema de ejes cartesianos, en el que el eje YY´ identifica las frecuencias acumuladas (fa) o las
frecuencias relativas acumulada porcentual (fra%) según el caso.

3. El eje XX´de una ojiva, siempre esta basado en los L.R. de la clase(Lrs) de la distribución y el eje YY
´con 100%

4. Toda ojiva menor que comienza con una frecuencia relativa acumulada de cero asociadas al límite
real inferior de la primera clase y termina con una frecuencia acumulada porcentual de 100% asociada
al límite real superior de la última clase. Si la ojiva es menor que y en caso contrario, se llama ojiva
mayor que.
Ejemplo: la siguiente distribución muestra la estatura en pulgadas de 80 estudiantes de
informática administrativa de la USAP.
Estatura Número de
estudiantes
60 - 62 8
63 - 65 10
66 - 68 30
69 - 71 25
72 - 74 7
  N= 80

a) Elaborar una distribución de frecuencia que contenga

X, f, fa, fra% y L.R
b) Construir la tabla menor que.
c) Dibujar la ojiva menor que de la distribución
d) ¿Qué porcentaje de estudiantes tienen estatura menor
que 68.5 pulgadas?
e) ¿Qué porcentaje de estudiantes tienen estatura menor
que 71.5 pulgadas?
 
 X f fa Fra% L.R

60 - 62 8 8 10.00 59.5 – 62.5

63 - 65 10 18 22.50 62.5 – 65.5

66 - 68 30 48 60.00 65.5 – 68.5

69 - 71 25 73 91.25 68.5 – 71.5

72 - 74 7 80 100.00 71.5 – 74.5

Tabla menor que Ojiva menor que 80 estudiantes de Informática

Estatura fa Fra% Administrativa
59.5 0 0.00
62.5 8 10.00
65.5 18 22.50

68.5 48 60.00

71.5 73 91.25

74.5 80 100.00
X f Fr Fr% fa Fra% L.R

60 - 62 8 0.1 10 8 10.00 59.5 – 62.5

63 - 65 10 0.125 12.5 18 22.50 62.5 – 65.5

66 - 68 30 0.375 37.5 48 60.00 65.5 – 68.5

69 - 71 25 0.3125 31.25 73 91.25 68.5 – 71.5

72 - 74 7 0.0875 8.75 80 100.00 71.5 – 74.5

Total 80 1.00 100      

 MEDIDAS DE TENDENCIA CENTRAL
 
 
Media, mediana y moda de datos no agrupados
 
La media aritmética: es una medida que da el centro de un conjunto de datos organizados
preferentemente en orden ascendente (De menor a mayor)
 
Media poblacional:
 
representa la media poblacional; se trata de la letra minúscula griega mu.
N es el número de valores en la población.
X representa cualquier valor particular.
es la suma de X valores en la población.
 Media Muestral:
 
donde:
es la media de la muestra; se lee: X barra.
n es el número de valores de la muestra.
X representa cualquier valor particular.
es la suma de X valores de la muestra.
 
 
Ejemplo: Hallar la media aritmética de los pesos de cinco estudiantes, si sus pesos son: 56, 47, 61, 44,
78 libra.
 
Solución. 44, 47, 56, 61, 78

 
 
La mediana: Es el valor de la variable que ocupa la posición central de una distribución.
 Ejemplo: Hallar la mediana de una muestra, cuyas observaciones son: 5, 8,3,6,9,4,10.
 
Solución: 3,4,5,6,8,9,10. La Mediana es 6
 
Ejemplo: Hallar la mediana de una muestra cuyas observaciones son:3, 6,4, 7, 9, 8.
 
Solución: 3,4,6,7,8,9. La mediana es 6.5
 

 
La moda(Mo): De un conjunto de observaciones es aquel valor que ocurre mayor número de veces en
una distribución.
 
Ejemplo: Hallar la moda de las observaciones: 7,8,4,6,5,6,6.
Solución: 4,5,6,6,6,7,8. La Mo es 6
 
Ejemplo: Hallar la moda de las observaciones: 2, 7, 5, 3, 4, 6, 5, 7.
Solución: 2, 3, 4, 5, 5, 6, 7, 7. La Mo es 5 y 7
 Medidas de tendencia central. Media, mediana y moda
a) Datos agrupados en frecuencia simple
 
Media muestral
 
Media poblacional
 
Posición de la mediana.
 
 
Ejemplo: se pidió a reclutas de una academia, de policía, se sometieran a una prueba que
mide la capacidad para el ejercicio. Se midió dicha capacidad en minutos y se obtuvieron
los siguientes datos; Calcular: a) la media, b) la mediana, c) la moda
  Tiempo f fX fa
  (min)
 
  25 3 75 3
26 2 52 5
27 4 108 9
28 6 168 15
29 3 87 18
30 2 60 20
  n =20    

   

 
Posición de la mediana
Clase mediana: 28
 
Moda: 28
  Media aritmética ponderada
 

En una compañía constructora, 10 asesores principales reciben L. 60.00 cada uno; 4 asesores
antiguos reciben L: 85.00 cada uno y un asesor especialista L. 125.00 como complemento de sus
sueldos. Es evidente que las diferentes cantidades recibidas son de distinta importancia y que es
necesario ponderar estas tasas con el número de personas que reciben estos complementos para
poder determinar el pago promedio correcto. La media aritmética se convierte así en una media
ponderada, donde:
 

 
L.71.00 es la media aritmética ponderada
 
 
   Datos agrupados
 
a) La media
 La media aritmética: Media aritmética muestral

Media poblacional
 
Frecuencia de la clase
Marca de clase
Tamaño de la muestra
Tamaño de la población
b)
  La mediana :
 
Limite real inferior de la clase mediana
Tamaño o ancho de la clase mediana
La mitad de las observaciones. Posición de la mediana
Suma de todas las frecuencias de las clases por debajo de la clase mediana (fa)
Frecuencia de la clase mediana

c) La moda :
 
   
Limite real inferior de la clase modal
Tamaño o ancho de la clase modal
Frecuencia modal menos la frecuencia de la clase contigua anterior
Frecuencia modal menos la frecuencia de la clase contigua posterior
 
 Ejemplo: Calcular la Media, Mediana y Moda de la siguiente distribución suponiendo que es una
muestra
X f Fr Fr% X fXm fa Fa% L. r
m
65 - 69 13 0.1 10 67 871 13 10  

70- 74 20 0.1538 15.38 72 1440 33 25.38  

75 - 79 10 0.0769 7.69 77 770 43 33.08  

80 - 84 32 0.2462 24.62 82 2624 75 57.70 79.5 - 84.5

85 - 89 30 0.2308 23.08 87 2610 105 80.77  

90 - 94 10 0.0769 7.69 92 920 115 88.46  

95 - 99 15 0.1154 11.54 97 1455 130 100  

  n= 130 1 100        
 
 
R/ La media de la distribución es 82.23
 
 
 
La mediana :
 

R/ La mediana de la distribución es 82.94

 
La moda :
 
 

R/ La moda de la distribución es 84.08 

  Media geométrica
La media geométrica resulta útil para determinar el cambio promedio de porcentajes, razones, índices o
tasas de crecimiento. Posee amplias aplicaciones en la administración y la economía, ya que con frecuencia
hay interés en determinar los cambios porcentuales de ventas, salarios o cifras económicas, como el
producto interno bruto, los cuales se combinan o se basan unos en otros. La media geométrica de un
conjunto de n números positivos se define como la raíz enésima de un producto de n variables. La fórmula
de la media geométrica se escribe de la siguiente manera:
 
Media Geométrica:
 
La media geométrica siempre es menor o igual (nunca mayor que) que la media aritmética. Todos los datos
deben ser positivos.
 
Tasa de incremento durante el tiempo.
Ejemplo: Se estima que la zona metropolitana de los Ángeles - Long Beach, en California
mostrará el mayor aumento en el número de empleos entre los años 1989 y 2010. Es de
esperar que el número de empleos aumente de 5164900 hasta 6286800. ¿Cuál es la tasa de
incremento anual media geométrica esperada?
Años Empleos

1989 5164900

2010 6286800

 
 Ejemplo: Una aldea sufre un proceso rápido de envejecimiento. El primer año aumentan los
mayores de 65 años un 10%, el segundo año, un 20%, el tercer año un 30% y el cuarto año,
un 40%.
 

 
Llegamos a un porcentaje anual obtenido con MG del 24.4%
 Ejemplo: La recuperación de una inversión que realizó Atkins Construction Company durante
cuatro años consecutivos fue de 30%, 20%, - 40% y 200%. ¿Cuál es la media geométrica de
la recuperación de la inversión?
 

 
Así, la tasa promedio de recuperación (tasa de crecimiento anual compuesta) es de 29.4%.
 Medidas de dispersión
¿Por qué estudiar la dispersión?: Una medida de dispersión pequeña indica que los datos se
acumulan con proximidad alrededor de la media aritmética. Por consiguiente, la media se
considera representativa de los datos. Por el contrario, una medida grande de dispersión indica
que la media no es confiable.
Una segunda razón para estudiar la dispersión en un conjunto de datos consiste en comparar la
propagación en dos o más distribuciones.
 
Consideraremos diversas medidas de dispersión. El rango se sustenta en los valores máximo y
mínimo del conjunto de datos, es decir, sólo se consideran dos valores. La desviación media, la
varianza y la desviación estándar se basan en desviaciones de la media aritmética.
Desviación media: Un problema que presenta el rango estriba en que parte de dos valores, el
más alto y el más bajo, es decir, no los toma en cuenta a todos. La desviación media sí lo
hace; mide la cantidad media respecto de la cual los valores de una población o muestra
varían. Expresado en forma de definición.
 
Varianza y desviación estándar: La varianza y la desviación estándar también se
fundamentan en las desviaciones de la media. Sin embargo, en lugar de trabajar con el valor
absoluto de las desviaciones, la varianza y la desviación estándar lo hacen con el cuadrado
de las desviaciones.
Ejemplo: La siguiente tabla muestra el número de capuchinos que se vendieron
en el local de Starbucks de los aeropuertos de Orange County y de Ontario,
California, entre las 4 y las 5 de la tarde, de una muestra de 5 días el mes
pasado.
 
Calculo de la desviación media de Ontario
  Desviación estándar y varianza de datos no agrupados
 
; ; ;
 
;
 
Desviación estándar poblacional
Puntaje no procesado
Tamaño de la muestra
Tamaño de la población
Sumatoria de los puntajes no procesados, elevados al cuadrado
Desviación estándar de la muestra
Varianza poblacional
Varianza muestral
Ejemplo: calcule la desviación estándar y la varianza del conjunto de puntajes dados, si
se considera como una muestra en la siguiente disposición: 1, 2, 4, 6, 8, 9

X   ∑ 𝑋 30 2
1 1 𝑋= = =5 ; 𝑋 = 25
𝑛 6
2 4
4 16   2
∑ 𝑋 − 𝑛 𝑋2 = 202 6(25)
66
88
99
36
36
64
64
81
81
𝑠=
√ 𝑛−1 𝑛−1 √ −
6−1 6−1
=√ 40.4−30=¿ √ 10.4=3.22

 
 Desviación estándar y varianza de datos agrupados en frecuencia simple

; ; ;

;
Ejemplo: calcule la desviación estándar y la varianza, de la siguiente distribución de
frecuencias simple, considerada como una población.

X f fX f  
1 1 1 1
2 2 4 8
3 2 6 18
4 5 20 80
5 3 15 75   2
∑ 𝑓𝑋
6
7
 
2
1
N=16
12
7
72
49
𝜎=
𝑁√ 2
−𝜇 =
303
16 √
−16.48=√ 2.46=1.57

 
  Desviación estándar y varianza de datos agrupados
; ; ;
 
;
 
 Ejemplo: la siguiente tabla de distribución de frecuencias de datos agrupados, corresponden
al tiempo en horas que 80 estudiantes dedicaron a actividades en sus horas libres durante
una semana en la USAP. Calcular la desviación estándar y la varianza de la distribución, si los
datos corresponden a una muestra.
X f Xm f (Xm)
10 - 14 8 12 96 1152  
15 - 19 28 17 476 8092
20 - 24 27 22 594 13068
25 - 29 12 27 324 8748
  2
30 - 34 5 32 160 5120 𝑋 =425.39
  n = 80  

  2
2
∑𝑓 ( 𝑋𝑚 )
𝑠=

𝑓
√ 𝑋𝑚 2
𝑛 −1
2
−
𝑛𝑋
𝑛 −1
=
√ 36180
80 − 1
−¿ ¿ ¿

 
2
𝑠 =
∑ ( )
−
𝑛𝑋
=
36180
−¿ ¿
𝑛 −1 𝑛− 1 80 − 1
 Teorema de Chebyshev
Ya se ha insistido en el hecho de que una desviación estándar pequeña de un conjunto de
valores indica que éstos se localizan cerca de la media. Por lo contrario, una desviación
grande revela que las observaciones se encuentran muy dispersas con respecto a la media.
El matemático ruso P. L. Chebyshev (1821-1894) estableció un teorema que nos permite
determinar la mínima porción de valores que se encuentran a cierta cantidad de desviaciones
estándares de la media. Por ejemplo, de acuerdo con el teorema de Chebyshev, por lo
menos tres de cuatro valores, o 75%, deben encontrarse entre la media más dos
desviaciones estándares y la media menos dos desviaciones estándares. Esta relación se
cumple con independencia de la forma de la distribución. Además, por lo menos ocho de los
nueve valores, 88.9%, se encontrarán más de tres desviaciones estándares y menos tres
desviaciones estándares de la media. Por lo menos 24 de 25 valores, o 96%, se encontrará
entre más y menos cinco desviaciones estándares de la media.
 El teorema de Chebyshev establece lo siguiente:

TEOREMA DE CHEBYSHEV En cualquier conjunto de observaciones (muestra o

población), la proporción de valores que se encuentran a k desviaciones estándares de
la media es de por lo menos siendo k cualquier constante mayor que 1.
 
Ejemplo: La media aritmética de la suma quincenal que aportan los empleados de
Dupree Saint al plan de reparto de utilidades de la compañía es de $51.54 y la
desviación estándar, de $7.51. ¿Por lo menos qué porcentaje de las aportaciones se
encuentra en más 3.5 desviaciones estándares y menos 3.5 desviaciones de la media?
 
Alrededor de 92%, que se determina de la siguiente manera:
 
Probabilidad clásica y distribuciones de probabilidad
 
Estudio de los conceptos de la probabilidad
 
A la estadística descriptiva le concierne el resumen de datos recogidos de eventos pasados.
Ahora se presenta la segunda faceta de la estadística, a saber, el cálculo de la probabilidad
de que algo ocurra en el futuro. Esta faceta de la estadística recibe el nombre de inferencia
estadística o estadística inferencial.
 
La inferencia estadística se relaciona con las conclusiones relacionadas con una población
sobre la base de una muestra que se toma de ella.
Dada la incertidumbre existente en la toma de decisiones, es importante que se evalúen
científicamente todos los riesgos implicados. La teoría de la probabilidad, a menudo
conocida como la ciencia de la incertidumbre, resulta útil para hacer esta evaluación. Su
aplicación permite a quien toma decisiones y posee información limitada analizar los riesgos
y reducir al mínimo el riesgo que existe, por ejemplo, al lanzar al mercado un nuevo producto
o aceptar un envío que quizá contenga partes defectuosas.
 
¿Qué es la probabilidad?: En general la probabilidad es la posibilidad de que algo ocurra.
 
PROBABILIDAD: Valor entre cero y uno, inclusive, que describe la posibilidad relativa
(oportunidad o casualidad) de que ocurra un evento.
Es común que una probabilidad sea expresada en forma decimal, No obstante, también se da
en forma de fracción.
 
Cuanto más próxima se encuentre una probabilidad a 0, más improbable es que el evento
suceda. Cuanto más próxima se encuentre la probabilidad a 1, más seguro es que suceda.
 
En el estudio de la probabilidad se utilizan tres palabras clave: experimento, resultado y
evento. Dichos términos son empleados en el lenguaje de la vida cotidiana, pero en
estadística adquieren significados específicos.
 
EXPERIMENTO: Proceso que induce a que ocurra una y sólo una de varias posibles
observaciones.
 
RESULTADO: Resultado particular de un experimento.
 
EVENTO: Conjunto de uno o más resultados de un experimento.
 
Enfoques para asignar probabilidades
 
Conviene analizar dos perspectivas para asignar probabilidades: los enfoques objetivo y
subjetivo. La probabilidad objetiva se subdivide en a) probabilidad clásica y b) probabilidad
empírica.
 
Probabilidad clásica
La probabilidad clásica parte del supuesto de que los resultados de un experimento son
igualmente posibles. De acuerdo con el punto de vista clásico, la probabilidad de un evento
que se está llevando a cabo se calcula dividiendo el número de resultados favorables entre el
número de posibles resultados
 El concepto de conjuntos mutuamente excluyentes se presentó en el estudio de las
 
distribuciones de frecuencias. Recordemos que creamos clases de tal manera que un evento
particular se incluyera en una sola de las clases y que no hubiera superposición entre ellas.
Por lo tanto, sólo uno de varios eventos puede presentarse en cierto momento.
 MUTUAMENTE EXCLUYENTE El hecho de que un evento se presente significa que ninguno
de los demás eventos puede ocurrir al mismo tiempo.
 
 
COLECTIVAMENTE EXHAUSTIVO Por lo menos uno de los eventos debe ocurrir cuando se
lleva a cabo un experimento.
 
Probabilidad empírica
La probabilidad empírica o frecuencia relativa, el segundo tipo de probabilidad, se basa
en
el número de veces que ocurre el evento como proporción del número de intentos conocidos.
 
En términos de una fórmula:
 
Probabilidad empírica
El enfoque empírico de la probabilidad se basa en la llamada ley de los grandes números. La
clave para determinar probabilidades de forma empírica consiste en que una mayor cantidad
de observaciones proporcionarán un cálculo más preciso de la probabilidad.
 
LEY DE LOS GRANDES NÚMEROS En una gran cantidad de intentos, la probabilidad
empírica de un evento se aproximará a su probabilidad real.
 
 El concepto empírico se ilustra con el siguiente ejemplo.
 
El 1 de febrero de 2003 explotó el transbordador espacial Columbia. Éste fue el segundo
desastre en 113 misiones espaciales de la NASA. Con base en esta información, ¿cuál es la
probabilidad de que una futura misión concluya con éxito?
 
Para simplificar, utilice letras o números. P representa a la probabilidad y, en este caso, P(A)
representa la probabilidad de que una futura misión concluya con éxito.
 

 
Este resultado sirve como aproximación de la probabilidad. En otras palabras, por experiencia,
la probabilidad de que una futura misión del transbordador espacial concluya con éxito es de
0.98. Qué es igual al 98%
 
Probabilidad subjetiva
Si se cuenta con poca o ninguna experiencia o información con la cual sustentar la
probabilidad, es posible aproximarla en forma subjetiva. En esencia, esto significa que un
individuo evalúa las opiniones e información disponibles y luego calcula o asigna la
probabilidad. Esta probabilidad se denomina adecuadamente probabilidad subjetiva.
 
CONCEPTO SUBJETIVO DE PROBABILIDAD Posibilidad (probabilidad) de un evento en
particular que asigna un individuo a partir de cualquier información que encuentre disponible.
PROBABILIDAD
 Probabilidad clásica:
Número de resultados favorables
Número total de posibles resultados
Ejemplo: ¿Cuál es la probabilidad de sacar un rey de una baraja de 52
cartas de juego?
Ejercicio: Una ruleta tiene inscritos los números del 1 al 20
encontrándose estos igualmente espaciados. Se le da vuelta y después
se detiene en forma aleatoria, en alguno de los números.

a) ¿Cuál es la probabilidad de que se detenga en el número 14?

b) ¿Cuál es la ´probabilidad de que se detenga en un numero par?

c) ¿Cuál es la probabilidad de que se detenga en el número 15 u otro más

grande?
 
 
 Reglas de probabilidad: Suma y Multiplicación

  R. 1: Las probabilidades son números reales que están en el intervalo es

decir
 
R.2: Si se tiene la certeza de que siempre ocurrirá un evento, su
probabilidad es 1, y si se tiene la certeza de que nunca ocurrirá, su
probabilidad es 0.

  R. 3: Si dos eventos son mutuamente excluyentes ( o sea que no pueden

ocurrir en el mismo tiempo, ), la probabilidad de que uno o el otro ocurra es
igual a la suma de sus probabilidades.
 R.4: La suma de las probabilidades de que ocurra un evento y de que no
ocurra es igual a 1
; = 1-
R. 5: Si entonces
 
Ejemplo: si C es el evento de que a las 9.30 a.m. un cierto medico este en su
consultorio y D es el evento de que este en el hospital; y . Determinar la
probabilidad de que: a) no esté en el consultorio; b) no esté en el hospital; c) no
esté en el consultorio ni en el hospital; d) que este en el hospital y en el
consultorio

 
probabilidad de no estar en el consultorio
 
  

probabilidad de no estar en el hospital.

 
 
c) probabilidad de no estar en el consultorio ni en el hospital
 
d)
 
 
Regla general de la adición para eventos que no son mutuamente excluyentes

 
 
EJEMPLO. La siguiente tabla muestra el resultado de entrevistas durante
una encuesta para estudiar las opiniones que tienen respecto al aborto
legalizado los residentes de cierta ciudad. Los datos están clasificados por
área de la ciudad.

Área A favor (F) En contra Indecisos(R Total

( Q) )

A 100 20 5 125
B 115 5 7 127
D 50 60 20 130
E 35 50 60 145
Total 300 135 92 527
 Si elige al azar una de las entrevistas de las 527, ¿Cuál es la probabilidad de
que el entrevistado
a) Estuviera a favor del aborto legalizado?
b) Estuviera indeciso?
c) Viviera en el área E?
d) En contra del aborto legalizado y viviera en el área B?
e) A favor del aborto legalizado ó que viviera en el área E?
f) Indecisos ó que viviera en el área B?
 Solución

 
b)
 
c)
 
d)
 
e)
 

 
f)
 

 
 
 
 Regla general de adición para eventos que no son mutuamente excluyentes

Si dos eventos no son mutuamente excluyentes, es posible que ambos se presenten al mismo
tiempo.
Ejemplo: Sacar un as o un 2 de diamante de una baraja de 52 cartas son eventos que pueden
presentarse juntos ya que puede aparecer uno u otro al momento de extraer una carta de la
baraja. En consecuencia, as o 2 de diamante son eventos no mutuamente excluyentes.
La R.3. de las probabilidades se debe ajustar para evitar conteo doble, es decir, se tiene que
reducir la probabilidad de obtener un as o un 2 de diamante en la posibilidad de que se puedan
obtener ambos eventos juntos. La ecuación correcta para la probabilidad de uno o más eventos
A, B que no son mutuamente excluyentes es:
 
 
Probabilidad de que ocurra el evento A o el B siendo no mutuamente excluyentes
Probabilidad de que ocurra el evento A
Probabilidad de que ocurra el evento B
Probabilidad de que ocurran A y B juntos
 Ejemplo: Los empleados de Lear han elegido a 5 de ellos para que los representen en el
consejo de administración. Los perfiles de los 5 elegidos son:
1. Hombre de 30 años de edad
2. Hombre de 32 años de edad
3. Mujer de 45 años de edad
4. Mujer de 20 años de edad
5. Hombre de 40 años de edad

  ¿Cuál es la probabilidad de que el vocero sea mujer o cuya edad este arriba de 35
años?
Solución:
A= evento de ser mujer
B= evento de ser mayor de 35 años
evento de ser mujer y mayor de 35 años
 
 
Ejercicio: Cada año se llevan a cabo exámenes físicos de rutina como parte de un programa de
servicios de salud para los empleados de General Concrete, Inc. Se descubrió que 8% de los
empleados requieren calzado ortopédico; 15% necesitan tratamiento dental mayor y 3% tanto
zapatos ortopédicos como tratamiento dental mayor.
a) ¿Cuál es la probabilidad de que un empleado elegido de forma aleatoria requiera zapatos
ortopédicos o tratamiento dental mayor?
  Probabilidad condicional
 
PROBABILIDAD CONDICIONAL Probabilidad de que un evento en particular ocurra, dado
que otro evento haya acontecido.
 
La probabilidad de A, dado B que se escribe , Es igual a la probabilidad de dividida entre
la probabilidad de B. siempre que la probabilidad de B no sea cero; es decir.
 
 
Ejemplo: Una organización investigadora en pro del consumidor, ha estudiado los servicios que
prestan 150 técnicos en reparación de aparatos electrónicos de cierta ciudad y se resumen en la
siguiente tabla.
  G. Buen servicio G* Servicio deficiente Total

F. Capacitado en fábrica 48 16 64

F* No capacitado en fábrica 24 62 86

Total 72 78 150

Si se selecciona un técnico al azar. Describir las probabilidades de escoger

a) Un técnico que brinde buen servicio
b) Un técnico que esté capacitado en fábrica
c) Un técnico que ofrezca buen servicio y que esté capacitado en fábrica
 
  Solución
  c)

  𝐺 48
𝑃 ( )
𝐹
=
64
=0.75
Regla de multiplicación y tablas de contingencia
Cuando empleamos las reglas de la adición en la sección anterior, determinamos la
probabilidad de combinar dos eventos. En esta sección estimará la probabilidad de que la
ocurrencia de dos eventos sea simultánea.
Para determinar la probabilidad de dos eventos que se presentan simultáneamente emplee la
regla de la multiplicación. Hay dos reglas de la multiplicación, la regla especial y la regla
general.
 
Regla especial de la multiplicación La regla especial de la multiplicación requiere que dos
eventos, A y B, sean independientes, y lo son si el hecho de que uno ocurra no altera la
probabilidad de que el otro suceda.
 
INDEPENDENCIA Si un evento ocurre, no tiene ningún efecto sobre la probabilidad de que
otro evento acontezca.
 
 
¿
 Ejemplo: La probabilidad de aprobar Métodos Estadísticos, Matemáticas o ambas son
respectivamente
¿Cuál es la probabilidad de aprobar Métodos estadísticos dado que apruebe matemáticas?
¿Son eventos independientes?
 
Solución
 

 
Como son eventos independientes
 
 REGLA ESPECIAL DE LA MULTIPLICACIÓN P(A y B) P(A)P(B)
 
REGLA GENERAL DE LA MULTIPLICACIÓN P(A y B) P(A)P(B/A)
 
 
Ejemplo: Por experiencia, Teton Tire sabe que la probabilidad de que una llanta XB-70 rinda
60 000 millas antes de que quede lisa o falle es de 0.95. A cualquier llanta que no dure las 60
000 millas se le hacen arreglos. Usted adquiere cuatro llantas XB-70. ¿Cuál es la probabilidad de
que las cuatro llantas tengan una duración de 60 000 millas?
 
Solución:
 
P(A y B y C ) P(A)P(B)P(C)
 
TABLA DE CONTINGENCIAS Tabla que se utiliza para clasificar observaciones de una
muestra, de acuerdo con dos o más características identificables.
 
 
Ejemplo: Se entrevistó a una muestra de ejecutivos respecto de su lealtad a la compañía. Una
de las preguntas fue: Si otra compañía le hace una oferta igual o le ofrece un puesto un poco
mejor del que tiene ahora, ¿permanecería con la compañía o aceptaría el otro puesto? A partir
de las respuestas de los 200 ejecutivos que participaron en la encuesta se hizo una
clasificación cruzada según el tiempo de servicio en la compañía.
Lealtad Menos de 1 año 1 a 5 años 6 a 10 años Más de 10 años Total

Permanecería, 10 30 5 75 120

No Permanecería, 25 15 10 30 80

  35 45 15 105 200

 ¿Cuál es la probabilidad de seleccionar al azar a un ejecutivo leal a la compañía —que

permanecería en ella— y cuál de ellos tiene más de 10 años de servicio?
 
Para despejar la probabilidad de elegir al azar un ejecutivo que permanezca en la compañía y
que tenga más de 10 años de servicio, usando la regla general de la multiplicación.
 

 
 Para determinar la probabilidad de elegir un ejecutivo que permanezca o que tenga menos de
1 año de experiencia, aplique la regla general de la adición.
 

 
Ejercicio: calcular las siguientes probabilidades.
a) De seleccionar a un ejecutivo con más de 10 años de servicio.
b) De seleccionar a un ejecutivo que no permanezca en la compañía, dado que cuenta con
más de 10 años de servicio.
c) De seleccionar a un ejecutivo con más de 10 años de servicio o a uno que no permanezca
en la compañía.