Guiast 16

GUIA PRCTICA DE EJERC. BSICOS y ORIENTACIONES de ESTADSTICA FCE-U.B.A. 1C 2016. Prof. Ada B.
Castegnaro
ESTADISTICA I CD. 248PROFESOR: AIDA BEATRIZ CASTEGNARO

SEDE PATERNAL - F.C.E. de la U.B.A.
CURSO 248-24 LU., MI.Y JU 9 a 11 hs - AULA : 33, 39 y 33
CURSO 248-26 LU., MI.Y JU 11 a 13 hs AULA: 22
CONTENIDOS DE ESTA GUA
1. CONTENIDOS DEL CURSO
2. GUIA PRCTICA Y ORIENTACIONES TERICAS
3. ETICA EN LA ESTADISTICA
4. ESTADISTICA CON EXCEL
5. ALFABETO GRIEGO
6. NORMAS IRAM
7. TABLAS BSICAS ESTADSTICAS PARA EL CURSO
8. PROGRAMA OFICIAL DE LA ASIGNATURA
9. BIBLIOGRAFIA UTILIZADA
FECHA DE LOS EXAMENES

1. PARCIALES: 1Parcial: ______________
2 Parcial: _______________
2. RECUPERATORIO: _______________________
3. FINAL: ___________________
DATOS DEL ALUMNO: N DE REGISTRO: _______________E-MAIL:______________________________@_______
pp((xx)) nxnx ..ppxx..qqnnxx
x
ee
x
p
(
x
)
p( x)
xx!!
..
pp((rr))

RR
rr
NNRR
nnrr
NN
nn
F ( z)
1 12 z 2
.e dz
2
GUIA PRCTICA DE EJERC. BSICOS y ORIENTACIONES de ESTADSTICA FCE-U.B.A. 1C 2016. Prof. Ada B. Castegnaro
CRONOGRAMA DEL CURSO

Semana
Fecha
TEMAS
0
1
Ju. 17/03
Lu 21/03
Mi.23/03
Ju. 24/03
Lu. 28/03
Mi. 30/03
Ju. 31/03
Lu.28/03
Mi. 30/03
Ju. 31/03
Lu. 04/04
Mi. 6/04
Ju. 7/04
Lu. 11/04
Mi. 13/04
Ju. 14/04
Lu. 18/04
Mi. 20/04
Ju. 21/04
PRESENTACION DEL CURSO MATERIALES Y FECHA DE PARCIALES.

ESTADISTICA DESCRIPTIVA DATOS SUELTOS
ESTADISTICA DESCRIPTIVA - DATOS AGRUPADOS.
FERIADO
ESTADISTICA DESCRIPTIVA - MEDIDAS DE ORDEN SUPERIOR
TCHEBYCHEV APLICACIONES DE LA DESVIACION ESTANDAR
4
5
10
11
12
13
14
15
15
Lu. 25/04
Mi. 27/04
JU. 28/04
Lu. 02/05
Mi. 04/05
JU. 05/05
Lu. 9/05
Mi. 11/05
Ju. 12/05
Lu. 16/05
Mi. 18/05
Ju. 19/05
Lu. 23/05
Mi. 25/05
Ju 26/05
Lu. 30/05
Mi. 01/06
Ju. 02/06
Lu. 06/06
Mi. 08/06
Ju. 9/06
Lu. 13/06
Mi.15/06
Ju. 16/06
Lu. 20/06
Mi. 22/06
Ju. 23/06
Lu. 27/06
ESTADISTICA DESCRIPTIVA : DATOS BIVARIADOS

COVARIANZA Y CORRELACIN
PROBABILIDAD
PROBABILIDAD
TEOREMA DE BAYES
VARIABLES ALEATORIAS
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
VARIABLE ALEATORIA CONTINUA : DISTRIBUCIONES DE PROBABILIDAD
VARIABLE ALEATORIA CONTINUA : DISTRIBUCIONES DE PROBABILIDAD
APROXIMACIONES DE LAS DISTRIBUCIONES DE PROBABILIDAD Y AUTODIAGNOSTICO

PRIMER PARCIAL
(SEMANA DE REMANENTES) DISTRIBUCIN DEL MUESTREO Y TCL
INFERENCIA ESTADISTICA: ESTIMACIN
ESTIMACIN PUNTUAL Y POR INTERVALOS de CONFIANZA
DE LA MEDIA , DE LA PROPORCIN, DE LA VARIANZA Y DEL DESVIO POBLACIONAL
TEST DE HIPOTESIS
FERIADO
TEST DE HIPOTESIS
TEST DE HIPOTESIS REGRESIN LINEAL Y CORRELACION
REGRESIN LINEAL Y CORRELACIN
SERIES CRONOLOGICAS
2 PARCIAL
FERIADO: NOTAS DEL 2 PARCIAL EN LA WEB RESOLUCIN DEL PARCIAL EN LA WEB
REVISIN DE PARCIAL- SERIES CRONOLOGICAS
RECUPERATORIO
FERIADO
NOTAS DEL RECUPERATORIO RESOLUCIN DEL RECUPERATORIO SERIES
CRONOLOGICAS
FINAL
16
Mi. 29/06
CIERRE DE CURSO Y NOTAS FINALES

POR SER SEMANA DE LIBRES Y REMANENTES NO SE PUEDEN TOMAR EXAMENES
SERIES CRONOLOGICAS NUMEROS INDICES
NOTAS DEL FINAL
ORGANIZACIN DE ESTA GUIA

El cronograma del curso responder al orden establecido de los temas que se encuentran consignados en
el punto siguiente titulado CONTENIDO DE NUESTRO CURSO DE ESTADISTICA y en los que
se referencia las pginas en donde se ubica el material de enseanza.
Se han utilizado imgenes referenciales para ir guiando la presente gua con propsitos didcticos,
Contenido Terico
Actividad: EJERCICIOS DE APLICACIN
Actividad: AUTODIAGNSTICO
Importante la consideracin sobre algn punto o tema
Consideraciones sobre tica en la estadstica
Excel en Estadstica
RECOMENDACIONES PARA EL CURSO:

APROBAR O NO APROBAR: Depende de cunto preparado est: El paso a
paso, es un aspecto fundamental en el aprendizaje de los temas estadsticos, los que
debern ser comprendidos y asimilados secuencialmente. No subestime los contenidos
iniciales porque permiten comprensiones futuras.
CONTENIDO DE NUESTRO CURSO DE ESTADISTICA

I - ANALISIS DE DATOS UNIDAD TEMTICA Nro.5 del Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los elementos necesarios para lograr un anlisis descriptivo objetivo de los datos
representativos de situaciones que se presentan en las aplicaciones.
Contenidos de prcticas para desarrollar:
DATOS UNIVARIADOS
RECOLECCIN DE DATOS.
ESTADISTICA DESCRIPTIVA
DATOS SUELTOS
DATOS AGRUPADOS
USOS DE LA DESVIACION Y T.de TCHEBYCHEV.
DATOS BIVARIADOS
COVARIANZA
CORRELACIN.
REPASO.
II TEORIA DE LA PROBABILIDAD UNIDAD TEMTICA Nro.1 del Programa N 3496/13
Objetivos del Aprendizaje: Introducir la nocin de aleatoriedad como resultado del conocimiento incompleto de los fenmenos
fcticos y de la probabilidad como medida de dicha aleatoriedad.
PROBABILIDAD ENFOQUES..
CLCULO DE PROBABILIDADES.
III VARIABLES ALEATORIAS UNIDAD TEMTICA Nro.2 del Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos que permitan el anlisis de las variables involucradas en los
problemas econmico, sus caractersticas, sus medidas y sus relaciones.
VARIABLES ALEATORIAS.
IV DISTRIBUCIONES BSICAS DE PROBABILIDADUNIDAD TEMTICA Nro.3 del
Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos que permitan estudiar el comportamiento probabilstico de las
variables relacionadas con la toma de decisiones.
DISTRIBUCIONES DE PROBABILIDAD
AUTODIAGNSTICO..
V LOS INTERVALOS DE CONFIABILIDAD UNIDAD TEMTICA Nro.6 del Programa N
3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos para comprender las nociones de muestra aleatoria, parmetro
poblacional, estimador puntual, estimacin puntual y por intervalo.
TEOREMA CENTRAL DEL LMITE.

DISTRIBUCIN DEL MUESTREO DE LA MEDIA MUESTRAL
ESTIMACIN PUNTUAL
ESTIMACIN POR INTERVALOS
VI LOS TESTS DE HIPTESIS -UNIDAD TEMTICA Nro.7 del Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos necesarios para tomar decisiones en condiciones de incertidumbre
y medir los posibles errores asociados con esta situacin.
TEST DE HIPTESIS
VII LOS NMEROS INDICE DE PRECIOS Y CANTIDADES UNIDAD TEMTICA Nro. 9

del Programa N 3496/13
3
Objetivos del Aprendizaje: Proporcionar los conocimientos necesarios para la construccin, el anlisis y la utilizacin de
nmeros ndices de precios y cantidades
NUMEROS INDICES
VIII LA CORRELACIN Y LOS MODELOS DE REGRESIN LINEALUNIDAD TEMTICA
Nro.10 del Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos para analizar el grado de relacin entre variables observables y.
explicar el comportamiento de una variable a partir de dicha relacin con otras variables de su entorno econmico.
REGRESIN LINEAL Y CORRELACIN

IX LAS SERIES CRONOLGICAS UNIDAD TEMTICA Nro.8 del Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos necesarios para el anlisis temporal clsico fundado en la
descomposicin de los fenmenos econmicos dinmicos en los factores tendencia-ciclo y estacionalidad.
SERIES CRONOLGICAS.....
REFERENCIAS BIBLIOGRFICAS..
ETICA Y ESTADISTICA.
ALFABETO GRIEGO...
NORMAS IRAM
TABLAS ESTADSTICAS....
NOTA IMPORTANTE
CIERTOS CONTENIDOS Y LOS EJERCICIOS ESCOGIDOS DE LA BIBLIOGRAFA CITADA EN
ESTA GUA (VER REFERENCIAS BIBLIOGRAFICAS) HAN SIDO REPRODUCIDOS EN LA
PRESENTE GUA
ASIMISMO, ALGUNOS CONCEPTOS TERICOS HAN SIDO EXTRACTADOS DE SU LIBRO
ORIGEN (Kurincic, Emma L. de Prez , Levin Balderas, del Valle y otros.)
MI RECONOCIMIENTO
Se agradece toda la colaboracin al PROF. ACTUARIO FLIX FRANCO quien fuera mi Profesor en
mi poca de estudios en la carrera de Ciencias Econmicas y quien me brindara colaboracin a
posteriori y muchsimo material de lectura y de apoyo didctico para el curso junto a largas charlas ,
lo que me ha dado un crecimiento en la materia, como as tambin se agradece al Prof. Act. Juan
Ramn Garnica Hervas por todo su apoyo, confianza, recomendaciones y material brindado .
A todos los alumnos con quienes compartiendo cursos e inquietudes seguimos mejorando esta gua
para beneficios de la comunidad educativa.
Para los profesionales de Ciencias Econmicas, La matemtica aislada, carece de sentido. Necesitamos
experimentarla en la realidad, justificarla como una necesidad para analizar e interpretar los hechos.
Como matemtica aplicada a problemticas especiales, para comprender la realidad, le damos sentido
a lo que enseamos y el porqu lo enseamos.
DIAGRAMA DE LA PRESENTACIN DE LOS CONTENIDOS
PRESENTACIN Y
DESCRIPCIN DE LA
INFORMACIN
TEORA DE LAS
PROBABILIDADES
OBTENCIN DE
CONCLUSIONES ACERCA
DE POBLACIONES
BASADAS SLO EN
INFORMACIN DE UNA
MUESTRA
Probabilidad: Tipos
Recoleccin de Datos
ELABORACIN DE
PRONSTICOS
CONFIABLES DE LAS
VARIABLES DE INTERS
Distribucione de
muestreo
Variables Aleatorias
Presentacin de Datos
en Tablas y Grficos
Distribuciones de
Probabilidad Discretas
Estimacin de
Intervalo de Confianza
Regresin Lineal
Simple
Distribucin Normal
Medidas Descriptivas
Cuantitativas o
Numricas
Otras Distribuciones
Continuas
Prueba de Hiptesis
Fuente: Berenson, Levine y Krehbiel Estadistica para Administracin 4ta. Edicin
MAPA PARA SELECCIONAR UN MTODO ESTADSTICO
TIPO DE DATOS
CUANTITATIVOS
CUALITATIVOS O
CATEGORICOS
TIPO DE ANLISIS
Descripcin de un
grupo o diversos
grupos
Arreglo ordenado,
Representacin grfica en
Diagrama de Tallo y hoja
Distribuc de frecuencias:
absoluta, relativa, porcentaje
Simple y Acumulada
Representacin grfica en
Histograma , Poligono de frec.
acumuladas (Ojiva) Poligono de
porcentaje acumulado
Medidas estadsticas:
Media aritm, geomtrica,moda,
mediana,cuantiles, rango, rango
intercuartilico, desviac. estnd
varianza, coefic. de variacin
Repres grfica:Caja y bigotes.
Tabla de resumen
Grfica de Barras
Grfica de Pastel
Diagrama de Pareto.
Tabla de resumen de
frecuencias
Inferencia de un
grupo
Estimacin del intervalo de

confianza para la media.
Prueba Z para la media
Prueba t para la media
Estim. de int. de confianza

para una proporcin
Prueba Z de hiptesis para
la proporcin.
Anlisis de relacin
entre dos variables
Diagrama de dispersin
Grfica de series de tiempo
Covarianza
Coeficiente de correlacin
Regresin lineal simple
Prueba t de correlacin
Tabla de contingencias
Grafica de barras agrupad
Prueba de Chi Cuadrada de
independencia
Comparacin de dos
grupos
Prueba Z para la diferencia

entre dos proporciones
Prueba de Chi Cuadrada
para la dif. entre dos prop.
Comparacin de ms
de dos grupos
Pruebas para la diferencia en

las medias de dos poblaciones
independientes
Prueba de Prueba F para la
diferencia entre dos varianzas
Anlisis de varianza de una va
Anlisis de la relacin
entre dos o ms
variables
Regresin mltiple
Prueba de Chi cuadrado

para la diferencia entre
ms de dos proporciones
I - ANALISIS DE DATOS UNIDAD TEMTICA Nro.5 del Programa N 3496/13

Objetivos del Aprendizaje: Proporcionar los elementos necesarios para lograr un anlisis descriptivo objetivo de los datos
representativos de situaciones que se presentan en las aplicaciones
DE
DATOS
ENCUESTAS
OBSERVACIN
EXPERIMENTACIN
ORGANIZACIN Y
PRESENTACIN
DE
DATOS
ETAPA 3
RECOLECCIN
ETAPA 2
ETAPA 1
ETAPAS
CARACTERIZACIN
DE DATOS
ANLISIS E
INTERPRETACIN
TABLAS
GRAFICAS
Fuentes Secundarias
FUENTE DE DATOS Objetivo: Cmo recoger los Datos

1
CARACTERISTICAS DE
LAS PREGUNTAS
CLARAS, ,
PREGUNTA
INCORRECTA
Ver Usted TV?
PORQUE ES
INCORRECTA
CONFUSA
PREGUNTA CORRECTA
Acostumbra Ud. ver TV diariamente?
VAGUEDAD
DE los trminos
Le gusta usted el deporte verlo en TV,

escucharlo en radio o prcticarlo? y de
qu deporte se trata?
PRECISAS Y
Le gusta a Ud. el deporte?
COMPRENSIBLES
Votar usted en las prximas, elecciones?

Es estable su empleo?
-Ha asistido recientemente al cine?

(que es reciente: 1 semana, 1 mes, )
Mltiples
significados:
caract. De la
temporalidad
qu es estable?
En las prximas elecciones para elegir

Presidentedel da .piensa ir a votar?
Es estable en su empleo, considerando
que tiene 1 ao o ms en el mismo?
-Ha trabajado desde joven?

2
BREVES (CONCISAS)
VOCABULARIO DIRECTO,
SIMPLE Y FAMILIAR PARA
LOS PARTICIPANTES
NO DEBEN INDUCIR A
RESPUESTAS
(PREGUNTAS INCMODAS)
. NO DEBEN INDUCIR A una

determinada RESPUESTA
(PREG. TENDENCIOSAS)
NO PUEDEN APOYARSE EN
INSTITUCIONES
PREG. Con
NEGACIONES:EVITARLAS
7
8
Evitar PREG. Racistas, sexistas

Con varias respuestas
PREG. Con jerga linguistica
PREG. Que se traslapan
1
0
PREG INCONGRUENTES
CON RELAC EN LAS OPC. DE
RESP.
1
1
PREG. con trminos EN OTRO

IDIOMA
qu es reciente
qu edad es
joven?
Durante las ltimas 2 semanas ha ido Ud.

al cine?
Como Ud. sabe el prximo . sern las

inscripciones a las materias virtuales, nueva
modalidad de distancia en nuestra FCE piensa
Ud. acudir a la inscripcin de materias virtuales
para el segundo cuatrimestre de este ao?
pernocta Ud. cerca de la Facultad?
DEMASIADAS
PALABRAS
-A partir de que edad empez a trabajar?

En las prximas inscripciones del
2Cuatrimestre a cursos virtuales piensa
inscribirse?
Vocabulario
no familiar
Vive cerca de la Facultad a menos de 10

cuadras?
Acostumbra a ingerir algn tipo de bebida?
Incomoda la
verdad de la
respuesta
Son los trabajadores argentinos poco

productivos?
Tendenciosa
Algunos de sus amigos acostumbran

consumir algn tipo de bebida
alcohlica?
Y luego, preguntar
Cul es su tipo de bebida favorita?
Qu tan productivos son los trabajadores
argentinos? Sumamente productivos- Ms
bien productivos-Ms bien
improductivos- Sumamente
improductivos.
Suele tener tiempo para leer el diario? Y
luego: Con qu frecuencia?
Considera beneficioso la entrega de
computadoras para la educacin en un
plan de ayuda?
Considera que la mayora de las mujeres
prefieren estar en sus casas?
Acostumbra a leer el diario?

El Gobierno Nacional entreg planes conectar
porque considera que beneficia a una mejor
educacin Considera Ud. que es beneficioso?
Considera que la mayora de las mujeres que
estn casadas preferira no trabajar?
Tendenciosa.
NEGACION
Los estudiantes no deben portar telfonos

celulares encendidos mientras estn en clase?
Los estudiantes deben o no portar

celulares encendidos en la clase?
Qu onda con el curso de Estadistica?
Qu tan satisfecho se encuentra Ud. en

el curso de estadstica?
Cul es su edad?
18-19
20-21
22-23
En quemedida est usted satisfecho con
el curso?
Sumamente satisfecho
Mas bin satisfecho
Cul es su edad?
18-19
19-20
20-21
En qumedida est usted satisfecho con el
curso?
Muy poco importante
Poco importante
Medianamente importante
Importante
Muy importante
Qu efectos tiene en la empresa el
Se yuxtaponen
los valores
APLICACIONES TORICAS DE ANALISIS DE DATOS

ETAPA 1) FUENTE DE DATOS:
Objetivo: Identificar la fuente de Datos, para ello indique Cules de los siguientes procedimientos
ser considerado Experimento Encuesta o Estudio Observacional u Observacin Directa
Experimento Encuesta
un sondeo poltico de intenciones de voto individuales en las
prximas elecciones
Clientes de un centro comercial que sern entrevistados acerca del
motivo por el cual compran all en Unicentro.
Comparacin de dos mtodos para comercializar una pliza anual de
seguro mediante la aplicacin de cada mtodo en reas geogrficas
comparables.
8
Evaluacin de dos conjuntos diferentes de instrucciones de armado

de un juguete haciendo que dos grupos comparables de nios lo
armen siguiendo las distintas instrucciones.
Envo a los suscriptores de una revista de evaluacin de productos de
un cuestionario para la calificacin de los productos que han
adquirido recientemente
Comparacin de los resultados de un nuevo mtodo de capacitacin
para comercializacin de pasajes areos por venta telefnica con el
mtodo tradicional.
ETAPA 2 : PRESENTACIN Y CARACTERIZACIN DE DATOS

La presentacin y caracterizacin depende del tipo de dato que puede suministrarme el estudio de la
variable de inters.
De all la importancia de conocer los NIVELES DE MEDICION de los datos, los que segn dicho nivel
me suministra mayor tratamiento cuantitativo para caracterizar el objeto de estudio.
NIVELES DE MEDICIN
En los siguientes tipos de NIVELES, complete el siguiente esquema segn se trate de

variables categricas y cuantitativas: discretas o continuas. Puede usar los distintos ejemplos que se
presentan para ubicarlos en el grfico
Niveles de los datos
ESCALAS DE MEDICIN
NOMINAL
ORDINAL
de INTERVALOS
Concepto Clasificatorio
Concepto Comparativo
Concepto Mtrico
Caractersticas:
Ejemplos:
de RAZNPROPORCIONAL
Concepto Mtrico
Caractersticas:
Caractersticas:
Ejemplos:
Caractersticas:
Ejemplos:
Ejemplos:
Exprese el nivel de medicin para cada dato que responde a la variable

a) El nmero de unidades de un artculo en existencia........
b) El peso del contenido de un paquete de cereal................
c) El estado civil de las personas.......
d) El nmero de artculos defectuosos producidos...............
e) El nmero de individuos de un rea geogrfica que reciben beneficios de desempleo..................
9
f) El grado de satisfaccin con relacin a la programacin de cable (Muy Satisfactorio

Satisfactorio/Poco Satisfactorio/Malo) ..........
g) nmero promedio de clientes contactados por representante de ventas durante el mes.............
h) Total facturado en las ventas en $ de una determinada mercadera...............
i) El barrio de nacimiento de un grupo considerado.......................
j) La razn de activos circulantes contra pasivos circulantes.......
k) El tonelaje total embarcado en el despacho N 140 a Londres......
l) La cantidad embarcada, en unidades en el despacho 140 a Londres.....
m) El volumen de trfico en una autopista......................................
n) La asistencia de los miembros de la Asamblea Anual Extraordinaria......
o) La asignacin de estrellas de la hotelera en un determinado sitio
p) Algo ms para diferenciar entre NIVEL DE INTERVALOS O NIVEL DE RAZN:
Si una magnitud se la puede clasificar en

1. EXTENSIVA O ADITIVA: si tiene sentido la operacin aritmtica de adicin.
2. INTENSIVA cuando la magnitud no es extensiva
Entonces p.1) clasifique en magnitud intensiva o extensiva
- El Volumen de las piletas de natacin.
- El Peso de las cajas de cereal
- El permetro en cada parcela vendida..
- La superficie de cada lote construido..
- La temperatura en la ciudad de Mar del Plata.
p.2) Complete en funcin a la clasificacin realizada del punto p.1) lo siguiente:
los conceptos mtricos extensivos dan lugar a las ESCALAS de MEDICIN
DE .. y los conceptos mtricos intensivos dan lugar a las ESCALAS DE
MEDICIN DE .
10
ETAPA 3
DATOS DISCRETOSORGANIZACIN, PRESENTACIN y DESCRIPCIN DE LOS DATOS SIN AGRUPAR
EJERCICIOS DE APLICACIN de TRATAMIENTO DE LA INFORMACIN

EN DISTRIB. DE FRECUENCIAS - REPRESENTACIONES GRFICAS Y CLCULO DE MEDIDAS
1) De la encuesta a 20 alumnos estudiantes ingresantes, uno de los registros ha sido la cantidad de
materias aprobadas de cada uno de ellos. Los resultados han sido:
3
3
1.1)
Cantidad de materias aprobadas por alumno del Curso de Marketing-Ctedra 2Fuente: Encuestas realizadas al cierre del semestre 2013 el ltimo da de clase.
4
1
3
4
5
1
3
4
3
4
2
2
1
5
2
3
3
2
Defina la Variable en Estudio y Organice los datos y especifique los valores en una Tabla de
distribucin
1.2) Grafique los resultados de las Frecuencias absolutas simples en un grfico de bastones.
1.3) Grafique los resultados de las Frecuencias absolutas acumuladas en un grfico escalonado.
1.4) En una tabla complete la distribuc. de frecuencias relativas de la variable N de materias aprobadas
1.5) Determine el porcentaje de alumnos que tienen:
a. exactamente 2 materias aprobadas
b. a lo sumo 2 materias aprobadas
c. al menos 2 materias aprobadas
Rta.: a) 0,20 b) 0,35 y c) 0,85
2) El gerente de personal determin que los 19 empleados de la Planta de Ezeiza han faltado en el trmino
de un ao el siguiente nmero de das.
5,10,10,8,10,17,12,8,16,6,15,6,5,7,10,6,16,5 y 8
2.1 Defina la Variable de inters para el estudio. Qu puede concluir o interpretar con estos datos?
2.2. Calcule la media aritmtica, geomtrica, la moda y la mediana
Rta:
2.3. Calcule la amplitud de la variacin, la desviacin media
Media
9,47368421
2.4. Calcule la varianza, el desvo estndar y el coeficiente de Error tpico
0,9188361
variabilidad
Mediana
8
La devolucin de los valores En Excel

La devolucin de los valores En SPSS
Moda
Desviacin estndar
Varianza de la muestra
Rango
Mnimo
Mximo
10
4,00511369
16,0409357
12
5
17
11
3) Cuando el gerente de personal decide hacer el relevamiento completo de la empresa, le falta incluir a la
Planta de Ezeiza las ausencias de la Planta Matriz ubicada en San Isidro conformada por 31 empleados. Por
lo tanto, recogido los datos, en esta Planta Matriz las ausencias han sido:
1,1,5,8,9,11,12,16,14,15,11,12,5,8,4,9,23,12,20,21,21,22,23,24,2,1,9,6,20,31,15
3.1) Presente e interprete un resumen de las medidas estadsticas.
3.2) Grafique en un diagrama de tallos y hojas las ausencias en c/u de las plantas. Qu observa?
3.3) Compare resultados.
12,6129032
3.2) Grafique en un diagrama de caja y bigotes las ausencias en cada Media
12
una de las plantas y las ausencias de la empresa en forma global una Mediana
Moda
1
-9
12
vez haya aprendido acerca de este A.E.D. Interprete su grfica
7,92749401
Rta. Desviacin estndar
Varianza de la
muestra
Rango
Mnimo
Mximo
62,8451613
30
1
31
TRATAMIENTO CUANTITATIVO
MEDIDAS DESCRIPTIVAS O MEDIDAS ESTADISTICAS
Una descripcin informativa de cualquier conjunto de datos est dada por la frecuencia de repeticin u arreglo
distribucional de las observaciones en el conjunto.
El nmero de observaciones en una clase recibe el nombre de frecuencia absoluta de esa clase. Tambin resulta
interesante y funcional para determinadas medidas estadsticas trabajar con frecuencia acumulada u ojiva.
A partir de una organizacin por tablas y una presentacin por grficos se puede descubrir patrones de distribucin
ocultos en el conjunto de datos. Adems se pueden caracterizar a travs de las medidas numricas que describen
la poblacin en estudio.
Existen dos medidas numricas de inters para cualquier conjunto de datos: la localizacin de su centro y su
variabilidad
Por ende, las medidas numricas descriptivas se pueden clasificar en:
MEDIDAS DE TENDENCIA CENTRAL: son los valores de variable que se ubican en la zona de la escala donde
se encuentra la mayor concentracin de frecuencias. Es decir habla de la disposicin del conjunto de datos
para agruparse ya sea alrededor del centro o de ciertos valores numricos
Pueden ser:
Medidas de Posicin no toman en cuenta los valores de la variable de estudio sino su posicin
Medidas Promedio
toman en cuenta todos los valores de la variable de estudio a los que se les
aplica operadores algebraicos.
MEDIDAS DE VARIABILIDAD: es la dispersin de las observaciones en el conjunto de datos
12
MEDIDAS DE DEFORMACIN: comparan una serie de frecuencias con una distribucin normal estndar.
CUADRO RESUMEN DE MEDIDAS EN DATOS SIN AGRUPAR DISCRETOS
Complete el cuadro con las medidas estadsticas
MEDIDAS
PROMEDIO Y DE POSICIN
SUBCLASIFICADAS en las MEDIDAS ESTAD.
TENDENCIA CENTRAL
Media
OTRAS MEDIDAS DE
T.CENTRAL Y
MEDIDAS DE FORMA
VARIABILIDAD
Mediana
Primer Cuartil
Rango
Varianza
Rango
Intercuartlico
Asimetra
Segundo Cuartil
Tercer Cuartil
Kurtosis
Percentiles
Aritmtica
Desvo estndar
Desvo tpico
Dispersin
Geomtrica
Modo
Desvo medio
Coeficiente de
Variabilidad
MEDIDAS DE POSICIN BASADAS EN EL ORDEN

PARA DATOS SUELTOS DATOS DISCRETOSIntegre el cuadro para DATOS DISCRETOS
Denominacin
Notacin
Se aplica cuando el conjunto
de datos se divide (en partes
iguales) en
Paso 1) Dado los DATOS SIN
AGRUPAR: se ORDENAN
Paso 2) Se halla el
Orden
o
Posicin del cuantil
Obj.: Permite luego hallar en
Algunos Cuantiles
Mediana
Cuartil
me
Qk
me =
Qk =
Decil
Dk
Dk =
Percentil
Pk
Pk =
esa posicin u orden el valor del

cuantil. Para ello, primero debe
estar la serie ordenada en forma
creciente
13
Paso 3) En el orden hallado De la serie de los datos ordenados de menor a mayor, se selecciona aquel
se busca el Valor del cuantil que le corresponde a la posicin del cuantil.
Ayuda la distribucin de frecuencias. (Tabla)
PROPIEDADES DE LA MEDIA Y DE LA VARIANZA
Complete el siguiente cuadro con las propiedades de media y varianza.
Cuadro de Propiedades
MEDIA
VARIANZA
Notacin
Notacin
Caractersticas
Caractersticas
m (c)
VAR(c)
m (c + X)
VAR (c + X)
m (c - X)
VAR (c - X)
m (c . X)
VAR (c . X)
X
m
c
m(X + Y)
X
VAR
c
VAR(X + Y)
ANLISIS EXPLORATORIO DE DATOS (A.E.D.)

DIAGRAMA DE CAJA DENOMINADO RESUMEN DE LOS CINCO NMEROS
*
*
Los cinco nmeros son:
Xm
menor valor
Q1
Primer Cuartil
Q3
Tercer Cuartil
me
Mediana
XM
Mayor valor
El AE.D. permite detectar obervaciones atpicas que son datos inconsistentes con el resto de los
otros datos. Son los datos extremos, pero para considerarse inusuales debe verificarse que estn
fuera de los lmites Inferior y Superior.
Se identifica un dato extremo como:
Aquel valor < que : Q1 - 1,5 veces la amplitud intercuartlica
Aquel valor > que: Q3 +1,5 veces la amplitud intercuartlica
14
RESUMEN
DE LOS
CINCO NMEROS
Q1
Me
Q3
Primer Cuartil
Mediana
Tercer Cuartil
Xm
menor valor
XM
Mayor valor
R.I.C.
Rango Intercuartlico
Dispersin media
Li = Q1 1,5 R.I.C.
Ls
Q1 + 1,5 R.I.C.
1)
Complete
en el cuadro Comparativo del resumen de los cinco nmeros que describe
el tipo de distribucin de datos, cules de los signos corresponde
COMPARACIN
Tipo de distribucin de datos

ASIMTRICA A LA
IZQUIERDA
SIMTRICA
ASIMTRICA
A LA DERECHA
La distancia de
Xm a me Xm a me
Contra
la distancia de
me a XM
>=
Xm a me
>= <
<
(Tachar los
correspondan)
signos que no
(Tachar los signos que no

correspondan)
Xm a me
>= <
correspondan)
me a XM
me a XM
me a XM
Xm a Q1
Xm a Q1
Xm a Q1
>= <
>= <
La distancia de
Xm a Q1
Contra
la distancia de
Q3 a XM

correspondan)
La distancia de

correspondan)
>= <
correspondan)
Q3 a XM
Q3 a XM
Q3 a XM
Q1 a me
Q1 a me
Q1 a me
Q1 a me
Contra
la distancia de
me a Q3
>= <
>= <

correspondan)

correspondan)
me a Q3
me a Q3
>= <
correspondan)
me a Q3
15
2) Deber integrar, algunas conclusiones , tachando lo que no corresponda:

Cunto ms esparcidos estn los datos
Son
> =
<
Rango
R.I.C
Varianza
Cunto ms concentrados u homogneos estn los datos
> =
Son
<
Desvo
Si todos los Xi son = (no hay variacin de los datos)

RECUERDE que:
NINGUNA MEDIDA DE VARIACIN (Rango, RIC, VAR, DESVIO) ES MENOR A CERO
3) Complete con los elementos que se consignan la REPRESENTACION GRFICA
O EL RESUMEN DE LOS 5 NMEROS EN UN DIAGRAMA DE CAJA (BOXPLOT)
1) Integre segn la grfica de caja y bigote la ubicacin de
Xm: menor valor
XM: mayor valor
Q1 : Primer Cuartil
El resumen de los cinco nmeros
Q3 : Tercer Cuartil
permite determinar la FORMA
me: Mediana de forma tal que la distribucin de datos tiene FORMA SIMTRICA de la distribucin de los datos
Li: Lmite inferior
Ls: Lmite superior
* : Datos u observaciones inusuales o atpicas
2)
Integre segn la grfica de caja y bigote la ubicacin de

Xm: menor valor
XM: mayor valor
Q1 : Primer Cuartil
El resumen de los cinco nmeros
Q3 : Tercer Cuartil
permite determinar la FORMA
me: Mediana de forma tal que la distribucin de datos tiene FORMA ASIMTRICA de la distribucin de los datos
Li: Limite inferior
Ls: Limite superior
*
*
3) Integre segn la grfica de caja y bigote la ubicacin de

Xm: menor valor
XM: mayor valor
16
Q1 : Primer Cuartil
nmeros
Q3 : Tercer Cuartil
FORMA
me: Mediana de forma tal que la distribucin de datos tiene FORMA ASIMTRICA
Li: Limite inferior
Ls: Limite superior
El resumen de los cinco

permite determinar la
de la distribucin de los datos
*
*
4) PROMEDIO VS MEDIDAS DE POSICIN

PROMEDIO: Para calcular un promedio se debe utilizar todos los valores de una serie de datos
MEDIDAS DE POSICIN: No utiliza todos los valores de una serie de datos. Su resultado
depende de la posicin que ocupa dentro de la distribucin de datos.
Identifique con una cruz y justifique cules de las siguientes medidas son promedios o
son de posicin?
PROMEDIO
POSICIN
Justificacin
Media
Mediana
Modo
Primer cuartil
Decimo Decil
Tercer Cuartil
Rango
Semirango (Xmax - Xmin )/2
RIC (Rango Intercuartilico)
Varianza
Desvio Medio
Desvio estndar o tpico
Todos los momentos
EJERCICIOS DE APLICACIN de ANALISIS DE DATOS SUELTOS
MEDIDAS PROMEDIO Y DE POSICIN EN DATOS SUELTOS. MEDIA ARITMTICA Y
GEOMTRICA.
1) Las tasas de rentabilidad de los inmuebles han sido del 4%, 6%, 8%, 10% y 11% en los ltimos cinco meses.
Determine: a) la media aritmtica y b) el factor de expansin o crecimiento acumulado. c) el factor de expansin
o crecimiento medio y d) la media geomtrica.
Rta: 0,078 en tanto por uno- 7,8% b. 1,4537 c. 1,0777 d. 0,0777 -en tanto por uno- 7,32%
2) El nmero de habitantes en Pueblo Chico ha registrado la siguiente evolucin demogrfica: 10.000 a fines de
2005; 10500 a fines de 2006; 12600 a fines del 2007 y 18900 a fines del 2008. Halle:
17
a. la tasa de crecimiento anual (para cada uno de los aos) b.el factor de expansin demogrfico acumulado
c. el factor de expansin demogrfico medio d. la tasa de crecimiento promedio anual
Rta: a) 0,05; 020 y 0,50 - en tanto por uno- b) 1,89 c) 1,23638559 d) 0,23638559
3) La poblacin de bacterias en un cultivo creci de 1000 a 4000 en el lapso de tres das. Determine cul fue el
crecimiento promedio diario en tanto por ciento
Rta. 58,7%
4) Los salarios mensuales de cuatro empleados del Sector Cobranzas son $ 1650, $ 1500: $ 1.600 y $ 4.000. Halle:
la media aritmtica, la mediana y la moda
Rta: m=2187,50; me= 1625 y mo= no existe.
5) De los 80 operarios de la empresa Cable sur 60 cobran $ 14 la hora y el resto $ 26 la hora. Cunto cobran en
promedio por hora? Justifique el resultado
Rta: $17
6) Calcule la tasa media resultante de una inversin de $ 100.000 que al cabo de un ao genera un valor final de
$ 50.000 y al cabo de 2 aos de $ 100.000.
Rta.: 0
7) Un informe presenta la siguiente tabla referida al crecimiento en el gasto por gestin en deudores
2008
2009
2010
2011
2012
2013
2014
morosos con respecto al
periodo anterior, de la Ca.
11%
9%
7,5%
8%
9,5%
10,8%
12%
Johnston. Halle: a)El
incremento porcentual acumulado del gasto por gestin de deudores morosos durante el perodo informado
2008-2014 b) Cul es la tasa de incremento porcentual para el 2015, si se espera que se produzca un
incremento medio al informado.
8) Un capital depositado por $ 10.000 en una cuenta ha devengado las siguientes tasas de inters del 7%el primer
ao, 8% el 2 ao, 10% el 3 ao, 12% el 4 ao y l8% el 5 ao, generando un valor final de $ 16.800. Determine
el factor medio de crecimiento anual y la tasa de crecimiento anual en %- .
Rta: 1,109 y la tasa de crecimiento anual del 10,9%
9) La tienda MacPrice tiene un aviso que dice Si nuestros precios promedio no son iguales o menores que los
de otros, Ud. se lo lleva gratis. Usted va a la tienda un da y pone sobre el mostrador las facturas de venta de 6
artculos comprados al competidor por un precio promedio menor que la tienda MacPrice.
Artculos
A
B
C
D
E
F
Los artculos costaron
12,90
29,7
34,90
50
75
109,50
Los precios de MacPrice
13,50
28,90
31,90
49,80
75,90
115
Supongamos que la tienda le dice que se trata de precios promedios ponderados por sus ventas las que han
sido para cada uno de los productos las siguientes:
Artculos
A
B
C
D
E
F
Cantidad vendida
12
Qu comentarios le merece la informacin presentada?

Rta: media(MacPrice)= 54,16; media (Competencia)= 52;
media ponderada (MacPrice) = 43,02
10) En el conjunto de datos X: nmero de reclamos de liquidaciones de sueldos- conformado por X = 1, 5, 7 , 9,

12 y 14. Halle la mediana y el modo
Rta: me= 8 mo= no tiene
18
ORGANIZACIN, PRESENTACIN y DESCRIPCIN

DE LOS DATOS CONTINUOS AGRUPADOS EN DISTRIBUCIN DE FRECUENCIAS Y
REPRESENTACIONES GRFICAS Y CLCULO DE MEDIDAS ESTADSTICAS
EJERCICIO DE APLICACIN de MEDIDAS ESTADISTICAS EN DATOS AGRUPADOS

POR INTERVALOS DE CLASE DATOS CONTINUOS1) La cuanta de las cuotas que cobra mensualmente una compaa en concepto de Prstamos lnea
Personales a reintegrar en 24 mensualidades, iguales y consecutivas han sido las siguientes:
CUANTAS MENSUALES en concepto de cuota cobrada por prstamos personales.
900
500
450
1900
1200
1250
2500
550
1650
1200
1000
550
950
600
750
1300
850
350
1400
700
300
1100
300
1600
1500
1000
1800
900
500
650
2000
1000
2000
450
750
850
600
3000
350
1500
1.1)
1.2)
1.3)
Cmo puede organizar los datos?

Cul es la cantidad de intervalos de clase que tomara?
Calcule las medidas que surgen de la distribucin de frecuencias e interprtelas. Adems,
grafique el histograma y la distribucin de frecuencias acumulada
- el rango
- la mediana
- el modo - la media aritmtica
- el desvo medio
-la varianza
- el desvo estndar
- el coeficiente de variacin o dispersin relativa
-el coeficiente de asimetra
- el coeficiente de kurtosis
Importe de
cuotas en $
Intervalos de
clase
Fronteras
de clase
Inclusin Izq.
[ ; )
Marca
de clase
-Punto
medio-
fi
Fa
i=1,2h
Xi
Otro camino con Variable modificada Reduciendo los clculos. Especifique el valor de c=
X*i
; w=
fi
19
RESUMEN DE LOS VALORES SEGN LOS INTERVALOS DE CLASE Y AMPLITUD
Rta:
Para
h= 5 ; w= 541
VALORES ORIGINALES
media
1123,025
Para
h= 6 ; w=451
VALORES ORIGINALES
media
1041,15
Para
h= 7 ; w=386
VALORES ORIGINALES
media
1080,65
Para
h= 8 ; w=338
VALORES ORIGINALES
media
1075,40
Varianza
Varianza
Varianza
Varianza
358351,30
320865,08
357497,28
372435,44
Desvo
598,62
C.V.
53,30%
Coef. de Asimet1,05784457
Coef.de Kurtosis
0,52018758
Desvo
566,45
C.V.
54,41%
Coef.de Kurtosis
0,65861297
Desvo
597,91
C.V.
55,33%
Coef.de Kurtosis
0,27659763
Desvo
610,27
C.V.
56,75%
Coef.de Kurtosis
0,43513117
VALORES CODIFICADOS
media codif
-0,975
VALORES CODIFICADOS
media codif
-0,850
VALORES CODIFICADOS
media codif
-1,475
VALORES CODIFICADOS
media codif
-1,200
Varianza codif
Varianza codif
Varianza codif
Varianza codif
1,224375
Desvo codif.
1,106515
Coef.de Kurtosis
0,52018758
1,577500
Desvo codif.
1,255986
Coef.de Kurtosis
0,65861297
2,399375
Desvo codif.
1,548992
Coef.de Kurtosis
0,27659763
3,260000
Desvo codif.
1,805547
Coef.de Kurtosis
0,43513117
DATOS DE LA VARIABLE Xi TRANSFORMADOS EN VARIABLES CODIFICADAS Xi*

VARIABLE DE CLCULO
Xi *
es
-
Una transformacin afin deeslos valores observados Xi

No representa magnitud
Sus valores son ENTEROS
Cada valor incrementa unitariamente
Implica hacer 1 un cambio de origen y tambin un cambio de escala
( ) = (
=
( ) = (
( ) = ( ) + ( )
1
, ( ) = ( ) ( )
1
= ( )
( ) = 2 ( ) + 0
1
( ) = 2 ( )
( ) = ( ) .
= despejo
. +
/___________/___________/___________/___________/
Xi enValores Originales
/____________/___________/___________/___________/___________/___________/
Xi - C
CAMBIO DE ORIGEN
/_/_/_/_/_/_/_/_/
-4- 3-2 -1 0 1 2 3 4
CAMBIO DE ESCALA
20
Seguimos con JERCICIOS DE APLICACIN de MEDIDAS ESTADISTICAS EN DATOS

AGRUPADOS POR INTERVALOS DE CLASE DATOS CONTINUOS-
2) En la Municipalidad de Tierra Chica estn preocupados por la velocidad en que los

conductores manejan un tramo de la ruta. Los datos de velocidad de 45 conductores son los siguientes:
15
32
45
46
42
39
68
47
18
31
48
49
56
52
39
48
69
61
44
42
38
52
55
58
62
58
48
56
58
48
47
52
37
64
29
55
38
29
62
49
69
18
61
55
49
2.1) Use dichos datos para elaborar distribuciones de frecuencias absolutas y relativas con 5 y 11
intervalos iguales.
2.2) Sabiendo que el Departamento de Transporte informa que, a nivel nacional, no ms del 10% de
los conductores exceden 55 km/hora.Los conductores que pasan por Tierra Chica se comportan de
acuerdo con las afirmaciones del informe del Depto. de Transporte acerca de los patrones de manejo?
Li
Ls
xi
fi
Fa
i=1,2h
SUMAS
Li
Ls
xi
fi
Fa
i=1,2h
SUMAS
Respuesta:
a)Si tomamos 5 intervalos decimos que: 8 personas que representan el 17,78% del total son las que exceden 55 km por hora.
Si tomamos11 intervalos decimos que: 16 personas sobre 45, representan el 35,5% y son los que exceden 55 km por hora.
b) Podemos usar el nmero de intervalos que querramos, pero 11 intervalos dan una respuesta ms precisa aunque al tener un
intervalo vaco podramos reconsiderar para que no queden celdas vacas y bajar el nmero de intervalos
c) El 66,67% es el porcentaje de conductores que manejan a una velocidad entre 36 y 59 kms por hora.
21
3) Dada la siguiente informacin se pide, paso

previo a las mediciones la organizacin de datos y
su representacin grfica (Fte.Brufman; J)
3.1) Construir una serie de frecuencias de amplitud
w=1 (1 intervalo de clase 5,0 6,0)
3.2) Represente grficamente la serie mediante
histograma y polgono de frecuencias
3.3) Represente
grficamente
las
frecuencias
acumuladas
3.4) Halle - la media aritmtica
-la mediana
-el modo
- el primer cuartil
- el segundo cuartil
- el tercer cuartil.
-el rango intercuartlico
Li
xi
Ls
fi
Fa
i=1,2h
SUMAS
Valores Originales
Respuesta:
Para
Fuente: Brufman, Juana
Valores Codificados
h= 6 ; w=1
media
8,333
mediana
8,417
Varianza
modo
Desvo
C.V.
1,853
8,571
1,361
0,163
Para
h= 6 ; w=1
media codif
-0,167
Varianza codif
1,853
Desvo codif.
1,361
Coef. de Asimet-0,207
Coef. de Asimet
-0,207
Coef.de Kurtosis-0,730
Coef.de Kurtosis
-0,730
4) Dada la siguiente informacin sobre distancia recorrida medida en km en valores originalesDistancia en km

Fronteras de clase
0 - 1,99
2 - 3,99
4 - 5,99
6 - 7,99
8 - 9,99
Totales
xi
fi
Fi
i=1,2h
2
5
4
8
1
20
Se pide: 4.1) histograma 4.2) Grfico del polgono de frecuencias 4.3) Grfico
de la frecuencias acumuladas 4.4) media, el modo y la mediana 4.5) Cuntas
personas recorren menos de 5,5 km 4.6) los cuartiles de 1 y 3 orden 4.7) la
varianza, el desvo estndar y el coefic de variabilidad
4.8) la forma de la
distribucin de los valores de la variable: Asimetra y la curtosis 4.9)Realice la
distribucin de frecuencias utilizando Variable modificada Xi*
Para
h= 5
; w =2
media
Varianza
Desvo
C.V.
Para
h= 5
w =2
5,10
media codif
0,050
4,99
Varianza codif
1,248
2,234
Desvo codif.
1,12
43,80%
Coef. de Asimet-0,313812
Coef. de Asimet -0,313812
Coef.de Kurtosis
-0,996004
Coef.de Kurtosis-0,996004
mediana=1Cuartil
5,5
modo
6,73
1 Cuartil
3,20
3 Cuartil
7,00
P(20)
2,80
22
Tabla de Distribucin de Frecuencias con Valores Codificados
Distancia en km
Fronteras de clase
0 - 1,99
2 - 3,99
4 - 6,99
6 - 7,99
8 - 9,99
Totales
X*i
fi
i=1,2h
2
5
4
8
1
20
5) Se conoce la siguiente informacin de salarios anuales en miles de $ de una empresa.

Salario anual
-miles de $-
Cant. de
empleados
250-259,99
260-269,99
270-279,99
280-289,99
290-299,99
300-309,99
310-319,99
Totales
8
10
16
14
10
5
2
Se pide los clculos y la interpretacin de sus valores estadsticos hallados:

Lmite inferior de la 6 clase
Rta: 300
Lmite superior de la 4 clase
Rta: 289,99
Las frecuencias del 3 intervalo de clase
Rta: 16
El % empleados que cobran menos de $ 280 miles anuales
Rta: 52,3%
Complete en el Cuadro las Frecuencias relativas de cada clase
y la frecuencia acumulada absoluta
Cul es el intervalo de clase con mxima frecuencia Rta: 3
El porcentaje de empleados que cobran menos de $ 300
pero al menos $ 260 miles anuales
Rta: 76,9%
Construir el histograma y luego el poligono de frecuencias
Construir el polgono de frecuencias acumuladas ojiva La media aritmtica; la media geomtrica, el salario modal
La mediana y el modo.
La varianza, el desvio standard, el coeficiente de variabilidad
La asimetra, la curtosis
El valor que deja por debajo, es decir que supera al 25% de los datos Q1 el segundo cuartil y
el valor que es superado por el 25% de los datos Q3 El percentil 75
23
6) Si el tiempo en que ha tardado determinada tarea es el que describe la variable Xi

Tiempo
xi
fi
Fa
i=1,2h
4-5
5-6
6-7
7-8
8-9
9-10
10-11
11-12
12-13
4,5
5,5
6,5
7,5
8,5
9,5
10,5
11,5
12,5
50
250
400
250
30
10
5
3
2
Determine:
a) Tiempo medio de fabricacin; b) Tiempo modal ; c) Tiempo mediano; d) Varianza; e)Desvo Standard
f) Coeficiente de simetra; g) coeficiente de curtosis ;
h) Complete con los valores codificados y calcule las medidas estadsticas
Tiempo
4-5
5-6
6-7
7-8
8-9
9-10
10-11
11-12
12-13
xi
4,5
5,5
6,5
7,5
8,5
9,5
10,5
11,5
12,5
X*i
fi
50
250
400
250
30
10
5
3
2
Rta:
7) A
Para
h= 9 ; w=1
VARIABLE ORIGINAL
VARIABLE CODIFICADA
media aritm
6,537
mediana
6,5
Varianza
1,135631
moda
6,5
Desvo
1,06565989
C.V.
0,16301972
Coef.de Kurtosis
3,32978601
media codif
Varianza codif
-1,963
1,135631
Desvo codif. 1,06565989

Coef.de Kurtosis
3,32978601
partir de los siguientes datos de una serie

= ,
= ; = ;
Calcule la varianza, el desvo y el coeficiente de variacin.

Rta: 8,25 ; 2,87;
52,18%
24
CUADRO RESUMEN DE MEDIDAS EN DATOS CONTINUOS

- AGRUPADOS EN INTERVALOS DE CLASE-
ACTIVIDAD: Complete el cuadro con las frmulas resultantes
MEDIDAS
CLASIFICADAS
EN
DE
DE
TENDENCIA
CENTRAL
Mediana
Media
OTRAS MEDIDAS
VARIABILIDAD
Modo
Varianza
Rango
Desvio Estandar
Rango
Intercuartilico
Desvio Medio
CUANTILES
FRACTILES
FORMA
Primer Cuartil
Segundo Cuartil
Tercer Cuartil
ASIMETRIA
Quintiles
Deciles
Percentiles
CURTOSIS
Coeficiente de
Variabilidad
MOMENTOS EMPRICOS
Los momentos se definen a travs de medias aritmticas.
Los podemos clasificar en:
MOMENTOS NATURALES a los que se les denomina tambin ABSOLUTOS
MOMENTOS CENTRADOS
MOMENTOS NATURALES: momentos definidos a travs de medias aritmticas de potencias de

la variable
MOMENTOS CENTRADOS: momentos definidos a travs de medias aritmticas de potencias de
los desvos de la variable.
25
Algunas aplicaciones:
-
Definicin de la varianza por diferencia de momentos

Determinacin de las medidas de asimetra y curtosis de la distribucin a partir de los
momentos
CUADRO RESUMEN
MOMENTOS
EMPRICOS
son
Operadores matemticos
Obtenidos a partir
de los
Valores observados de la variable
se calculan como
MOMENTO
EMPIRICO
ABSOLUTO
DE
ORDEN k
MOMENTO
EMPRICO
CENTRADO
DE
ORDEN k
El promedio aritmtico
de la potencia k-sima
de los
valores
individuales
observados
de la
variable
Xi
mak =
La notacin convencional:
mk : momento absoluto de orden k
1) Complete:
desvos de c/u de los

valores
individuales
observados
de la
variable
Xi
respecto a la media
aritmtica
mck =
k momento centrado de orden k
ma1 =
mc1 =
ma2 =
mc2 =
ma3 =
mc3 =
ma4 =
mc4 =
26
2) Exprese los momentos centrados de orden 2,3 y 4 en funcin a los momentos absolutos
Rta:
mc3 = ma3 3 . ma1 . ma2 + 2 . ma13

mc4 = ma4 - 4 . ma1 . ma3 + 6 . ma12 . ma2 - 3 . ma14
ALGUNAS MEDIDAS DE POSICIN BASADAS EN EL ORDEN

PARA DATOS CONTINUOS AGRUPADOS EN INTERVALOS DE CLASE
Complete el cuadro con las medidas y relacionelas con las resultantes para DATOS DISCRETOS
Notacin
Si el conjunto de datos se
divide (en partes iguales)
en
DATOS AGRUPADOS
Valor del cuantil
Algunos Cuantiles
Mediana
Cuartil
me
Qk
mek =
Qk=
Decil
Dk
Dk =
Percentil
Pk
Pk=
En donde:
N=
Li =
k=
Fi =
Fa =
EXCEL EN ESTADSTICA
Los estadsticos descriptivos se pueden calcular a travs de planillas
de clculo como Excel. Para ello, primero es
necesario habilitar el menu de Estadstica.
HABILITACIN DEL MEN DE ESTADSTICA
1) Hacer click con el botn izquierdo del mousse en la solapa Archivo
Cuando se abre el abanico: Seleccionar la ltima que dice Opciones
Al hacer click en Opciones se abren otras posibilidades: Ingresar
haciendo click en Complementos.
Dentro de Complementos:Ir al final de todo
donde dice Administrar complemento de Excel
Hacer click en Ir a Administrar Complemento de Excel.
27
Tildar donde dice Herramientas para anlisis. Ya se

encuentra listo su Excel con los complementos
habilitados para poder utilizar el tratamiento cuantitativo
de los datos volcados en una planilla de clculo.
UTILIZACIN DEL MENU ESTADISTICA

Ingresados los datos en la planilla de calculo mediante a eleccion del menu:
Herramientas / analisis de dato / estadistica descriptive
Ingresar los datos en la caja

de dialogo y luego
mediante la eleccin dentro
de la SOLAPA DATOS
que
dice
Estadstica
Descriptiva tal como se ve
en la figura se puede
acceder
al tratamiento
cuantitativo de los datos
obteniendo un resumen de
las medidas estadsticas, el
dato extremo inferior y superior para determinar el rango
Las medidas estadsticas que se obtienen son:
28
INTERPRETACIN Y USOS DE LA DESVIACIN ESTANDAR (Fuente Lind)

1)
TEOREMA DE TCHEBYSHEV (1821-1894)
Para un conjunto cualquiera de observaciones (muestra o poblacin), independientemente de cmo se

distribuyen las observaciones
La proporcin mnima de los valores que se encuentran
Dentro de k desviaciones estndar desde la media
Es por lo menos 1 12
k
Donde k es una constante mayor que 1

2) REGLA EMPIRICA 68-95-99,7
En una distribucin de frecuencias simtrica, con forma de campana

Aproximadamente
El 68% de las observaciones
estarn
Entre + 1 y - 1 desviacin estndar desde la media
El 95% de las observaciones
estarn
Entre +2 y -2 desviaciones estndar desde la media
El 99,7% de las observaciones
estarn
Entre +3 y -3 desviaciones estndar desde la media
En conclusin:
Porcentaje de valores encontrados en intervalos alrededor de la
media
Intervalo
(-;+)
Tchebychev
(para toda la distribucin)
Al menos 0%
Regla Emprica
(Distribucin campanular)
Aprximadamente 68%
( - 2 ; +2 )
Al menos 75%
Aprximadamente 95%
( - 3 ; +3 )
Al menos 88,89%
Aprximadamente 99,7%
EJERCICIOS DE APLICACIN de APLICACIONES DE DESVIACIN ESTANDAR
1) El ingreso semanal medio de un grupo de observaciones muestrales es de $ 500; la desviacin estndar es de $

40. De acuerdo con el teorema deTchebyshev al menos que porcentaje de ingresos semanales se encontrar
entre $ 400 y $ 600?
Rta: Entre 2,5 en ms y en menos de la media el 84% de los datos.
29
2) La distribucin de los pesos en una muestra de 1400 contenedores para carga sigue fundamentalmente una
distribucin normal. Con base en la regla emprica que porcentaje de los pesos se encontrarn entre la media y
dos desviaciones estndar
Rta:95%
3) Un auditor detecta que las cuentas a cobrar de la empresa tiene una media de $ 2.950 y desviacin tpica de $
630. A) Halle el intervalo en el que pueda garantizarse que se encuentra l 60% de estos valores. B) Halle un
intervalo en que pueda garantizarse que se encuentre el 80% de estos valores.
Rta.: a) 1954 y 3946 b)1541 y 4359
4) La cantidad ingresada a la AFIP por Impuesto a las Ganancias ao 2015 en miles-en los integrantes de toda una
empresa son las siguientes
Cantidad Ahorrada N empleados
$ 30 a $ 35
$35 a $ 40
$40 a $ 45
11
$ 45 a $ 50
22
$ 50 a $ 55
40
$55 a $ 60
24
$ 60 a $ 65
$65 a $ 70
Total
Calcule usando variable codificada: a) La varianza poblacional ;
b) desviacin estndar poblacional
c) Al menos que porcentaje de la cantidad ingresada se encuentra entre: c.1) ms y menos 3 desviaciones
estndar respecto de la media si no se conoce la distribucin de datos c.2) ms y menos de 1 desviaciones
estndar respecto de la media si no se conoce la distribucin de datos c.3) ms 1,5 desviaciones estndar
y menos de 1,5 desviaciones estndar respecto de la media si no se conoce la distribucin de datos d)
Aproximadamente entre que cantidades est el 92% de los ahorros ;e) Aproximadamente entre que
cantidades est el 68% de los ahorros ; f) Suponiendo que sigue una distribucin normal
. Entre qu cantidades est el 68% de la cantidad ingresada?
. Entre qu cantidades est casi la mayora de los datos de la cantidad ingresada?
Rta: a) Varianza Poblacional=55,96 $2; Desvo Poblac.= 7,48 c.1) 88,89% c.2) Se debe calcular para un valor k>1;
c.3) 55,55% entre $ 40,32 y$62,76 d)El 91,84% de los datos est a ms o menos 3,5 desvos de la media, es decir
entre $25,36 y $77,72 e) Entre 1,76 desvos en ms o menos de la media de $ 51,54 entre$ 38,38 y $ 64,70- , f.1)
a un desvo , f.2) a 1,76 desvos y f.3) a 3 desvos. F.4) el 99,99% de los datos est a 4 desvos de la media.
5) De acuerdo con el teorema de Tchebyshev al menos que porcentaje de cualquier conjunto de observaciones se
encontrar a no ms de 1,8 desviaciones estndar desde la media?
Rta: 69%
30
DATOS CUANTITATIVOS BIVARIADOS

MEDIDAS DE ASOCIACIN ENTRE DOS VARIABLES: COVARIANZA Y CORRELACION
Temas a comprender Diferencias entre Covarianza y Correlacin y su interpretacin para luego,

transferir los conocimientos a la unidad temtica de Anlisis de Regresin.
COVARIANZA: medida de asociacin o de la relacin lineal entre 2 variables llamadas variables bivariantes o
bivariados.
COVARIANZA:
Medida de relacin lineal entre 2 variables.
Medida descriptiva de asociacin lineal entre 2 variables.
, =
( ).( )
1
( ).( )
COV. MUESTRAL
, =
COV. POBLACIONAL
La COV. puede tener cualquier valor No se puede determinar la

fortaleza de la relacin
Indica el sentido de la relacin lineal entre dos variables. Es decir si
COV>0 Relacin lineal directa o creciente
COV=0 No existe Relacin lineal (X e Y son indep.)
COV<0 Relacin lineal inversa o decreciente
CORRELACIN: mide la relacin lineal. Es decir indica el sentido y grado de la relacin lineal entre 2 variables.
CORRELACIN:
CORRELACIN
Medida de relacin lineal entre 2 variables
que indica la
fortaleza relativa de la asociacin lineal entre 2 variables.
Indica sentido y grado de la relacin lineal entre 2 variables
,
,
, = . , = .
, ,
-1
Fuerte
, ,
Sus valores oscilan entre

1 , 1
Grado de correlacin (segn el valor hallado)
Moderada
Dbil
SIN CORREL.
Dbil
Moderada
1
Fuerte
Segn sean los valores hallados de correlacin lineal entre dos variables la representacin
grfica es similar a la siguiente.
31
EJERCICIOS DE APLICACIN de
COVARIANZA Y CORRELACIN del Producto Momento de Pearson
1)
Dada la siguiente informacin
edad
x
0
1
2
4
6
10
14
estatura en cm
y
56
74
92
104
116
140
159
Halle la covarianza; b) el desvo estndar de x c) el desvo estndar de y

2) Suponga esta tabla de valores
edad
x
0
1
2
4
6
10
14
estat en pulg
y
22
29
36
41
46
55
63
a) Halle la covarianza; b) el desvo estndar de x c) el desvo estndar de y d) el coefic. de correlacin

3)Compare los resultados obtenidos con la tabla anterior y Complete la lnea punteada) Qu conclusiones
extrae?................................. ..Otra utilidad que se encuentra en utilizar el
Coeficiente de Correlacin es
32
Johnson Kubby tambin encuentra una forma prctica para determinar el coeficiente de correlacin a
travs del trazado de un rectngulo que abarca todos los puntos del diagrama de dispersin y encuentra
que r 1
Qu opinin le merece dicha frmula en el marco de algn ejercicio?
4) Los siguientes datos representan las caloras y la grasa total que contienen las raciones de una delicatesen para
el caf o t que se vende en la diettica.
Producto
Caloras
Grasa total
1 Barra Nature Crops barra Premium (quinoa, frutillas y yogurt)
170
3,0 gramos
1 Barra de Arroz con Semillas (Amaranto, Chia y Sesamo) dulce leche
59
2,7 gramos
1 Galleta de arroz baada Lulemu tipo alfajor sabor chocolate
45
2,4 gramos
1 Chocolate sin azcar agregada con leche Georgalos como barra
142
10 gramos
1 Barrita de arroz yamani integral cubierta con chocolate genuino
66
3,1 gramos
1 Nestl Pop pochoclo acaramelado recubierto con bao repostera
97
4,3 gramos
1 Choco arroz original de dulce leche Gallo
119
6,1 gramos
a) Calcule la covarianza de la muestra
b) Calcule el coeficiente de correlacin.
c) Qu le parece de mayor utilidad para expresar la relacin que existe entre caloras y grasa: la covarianza
o el coeficiente de correlacin? Explique el porque
d) Qu conclusiones deduce acerca de la relacin entre caloras y grasa?
5)Busque informacin relacionado al relevamiento de datos que representen el valor de exportaciones e

importaciones de varios pases en el ao. Posteriormente, calcule la covarianza, el coeficiente de
correlacin e interprete ambos resultados.
REGLA PRCTICA:
Existe una relacin si ||
Recordar que Excel calcula siempre automticamente la Covarianza Poblacional.
Por lo tanto, si trabajo con una muestra puedo hacer COV. POBL . 1 = COV. MUESTRAL
CAUSALIDAD o SIMPLE CORRELACIN?
Las relaciones entre las variables se describen como tendencias, pero no como causa-efecto.
La sola correlacin no prueba la exigencia de un efecto de causalidad, es decir, que el cambio en el valor de una
variable caus el cambio de la otra variable.
Debemos recordar que una Correlacin Fuerte puede producirse tambin por:
a) Simple coincidencia: casualidad

b) Por el efecto de una tercer variable que no se tom en cuenta en el clculo
c) Por una relacin causa-efecto
CORRELACIONES FALSAS O ESPURIAS son aquellos casos en que la correlacin es fuerte, es decir que la medida
estadstica presenta una relacin fuerte entre dos variables pero que es casual. (Ej. Una correlacin fuerte entre
la variable: consumo de aspirinetas y la otra variable: consumo de manes.
Se debe afirmar que la CAUSALIDAD implica CORRELACIN, pero la sola Correlacin no implica Causalidad.
33
RESUMEN DE MEDIDAS NUMRICAS
Tipo de anlisis
Datos numricos
DESCRIBIR la
-tendencia central
Media, aritmtica, geomtrica. Mediana. Moda
-variacin
Cuantiles.
Rango, Rango Intercuartlico.
Varianza, Desviacin Estndar, Coeficiente de
Variacin.
-forma
Asimetra, Kurtosis
AED: Grfico de Caja y Bigotes.
Diagrama de Tallo y Hojas.
DESCRIBIR la relacin entre dos
Covarianza
variables numricas
Coeficiente de Correlacin
EXCEL EN ESTADSTICA
Ya habilitado el menu de Estadstica

Ingresar los datos en la caja de
dialogo y luego mediante la
eleccin dentro de la SOLAPA
DATOS
seleccionar
lafuncin COVARIANZA
Es donde aparece el siguiente
cuadro de dilogo
34
En rango de entrada se sombre la columna con los

valores asignados a la variable X e Y
En rango de salida se sombrea el espacio en donde se
espera obtener los valores de la funcin
Si se quiere que aparezca el nombre de cada variable se
sombrea ,pero se tilda la opcin Rtulo en la primera
fila para que no lo considere variable
o bien
se ingresa en la Opcin CORRELACIN
LA TICA EN LA ESTADSTICA
Por ser matemtica aplicada, cuando se resuelve un determinado problema a partir

de datos, se cubren dos etapas que aluden a dos tipos de tareas con relacin al
objeto de estudio,
PROCESAMIENTO DE LOS DATOS Tarea que comprende un ANLISIS
OBJETIVO. La objetividad apunta a realizar un tratamiento cuantitativo de los datos con
aquellas medidas numricas descriptivas ms apropiadas para lo que se est
estudiando.
Ej.: Si los datos presentan asimetra, debera usted reportar solo la media, cuando la
mediana es til?
INTERPRETACIN SUBJETIVA Dado que la interpretacin la realizan las personas,

depende desde la perspectiva de cmo ve el mundo, por tal razn: debera ser claro y
neutral en sus conclusiones.
TICA DEL DISCURSO en la ESTADISTICA Cuando deba exponer resultados de

trabajos realizados, deber documentar tanto los resultados buenos como los malos y
comunicar los mismos de forma imparcial, objetiva y neutral.
35
AUTODIAGNSTICO DE ESTADISTICA DESCRIPTIVA.

Marcar con una cruz la/s respuestas correctas a las siguientes expresiones:
1)
El modo es
- El valor de la variable con mxima probabilidad de ocurrencia
- El valor de la variable que divide a la distribucin en dos grupos con igual cantidad de observaciones cada uno
- El valor de la variable que se repite con mayor frecuencia
- Una medida de posicin y frecuencia
- Se grafica en el histograma de reas.
2) La desviacin estndar para el conjunto de valores de salarios de 3000, 3000,3000, 3000, 3000 y 3000 es
-3000
-0
-Ninguno de los valores anteriores
3) La media es aquella medida que
-divide los datos en dos mitades por comprender tanto el valor ms chico como el ms grande en el conjunto de
datos.
-Es considerada como el centro de gravedad de la masa
-La suma de todos los valores observados de la variable por su frecuencia simple absoluta
-La suma de todos los valores observados de la variable por su frecuencia relativa simple
-Resulta ser un valor comprendido entre el valor ms chico y el ms grande del conjunto de datos.
4) Las medidas de posicin, -exceptuando el modo-No consideran todos los valores de la variable en estudio.
-Se grafican en el polgono de frecuencias acumuladas
-Toman en cuenta todos los valores de la variable en estudio.
-Se grafican en el histograma de reas.
5) Una medida de tendencia central
-es un valor cuantitativo que describe cun dispersos se encuentran los datos alrededor de un valor central.
-es un valor cualitativo que permite ser graficado
-es un valor cuantitativo que localizan en algn sentido el centro de un conjunto de datos
-pueden ser medidas de posicin o promedios (o momentos)
-siempre toman todos los valores de la variable
6) La mediana es
-El valor de la variable que divide a la distribucin en dos grupos con igual cantidad de observaciones cada uno.
-El valor de la variable con mxima probabilidad de ocurrencia
-Una medida de tendencia central y de posicin
-El valor de la variable que se repite con mayor frecuencia.
7) Las medidas de variabilidad
-Permiten determinan la representatividad de la media poblacional en algunos casos
-Permiten medir el grado de concentracin o dispersin de los valores de la variable alrededor de un valor
central.
-Son el rango, el desvo y la media
-Miden el grado de variabilidad entre los valores de la variable en estudio y su valor central.
8) Para cualquier distribucin de datos, la suma de todas las desviaciones con respecto a su media
-es distinto de cero
-es el desvo medio
-es la varianza
-es igual a cero
36
9) La suma de los cuadrados de las desviaciones de los valores observados con respecto a la media
-a veces ser negativa.
-Es la varianza
-Es una medida de forma
-Siempre es positiva
10) La frecuencia de una clase
-Es el nmero de datos cuyos valores caen dentro de las fronteras de esa clase
-Es un elemento necesario para determinar el valor modal
-A veces es la misma en cada intervalo de clase
-No puede ser la misma en cada intervalo de clase
11) Las distribuciones de frecuencia
-se utilizan para presentar en una forma concisa grandes cantidades de valores repetitivos
-resultan convenientes en el caso de que el nmero de datos sea inferior a 20
-es un resumen tabular que muestra el dominio de una variable en intervalos
-no es ninguno de las anteriores
12) La desviacin media absoluta es
-La media de los valores absolutos de las desviaciones de los valores de la variable respecto de su media
-La suma de los valores absolutos de las desviaciones de los valores de la variable respecto de su media
-Una medida de dispersin como lo es el rango
-La suma de los mdulos de las desviaciones desde la media
13) Los momentos empricos son
-Operadores matemticos que se obtienen a partir de los valores observados de la variables
-Ponen de manifest caractersticas de la distribucin de frecuencias
-Denominados momentos centrados
-Ninguna de las anteriores
14) Un coeficiente de variabilidad bajo indica que
-La media es muy representativa de los valores que puede tomar la variable
-Los valores que toma la variable son homogneos
-Los valores que toma la variable son heterogneos
-El desvo es significativo con respecto a la media.
15) Un coeficiente de variabilidad alto indica que
-La media es poco representativa de los valores que puede tomar la variable
-Los valores que toma la variable son homogneos
-Los valores que toma la variable son heterogneos
-El desvo es significativo con respecto a la media.
-La media es muy representativa de los valores que puede tomar la variable
16) La varianza es el
-Momento centrado de orden 1
-Momento absoluto de orden 2
-La diferencia entre el momento centrado de orden 2 y el cuadrado del momento centrado de orden 1
-La diferencia entre el momento absoluto de orden 2 y el cuadrado del momento absoluto de orden 1
17) Las medidas de orden superior
-Permiten comparar una serie de frecuencias con una distribucin normal
-Son medidas de tendencia central
-Son medidas que permiten comparar la asimetra y la altura de una serie de frecuencias con una curva normal.
-Son medidas de posicin
37
18) Una curva mesocrtica

-Puede ser asimtrica, sesgada a la izquierda
-Puede ser asimtrica, positiva
-Tiene mayor altura que una normal
-Tiene menor altura que una normal
-Siempre es simtrica
19) Una curva asimtrica negativa
-Tiene modo mayor a la media
-Tiene modo menor a la media
-Presenta poca concentracin de valores bajos de la variable en estudio
-Presenta alta concentracin de valores bajos de la variable en estudio
20) El momento centrado de orden 3
-Es la varianza
-Se denomina usualmente asimetra
-Se denomina usualmente kurtosis
-Ninguno de los anteriores
21) El momento absoluto de orden 1
-Es la media
-Arroja el valor 1
-Es igual al momento centrado de orden 1
-Es el promedio aritmtico de los valores observados de la variable
38
II TEORIA DE LA PROBABILIDAD UNIDAD TEMTICA Nro.1 del Programa N 3496/13

Objetivos del Aprendizaje: Introducir la nocin de aleatoriedad como resultado del conocimiento incompleto de los fenmenos
fcticos y de la probabilidad como medida de dicha aleatoriedad.
La Estadstica es un mtodo de Toma de Decisiones ante la incertidumbre basada en la Teora

de las Probabilidad.
La Probabilidad es el lenguaje y es la medida de la incertidumbre y los riesgos asociados a ella.
PROBABILIDAD: Expresin cuantitativa del sentimiento de incertidumbre respecto del resultado de un
fenmeno. Se basa en que muchos fenmenos inciertos existen patrones a largo plazo.
Interpretacin del resultado de probabilidad

El valor numrico hallado NUNCA ASEGURA de lo que ocurrir en la prxima observacin, ensayo.
Pues el resultado da informacin de lo que ocurrir si se repite una y
otra vez ese ensayo en igual de condiciones y por lo tanto el resultado
hallado es el resultado a largo plazo, es el valor esperado a largo plazo.
P(x)
ENFOQUES DE PROBABILIDAD:
39
Actividad: Aplicacin Terica de PROBABILIDAD

Para cada situacin subraye que enfoque de probabilidad es ms til aplicar segn el caso.
a) Obtener el nmero 2 o el 3 en el lanzamiento de un dado Prob.Clsica Prob. Subj. Prob.Frecuenc.
b) Haya recesin econmica el prximo ao
Prob.Clsica Prob. Subj. Prob.Frecuenc.
c) Sea defectuosa una partida elegida aleatoriamente de las

20 partidas de un embarque que se sabe tiene partes
Defectuosas
d) Sea defectuosa una partida elegida aleatoriamente de un
Gran embarque en donde no existe informacin sobre el
Porcentaje de Defectuosos como para estimar Probabilid. Prob.Clsica Prob. Subj. Prob.Frecuenc.
e) Una persona elegida aleatoriamente de entre todas las
Personas que visitan una tienda de calzado realice una
Compra en esa tienda.
f)
Que para el prximo semestre incremente

MERVAL
el
ndice
g) Si sabe que en una poblacin de 50200 personas consideradas econmicamente activas, se detect segn la ltima
encuesta de Empleo y desempleo que 12.820 personas
estaban desocupadas y desea conocer si selecciona una perzona al azar de dicha poblacin, cul es la probabilidad de
que se encuentre desocupada
h) En una reunin empresarial, se realiza una encuesta con el
Objeto de conocer la opinin de los empresarios presentes
Acerca de cmo va a evolucionar la economa argentina en
El ao 2016? Y qu probabilidad cree usted que tiene el pas
de ingresar las marcas de celulares Iphone al pas para que
compitan en el mercado argentino?
ESPACIO MUESTRAL: conjunto de todos los resultados posibles. Lo denotamos como o bien
como U
Qu significa cuando se dice que todos los resultados posibles son mutuamente excluyentes y
colectivamente exhaustivos?...........................................................................................................................
Un experimento aleatorio o estocstico: es proceso y observacin. Se refiere a observaciones realizadas en las
cuales cualquier ACCIN O PROCESO tiene un resultado sujeto a incertidumbre.
40
APLICACIONES SOBRE PROBABILIDAD

1)
Halle el espacio muestral. Especifique si el conjunto es finito o infinito en los sig. casos:
a. Experimento 1: Lanzar al aire una moneda.
b. Experimento 2: Lanzar un dado
c. Experimento 3: Seleccionar al azar un alumno del curso y se registra el peso y la altura
Rtas:
a. Experimento 1: Lanzar al aire una moneda.
U=
{0; 1}
Es un conjunto finito
b. Experimento 2: Lanzar un dado
U=
{1; 2; 3; 4; 5; 6}
Es un conjunto finito
c. Experimento 3: Se selecciona al azar un alumno del curso y se registra el peso y la altura
U=
{ (x;y) R: x>0, y>0}
Es un conjunto infinito
2)De acuerdo a los resultados de cada experimento (Espacio Muestral) presentados se clasifican en:
DISCRETOS cuando los resultados son separables y contables

o Finito (si hay un nmero limitado de resultados)
o Infinito numerable(si hay un nmero ilimitado de resultados)
CONTINUO cuando los resultados no son separables y el nmero de resultados es infinito no numerableo
Se pide identifique en los 3 ejemplos del punto anterior el tipo de espacio muestral: discreto finito
o infinito-, continuo
CONTEO DE PUNTOS MUESTRALES
Teorema - PRINCIPIO FUNDAMENTAL DEL CONTEO
Si una operacin puede realizarse en n1 formas y si por c/u de estas una segunda
operacin puede llevarse a cabo en n2 formas, entonces las dos operaciones pueden
realizarse juntas en n1 n2 formas
APLICACIONES sobre CONTEO
Ej.1) Halle cuntos puntos muestrales hay en un espacio muestral cuando se lanza 3 dados una
sola vez.
Solucin: El 1er. Dado puede caer en cualquiera n1 =6 maneras, al igual que el 2do. dado y el 3er. Dado.
Por lo tanto la cantidad de puntos muestrales es n1 n2 n3 = (6). (6). (6) = 216
Ej. 2) Una inmobiliaria ofrece la posibilidad de seleccionar el estilo de Viviendas tipo: Casa, Dplex,
Departamentos, con una sola planta, dos plantas. De cuntas maneras posibles puede un comprador
ordenar una de estas viviendas?
Solucin: Dado que n1 = (3) y n2 = (2) Entonces, un comprador puede elegir entre n1 n2 = (3). (2) = 6
viviendas posibles
41
Otra forma de representarlo es con diagrama del rbol, cada nj = j ramas.

Ej. 3) Una Compaa de celulares ofrece las marcas Samsung, Nokia, Alkatel, Sony, BB, con
facturacin Plan 1, Plan 2, Plan 3 y Plan 4, que a su vez cada plan ofrece Internet o sin InternetDe
cuntas maneras posibles puede un cliente ordenar uno de estos celulares?
Solucin: Dado que n1 = (5) y n2 = (4) n3 = (2)
Entonces el nmero de formas diferentes en que un cliente puede ordenar un telfono celular es n1 n2 n3 =
(5). (4). (2) = 40
Ej. 4) Si en la metodologa de evaluacin en las materias de la F.C.E. de la UB.A. contempla: ausente
- promocionado regularizada insuficiente. Considerando que Ud. Se inscribe en 3 materias a)
Cul es el nmero de formas posibles de terminar el cuatrimestre? Y Construya el rbol con todas
las formas posibles. b) y si usted se inscribi en 4 materias cul es el nmero de formas. c)
considerando todo el plan de estudios con 33 materias de cuntas maneras posibles se pueden
concluir la carrera?
a) n1 n2 n3 = (4) 4).( 4) = 43 = 64
b) n1 n2 n3 n4 = (4) 4).( 4) .(4) = 44 =256
c) 433
pn : cantidad de formas de combinar n objetos conp opciones cada una.
PERMUTACIONES
FACTORIAL
1) En una carrera de 8 ciclistas Cuntos resultados distintos (ordenamientos) pueden darse?
n1 n2 n3 n4 n5 n6 n7 n8 = (8) . (7) . (6). (5) . (4) . (3) . (2) . (1)
8 7 6 5 4 3 2 1
n!= n . (n-1) . (n-2) 1

El factorial de n indica la cantidad de formas en que se ordenan n objetos. Se trata de
permutaciones de n objetos.
Cada ordenamiento diferente de un conjunto de objetos se denomina permutacin. En el caso de
que no nos interese el total de permutaciones de todos los n objetos sino el de permutaciones de
algn subconjunto de objetos podemos ver dos casos especficos:
Caso 1: nPr
Caso 2: nCr
CASO 1: nPr
2) Deloitte busca estudiantes de la carrera de actuario para ocupar 4 cargos distintos. Si de los avisos que
reciben los alumnos, se presentan 20 solicitudes de empleo. Cuntas posibilidades diferentes se dan,
suponiendo que todos pueden ser elegidos?
n1 n2 n3 n4 = (20). (19). (18). (17)
Rta: 116280
3) Cul es el nmero de maneras distintas que se pueden presentar las letras ABC tomadas de a 2,
importando el orden de presentacin?
Rta: 6
AB
AC
-IMPORTA EL ORDEN42
BA
BC
nVr = 6
CA
CB
Se trata de Variaciones Simples: Nmero de formas o maneras de ordenar r objetos seleccionados de N
objetos en donde importa el orden.
4) Cuntas permutaciones posibles con 5 letras ABCDE se pueden hacer si se las coloca en orden de a 2?
Rta: 20
Veamos las caractersticas en este caso 1.
nPr
= n . (n-1) . (n-2)(n-r+1)
nPr = nmero de permutaciones de n objetos tomados de r en r .
En donde n es el total de objetos y r: nmero de objetos del subconjunto y donde
Observemos que si el numerador de nPr lo escribimos como n!= n.(n-1) . (n-2) (n-r+1). (n-r)! debemos
luego dividir por (n r)! para llegar a la expresin de nPr idntica a la expresin nPr = n . (n-1) . (n2)(n-r+1).
Por ello, tambin podemos expresar el nmero de permutaciones de n objetos tomados de r en r como:
nPr
!
= ()!
= . ( ) . ( ) ( + )
Caso 2: nCr
, Si observamos por ej. El ejercicio 3 anterior en el nmero de permutaciones de n objetos tomados de r
en r estn repetidos los elementos , es decir que se presentan permutaciones con iguales elementos pero
en diferente orden entre ellos. Por eso, si consideramos que dos conjuntos de objetos son idnticos si
contienen exatamente los mismos elementos, sin tener en cuenta la forma en que estn ordenando,
entonces debiramos sacarlos de nPr .
Es decir, Si no nos interesa o carece de importancia ese orden y el inters reside en el nmero de
combinaciones de n objetos tomados de r en r sin importar el orden, entonces tenemos que eliminar de
nPr aquellos conjuntos con elementos repetidos r!
Nos queda
nCr
nCr:
=( . ) = ! ()!
nmero de combinaciones de n objetos tomados de x enx
Por lo expresado: SIEMPRE habr menos combinaciones ue permutaciones para cualquier par de valores
de n y r ya que por lo expresado, los ordenamientos diferentes no cuentan como combinaciones sino
como permutaciones, as que nPr= nCr . r! de modo que:
n Cr
!
Si sustituimos nPr por el valor ()!
nP
!
!
nos queda nCr = ! ()!
5) Cul es el nmero de combinaciones que se pueden hacer con las letras ABC tomadas de a 2 si no
interesa el orden?
Rta: 3
43
AB
AC
BA
BC
-NO IMPORTA EL ORDENn Cr
3
( )=3
2
CA
CB
Se trata de Combinacin: Nmero de formas o maneras de ordenar r objetos seleccionados de n objetos en
donde NO importa el orden.

Aplicacin: Nmero de muestras posibles en un muestreo aleatorio sin reposicin de sus elementos.
DEFINICIONES BSICA DE PROBABILIDAD
P()
P(A/B)
P(A )
P(A )
Probabilidad del complemento de A

Probabilidad condicional de A dado B
Probabilidad conjunta de A y B
Probabilidad de la Union A y B
Probabilidad de que no ocurra A

Probabilidad de que ocurra A dado que ha ocurrido B
Probabilidad de que ocurran tanto A como B
Probabilidad de que ocurra A , o bien B, o ambos.
EJERCICIOS DE APLICACIN de PROBABILIDADES
1) Un comercio cuenta con 180 clientes de los cuales 54 son incobrables. Si por cada cliente se cuenta con
un resumen de situacin y se extrae al azar un resumen.
a) Cul es la probabilidad de que pertenezca a un cliente incobrable?
b) Cul es la probabilidad de que pertenezca a un cliente no incobrable?
Rta: a) 0,30; b) 0,70
2) Una organizacin vende 1000 billetes de lotera. Hay 10 premios grandes y 100 premios chicos y todos
deben repartirse. El proceso de seleccin de los ganadores es tal que al principio todos los billetes tienen
las mismas probabilidades de ganar un premio grande y todos tienen las mismas probabilidades de ganar
un premio chico. Ninguno puede ganar ms de un premio.
a) Cul es la probabilidad de ganar un premio grande con un nico billete?
b) cul es la probabilidad de ganar un premio chico?
c) Cul es la probabilidad de ganar algn Premio?
Rta: a) 0,01 b) 0,10 c) 0,11
3) Cul es la probabilidad de acertar un pleno (acertar justo al nmero que sale) en la ruleta? Rta. 1/37
4) YPF observ que el 75% de los clientes compran nafta INFINIA, el 80% nafta SUPER y el 65%
consume las dos. cul es la probabilidad de que un cliente consuma al menos una de las dos?
Rta: 0,90
5) En una tirada de ruleta Cul es la probabilidad de:
a. Que salga el nmero cero.
b. Que salga el nmero par
c. Que salga el nmero par, mayor
Rta: a) 1/37; b) 18/37; c) 9/37
6) Cul es la probabilidad de que en el lanzamiento de dos dados
44
a. Salga la suma 7
b. Salga la suma 11
c. salga la suma de 7 11
d. salga la suma 8 11
Recuerde presentar el espacio muestral
Rta: 6/36; 2/36; 8/36; 7/36
7) Cul es la probabilidad de que en el lanzamiento de dos dados salgan pares obtenidos, si se pueden
diferenciar los dados? Presente el espacio muestral.
Rta: 1/4
8) Cul es la probabilidad de que en el lanzamiento de dos dados salgan pares obtenidos si no se pueden
diferenciar los dados? Presente el espacio muestral
Rta: 1/6
9) Se lanza una moneda equilibrada dos veces. a) Cul es la probabilidad de que ambos lanzamientos de
cara?
b) Responda, si la probabilidad hallada se interpreta como que si el ensayo se repite: la probabilidad
de que suceda es ese valor hallado
Rta: .
10) Se lanzan 3 monedas. Cul es la probabilidad de obtener: a) ninguna cara; b) dos caras; c) menos de
dos caras d) una o tres caras, d) 4 caras?
Rta: a) 1/8; b) 3/8 ; c) 1/2; d) ; e) 0
11) De un mazo de 52 cartas de pker, compuesto por 13 cartas de trbol, 13 de corazones, 13 de diamantes
y 13 de picas, se extrae al azar una carta. Calcular la probabilidad de:
a. Extraer un trbol
b. Extraer un trbol o un corazn
c. Extraer un trbol o un corazn o un diamante
d. No extraer trbol.
Rta. a) ; b) ; c) ; d) 3/4
12) Cul es la probabilidad de sacar en un mazo de cartas de 52 naipes, un as o un rey?
Rta.: 2/13
13) Cul es la probabilidad de sacar un 1 o una espada o ambos en un mazo de 48 naipes que no tienen
comodines?
Rta = 15/48
14) Cul es la probabilidad de extraer 2 bolas rojas consecutivas sin devolver a la urna que tiene 3 rojas y
dos bolas verdes?
Rta: 3/10
15) Cul es la probabilidad de obtener un as (A), un rey o un dos (D) al extraer un naipe de mazo
debidamente barajado de 52 naipes?
Rta: 3/13
16) Una carpeta de Ajustes Manuales para dar de alta en la Cartera Pasiva de Clientes contiene 12
cuentas de clientes, de las cuales se detect que 4 de ellas contienen un error de procedimiento en sus
cuantas.
a) Si un auditor selecciona aleatoriamente una cuenta. Cul es la probabilidad de que sta contenga el
error?
b) Si un auditor selecciona aleatoriamente dos de estas cuentas (sin reemplazo): b.1) Cul es la
probabilidad de que las dos contenga un error de procedimiento? b.2) de que ninguna de ellas tenga
error?
c) Si el auditor selecciona aleatoriamente tres cuentas Cul es la probabilidad de que ninguna de ellas
contenga un error de procedimiento?
Rta: 0,33; 0,09; 0,42 y 0,25
45
17) De una caja que contiene 3 biromes negras y 4 biromes verdes, se extraen 4 sin reposicin. Calcule la
probabilidad de que sean:
a. 1 verde y 3 negras (en ese orden)
b. 2 verdes y 2 negras (en ese orden)
Rta: a) 1/35; b) 3/35
18) En una administracin de cartera existen 300 clientes, de los cuales 100 son clientes grandes y los
restantes son chicos por su envergadura. De los clientes grandes el 20% son de Azul y el resto de otros
lugares del Gran Buenos Aires. Adems, el 10% de la cartera total son clientes chicos y de Azul. Asimismo,
para corroborar los datos tambin se sabe que en la administracin hay 250 clientes de los otros lugares
del Gran Bs.As. Determine la probabilidad de que:
a. Un cliente sea de la zona de Azul
Rta 1/6
b. Si se eligi un cliente de Azul que este sea chico.
Rta 3/5
c. Un cliente sea de Azul o grande
Rta: 13/30
d. Un cliente sea de Azul y grande
Rta: 1/15
e. Para ello, construya una tabla de asociacin y la correspondiente tabla de contingencias,
expresando cada una de los valores que directamente surgen de la tabla y definindolos.
19) En el Aeropuerto de Trelew se registraron 500 pasajes de mujeres y 800 de varones, de los cuales el 3%
de las mujeres son turistas y el 5% de los varones son varones turistas. Determine la probabilidad de que
seleccionado al azar un pasajero sea:
a. turista
b. no sea turista
c. varn y no turista
d. mujer y turista
e. mujer y no turista
f. mujer o turista
g. Luego, determine la probabilidad de que sabiendo que es turista, sea varn.
h. Probabilidad de que sea mujer, si se sabe que no es turista.
Rta: a) 0,0423; b) 0,9577; c) 0,5846; d) 0,0115; e) 0,3731 f) 0,4154 g) 0,73 y h) 0,3896
20) En el bar de la Facultad se consume caf y t. Se conoce que el 30% consume caf, el 60% consume t
y el 5% consume ambos. Cul es la probabilidad de que elegida una persona al azar, consuma algn tipo
de bebida?
Rta: 0,85
21) En un curso conformado por 100 estudiantes, se selecciona al azar un estudiante y se quiere hallar la
probabilidad de que sea un estudiante varn o sea un estudiante menor o igual a 20 aos. Se conoce que el
60% son mujeres y el 48% son mujeres mayores de 20 aos y el 80% de la poblacin son mayores de 20
aos.
Rta: 0,52
P (A /) =
P (A ). P (B/A )
=1 P (A ). P (B/A )
22) En una fbrica hay 3 mquinas A1, A2 y A3, que producen el 20%, el 30% y el 50% respectivamente,
de la produccin total. La mquina A1 genera 5% de defectos La mquina A2 genera 10% de defectos
La mquina A3 genera 15% de defectos. Si se extrae de la produccin un artefacto defectuoso, se desea
saber la probabilidad de haber sido fabricada por la mquina A1.
P (A1/B)=0,08695
46
23) Frente a denuncias de recipientes con menos contenidos de lo indicado, el gerente comercial no sabe
de qu planta puede provenir, por tal razn se comunica con el gerente de control de procesos de produccin
y obtiene la siguiente informacin
Planta A1
55% total de la produccin
3% de recipientes defectuosos
Planta A2
45% total de la produccin
4% de recipientes defectuosos
Cul es la probabilidad de que las botellas defectuosas (B) hayan sido llenadas por la Planta A
P (A1/B)=0,4782
24) En una entidad financiera hay un sistema de alarma. En una noche cualquiera la probabilidad de que:
Suene la alarma cuando hay robo es 0,99
Suene la alarma si no hay robo
es 0,01
Ocurra un robo es 0,002
Calcular la probabilidad de que si suena la alarma (B) haya robo (A1)
P (A1/ B)= 0,16555
25) Tres bibligrafos idnticos contienen facturas en dos colores, las blancas son a cobrar dentro de los 30
das y las rosas a cobrar en plazos ms extensos. A continuacin se indica los colores de las facturas en
cada bibligrafo:
Bibligrafo 1
Bibligrafo 2
Bibligrafo 3
6 blancas
3 blancas
8 blancas
2 rosas
5 rosas
10 rosas
Si se elige un bibligrafo al azar y de l se extrae una factura, la que resulta ser blanca. Calcule la
probabilidad de que esta factura blanca provenga del segundo bibligrafo.
P (A2/B)= 27/113= 0,2389
26) Dos impresoras lser de diferentes marcas Marca Epson y Marca HP imprimen diariamente 700 y 1000
hojas respectivamente. La experiencia nos indica que la impresora Epson imprime hojas con error en la
proporcin del 3% mientras que la impresora HP imprime con error en la proporcin del 5%. De la
impresin diaria, se elige una hoja al azar y de ella resulta que tiene error de impresin.
Cul es la probabilidad de que la hoja elegida provenga de la impresora HP?
P (A2/B)= 50/71
27)En una entidad financiera que tiene cien mil cuentas de ahorro activas se procedi a realizar una auditora
de la que result gran cantidad de cuentas con diferencias las que se informan seguidamente juntamente
con el oficial de inversiones responsable de esas cuentas
Cartera de cuentas de ahorro Cantidad de cuentas Cuentas con diferencias
Oficial de Inversiones
Grupo 1
900
40
Daz, Horacio
Grupo 2
600
50
Bentez, Marcela
Grupo 3
1.700
60
Martnez, Isidoro
Grupo 4
800
100
Opico, Germn
Si se seleccion una cuenta de uno de los grupos al azar y resulta ser con diferencias. Determine la
probabilidad de que dicha cuenta provenga del oficial de inversiones Martnez, Isidoro que atiende ese
grupo 3.
P (A3/B)= 6/25= 0,24
28) Del total de piezas de una fbrica que ensambla autopartes, el 65% provienen del proveedor del Sur y
el 35% del proveedor del Norte. Un estudio revel que el 98% de las piezas compradas al proveedor del
Sur son piezas de buena calidad mientras que el 95% de las piezas compradas al proveedor del Norte son
de buena calidad.
Si una mquina se descompone por ensamblar una pieza mala: a) Cul es la probabilidad de que sea del
proveedor del Sur? B) Cul ser la probabilidad de que sea del proveedor del Norte?
47
P (A1/B)= 0,4262 P (A2/B)= 0,5738

29) Un concesionario de auto sabe que el 10% de las personas que ingresan al local y preguntan, compran
un auto. Por ello, la concesionaria decide ofrecer una cena gratis con un vendedor a todas aquellas personas
que estn dispuestas a escuchar la presentacin completa del vendedor, as aumentara la probabilidad de
xito en las ventas. Tambin se sabe que algunas personas hacen cualquier cosa por una cena gratis y
tambin que otras personas no quieren cenar con un vendedor, aunque tenga ganas de comprar un auto.
Por ese motivo, se pretende comprobar la eficacia del incentivo. El proyecto se hizo durante 6 meses y el
40% de las personas que compraron un auto cen gratis. Tambin cen gratis el 10% de las personas que
no compraron un auto.
a) tienen las personas que aceptan la cena una probabilidad mayor de comprar un auto?
b) qu probabilidad hay de que una persona que no acepta una cena gratis compre un auto?
P (A1/B)= 0,308 y P (A1/B)= 0,069
48
AUTODIAGNSTICO DE CONCEPTOS TERICOS DE PROBABILIDAD

Conteste V (Verdadero) o F (Falso) o de corresponder, integre las lneas que requiere completar
1. En la teora de la probabilidad, el resultado de algn experimento se conoce como actividad.
2. La probabilidad de que dos o ms eventos estadsticamente independientes se presenten de manera
simultnea o consecutivamente es igual a la suma de sus probabilidades marginales.
3. Utilizando el teorema de Bayes podemos desarrollar las probabilidades, basndonos en nueva
informacin; a estas probabilidades se les conoce tambin como probabilidades posteriores.
4. En probabilidad clsica, podemos determinar a priori las probabilidades basadas en un razonamiento
lgico antes de que cualquier experimento se lleve a cabo.
5. El conjunto de todos los resultados posibles de un experimento se conoce como espacio muestral del
experimento
6. En condiciones de dependencia estadstica, una probabilidad marginal puede calcularse para algn
evento simple si se toma el producto de las probabilidades de los eventos conjuntos en los que se
presenta el evento simple.
7. Cuando una lista de eventos que resulta de algn experimento incluye todos los resultados posibles, se
dice que la lista es colectivamente excluyente.
8. Una probabilidad subjetiva no es otra cosa que aplicar un juicio u opinin personal
9. Cuando la presentacin de algn evento no tiene efecto sobre la probabilidad de presentacin de algn
otro, se dice que los dos eventos son estadsticamente independientes
10. Cuando se usa el planteamiento de frecuencia relativa, los clculos de probabilidad se hacen menos
precisos para grandes cantidades de observaciones.
11. Simblicamente, una probabilidad marginal se expresa como P (AB).
12. Si A y B son dos eventos estadsticamente dependientes, la probabilidad de que se presenten A y B es
P(A) + P (B).
13. La probabilidad clsica supone que c/u de los resultados posibles de un experimento es igualmente
probable.
14. Una razn por la cual los tomadores de decisiones de alto nivel utilizan la probabilidad subjetiva es que
deben enfrentarse a situaciones nicas.
15. Una lista es _________si incluye todos los resultados posibles que se pueden tener de un experimento
16. Una desventaja del planteamiento subjetivo de la probabilidad es que presupone eventos diferentes.
17. El planteamiento de frecuencia relativa de la probabilidad proporcionar probabilidades estadsticas
correctas despus de 100 intentos.
18. Cuando se utiliza el planteamiento subjetivo de la probabilidad, dos personas con la misma informacin
pueden proporcionar respuestas distintas, pero igualmente correctas
19. A y B son eventos independientes si P (A|B) = P (B)
20. Si un evento no se ve afectado por el resultado de otro evento, se dice que ambos eventos son: a)
Dependientes. b) Independientes c) Mutuamente excluyentes d) Todos los anteriores e) Tanto b)
como c).
21. Por qu los eventos resultantes de lanzar una moneda al aire son mutuamente excluyentes?
a) Porque el resultado de cualquier lanzamiento no se ve afectado por los resultados de los lanzamientos
que le anteceden. b) Porque no se pueden presentar cara y cruz en el mismo lanzamiento. c) Porque la
49
probabilidad de obtener cara y la probabilidad de obtener cruz son las mismas. d) Por todas las
anteriores.e) a) y b), pero no c).
22. Si Ay B son eventos mutuamente excluyentes, entonces P (A o B) =P(A) +P (B). De qu manera
cambia el clculo de P(A o B) si A y B no son mutuamente excluyentes?
a)P (AB) debe restarse de P(A) b) P (AB) debe sumarse a P(A) c) Ninguno de los anteriores.
23.La probabilidad incondicional tambin se la conoce como Probabilidad Marginal
24. La probabilidad de que un valor escogido al azar de una determinada poblacin sea mayor que la
mediana de la poblacin es:
a) 0,25 b) 0,50
c) 1 d) 0,67
25. La probabilidad simple de que ocurra un evento se conoce com:
a) Probabilidad conjunta
b) Probabilidad bayesiana c) Probabilidad condicional d)
Marginal
Probabilidad
Integre los espacios en blanco

1. El conjunto de todos los resultados posibles de una actividad es __________________
2. Uno de los resultados posibles de hacer algo es un____________. La actividad que produjo este
resultado es un______________
3. Una representacin grfica de los conceptos de probabilidad, que utiliza smbolos para representar
resultados, es __________________.
4. Los eventos que no se pueden presentar juntos se conocen ________________.
5. La probabilidad de que se presente un evento, dado que ya se present otro, se conoce como
probabilidad________________
6. En trminos de sus supuestos el planteamiento menos restrictivo del estudio de la probabilidad es el
_______________________
7. Una lista es _________________si incluye todos los resultados posibles que se pueden tener de un
experimento.
8. Tres planteamientos diferentes del estudio de la probabilidad son el planteamiento _______________,
el planteamiento _______________________y el planteamiento _____________________.
Al manejar conceptos de probabilidad debiera explicarse el significado de la

probabilidad de ganar la lotera si compra un billete en el que debe contener 6 nmeros
ganadores de la lista de 54 nmeros.
Ej. un aviso en donde se afirmaSeguiremos hasta que hagamos de cada concursante un
millonario
50
III VARIABLES ALEATORIAS UNIDAD TEMTICA Nro.2 del Programa N 3496/13

Objetivos del Aprendizaje: Proporcionar los conocimientos que permitan el anlisis de las variables involucradas en los
problemas econmico, sus caractersticas, sus medidas y sus relaciones.
EJERCICIOS DE APLICACIN de VARIABLES ALEATORIAS

1) Sea la Variable Aleatoria X con la siguiente distribucin de probabilidades (Kurincic)
x
0
1
2
3
4
5
P(x) 2/15
1/3
0
1/5
1/15
4/15
a) Grafique la funcin de probabilidades.
b) Grafique la funcin de distribucin de las probabilidades.
c) Halle
- P(X>2)
- P(X 2)
- P(X 1)
- P(X <1)
- F (1)
- F (6)
- P (3 X<5)
- P (x<1 x>4)
Rta: 8/15
Rta: 8/15
Rta: 7/15
Rta: 2/15
Rta: 7/15
Rta: 1
Rta: 4/15
Rta: 6/15
2) Se define una variable aleatoria como la cantidad de caras que pueden resultar al lanzar una
moneda tres veces. Defina el espacio muestral. Halle la funcin de probabilidad y la funcin de
distribucin.
3) Describir el espacio muestral y hallar las funciones de probabilidad y de distribucin para el tiro
de un dado. Grafique la funcin de probabilidad.
4) El Gerente de Ventas de una sucursal est analizando el nmero de ventas que por da se realiz
en un determinado artculo y para ello compil informacin de los ltimos 50 das. El resultado
fue el siguiente:
a. 1 da con 38 ventas.
b. 2 das con 34 ventas
c. 3 das con 33 ventas
d. 6 das con 32 ventas
e. 13 das con 31 ventas
f. 25 das con 30 ventas
51
Calcular:
a) Probabilidad de que en un da se efecten a lo sumo 32 ventas
b) Probabilidad de que en un da se efecten ms de 30 ventas
c) Cantidad esperada de ventas diarias, su varianza y su desvo estandar.
5) Calcule la media y la varianza de la siguiente distribucin de probabilidad discreta.
X
P(x)
0
0,20
1
0,40
2
0,30
3
0,10
6) Las tres tablas presentadas muestran variables aleatorias asociadas a sus probabilidades. Slo una
de ellas es realmente una distribucin de probabilidad. A) Cul es?, b) Utilizando la distribucin
de probabilidad encuentre la probabilidad que X sea:
exactamente 15
no ms de 10
ms de 5.
x
P(x)
5
0,30
10
0,30
15
0,20
20
0,40
x
5
10
15
20
P(x)
0,10
0,30
0,20
0,40
x
5
10
15
20
P(x)
0,50
0,30
-0,20
0,40
7) Un agente colocador de fondos tiene que optar entre tres carteras de inversin alternativas. En base
a informacin reunida, estima que las condiciones econmicas futuras del pas pueden seguir tres
escenarios: a) escenario en que desmejoren: probabilidad del 30%; escenario en que sigan sin
cambio: probabilidad del 50% y de que haya un crecimiento en la economa: probabilidad del 20%.
Considerando cada una de las condiciones econmicas citadas, los beneficios que obtendra seran
los siguientes
Escenario de la economa
-Negativo
- Neutro
- Positivo
Beneficio de la cartera en miles de $

A
B
C
500
-2000
-7000
1000
2000
-1000
2000
5000
20000
a) Calcule el beneficio esperado para cada cartera. Justifique cul cartera elegira.
b) Calcule la desviacin estndar para cada cartera y la variabilidad relativa. Justifique utilizando esta
medida qu cartera elegira.
52
IV DISTRIBUCIONES BSICAS DE PROBABILIDADUNIDAD TEMTICA Nro.3 del

Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos que permitan estudiar el comportamiento probabilstico de las
variables relacionadas con la toma de decisiones.
Introduccin: ENSAYOS BERNOULLI Para pensar

Analice para cada una de las situaciones siguientes, si una serie de ensayos Bernoulli
proporciona un modelo razonable y justifique su respuesta.
Situacin a: Usted en el da de la fecha en funcin de una muestra de listas de acciones de la Bolsa
quiere determinar si cada uno de esos ttulos han subido con respecto a la semana anterior. El ensayo
ser seleccionar una accin y determinar si su precio subi respecto al perodo anterior.
Situacin b: Al finalizar el ao, los empleados de una firma son calificados mediante la siguiente
escala de valoracin: excelente, aceptable o insatisfactorio. Un ensayo consiste en determinar la
calificacin para un empleado de la firma.
Situacin C: Cada 30 minutos en el horario de 11 a 13 hs se hacen llamadas telefnicas a cierto
nmero de hogares seleccionados al azar. Quien contesta la pregunta se le pide que responda si est
viendo el programa de televisin C5N. Un ensayo consiste en llamar a un hogar y determinar si
alguien en la casa est viendo C5N.
1) Una caja tiene 6 gomas de tinta-lpiz y 14 gomas de lpiz o bien de tinta. Se extrae una goma al
azar, se mira y se devuelve a la caja. Cul es la probabilidad de sacar una goma de tinta-lpiz.
Respuesta:
Situacin a: La hiptesis de independencia es dudosa, pues en cualquier perodo de tiempo hay una
tendencia fuerte de los precios de estos activos a modificar sus precios en forma conjunta, a causa del
cambio en la tasa de inters, noticias polticasEs decir, que para las acciones de la lista el resultado
depende del cambio en el precio de otras.
Situacin b: Los ensayos Bernoulli son buen modeloSi definimos xito tener una calificacin
excelente y fracaso al complemento (aceptable o insatisfactorio). Pero, si hay restricciones en el
nmero de calificaciones excelentes no se cumple la hiptesis de independencia.
Situacin c: La hiptesis de probabilidad constante de un ensayo a otro no se cumple pues el nivel de
audiencia se modifica en ese horario y la probabilidad de encontrar a alguien viendo el programa
puede variar del momento en que se haga la llamada.
2) Este experimento tiene dos resultados posibles si definimos: la goma de tinta lpiz es xito y el resto
es fracaso. Definiendo la V.A.D. como el nmero de gomas de tinta-lpiz. La probabilidad de xito
permanece constante, pues existe reposicin de elementos.
P(x=1) = p = 6/20 = 3/ 10 = 0,3
La probabilidad de fracaso ser P(x=0) = (1-p) = 1 0,30 = 0,70
53
TIPO DE DISTRIBUCIONES
Una distribucin de Probabilidad: indica toda la gama de valores que pueden presentarse como resultado
de un experimento. La diferencia con una distribucin de frecuencias relativas, es que esta ltima describe el pasado.
En cambio la distribucin de probabilidad describe que tan probable es un evento futuro.
Calcularemos las medidas : media, varianza, desviacin estndar , describiremos sus caractersticas y calcularemos
probabilidads usando una distribucin.
Las medidas estadsticas tambin sern halladas a partir de la F.G.M.
Determinaremos la F.G.M. para algunas de las distribuciones.
F.G.M. Funcin Generatriz de Momentos- es una Funcin que permite deducir a travs de las derivadas sucesivas,
los momentos absolutos de distinto orden.
DISTRIBUCIN BINOMIAL
Siendo:
ENUNCIE LAS CARACTERSTICAS DE LA DISTRIBUCIN BINOMIAL.

.
.
EJERCICIOS DE APLICACIN de DISTRIBUCIN BINOMIAL

1) Se tira una moneda 10 veces.
Cul es la probabilidad de obtener: a) exactamente 6 caras; b) 8 o ms caras.
Rta: 0,2051 b) 0,0547
54
2) En un examen final de estadstica con 20 preguntas, cada una con 4 respuestas alternativas. Suponiendo
que todas las preguntas son independientes y que las respuestas sern calificadas como Bien o Mal.
Calcule la probabilidad de obtener:
a) exactamente 7 respuestas correctas.
b) 7 o ms respuestas correctas
c) ninguna respuesta correcta
d) todas las respuestas correctas
Rta: a) 0,1174; b) 0,2143 c) 0,0032 y d) 0
3) El Sector Control de Calidad va a inspeccionar los tems defectuosos. Se conoce que la produccin
total de un cierto proceso es perfecta en un 80%. Para detectar los tems defectuosos es necesario
destruirlos una vez hecha la inspeccin. Si se extrae una muestra aleatoria de 17 tems de un cierto da de
produccin en donde se complet 20.000 unidades. Cul es la probabilidad de contar con 3 o menos
unidades defectuosas?
Rta: 0,5489
4) Si el 8% de los expandir Rangel de conectividad inalmbrica fabricados tienen reclamos por defectos
de recepcin. Hallar a) la probabilidad de que en una muestra de 10 aparatos no sea ninguno defectuoso)
la probabilidad de que en un lote compuesto de 20 aparatos se encuentren menos de 5 aparatos
defectuosos.
Rta: a) 0,4342; b) 0,964
5) En un estudio reciente se encontr que el 5% de los usuarios de telefona celular tienen equipo Black
Berry. En una muestra de 20 usuarios. Cul es la probabilidad de que por lo menos la cuarta parte tengan
Black Berry? Y de menos de 5 tengan Black Berry?
Rta: a) 0,002 Y b) 0,998
6) El 34% de los clientes de una Sucursal Bancaria tienen Cuenta Corrientes. Se toma una muestra al azar
de 15 clientes.
6.1.- Cuntos clientes con Cuenta Corriente se espera encontrar?
6.2.- Calcule la varianza y el desvo estndar.
6.3.- Calcule la probabilidad de hallar:
i. exactamente 7 clientes con Cuentas Corriente.
ii. A lo sumo 3 clientes con Cuenta Corriente
iii. Menos de 5 clientes con Cuenta Corriente
iv. Como mnimo 8 clientes con Cuenta Corriente
v. Ms de 10 clientes con Cuenta Corriente
vi. Entre 4 y 9 clientes con Cuenta Corriente
vii. Por lo menos un cliente con Cuenta Corriente
viii. Como mximo 6 clientes con Cuenta Corriente.
Rtas.: 6.1) 5,1; 6.2) 3,366; 6.3) 1,83 i) 0,1217; ii) 0,1941; iii) 0,3829; iv) 0,0977; v) 0,0021; vi) 0,7960; vii) 0,9980
y viii) 0,7806
7) Una compaa telefnica elige al azar una muestra de 8 abonados. Sabiendo que el 64% de los abonados
tienen un servicio adicional, calcular las siguientes probabilidades acerca de los 8 abonados que han sido
seleccionados:
a) Qu entre 7 y 8 abonados no tengan un servicio adicional
b) Que ms de la mitad no tenga un servicio adicional
c) Que entre 2 y 6 tenga un servicio adicional
d) Que la cuarta parte no tenga un servicio adicional.
Rta: a) 0,0042; b) 0,1180; c) 0,8409 y d) 0,2494
8) En una organizacin escolar se sabe que el 35% de los profesores son mujeres. Se seleccionan al azar 4
profesores para ir de viaje de egresados.
8.1. Se pide calcular:
a) la probabilidad de que en dicho equipo haya ninguna mujer.
55
b) la probabilidad de que en dicho equipo haya ms de dos mujeres.

c) la probabilidad de que en dicho equipo haya a lo sumo 3 hombres.
8.2. Si se extrae una muestra al azar de 90 profesores de esa organizacin. Determinar la cantidad de
mujeres que se espera encontrar en dicha muestra.
Rta: 8.1.a) 0,1785; b) 0,1265; c) 0,8215 y 8.2) 31,5
9) El 5% de los engranajes sin fin que produce una mquina automtica son defectuosos.
a. Cul es la probabilidad de que al seleccionar al azar 6 engranajes ninguno sea defectuoso?
b. Cul es la probabilidad de que haya exactamente
- 2 engranajes defectuosos
c. Qu distribucin de probabilidades utiliza y por qu?
Rta: 0,735; 0,031; 0,002; 0; 0; 0
10) Construya en una situacin binomial para n=6 las distribuciones de probabilidades y su
representacin grfica considerando:
p= 0,05
p=0,10
p=0,20
p= 0,50
p= 0,70
p= 0,95
Qu conclusiones extrae?
11) Construya en una situacin binomial para p= 0,10 las distribuciones de probabilidades y su
representacin grfica considerando
n= 6
n=12
n=20
n=40
Qu conclusiones extrae y que impedimentos ha encontrado?
56
DISTRIBUCIN POISSON
EJERCICIOS DE APLICACIN de DISTRIBUCIN DE POISSON

1) En la interseccin de las calles Crdoba y Junn los registros de accidentes de trnsito dicen que hay
5 accidentes diarios. El nmero de accidentes est distribuido de acuerdo a Poisson.
a) Determine la probabilidad de que en el da ocurran 0, 1, 2... accidentes.
b) Determine la probabilidad de que ocurran 0, 1 2 accidentes en el da.
Rta: 0,0067; 0,0337; 0,0842 y 0,1245
2) Un empleado de un call center de una empresa de cable atiende en promedio 1,2 personas cada 10
minutos. Se desea hallar la probabilidad de que dicho empleado atienda:
a) a 2 personas en 10 minutos.
b) a lo sumo 4 personas en 10 minutos.
c) entre 1 y 4 personas inclusive en 10 minutos
d) menos de 4 personas en 10 minutos.
e) 3 personas en 10 minutos, si se sabe que atendi menos de 4.
Rta: a) 0,2169; 0,9922; 0,689; 0,9662 y 0,0897
3) Un programa de computacin falla en promedio 4 veces por hora. Se desea determinar:
a) la probabilidad de que falle ms de 15 veces en 3 horas
b) las fallas promedio en 3 horas y su varianza.
Rta: 0,117; 12; 12
4) Una mquina de hilar produce piezas con un promedio de 1 falla cada 200 metros. Determinar la
probabilidad de que una pieza tenga
a) exactamente 3 fallas
b) como mnimo 4 fallas.
Rta: 0,0613
5) La Central de Polica atiende en promedio 5 llamadas por da. Cul es la probabilidad que en un da
determinado atienda 0, 1, 2 y 10 llamadas?
Rta: 0,0025; 0,0337; 0,0842; 0,0181
1.2)
Interpretar el ejercicio planteado y su resolucin
57
DISTRIBUCIN HIPERGEOMTRICA
N = tamao de la poblacin
R = nmero de xitos en la poblacin
N R = nmero de fracasos en la poblacin
n = tamao de la muestra
r = nmero de xitos en la muestra
n r = nmero de fracasos en la muestra
P(r )

N R
nr
R
r
N
n
EJERCICIOS DE APLICACIN de DISTRIBUCIN HIPERGEOMTRICA
1) Una caja contiene 50 legajos de crdito, siendo 40 legajos de clientes en situacin normal y 10 legajos
de clientes con atrasos. Extrayendo 5 legajos al azar.
1.1.) Cul es la probabilidad de obtener 2 legajos de clientes con atrasos, sabiendo que los legajos se
retiran con reposicin?
1.2) Cul es la probabilidad de que los dos legajos estn con atrasos, ya que es obvio que el auditor
cuando extrae el primer legajo no lo repoe a la caja pues no revisar 2 veces el mismo legajo?
Rta: 0,2048; 0,2098
2) Un auditor debe inspeccionar un total de 50 carpetas de cuentas corrientes, de los cuales 35 estn en
situacin normal y 15 no. Si el auditor selecciona 10 legajos al azar.
Cul es la probabilidad? de que:
- 6 legajos correspondan a carpetas de clientes que no estn en situacin normal
- Todos los legajos que han sido seleccionados al azar no estn en situacin normal.
- 9 o ms legajos no cumplan con el requisito de estar en situacin normal.
Rta: 0,0255; 0 y 0
3) Un profesor deleg la correccin de los 24 exmenes finales tomados en el cuatrimestre en el jefe de
trabajos prcticos, quien una vez finalizada la correccin le informa que hubo 10 desaprobados. El
profesor, antes de confeccionar el acta decide controlar los exmenes para evaluar el criterio de
calificacin. Para ello, selecciona 7 exmenes al azar. Halle:
Cuntos exmenes aprobados espera encontrar?
Calcule la varianza y el desvo estndar correspondiente
Calcule la probabilidad de que encuentre entre los 7 exmenes elegidos:
- Exactamente 3 desaprobados
- Ms de 5 aprobados
- Entre 2 y 4 desaprobados
Rta: 0,3471; 0,0967 y 0,828
58
RESUMEN DE DISTRIBUCIONES
1)Complete la tabla con las caractersticas para las distribuciones que se indican
Bernoulli
Binomial
Hipergeomtrica
Poisson
DEFINICIN
RECORRIDO
FUNCIN
F.G.M.
ESPERANZA
MATEMTICA
VARIANZA
DESVIO
2) En que Distribucin se utiliza el Factor de Correccin por Finitud.

______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
59
DISTRIBUCIN NORMAL
Z
-z 0 z
1)Complete
Caractersticas de la Distribucin Normal Estndar
DEFINICIN
RECORRIDO
FUNCIN
F.G.M.
ESPERANZA
MATEMTICA
VARIANZA
DESVIO
Otras caractersticas de la distribucin normal:

..
..
..
..
..
..
..
..

VARIABLE ESTANDARIZADA; PUNTUACIONES ESTNDAR: Z

Xi : es una puntuacin o el valor a transformar

Z: es una puntuacin transformada en unidades de desviacin estndar.
=
Z : Es la variable que mide la desviacin respecto a la media en trminos de unidades de desviaciones

estndar y tambin se le dice puntuacin Z, Valor Z
60
Por lo que se observa que cualquier distribucin normal puede convertirse en una distribucin normal
estndar , restando la media a cada observacin X y dividiendo entre la desviacin estndar.
Las puntuaciones Z son distancias que indican reas bajo la distribucin normal (reas de probabilidad)
Por ser independiente de las unidades empleadas se trata de una cantidad adimensional.
Entonces, la puntuacin Z es una medida que indica la direccin y el grado en que un valor individual
se aleja de la media, en una escala de desviacin estndar.
Estandarizar los valores permite:
Comparar puntuaciones de distribuciones diferentes
Comparar mediciones de diferentes pruebas utilizadas.
EJERCICIOS DE APLICACIN de UTILIZACIN DE TABLA
1) Calcule los siguientes valores, utilizando la tablas de Funcin de distribucin normal estandarizada
(Probabilidad acumulada hasta un valor de la variable Z)
P(x 0,85)
P (0,21 x 0,86)
P(x -0,85)
P (-0,21 x 0,86)
P (0 x 0,20)
P (- 0,86 x -0,20)
P (-0.21 x 0)
2) Calcule para una distribucin normal general con media 95 y desviacin estndar de 10. P( x
105). Cmo soluciona la bsqueda de la probabilidad?
3) Calcule para una distribucin normal el valor de k si se conoce la probabilidad
P(x k) = 0,60
P(x k) = 0,20
4)Sea Z una variable aleatoria normal estandarizada. Seale si es Verdadera o falsa la

probabilidad en cada enunciado. Para cada caso realice el dibujo de anlisis.
P (0 z 1) = 0,3413
P (-1,96 z 1,96) = 0,95
P (-1 z 1) =0,6826
P (-1 z 1,96) = 0,8163
P (0 z 1,96) = 0,4750
P (z > 1,96) = 0,0250
P (-2 z 2) = 0,9545
P (-3 z 3) = 0,9973
5) Los ingresos mensuales por ventas de un determinado producto siguen una distribucin normal con
media $ 1860 y desvo estndar de $ 270. Encuentre la probabilidad de que las ventas en un mes
seleccionado al azar sean a) inferior a $ 1500 y b) mayor a $ 2100
6) En la Sucursal del Sur de una importante empresa los ingresos semanales de los operarios siguen
una distribucin normal con media $ 1000 y desviacin estndar $100. Cul es la probabilidad de
seleccionar al azar un operario cuyo ingreso?
-a) est entre $790 y $1000
-b) sea inferior de $ 790.
-c) sea superior de $ 1.000
-d) est entre $ 840 y $ 120
61
EJERCICIOS DE APLICACIN de APROXIMACIONES DE DISTRIBUCIN
APROXIMACIN DE LA DISTRIBUCIN HIPERGEOMTRICA

A LA DISTRIBUCIN BINOMIAL
3) En un depsito que contiene 120 cajas de remitos por ventas correspondientes a las dos sucursales,
de las cuales se conoce que 90 cajas corresponde a la sucursal Montes de Oca y las 30 restantes a la
Sucursal Retiro. Las cajas no tienen etiquetas que pueda indicar a cul sucursal corresponden. Se toman
5 cajas al azar
a) Cul es la probabilidad de encontrar 3 remitos que correspondan a la Sucursal Retiro?
Rta: 0,0879
APROXIMACIN DE LA DISTRIBUCIN BINOMIAL

A LA DISTRIBUCIN DE POISSON
1) En una empresa que elabora artculos de computacin se ha comprobado que el 0,8% de los artculos
son con defectos.
Si pienso exportar una partida de artculos de computacin y el envo ser rechazado si encuentran 4 o
ms artculos con fallas. Cul es la probabilidad de encontrar exactamente 4 artculos con defectos en
una partida de 1000 unidades?
Rta: 0,0573
2) Se conoce que el 1% de los artculos de un gran embarque son defectuosos. Si se selecciona
aleatoriamente una muestra de 30 artculos. Cul es la probabilidad de que 2 o ms de ellos sean
defectuosos?
Rta: 0,0368
APROXIMACIN DE LA DISTRIBUCIN BINOMIAL A LA DISTRIBUCIN

NORMAL
1) El 39% de los automviles que circulan por la una zona de San Isidro son 4x4. Se inspeccionar el
paso de 1432 automviles por esa zona. Cul es la probabilidad de que pasen por lo menos 530
automviles 4x4?
Rta: 0,9418
2) Se conoce que el 20% de los contactados telefnicamente por un representante de ventas de Seguro
Automotor se adherir tambin a la compra de un Seguro de Vida. Si un representante contacta a 30
personas. Determine la probabilidad de que 10 o ms contactados realicen la compra del Seguro de
Vida.
Rta: 0,0548
3) Se conoce que el porcentaje de envases buenos elaborados por una mquina es del 55%. Determine
cul es la probabilidad de encontrar como mximo 70 envases buenos de una partida de 100 envases.
Rta: 0,99903
4) Se conoce que el 12% de los cheques que una entidad financiera recibe para acreditar en las cuentas
corrientes son rechazados.
a) Si de la caja de un se toman al azaar 20 cheques Cul es la probabilidad de que por lo menos 7
cheques sean rechazados?
b) Del total de 800 cheques enviados a la Cmara Compensadora Cul es la probabilidad d que entre
90 y 95 cheques sean rechazados?
Rta: 0,0067 y 0,1984

62
6)Se estima en que un 48% de la produccin de cierto producto resulta defectuoso. Cu es la

probabilidad de que un comerciante mayorista que compr 100 unidades de ese producto deba
devolver por lo menos 55 por encontrarlas defectuosas?
Rta: 0,049 y 0,395
APROXIMACIN DE LA DISTRIBUCIN DE POISSON A LA

DISTRIBUCIN NORMAL
1)El nmero de recepciones telefnicas recibidas por una Compaa de Seguros en el horario habilitado
telefnicamente (8 a 18 hs) es una variable aleatoria discreta. Se pudo comprobar que en ese lapso, en
promedio se recepcionan 8 llamadas por minuto. Cul es la probabilidad de que en media hora se
reciban a lo sumo 260 llamadas?
Rta: 0,90658
2) El nmero promedio de reclamos recibidos en una mesa de informes en el turno de 8 hs es de 10.
Cul es la probabilidad de que en un turno de 8 hs se reciban ms de 15 llamadas?
Rta: 0,04..
CORRECCION POR FINITUD

UTILIZACIN DE LA CORRECCION POR FINITUD
P (X> xi )
( )
( , + , )
P (X xi )
+ 0,50
xi
Se lee: Probabilidad de ms de X
xi
Se lee: Probabilidad de X o menos
-0,50
P (X xi )
xi
Se lee: Probabilidad de X o ms
O tambin Probabilidad de por lo menos X
P ( X < xi )
xi
Se lee: Probabilidad de menos de X
63
AUTODIAGNSTICO
DE VARIABLES ALEATORIAS
Y
DISTRIBUCIONES DE PROBABILIDAD
Las preguntas 1 A 5 se responden usando la siguiente tabla que presenta la funcin de Probabilidad
de una variable aleatoria discreta Y
Y
P(y)
1
0
2
0,25
4
0,25
6
0,25
8
1
a.
b.
c.
d.
1. Encuentre P (y=8):
0
0,2
0,25 1- 0,7
Ninguno
2. Encuentre la esperanza de Y:
a. 5
b. 4
c. 6
d. ninguno
3. Encuentre la varianza de Y:
a. 30
b. 5 = 30 25
c. 2,23607
d. Ninguno
4. Cul es la probabilidad de que y caiga fuera del intervalo +/-2?
a. 0,75
b. 0,95
c. 1
d. ninguno
5. Cul es la probabilidad de que Y sea menor que 3?
a. 0,25
b. 0,5
c. 0,75
d. ninguno
6. Cul de los siguientes ENUNCIADOS es correcto:
a. El nmero de quiebras en un mes es un ejemplo de una variable aleatoria continua
b. Si una variable aleatoria Y puede tomar un solo valor, digamos y=3 con probabilidad 1, entonces
E(y)=0
c. El nmero de llamadas telefnicas en un call center es una variable aleatoria discreta
d. Ninguno
7. Para cul de los siguientes valores de probabilidad la distribucin binomial es simtrica?
64
a. 0,0
b. 0,1
c. 0,5
d. 1,0
8. Cul de los siguientes parmetros de esperanza matemtica producir una menor varianza en una
variable aleatoria Poisson:
a. 0,1
b. 5
c. 7
d. 1
9. Una variable aleatoria x tiene una distribucin binomial con n=50 y p=0,4. La media y la varianza
para x son:
a. =20; 2=12
b. =20; 2=3,4641
c. =30; 2=12
d. =30; 2=3,4641
10. Mencione cules son las dos propiedades o condiciones bsicas de toda distribucin de probabilidad.
MARQUE LA OPCIN/ES CORRECTA/S
11. El valor esperado es
a. Un promedio ponderado de los valores que toma la V.A. en donde los pesos son las probabilidades
b. Tiene que ser un valor que pueda tomar la variable aleatoria.
12. La varianza
a. Es El momento centrado de orden 3
b. Es un promedio ponderado de los cuadrados de las desviaciones de una variable aleatoria de su media,
en donde los pesos son las probabilidades
c. Es El momento absoluto de orden 2 menos el momento absoluto de orden 1
d. Se mide en las mismas unidades que la variable aleatoria
13. Un experimento binominal consiste en
a. n ensayos idnticos con probabilidad de xito prueba a prueba constante o no
b. n ensayos no necesariamente idnticos pero con probabilidad de xito constante prueba a prueba
c. n pruebas independientes y mutuamente excluyentes
d. n pruebas no necesariamente independientes pero s mutuamente excluyentes
e. n ensayos idnticos con probabilidad de xito constante prueba a prueba
f. n pruebas independientes pero no mutuamente excluyentes
14. Una variable aleatoria con distribucin hipergeomtrica considera
a. Probabilidad de xito constante prueba a prueba
b. Probabilidad de xito variable prueba a prueba
c. La no reposicin de elementos
d. El muestreo sin reemplazo
15. La distribucin Poisson puede definirse como una aproximacin de la distribucin binomial cuando
a. la cantidad de pruebas tiende a cero y la probabilidad de xito es muy pequea.
b. la cantidad de pruebas tiende a infinito y la probabilidad de xito es igual a la de fracaso
c. la cantidad de pruebas tiende a infinito y la probabilidad de xito es muy pequea.
d. Siendo en estos casos la varianza de la distribucin Poisson igual a la esperanza de la distribucin binomial
16. En una variable aleatoria con distribucin Poisson:
65
a.
b.
c.
d.
e.
La media y el desvo son iguales

La media y la varianza son iguales
Se trata de medir la probabilidad de ocurrencia de casos raros
El recorrido de la variable es finito
El recorrido de la variable es infinito numerable
17. (0,05. + 0,95) es la Funcin Generatriz de Momentos de

a. Una distribucin binomial con probabilidad de xito 0,95
b. Una distribucin Binomial con probabilidad de fracaso de 0,05
c. Una distribucin Bernoulli con probabilidad de xito de 0,05
d. Una distribucin Bernoulli con probabilidad de xito de 0,95
e. Una distribucin Binomial con probabilidad de xito de 0,05
f. Una distribucin Binomial con probabilidad de fracaso de 0,95
18. La funcin generatriz de momentos
a. es una funcin que permite generar, utilizando derivadas sucesivas, momentos centrados.
b. es una funcin que permite generar, utilizando derivadas sucesivas, momentos absolutos.
10) Cuando la probabilidad de xito en un proceso de Bernoulli es del 50% p = 0.5, su distribucin binomial es
simtrica.
11. Una distribucin de frecuencias da una lista de las frecuencias observadas para un experimento que ya se ha
llevado a cabo; una distribucin de probabilidad da una lista de aquellos resultados que podran presentarse si el
experimento se llevara a cabo.
12) El Teorema de Tchebycheff:
a. Permite determinar probabilidades equidistantes a la media
b. Permite determinar probabilidades equidistantes o no a la media
c. Se utiliza cuando se desconoce la distribucin de la variable aleatoria pero se conoce su media y su varianza.
13. Una vez que el valor de p ya se ha determinado para un proceso de Bernoulli, el valor de q se calcula como 1 / 2 p.
14. Si el nmero esperado de llegadas a una oficina se calcula como cinco por hora, uno puede tener una confianza
razonable de que cinco personas llegarn en la siguiente hora.
15. La Distr, binomial no es realmente necesaria, pues sus valores se pueden aproximar siempre por otra Distrib
16. La estatura de los humanos adultos se puede describir mediante una distribucin de Poisson.
17. El factor de Correccin de Finitud se utiliza en el clculo de la varianza de una distribucin hipergeomtrica
18. Despus de 20 ensayos de un experimento, se crea una curva de distribucin con su forma definitiva.
19. En una distribucin hipergeomtrica la esperanza matemtica es n.p en donde p= (N-R)/N
20. Una distribucin en la que la media y la mediana tienen diferentes valores nunca podr ser una distribucin normal.
21. La media de una distribucin binomial est dada por np.
22. Si la ganancia diaria esperada de un puesto de aguas frescas es de $13.45, entonces:
a) la ganancia del da siguiente ser de $13.45.
b) la ganancia del da siguiente ser menor que $13.45.
c) la ganancia del da siguiente ser mayor que $13.45.
d) la prdida del da siguiente ser de $13.45.
e) Ninguno de los anteriores.
66
23. Para una distribucin binomial dada con n fija, si p < 0.5, entonces:
a) la distribucin de Poisson proporcionar una buena aproximacin.
b) la distribucin de Poisson proporcionar una mala aproximacin.
c) la distribucin binomial estar sesgada hacia la izquierda.
d) la distribucin binomial estar sesgada hacia la derecha.
e) la distribucin binomial ser simtrica.
24. Suponga que tenemos una distribucin de Poisson con Lambda=2.
Entonces la probabilidad de tener exactamente 10 presentaciones
210 10
10!
210 2
2!
102 10
10!
210 2
10!
25. Cul de las siguientes es una caracterstica de la distribucin de probabilidad para cualquier variable aleatoria?
a) Se da una probabilidad para cada valor posible.
b) La suma de todas las probabilidades es uno.
c) No se presenta una probabilidad dada ms de una vez.
d) Todos los anteriores.
e) a) y b), pero no c).
26. Cul de las variables siguientes nunca podr ser descrita por una distribucin binomial?
a) El nmero de partes defectuosas producidas en un proceso de ensamblaje.
b) La cantidad de agua utilizada diariamente por una sola ama de casa.
c) El nmero de personas de su grupo que pueden responder correctamente a esta pregunta.
d) Todos los anteriores pueden ser descritas por una distribucin binomial
7! 0,403 0,60 4
27. Si p =0.4 para un proceso de Bernoulli, el clculo de

da la probabilidad de obtener:
3!4!
a) exactamente cuatro xitos en siete ensayos.
b) exactamente tres xitos en siete ensayos.
c) tres o ms xitos en siete ensayos.
d) cuatro o ms xitos en siete ensayos.
e) ninguno de los anteriores.
28. Para distribuciones binomiales con p =0.2:
a) Una distribucin con n = 2000 se aproxima mejor a la distribucin normal que una con n =50.
b) No importa qu valor se tenga de n, la distribucin est sesgada hacia la derecha.
c) La grfica de esta distribucin con p = 0.2 y n= 100 sera exactamente la grfica inversa de la distribucin
binomial con n= 100 y p=0.8.
e) a) y b), pero no c).
29. Cul de las siguientes es una condicin necesaria para el uso de una distribucin de Poisson?
a) La probabilidad de una llegada por segundo es constante.
b) El nmero de llegadas en cualquier intervalo de un segundo es independiente de las llegadas en otros intervalos.
c) La probabilidad de tener dos o ms llegadas en el mismo segundo es cero.
e) b) y c), pero no a).
30. En qu caso sera la distribucin de Poisson una buena aproximacin de la binomial?
a) n =40, p= 0.32.
b) n = 40, q= 0.79.
c) n = 200, q = 0.98.
d) n = 10, p = 0.03.
e) a) y c).
f) Todos los anteriores.
67
V LOS INTERVALOS DE CONFIABILIDAD UNIDAD TEMTICA Nro.6 del Programa N

3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos para comprender las nociones de muestra aleatoria, parmetro
poblacional, estimador puntual, estimacin puntual y por intervalo.
TEOREMA CENTRAL DEL LMITE
Complete:
Enunciado del TCL
.
DISTRIBUCIONES DE MUESTREO
RAZONES QUE JUSTIFICAN TRABAJAR CON UNA MUESTRA
1.
2.
3.
4.
TIPOS DE MUESTREO
LOS DIFERENTES TIPOS DE MUESTREO SON:
A B-
68
En las siguientes situaciones de muestreos de grupos, identifique si se usara el

mtodo estratificado o por conglomerados (o agrupacin).
a. estimacin de las preferencias de voto de personas de distintas localidades..........
b. estudio de las actitudes de los consumidores con la sospecha de diferencias importantes segn
la edad o el sexo. ......
c. deseo conocer el nmero de computadoras por viviendas en una un rea que tiene una gran
variedad de casas, grandes, chicas, de todo tipo de construccin.
d. deseo conocer el nmero de autos por viviendas en un rea que tiene barrios cerrados de
distintas categoras.
Si deseara muestrear el desecho de papel en la basura, tomando una muestra

de 100 viviendas cada da domingo durante 2 meses. Qu opina de usar un muestreo
sistemtico?
DISTRIBUCIN POBLACINAL Distribucin de la totalidad de las medidas individuales de

la Poblacin NDISTRIBUCIN DE LA MEDIA MUESTRAL Distribucin de los valores incluidos en una
muestra.
DISTRIBUCIN DE MEDIAS MUESTRALES Distribucin de los resultados que se
presentan si en realidad se seleccionaran todas las muestras posibles, sea:
- Con reposicin: Nn
- Sin reposicin sin importar el orden: ()
Poblacin en estudio
Muestreo repetido
MUESTRA 1
POBLACIN
MUESTRA 2
Todos los valores posibles

del estadstico
1
2
Parmetro
de1
MUESTRA
inters
DISTRIBUCIN DE
MEDIAS
MUESTRALES
(1; 2 ; 3 )
Grfico de la Distrib.
Muestral
MUESTRA 31
..
TODAS LAS DEMS
MUESTRAS
3
Descripcin numrica Gral
( ) = ;
69
CASO DE APLICACIN: UN MUESTREO TERICO, PEQUEO PROVENIENTE DE

UNA POBLACIN PEQUEA
1) La empresa tiene 6 empleados (considerados como poblacin). El ingreso en miles de $ de cada
empleado se presenta en la siguiente tabla.
a)
b)
c)
d)
e)
f)
g)
Empleado
Salario mensual -miles de $A
2
B
6
C
8
D
10
E
10
F
12
Cul es la media de la poblacin
Grafique la distribucin de valores de la poblacin con sus frecuencias
Cul es la distribucin de muestreo de medias para una muestra de tamao 2, considerando
muestreo repetido, para abreviar sin reposicin, sin importar el orden.
Cul es la media de la distribucin de muestreo media o esperanza del estimador media
muestral- Luego: Compare los resultados obtenidos con el punto a) Qu observaciones extrae
de los resultados obtenidos? Grafique la distribucin
Calcule la varianza poblacional y el desvo poblacional
Cul es la varianza de todas las medias muestrales posibles, segn el tipo de muestreo
considerado ( sin reposicin y sin importar el orden) referente a su esperanza matemtica
Cul es el desvo estndar de todas las medias muestrales posibles del punto anterior.
h) Utilice la sig. frmula para calcular lo que comnmente se denomina x ERROR ESTNDAR
x : ERROR ESTNDAR DE LA MEDIA, o bien

x ERROR ESTNDAR DE LA DISTRIBUCIN de las
MEDIAS MUESTRALES, o bien
x ERROR MUESTRAL DE LA MEDIA.
x :
ERROR ESTNDAR
Es la desviacin estndar de la
distribucin muestral de un
Estadistico
Como criterio: una poblacin es infinita si n/N<0,05 y es Poblacin finita si
FRMULA DE
n/N>0,05.
ERROR ESTANDAR DE LA MEDIA
Para Poblacin Infinita
Para Poblacin Finita
N n
x
x
n N 1
n
En general se lo define como la desviacin estndar de la distribucin de
medias muestrales
Tambin como la media de dispersin de las medias muestrales alrededor
de la media poblacional
i) Compare y comente los resultados obtenidos en los dos puntos anteriores
j) Calcule la varianza y el desvo para cada una de las muestras.
k) En una tabla realice la Distribucin de frecuencias de la varianza muestral
70
l)
Calcule la esperanza de la varianza muestral, es decir el promedio de los valores que el

estadstico toma para las diferentes muestras de 2 elementos que se pueden extraer de una
Poblacin N y luego su desvo Compare los resultados obtenidos con el punto j).
m) Qu comentarios merece? Intente dar solucin a las diferencias en el marco de la propiedad
de insesgamiento
.
APLICACIONES DE LA DISTRIBUCIN DEL MUESTREO O DE LAS MEDIAS

MUESTRALES.
La distribucin del muestreo da respuestas a preguntas acerca de Probabilidad con la
ayuda de la Distribuciones
DISTRIBUCIONES PARA LA MEDIA MUESTRAL
POBLACIN
NORMAL
DESCONOCIDA
n cualquier tamao

DESVIO
DESVIO
DESVIO
DESVIO
CONOCIDO
DESCONOCIDO
CONOCIDO
DESCONOCIDO
= (; )
= (; )
= (; )
Valor Z
Quedando:
Valor Z
Valor t(n-1)GL
=
( ) =
IC para un (1-)
IC para un (1-)
( )
( )
IC para un (1-)
Valor Z
IC para un (1-)

POBLACIN DESCONOCIDA
Si n<30
Se deben usar otros mtodos: p.e.
Tchebychev
IC para un (1-)
71
DISTRIBUCIONES PARA LA VARIANZA MUESTRAL

NORMAL -n cualquier
DESCONOCIDA
tamao
( )
=
( )
=
IC para la varianza poblacional

Para un (1-)
( ) ( )
;
/
/
IC para la varianza poblacional

Para un (1-)
( ) ( )
;
/
/
DISTRIBUCIONES PARA LA PROPORCION MUESTRAL

= (;
()
( )
)
Como p es desconocido entonces usamos
(
)
EJERCICIOS DE APLICACIN de DISTRIBUCION DEL MUESTREO

2) Cul es la probabilidad de que la media de una muestra de tamao 16 est entre 456 y 461,
si proviene de una poblacin con distribucin normal con media 458 y varianza 100?
Rta: 0,673
3) Cul es la probabilidad de que la media muestral sea superior a 4712 si proviene de una poblacin
con distribucin normal de 221 elementos, cuya media es 4650 y desvo tpico de 216 y se sac una
muestra de tamao 25?
Rta: 0,06681
4) Cul es la probabilidad de que la media muestral de tamao 100 sea superior a 2314 si proviene de
una poblacin con media de 2302 y desvo tpico de 563?
Rta: 0,421
5) Se conoce que las ventas realizadas por un comercio sigue una Distribucin Normal con media de
$ 168.200 y desvo tpico de $ 20.604. De las ventas realizadas en el mes una inspeccin extrae una
muestra de 9 facturas. Cul es la probabilidad de que la media de la muestra difiera de la media
poblacional ms de $ 12.000?
Rta: 0,08
6) La antigedad media de los ttulos de deuda del Estado es de 1750 das con un desvo estndar de
1320 das. La SIGEP toma al azar 90 ttulos. Cul es la probabilidad de que la media de la muestra sea
inferior a 4 aos?
Rta: 0,017
7) Los pagos en personal de un Ministerio siguen una Distribucin Normal con media de $ 3367 y
varianza de 162409. Si se extrae una muestra de 64 liquidaciones, sabiendo que el total de personas que
trabajan en el Ministerio y reciben sus liquidaciones son 12.800. Cul es la probabilidad de que el
valor de la media muestral sea superior a $ 3.500?
Rta: 0,0042
72
8) Un auditor toma una muestra aleatoria de 36 cajas de ahorro de una poblacin de 1000 libretas de
cajas de ahorro. El valor medio de los saldos en la libreta de caja de ahorro de toda la poblacin es $ 260,
con desvo estndar de la poblacin de $ 45.
a. Cul es la probabilidad de que la media muestral sea menor a $250?
b. Cul es la probabilidad de que la media muestral se encuentre en no ms de $ 15 de la media?
Rta: 0,09176y 0,9545
9) Una gran poblacin de clientes con deudas vencidas registra un saldo vencido promedio de $ 1500
con desviacin estndar de $ 350.
a. Cul es la probabilidad de que un cliente con deuda vencida aleatoriamente muestreado tenga saldo
vencido que exceda $ 1600?
b. Cul es la probabilidad de que la media de una muestra aleatoria de 40 clientes con deudas vencidas
registre un saldo que exceda los $ 1600?
Rta: 0,38591 y 0,03515
10) En una muestra aleatoria de 64 personas, 48 de ellas se clasifican como exitosas. Si la proporcin
poblacional es 0,70.
Determine: a) la proporcin muestral p de personas exitosas b) el error estndar para la proporcin c)
la probabilidad de que la proporcin poblacional sea mayor al 75%.
Rta: a) proporc. Muestral 0,75 : b) 0,057282; c) 0,19215
11) Se seleccion una muestra aleatoria de 50 usuarios de cable para participar en una encuesta
telefnica. La pregunta clave que se les plante fue: tiene Usted o algn miembro de su familia canal
de cable Premium adicional al canal bsico? De los 50 participantes, 35 contestaron que no y 15 que s.
Si la proporcin de la poblacin que tiene es 0,40.
a) Encuentre la proporcin muestral p de familiares con cable Premium
b) Encuentre el error estndar para la proporcin.
c) Probabilidad de que la proporcin sea superior al 15% y menor al 38%
Rta 0,30; 0,06928; 0,38581 :
12) El auditor Levin Rubio de una gran entidad financiera sabe que el saldo promedio mensual de
clientes morosos de la cuenta tarjetas de Crdito es $ 112 y la desviacin estndar de $56. Si ste
audita 50 cuentas seleccionadas al azar,cul es la probabilidad de que el saldo promedio mensual de
la muestra sea: a) menor que $ 100 b) entre $100 y $130
Rta: a) 0,0643 y b) 0,92
13) A partir de una poblacin de 125 artculos con media de 105 y desviacin estndar de 17, se eligen
aleatoriamente 64 artculos: a) cul es el error estndar de la muestra y b) cul es la probabilidad de que
la media de la muestra est entre 107,5 y 109
Rta: a) 1,4904 y b) 0,0428
14) Una investigadora de la empresa Moli Caf se encuentra interesada en determinar la tasa de uso de
caf por hogar. Ella cree que el consumo mensual por hogar tiene una distribucin normal con media
poblacional desconocida y desviacin estndar cercana a 1,25 kg.
La investigadora toma una muestra de 36 hogares y registra su consumo de caf durante un mes.
a. Cul es la probabilidad de que la media de la muestra se aleje de la media de la poblacin no
ms de kg?
b. Qu tan grande debe ser la muestra que tome para tener el 98% de certidumbre de que la media
de la muestra no se aleje ms del medio kilo de la media de la poblacin?
Rta: a) 0,9819 y b) 34
15) El salario medio por hora del personal de limpieza de laboratorios en la zona de Capital es de
$ 68. Cul es la probabilidad de encontrar un salario medio por hora de $ 70 o ms, si se toma una
73
muestra de 50 personas, sabiendo que la desviacin estndar poblacional es de $ 2 por hora.

Rta:
APLICACIONES
DE
CONCEPTOS TERICOS DE DISTRIBUCIN DEL MUESTREO
En c/ de los enunciados, marque con una cruz si es V (Verdadero) o (Falso).En este ltimo caso,
justifique como transforma en verdadero dicho enunciado.
1. Cuando los elementos incluidos en una muestra se basan en el juicio del individuo que conduce la
muestra, se dice que la muestra es no aleatoria.
2. Una estadstica es una caracterstica de una poblacin.
Rta: V___/F___
Rta: V___/F___
3. Un plan de muestreo que selecciona miembros de una poblacin a intervalos uniformes con
respecto al tiempo, al orden o al espacio se denomina muestreo estratificado. Rta: V___/F___
4 Como regla general, no es necesario incluir un multiplicador de poblacin finita en el clculo
del error estndar de la media cuando el tamao de la muestra es mayor que 50.
Rta: V___/F___
5. La distribucin de probabilidad de todas las medias posibles de muestras se conoce como la
distribucin de muestreo de la media.
Rta: V___/F___
6. Los principios de muestreo aleatorio simple son la base terica de la inferencia
Rta: V___/F___
7. El error estndar de la media es la desviacin estndar de la distribucin de medias de la
muestra.
Rta: V__/F__
8. Con un mayor tamao de muestra, la distribucin de muestreo de la media se aproxima a
la normalidad, sin importar la distribucin de la poblacin.
Rta: V__/F__
9. El error estndar de la media disminuye en proporcin directa al tamao de muestra. Rta: V__/F__
10. Para obtener una distribucin terica de muestreo, consideramos todas las muestras de un
tamao dado.
Rta: V__/F__
11. Si la media de una cierta poblacin fuera 15, es probable que la mayor parte de las muestras
que podramos tomar de esa poblacin tuviera medias de 15.
Rta: V__/F__
12. El error estndar de una estadstica de muestra es la desviacin estndar de su distribucin
de muestreo.
Rta: V__/F__
13. La fraccin de muestreo compara el tamao de una muestra con el tamao de la poblacin.
Rta: V__/F__
74
14. La precisin con la que puede usarse la media de muestra para estimar la media de
poblacin disminuye al incrementarse el error estndar.
Rta: V__/F__
15. Elija entre el par de smbolos que se siguen a continuacin el que mejor complete el
enunciado: ___________es un parmetro, mientras que _______________es una estadstica
a. N,
b.,s
c. N,n
d. Todos los anteriores
e. b) c) ,pero no a)
16. En cul de las siguientes situaciones
es la frmula correcta para calcular
a) El muestreo es de una poblacin infinita.

b) El muestreo es de una poblacin finita con reemplazo.
c) El muestreo es de una poblacin finita sin reemplazo.
d) Slo a) y b).
e) Slo b) y c)
17. Suponga que una poblacin con N = 144 tiene = 24. Cul es la media de la distribucin
de muestreo de la media para muestras de tamao 25?
a) 24
b) 2
c) 4.8.
d) No puede determinarse de la informacin dada.
18. El Teorema Central del Lmite nos asegura que la distribucin de muestreo de la media:
a) Es siempre normal.
b) Es siempre normal para tamaos grandes de muestra.
c) Se aproxima a la normalidad al tiempo que se incrementa el tamao de muestra.
d) Parece normal slo cuando N es mayor que 1,000.
19. En una poblacin normalmente distribuida, la distribucin de muestreo de la media:
a) Est normalmente distribuida.
b) Tiene una media igual a la media de la poblacin.
c) Tiene una desviacin estndar igual a la desviacin estndar de la poblacin dividida entre
la raz cuadrada de un tamao de muestra.
e) Tanto a) como b).
Complete los espacios en blanco de forma tal que de sentido a la oracin.
1. Una porcin de los elementos de una poblacin elegidos para su examen o medicin directa
es una _______________
2. La proporcin de la poblacin contenida en una muestra es la ________________.
3. La _______________ _______________ es el proceso mediante el cual se hacen inferencias acerca de
una poblacin a partir de informacin sobre una muestra.
4. La ____________ ___ _________ _________es la distribucin que se obtiene al encontrar la
distribucin de muestreo de todas las muestras de un tamao dado de una poblacin.
5. El muestreo _____________se debe usar cuando cada grupo considerado tiene una pequea
variacin dentro de s mismo, pero hay una amplia variacin entre diferentes grupos.
75
6. Un mtodo aleatorio en el que los elementos se seleccionan a partir de la poblacin a intervalos

uniformes se denomina muestreo ______________.
7. Dentro de una poblacin, los grupos que son similares entre s (aunque los grupos mismos tengan
una amplia variacin interna) se conocen como _______________.
Uno de los errores en el diseo de una encuesta es el ERROR DE COBERTURA y genera

un sesgo de seleccin constituyndose en un problema tico cuando del marco se excluyen
unidades de anlisis. Lo mismo ocurre si hay ERROR DE NO RESPUESTA, generando el
mismo sesgo, si el investigador deliberadamente no trabaja con las respuestas faltantes o
disea una encuesta sabiendo que se reduce la posibilidad de que algunos contesten. El
ERROR DE MUESTREO puede generar conclusiones distintas si no se informa el tamao de
la muestra y al margen de error. Tambin, cuando el investigador lleva a que el encuestado
de la respuesta que pretende, sea porque la pregunta es tendenciosa.
76
INFERENCIA ESTADSTICA
MTODO CLSICO
ESTIMACIN
PRUEBA DE HIPTESIS
Utilizada para Estimar parmetros
PUNTUAL
Un solo valor
del estimador
MTODO BAYESIAN0
Utiliza Conocimiento Subjetivo o Previo
sobre la Distrib. De Probabilidad de los
parmetros desconocidos junto con la
informacin de la muestra
Utilizadas para Toma de Decisiones

en relacin con los parmetros de
poblacin especificadas.
POR INTERVALOS
Un conjunto de valores cerrado y acotado
D
I
S
T
R
I
B
D
E
P
R
O
B
A
B
I
L
La Inferencia Estadstica utiliza un razonamiento inductivo porque a partir de los resultados de una
muestra se van a obtener conclusiones sobre la poblacin.
Complete la notacin correspondiente
PARMETRO
a estimar
ESTIMADOR
Estimador Puntual Valor nico

Estimador Por Intervalos Conjunto de valores cerrado y acotado
77
ESTIMACIN POR INTERVALOS

Tipo de anlisis
Intervalo de Confianza
para un Parmetro
Poblacional
Datos Categricos
Datos Numricos
Estimacin del Intervalo de

Confianza para la proporcin

Confianza para la media
Confianza para la varianza
Confianza para el desvo
0,025
Grafica: Suponiendo una Poblacin Infinita proveniente de una distribucin Normal conociendo el desvo poblacional
Los elementos de la Estimacin por Intervalos son los siguientes:

Li
- Ls
INTERVALO DE CONFIANZA: comprendido entre el Lmite Inferior y el Lmite

Superior.
(1- )
NIVEL DE CONFIANZA
z, t, K
COEFICIENTE DE CONFIANZA
E=z.
ERROR ESTANDAR DE LA MEDIA

(Considerando : Desvo Poblacional Conocido o no
Poblacin Infinita o Finita)
ERROR MAXIMO DE ESTIMACIN PERMITIDO O MARGEN DE ERROR O

SEMIAMPLITUD

= 2
En otros textos se lo denomina M.E.
78
Ejemplo:
P x z.
x z.
= (1-)
n
n
La Variable Aleatoria x aparece en los extremos con la constante desconocida: en la mitad.

El Intervalo construido Se considera un INTERVALO ALEATORIO:
a)
Pues sus dos puntos extremos son una VA

Li____________________________ Ls
x z.
x z.
M.E.
M.E.
de c/lado (caso de desvo conocido y poblacin. infinita

n
c) La longitud o ancho es 2 veces Z.

y no es aleatoria
n
b) Centrada en la x y se extiende a
d) LO ALEATORIO es la Localizacin del Punto Medio del Intervalo x

En consecuencia;
O ms conciso
IC [ x z.
IC x z.
n
; x z.
]
n
n
IC x ME
EJERCICIOS DE APLICACIN de ESTIMACIN PUNTUAL Y POR INTERVALOS DE

CONFIANZA
Encuentre el valor z para construir el intervalo de confianza segn el nivel de confianza

especificado:
Nivel de
Valor z
Valor z
confianza Del Lmite inferior
Del Lmite superior
80%
90%
95%
99%
1) Una asociacin de administradores de consorcio desea conocer el promedio de las expensas anuales.
En una muestra aleatoria de 256 administradores, la media es de $ 4542 y la desviacin estndar de
$ 205.
a) Cul es la media poblacional?
b) Cul es el intervalo razonable de valores para la media poblacional?
c) Qu significan los resultados obtenidos?
79
Interpretacin
A largo plazo el (1-) % de los intervalos obtenidos contienen al parmetro.
Pero, no se sabe si nuestro intervalo construido es uno de los que pertenecen al (1-) %
2) Necesita estimar la media poblacional, en el caso de estudiar la vida til de determinada lmpara
de proyectores en donde se conoce la desviacin estndar de la vida til poblacional que es de 500
horas, pero se desconoce la vida til media. Se toma una muestra de 15 lmparas para proyectores y da
una vida til de 8900 horas.
Resolver suponiendo:
2.1) Que la vida til de las lmparas sigue la distribucin normal, sabiendo que quiere construir
el intervalo de confianza del a) del 95% y b) del 90% Rta: (8647;9153) ; (8688, 9112)
2.2) ) Que la vida til de las lmparas no se considera normalmente distribuida y por tal razn
la muestra tomada fue de 35 lmparas en lugar de 15 lmparas, sabiendo que quiere construir
el intervalo de confianza para un nivel del 95% Rta: (8734; 9066)
2.3) Que la poblacin est normalmente distribuida pero no se conoce la desviacin estndar de
la poblacin. Si en cambio, en la muestra tomada de 35 lmparas dio una desviacin estndar
de 500 horas frente a la media de la muestra de 8.900 horas. Resuelva solamente para el 90% de
nivel de confianza.
Rta: ((8761;9039)
2.4) Que no puede suponer la forma de la distribucin, y ms an, no conoce tampoco el desvo
poblacional. Sigue tomando una muestra de 35 lmparas lo que arroj una media de 8.900 horas
y 500 horas de desvo y debe estimar la media poblacional para un nivel de confianza del 99%
Rta: ( 8682; 9118)
2.5) Que el desvo no se conoce, pero el desvo muestral es 500 horas. Construya el intervalo de
confianza con un nivel de confianza del 95% para estimar la media poblacional, sabiendo que
la vida til sigue una distribucin normal. La muestra ha sido de 15 lmparas con una media
muestral de 8.900 horas. Posteriormente, construya el intervalo en donde se encuentra la media
poblacional considerando un nivel de confianza del 90%. Rta: (8623; 9177) ; (8672;9128)
2.6) Que la muestra de 15 lmparas arroj una media de 8.900 horas y desvo estndar de 500
horas. Estime la media poblacional construyendo el intervalo con un 90% de nivel de confianza
si se supone que la vida media no est normalmente distribuida. Rta (8492; 9308)
3) En una muestra de 40 restaurantes de comida rpida la venta diaria fue de $ 26.800 y la desviacin
estndar de $3.020. a) Cul es la media estimada de ventas diarias y cmo se llama esta estimacin?
b) Cul es el intervalo de confianza de 99% de nivel de confianza? Interprete sus resultados.
Rta: b) IC [ 25570 28030]
4) El costo variable de construccin de dplex en una zona del Gran Buenos, por metro cuadro sigue
una distribucin normal. Se tom una muestra de 16 viviendas con las que se calcul un costo variable
de construccin promedio de $ 2.100 y un desvo estndar de $ 225.
a) Entre qu valores estar el costo variable promedio de construccin si la estimacin se har con un
nivel de confianza del 95%.
b) Estime la varianza poblacional con una confianza del 90%.
c) Luego estime el desvo poblacional con igual confianza
Rta: a) IC [ 1980,13 2219,86] = 0,95; b) IC [30380 2 104582,7]=0,90; c) IC [174,30 323,4]=0,90
80
Para la estimacin del IC de la Varianza : expresa Newbold en Estadstica para Administracin y Economa que es peligroso
hacer la estimacin cuando la poblacin no sigue una distribucin normal. La validez del estimador de un intervalo de la
varianza depende mucho ms del supuesto de la normalidad que la del estimador de un intervalo de la media poblacional.
5) Una empresa con una gran cantidad de empleados estn considerando la posibilidad de ofrecer en
conjunto un nuevo servicio de almuerzos para todos. Como integrante en ese estudio de viabilidad del
proyecto se desea conocer el costo diario medio de los almuerzos. En una muestra tomada al azar de
11 empleados se lleg a que los importes consumidos en almuerzo diariamente han sido los siguientes:
$95
$105
$95
$92
$107
$91
$104
$101
$99
$97
$107
a) Determine un intervalo de confianza de 90% para la media poblacional. Interprete su resultado.

Considere una distribucin normal.
b) Estime la varianza con una confianza del 90%
Rta: a) IC [ 96,17 102,35] = 0,90; b) IC [18,60 2 86,42]=0,90; c) IC [4,313 9,296]=0,90
6) El negocio de Nicola dedicado a hacer pasteles los comercializa a 50 pasteleras. Nicola desea saber
el nivel de ausentismo entre sus empleados. A continuacin, se da el nmero de das de ausencia
durante una quincena en una muestra de 10 trabajadores.
4
a)
b)
c)
d)
e)
Determine la media y la desviacin estndar de la muestra.

Cul es la media poblacional? Cul es la mejor estimacin de ese valor?
Proporcione un intervalo de confianza de 95% para la media poblacional
Explique por qu usa esa distribucin en el ejercicio
Puede concluir que el trabajador promedio no falt ningn da durante una quincena?
Rta: a) = 1,8 ; Sn-1 = 1,1353
b) = 1,8 -como mejor estimacin. c) IC [0,196 3,404] = 0,95
7) En una determinada localidad hay 250 familias. Se realiz una encuesta a 40 familias surgiendo que
la cantidad promedio de consumo anual en turismo es U$s 4.500 con una desviacin estndar de U$s
750. Determine un intervalo de confianza de 90% para el consumo anual en turismo.
Rta: a) IC [4320,85 4679,15] = 0,90
8) Se ha reunido la siguiente informacin en la tabla que se presenta a continuacin:

Monto de la deuda
Cantidad de clientes
1000-1500
9
1500-2000
17
2000-2500
28
2500-3000
20
3000-3500
6
a) Estime puntualmente el monto promedio de los deudores
b) Estime con una confianza del 98%, el monto promedio de los deudores.
Rta: a) = 2231,25 ; b) IC [2087,25 2375,25] = 0,98; c) IC [18,60 2 86,42]=0,90; c) IC [4,313 9,296]=0,90
9) Un analista de investigacin de perfumes obtiene informacin respecto de una muestra de 100

clientes de los 400 que adquieren una oferta especial determinada. Estas 100 personas gastaron en la
Perfumera un promedio de U$s 24,57 con una desviacin estndar de U$s 6,60. Si emplea un intervalo
de confianza considerando el nivel del 95% calcule a) el monto medio de compra para los 400 clientes
y b) el monto total de dinero gastado en compras por los 400 clientes.
81
10) Un agente burstil analiza el rendimiento de un fondo de inversin. Para ello, tom una muestra
mediante la recopilacin de los rendimientos medios generados por ese fondo durante 25 das,
obteniendo un rendimiento medio del 6%. Considerando que el rendimiento de los fondos de inversin
siguen una distribucin aproximadamente normal con un desvo del 3,2%.
a) Halle con una confianza del 95% el intervalo para el rendimiento medio del fondo.
b) Halle con una confianza del 90% el intervalo para el rendimiento medio del fondo.
c) Compare e interprete los resultados obtenidos en los puntos anteriores.
d) Calcule la cantidad de das que debera analizar para que el error sea inferior al 0,5% con un nivel
de confianza del 90% Rta: a) IC [0,047456 0,072544] = 0,95; b) IC [0,049472 0,070528] = 0,90 d) n=111
11) Antes reiterados reclamos el Sector de control de calidad decide calcular la proporcin de artculos
que no cumplen con los requisitos de calidad. Dado que resulta dificultoso hacer un relevamiento de
todos los artculos fabricados, se ha decidido estimar dicha proporcin a travs de una muestra de 64
artculos de los cuales 8 no cumplen con las especificaciones de calidad.
Dada esa evidencia muestral, se solicita:
a) Hallar el intervalo de confianza para la proporcin de artculos que no cumplen las especificaciones
en la poblacin, considerando un nivel de confianza del 95%
b) Hallar: b.1) el intervalo de confianza para la proporcin de artculos que no cumplen las
especificaciones en la poblacin, considerando un nivel de confianza del 90% y b.2) cmo afectara la
estimacin si la cantidad de artculos fabricados por la empresa han sido 1200?
c) Compare los resultados anteriores e interprtelos.
d) Si el error estipulado se quiere reducir en un 25% cul sera el tamao de la muestra, considerando
un nivel de confianza del 90%?
Rta: a) IC [0,04397 0,20603] = 0,95; b.1) IC [0,057 0,193] = 0,90; b.2) IC [0,0588 0,19119] = 0,90 d) n=114
12) Un concesionario decide analizar la eficiencia de un vendedor nuevo para estudiar la posibilidad
de incrementarle las comisiones; ventas. Para ello, se analizar adems del monto promedio de ventas,
la varianza de las mismas. Del total facturado por ventas realizadas por este vendedor se seleccionaron
al azar las siguientes facturas que arrojan los siguientes valores en miles de pesos
108-136-290-410-72-124-320
Utilizando esta informacin muestral: Construya el intervalo de confianza para las ventas, que se
distribuyen en forma aproximadamente normal, considerando un nivel del 95% de confianza tanto
para: a) la media; b) la varianza y c) el desvo.
Rta: a) IC [88,69 328,45] = 0,95; b) IC [6976,46 2 81472,32]=0,95; c) IC [83,52 285,43]=0,95
13) La contabilizacin de facturas produce una proporcin desconocida de comprobantes con

datos diferentes a los reales. Por tal razn, se ha tomado una muestra de 60 comprobantes que
arrojaron una proporcin de comprobantes con datos diferentes a los reales del 30%.
a) Hallar los lmites de confianza del 95% para la proporcin de comprobantes con datos
diferentes a los reales.
b) Determinar la cantidad de comprobantes que debieran someterse a anlisis para reducir el
error en un 50%especificando el criterio adoptado para determinar el tamao muestral.
Rta: a) IC [0,184045 415955] = 0,95; b) n= 286
14) Segn una encuesta realizada, se pudo establecer utilizando una muestra de 8740 familias
que la proporcin de familias que consumen productos light se encuentra entre el 28,74% y el
31,26%. Se pide hallar el nivel de confianza si se conoce que para la estimacin se tom una
muestra que arroj 2622 familias que consumen productos light.
Rta: (1-)= 0,99
82
AUTODIAGNSTICO
DE
CONCEPTOS TERICOS DE INFERENCIA ESTADSTICA
Conteste Verdadero V- o Faso en los siguientes enunciados y en el caso de ser Falso,
modifique el texto de forma tal que se haga Verdadero.
1. Una distribucin del muestreo es la distribucin que enlista algunas de las posibles estadsticas muestrales
obtenidas de muestras de igual tamao que pueden extraerse aleatoriamente de la misma Poblacin, en donde
se considera tanto el muestreo con reposicin como el muestreo sin reposicin.
Rta: V__/F__
2. El error estndar de la media es la desviacin estndar de la distribucin de medias muestrales.
Rta: V__/F__
3. El error estndar de la ., es el nombre que generalmente se usa para expresar la desviacin estndar de
la distribucin muestral de la estadstica que se mencione en el espacio integrado por punto.
Rta: V__/F__
4.El error estndar de la media aumenta a medida que el tamao de la muestra aumenta.
Rta: V__/F__
5. La media de la distribucin del muestreo de las es igual a la media de la muestra.
Rta: V__/F__
6. Los histogramas para representar todas las distribuciones muestrales son simtricos.
Rta: V__/F__
7. Una muestra aleatoria se obtiene en forma tal que todas las muestras posibles de tamao n tienen igual
probabilidad de ser seleccionadas.
Rta: V__/F__
8. Lo que determina la dispersin de una distribucin del muestreo dice Anastasia: es el nmero de muestras
empleadas y Tatiana dice que es el tamao de cada muestra empleada.
Rta: V__/F__
9. El intervalo de confianza se construye a partir de la estimacin puntual el error mximo.
Rta: V__/F_
10. El T.C.L. sintticamente expresa que la distribucin del muestreo se asemejar ms estrechamente a la
Distribucin normal cuando el tamao muestral aumenta.
Rta: V__/F__
11. Un nivel de confianza del 90% significa que la probabilidad de que el intervalo tome esos valores es del 90%
Rta: V__/F__
12. Las Distribuciones t de Student tienen una distribucin aproximadamente normal, pero estn ms dispersas
que la distribucin normal estndar, por eso son leptocrticas
Rta: V__/F__
13. Se dice que un estadstico es un estimador eficiente de un parmetro si, al aumentar el tamao de la muestra,
es casi seguro que el valor del estadstico se acerca mucho al valor del parmetro.
Rta: V__/F__
83
14. Una estimacin de intervalo es un intervalo de valores utilizado para estimar la forma de la distribucin de
una poblacin.
Rta: V__/F__
15. La probabilidad de que un parmetro de poblacin se encuentre dentro de una estimacin de intervalo dada
se conoce como nivel de confianza.
Rta: V__/F__
16.Al aumentar el tamao de la muestra, la distribucin t tiende a una forma ms plana.
Rta: V__/F__
17. Debemos utilizar siempre la distribucin t, y no la distribucin normal, cuando se desconoce la desviacin
estndar de la poblacin.
Rta: V__/F__
18.Cuando se utiliza la distribucin t para hacer estimaciones, se debe suponer que la poblacin es
aproximadamente normal.
Rta: V__/F__
19. No siempre es deseable utilizar niveles de confianza altos, debido a que producen intervalos de confianza
grandes.
Rta: V__/F__
20. Existe una distribucin t distinta para cada posible tamao de muestra.
Rta: V__/F__
21. Una estimacin puntual a menudo resulta insuficiente, porque slo puede ser correcta o incorrecta.
Rta: V__/F__
22. Se dice que una media de muestra es un estimador no sesgado o imparcial de una media de poblacin debido
a que ningn otro estimador podra extraer de la muestra informacin adicional acerca de la media de la poblacin.
Rta: V__/F__
23.El estimador de que se utiliza con ms frecuencia es s.
Rta: V__/F__
.(1)
22. El error estndar de la poblacin se calcula como
Rta: V__/F__
23. El nmero de grados de libertad que se utilizan en una estimacin de distribucin t es igual al tamao de la
muestra.
Rta: V__/F__
24. Conforme aumenta el tamao de la muestra, la distribucin t se aproxima menos a una distribucin normal.
Rta: V__/F__
25.Conforme aumenta el ancho de intervalo de confianza, el nivel de confianza asociado con el intervalo tambin
se incrementa.
Rta: V__/F__
Marque la opcin que considera correcta en cada enunciado
1. Cuando escogemos un estimador de un parmetro de poblacin, debe tomarse en cuenta:
a) Suficiencia.
b) Claridad.
c) Eficiencia.
e) a) y c), pero no b)
84
2. Suponga que se pregunt a 200 miembros de un grupo si les gusta o no un producto en particular. 50 dicen que
s y 150 dicen que no. Suponiendo que s significa un xito, cul de las siguientes es correcta?
a) = 0.33.
b) =0.25.
c) =0.33.
d) =0.25.
e) b) y d), solamente.
3. Suponga que est tomando una muestra y calcula es 100. Despus calcula el lmite superior de un intervalo de
confianza del 90% para m ; su valor es 112. Cul es el lmite inferior de este intervalo de confianza?
a) 88.
b) 92.
c) 100.
d) No se puede determinar a partir de la informacin proporcionada
4. Despus de tomar una muestra y calcular x w, un especialista en estadstica dice: tengo el 88% de certeza de
que la media de la poblacin est entre 106 y 122. Qu es lo que quiere decir en realidad?
a) La probabilidad de que se encuentre entre 106 y 122 es de 0.88.
b) La probabilidad de que = 114, el punto medio del intervalo, 5.
5. Cul de las siguientes es una condicin necesaria para utilizar una tabla de distribucin t? a) n es pequeo.
b) Se conoce el desvio muestral , pero no el poblacional .
c) La poblacin es infinita.
d) Todos los anteriores. e) a) y b), pero no c).
6.Suponga que intentamos estimar una varianza de poblacin utilizando 2 . No es correcto calcular S2 como (x
)2/n debido a que el valor sera:
a) Sesgado.
b) Ineficiente.
c) Inconsistente.
d) Insuficiente.
7. Suponga que, de una poblacin con N 5 50, se toma una muestra de tamao 15; se sabe que 2 es igual a 36 y
que S 2 para la muestra es 49; la x para la muestra se calcula en 104. Cul de las siguientes deber utilizarse para
calcular un intervalo de confianza del 95% para ?
a) La distribucin t de Student.
b) La distribucin normal.
c) Multiplicador de poblacin finita.
d) a) y c), pero no b).
8.. Podemos utilizar la distribucin normal para representar la distribucin muestral de la poblacin cuando:
a) El tamao de la muestra es mayor que 10.
b) El tamao de la muestra es menor que 50.
c) El tamao de la muestra es mayor que 5.
d) Ninguno de los anteriores.
9. Se sabe que la calificacin promedio de los 25 estudiantes del curso de matemticas de quinto ao del colegio
High College es de 66 puntos. Al elaborar un intervalo de confianza del 95% para la calificacin promedio de
todos los alumnos del quinto ao, deberamos usar:
a) La distribucin normal con 24 grados de libertad.
b) La distribucin t con 24 grados de libertad.
c) La distribucin t con 65 grados de libertad.
d) La distribucin t con 25 grados de libertad.
10. Cierta poblacin con distribucin normal tiene una desviacin estndar conocida de 1.0. Cul es el ancho
total de un intervalo de confianza del 95% para la media de la poblacin?
85
a) 1.96.
b) 0.98.
c) 3.92.
d) No se puede determinar con la informacin proporcionada.

1.
Un solo nmero que se utiliza para estimar un parmetro de poblacin desconocido es un(a)
__________________
2.
Un intervalo de valores que se utiliza para estimar un parmetro de poblacin desconocido es un(a)
____________________________
3.
Una vez que sabemos algo acerca de una muestra, el nmero de valores de la muestra que podemos
especificar libremente se conoce como _________________
4.
La familia de distribuciones de probabilidad que se utiliza cuando no se conoce la desviacin estndar de la

poblacin, el tamao de la muestra es pequeo y los valores se aproximan a la distribucin normal es el (la)
_______________________
5.
Cuando damos una estimacin de intervalo de un parmetro de poblacin, hacemos notar qu tan seguros
estamos de que el intervalo contiene al parmetro real de la poblacin, estableciendo
un________________________________
6.
Los lmites superior e inferior de confianza estn a la misma de la ____________________
7.
En ausencia de informacin adicional, debera utilizarse un valor de ___________para p al determinar el

tamao de muestra para la estimacin de una proporcin de poblacin.
86
RESUMEN DE CONCEPTOS PARA ESTIMACIN POR INTERVALOS

Complete el siguiente mapa conceptual para estimar el parmetro poblacional
mediante un nivel de confianza.
INTERVALOS DE CONFIANZA de la MEDIA POBLACIONAL
considerando
DISTRIBUCIN
NORMAL
AL
n 30
DESCONOCIDA
DESVO
DESVO
CONOCIDO
DESCONOCIDO
n< 30
n 30
n< 30
DESVO
DESVO
CONOCIDO
DESCONOCIDO
n 30
n< 30
n 30
n< 30
INTERVALOS DE CONFIANZA de la PROPORCIN POBLACIONAL

considerando
DISTRIBUCIN NORMAL
INTERVALOS DE CONFIANZA de la VARIANZA POBLACIONAL

considerando
DISTRIBUCIN NORMAL
87
RECORDAR: Para la estimacin del IC de la Varianza : expresa Newbold en Estadstica para Administracin y Economa
que es peligroso hacer la estimacin cuando la poblacin no sigue una distribucin normal. La validez del estimador de un
intervalo de la varianza depende mucho ms del supuesto de la normalidad que la del estimador de un intervalo de la media
poblacional.
INTERVALOS DE CONFIANZA de la DESVIACION POBLACIONAL

considerando
DISTRIBUCIN NORMAL
Cuando se hace inferencia se debe dejar informado el tamao de la muestra,

los limites del intervalo de confianza y la interpretacin de su significado.
Los resultados estadsticos en donde ms engaoso se presentan son los relacionados a
sondeos polticos, por lo que los resultados deben estar seguidos del error de muestreo
implicado, la metodologa utilizada, el tamao de la muestra, el intervalo de confianza
hallado.
88
VI LOS TESTS DE HIPTESIS -UNIDAD TEMTICA Nro.7 del Programa N 3496/13

Objetivos del Aprendizaje: Proporcionar los conocimientos necesarios para tomar decisiones en condiciones de
incertidumbre y medir los posibles errores asociados con esta situacin.
DISTRIBUCIN EN EL MUESTREO
INTERVALOS DE CONFIANZA
TEST DE HIPTESIS
Usan los mismos datos
Razonamiento inductivo porque en la Estadstica inferencial se utilizan los resultados de una muestra
para obtener conclusiones acerca de la poblacin
Se utilizan para estimar un parmetro
Se utilizan para tomar decisiones en relacin con
parmetros de poblacin especificado.
Aporta un anlisis diferencial entre los resultados
o Observados en el estadstico de la muestra
o Esperados
Si la hiptesis subyacente es Verdadera.
Es bilateral
Es bilateral (2 colas Test contradistinto) o Unilateral
de 1 cola test contra mayor o bien test contra
menor)
No diga: He hallado la verdad, sino he hallado una verdad Kahlil Gibran
HIPTESIS: enunciado acerca de una caracterstica de la poblacin o de un modelo estadstico.

El test de hiptesis o contrastacin de hiptesis o Prueba de hiptesis es un proceso o procedimiento
para establecer la validez de una hiptesis estadstica, basado en evidencia muestral y teora de las
probabilidades.
La prueba de hiptesis comienza con una afirmacin o suposicin acercad de un parmetro poblacional.
HIPOTESIS NULA - Ho El planteo de la hiptesis comienza con la denominada Hiptesis Nula Ho cuyo subndice 0 indica
no hay diferencia, no hay cambio y convenimos (por convencin general en la mayora de la literatura
estadstica) que tiene que contener el signo igual por lo que se trata de la afirmacin de algo.
Es el punto de partida del investigador. Mantiene el status quo
Se expresa de las siguientes formas:
Ho : u = uo
Ho : u uo
Ho : u uo
La hiptesis nula siempre tiene el signo igual y NUNCA el igual aparecer en la hiptesis alternativa,
porque la Ho es la afirmacin a probar y cuando se realizan los clculos se requiere de un valor
especfico.
La Ho es una afirmacin que no se rechaza a menos que exista evidencia muestral que nos lleve a
rechazarla.
89
Ahora bien, si la evidencia muestral nos lleva a aceptarla, no significa que sea la Ho verdadera, sino que
no encontramos evidencia suficiente para rechazarla. Para probar que sea la Ho verdadera tendramos
que hacer un censo de la poblacin.
Por ese motivo, cuando se concluye Aceptar la Ho en realidad se debe decir No se rechaza la Ho ya
que no se encontr evidencia muestral suficiente que permita rechazarla.
Se concluye expresando: Existe evidencia muestral que indica que la hiptesis nula .
HIPOTESIS ALTERNATIVA
- H1
Es la afirmacin que se acepta si la evidencia muestral proporciona evidencia suficiente de que la
hiptesis nula es falsa y se rechaza la Ho
TIPOS DE TEST DE HIPOTESIS
o
PARAMTRICO: Cuando la caracterstica poblacional que sometemos a prueba es un parmetro
NO PARAMTRICO: Cuando la caracterstica poblacional que sometemos a prueba no es un parmetro

sino que puede ser una funcin de distribucin; la independencia de atributos.
REQUISITOS Y SUPUESTOS PARA EL TEST DE HIPOTESIS

o
PARAMTRICO
Requieren hiptesis con respecto a parmetros
poblacionales
El nivel de medicin, debe permitir operaciones
aritmticas que tengan significado (escala de
medicin intervalar o de razn)
NO PARAMTRICO
La prueba no necesariamente se relaciona con
parmetros poblacionales
Los datos no tienen fuerza suficiente como para
recomendar operaciones aritmticas con
verdadero significado (escala de medicin
inferiores a la de intervalos)
Supuestos:
o La prueba no depende de la distribucin
a. Que la muestra extraida provenga de
probabilstica de la poblacin que gener la
una poblacin Normal
muestra (segn Gibbons, se trata de prueba de
b. Que
las
observaciones
sean
distribucin libre, pero en este curso lo tomamos
independientes entre s
como todo lo que no es paramtrico)
c. Si intervienen dos o ms muestras, las
mismas deben ser extradas de
poblaciones normales con igual varianza.
De tal forma, con ambos tipos de test tenemos cobertura para analizar datos con todo tipo de escalas de medicin,
algunos test son ms rpidos y fciles de aplicar y ms robustas (es decir que tienen insensibilidad relativa a violaciones
pequeas de los supuestos) tales el caso de hiptesis no paramtricas que no es parte de nuestro curso de Estadstica I.
Tener en cuenta que si los datos son numricos, utilizar pruebas no paramtricas hacen desperdiciar informacin.
Lo importante tambin, es que sirven las no paramtricas para muestras en donde no es posible verificar los supuestos
de las paramtricas para muestras chicas.
RESULTADOS DE UN TEST DE HIPTESIS

Complete el cuadro identificando cada error que se generan al tomar una de las
decisiones, en donde no se conoce si el Ho es verdadero o no lo es.
90
Decisin
Estadstica
Situacin
Ho VerdaderaHo Falsa-
No rechazar Ho
Rechazar Ho
Mencione y defina los dos tipos de errores :
1)
2)
Informe sobre la REGLA DE DECISIN tomada luego del Test:

Como el valor emprico es
al valor terico se
la Hiptesis nula que enuncia que
Por lo tanto, existe evidencia muestral suficiente que indica que

a un nivel de significancia del por lo que se recomienda
TIPOS DE TEST DE HIPTESIS O CONTRASTES DE HIPTESIS
91
Un ejemplo en la grfica Test de hiptesis para la media poblacional
CONSTRUYENDO LA PRUEBA DE HIPTESIS PARA LA TOMA DE DECISIONES
LOS 6 PASOS EN LA
PRUEBA DE HIPTESIS
a) Establecer
1. Establecer
hiptesis nula
H0
hiptesis alternativa
H1
2.
Elegir
nivel de significacin
tamao de la muestra
3. Determinar
el estadstico,
y, la distribucin de la Prueba de Hiptesis
4.Hallar
el o los valores crticos, que divide en dos regiones,
rechazo, aceptacin de la hiptesis nula
5.Reunir los datos y
calcular el valor del estadstico de la prueba
6.En base al estadstico
TOMAR LA DECISIN y,
Escribir las conclusiones del investigador, de acuerdo a que el estadstico caiga en la regin de
aceptacin, o rechazo de la hiptesis nula H0.
La regla de decisin debe estar fundamentada en base a los datos del problema
92
CONCEPTOS DE APLICACIN de TEST DE HIPTESIS

1) Exprese en cada caso, si est bien planteada la hiptesis estadstica (V F) y por qu. Luego, en
cada caso, exprese el tipo de test a utilizar (bilateral, unilateral contra mayor , unilateral
contra menor) con la representacin grfica.
a) Ho : > 200
g) H1 : = 200
= 350
b) Ho:
h) Ho: : p 0,80
c) Ho : = 2
i) H1 : : p 0,80
d) H1 : x 0,80
j) H0 : : p 0,80
e) Ho: : x <4320
k) H1: 200
f) Ho: < 350
Rta: V: c); j) y k; Test bilateral contra distinto-: b) ; c) g) y k); Test
unilateral contra mayor: e); f) h) y j). ; Test unilateral contra menor: a); d); i)
2) En el envase de las barras de arroz con semillas de amaranto, chia y ssamo de 12 gramos se informa que
aporta 46 caloras. Responda a las preguntas relacionadas con un test de hiptesis para probar lo expresado
en el envase sobre las caloras. a) Plantee el Ho y la H1 adecuada b) En esta situacin, interprete cul es
el error de tipo I y las consecuencias que genera cometer este tipo de error? c) cul es el error de tipo II y
las consecuencias de cometer este tipo de error?
3) Se est evaluando implementar un nuevo mtodo de enseanza si mediante una prueba de hiptesis se
confirma la conclusin de que el nuevo mtodo de enseanza reduce la proporcin de ausentismo en la
materias. a) Plantee la hiptesis nula y la alternativa si la proporcin de ausentismos actual en la materia
es del 30% b) En esta situacin, interprete cul es el error de tipo I y las consecuencias que genera cometer
este tipo de error? c) cul es el error de tipo II y las consecuencias de cometer este tipo de error?
EJERCICIOS DE APLICACIN de TEST DE HIPTESIS
1) En una compaa que vende todo a crdito, se sabe que el valor medio de la totalidad de las cuentas por cobrar
es de $ 2600 con una desviacin estndar de $430. Para ello, el auditor de la misma tomar una muestra de 36
cuentas y rechazar el supuesto de $ 2600 solo si es claramente contradicho por la media muestra.
Plantee la hiptesis nula de esta prueba y la hiptesis alternativa. Especifique el tipo de test b) Especifique el nivel
de significancia
c) Seleccione el estadstico de la prueba d) Establezca los valores crticos de la estadstica de
prueba e) Sabiendo que la muestra arroj un valor medio de cuentas por cobrar de $ 2400. Acepta la hiptesis
con un error de tipo I del 5%? Adems, Halle el valor del estadstico de prueba : (en funcin a los valores observados
en la muestra):terico y emprico
Rta: Existe evidencia muestral suficiente para rechazar la Ho al nivel de significancia del 5%. Luego,
se concluye que las ventas a crdito tienen un valor medio diferente a $ 2600.
2) Con relacin a los datos anteriores, al auditor anterior no le interesa el promedio de la totalidad de las cuentas
por cobrar que excedan los $ 2.600 sino que est preocupado por las cuentas a cobrar menores a $ 2600.
a) Plantee la hiptesis nula de esta prueba y la hiptesis alternativa. Especifique el tipo de test
b) Especifique el nivel de significancia c) Seleccione el estadstico de la prueba d) Establezca los
valores crticos de la estadstica de prueba e) Sabiendo que la muestra arroj un valor medio de
cuentas por cobrar de $ 2400.Acepta la hiptesis a un nivel de significancia del 5% Adems, Halle el
93
valor del estadstico de prueba : (en funcin a los valores observados en la muestra):terico y
emprico
se concluye que las ventas a crdito tienen un valor medio menor a los datos anteriores que eran de $
2600. La decisin es informar a la compaa que las ventas a plazo han bajado.
3)Los ingresos promedio anuales para determinado cargo son de $ 670 miles para las mujeres. El Sindicato decide
investigar si es cierto el reclamo presentado por un grupo de mujeres sobre la diferencia de sexo para las
remuneraciones. Se pregunta los varones tienen ingresos promedio mayor a las mujeres? Si tomada la muestra a
40 varones dio un promedio de $ 725 miles con un desvo de $ 102 miles. Considerando un nivel de significancia
del 1% determine si ser cierto lo que el investigador est investigando frente al reclamo presentado.
se concluye que las remuneracioes promedio de los varones son mayores que la de las mujeres. La
Probabilidad de que se tome una decision incorrecta es del 1%
4)El rendimiento diario de la soja ha promediado 880 toneladas en un determinado lugar del Gran Buenos. A la AFIP
le gustara conocer si este promedio cambi en los meses recientes. Los inspectores seleccionan al azar de la base
de contribuyentes sojeros 50 das y surge como rendimiento diario medio de 871 toneladas con desvo muestral
de 21 toneladas. Contraste la hiptesis con un 5% de nivel de significancia.
se concluye que el rendimiento diario promedio de soja ha cambiado de los valores informados de 880
toneladas.
5)En los estuches de las lmparas se especifica que el ciclo medio de vida til de esas lmparas de bajo consumo es
de 4200 horas. Como estudio preliminar, ante reiterados reclamos de los consumidores una empresa decide
investigar la situacin planteada a partir de una muestra que le ayuda a determinar si el consumo de las lmparas
actualmente es menor a las especificaciones del producto.
Tomada una muestra de 10 lmparas, se extrae que el ciclo medio es de 4000 horas con una desviacin estndar
muestral de 200 horas. Dado que el ciclo de vida til de las lmparas sigue una distribucin normal. Probar la
hiptesis nula a nivel de significancia del 5%.
se concluye que el ciclo medio de vida til de las lmparas es menor al informado en el producto, razn
por la cual se toma la decision de realizer una reunion con el Sector de Produccin y de Calidad, para
tomar las medidas correctivas
6)Se quiere determinar si el proceso de llenado de una caja chica de arroz yaman funciona de manera adecuada,
es decir que el llenado medio a lo largo de todo el proceso de empaque contina en 368 gramos especificado en la
caja y no se requiere accin correctiva. Para evaluar el requisito de 368 gramos conociendo adems el desvo
estndar poblacional de 15 gramos el gerente de empaque selecciona al azar una muestra de 25 cajas, pesa cada
caja, registra los valores- Procesados los mismos, da una media muestral de 372,5 gramos y debe evaluar la
diferencia existente entre el estadstico de la muestra y el parmetro poblacional establecido. A un nivel de
significancia del 5% cul es la conclusin?
Rta: Existe evidencia muestral suficiente para aceptar la Ho al nivel de significancia del 5%. Luego,
se concluye que el proceso de llenado del arroz funciona de manera adecuada, pues en promedio el
contenido es de 368 gramos con un nivel de significancia del 5%
7)Usted como gerente de Kansas quiere determinar si el tiempo de espera al pedir una orden se ha modificado
durante el ltimo ao respecto a su valor de media poblacional de 4,5 minutos. Los tiempos de espera siguen una
Distribucin Normal. A partir de experiencias anteriores, se supone que la desviacin estndar poblacional es de
1,2 minutos. Seleccionada una muestra aleatoria de 25 pedidos u rdenes en el transcurso de una hora, la media
muestra es de 5,1 minutos.
94
Determine si hay evidencia muestral que indique con un nivel de significacin del 5% que el tiempo de espera medio
para servir un pedido se ha modificado.
se concluye que a un nivel de significancia del 5% los tiempos de espera se han modificado de la media
de 4,5 minutos. Sera conveniente, comprobar si los tiempos se redujeron demostrando una eficiencia
8)Un auditor decide probar el supuesto de que el valor medio de la totalidad de las cuentas por cobrar de clientes
chicos de una Pyme es de $ 260 con una desviacin estndar de los montos de las cuentas por cobrar de $ 43,
tomando una muestra de 36 cuentas de clientes chicos y calculando la media muestral. El auditor desea rechazar
el valor supuesto de $260 solo si es claramente contradicho por la media muestral, caso ste en el que el valor
hipottico recibira el beneficio de la duda en el procedimiento de prueba. Para ello fija un nivel de significancia del
5%. a) Cules son las conclusiones del auditor si una vez obtenida la muestra de 36 clientes chicos, la misma arroja
una media de cuentas a cobrar de $240?
Rta: Existe evidencia muestral suficiente para aceptar la Ho al nivel de significancia del 5%. Luego,
se concluye que el valor medio de las cuentas a cobrar es de $260 La probabilidad de que se tome una
decision incorrecta es del 5% y en este caso el auditor puede concluir que los valores informados por
la empresa son razonables y cerrar la auditoria de dicha cuenta.
9)Recientemente una empresa que realiza ventas de lmparas para proyectores ha recibido numerosos reclamos
respecto a que la duracin de los repuestos es inferior a 1000 das comprometidos en el prospecto. Toma una
muestra al azar de 9 lmparas y el promedio de vida til de las lmparas segn la muestra de 9 lmparas es de 973
das y el desvo es de 37,50 das. Se pide: a) Realice la prueba a un nivel de significacin del 1%, b) Realice la prueba
a un nivel de significacin del 5% considerando que la duracin de los repuestos de lmparas para proyectores sigue
una distribucin aproximadamente normal. c) Determinar la potencia del test considerando que la verdadera
duracin promedio es de 990 das.
Rta: a) No se dispone de un test parmetro por falta de conocimiento de la forma de distribucin de las
lmparas. b) Existe evidencia muestral suficiente para rechazar la Ho al nivel de significancia del 5%.
Luego, se concluye que la duracin de los repuestas de lmparas para proyectores es menor. La
probabilidad de que se tome una decision incorrecta es del 5%. La decision lleva a presenter un informe
a la Gerencia de Control de Calidad para que tome las medidas correctivas.
10)Usted est convencido de que su instrumento de medicin tiene una variabilidad medida por la desviacin
estndar =2. Se considerar un erro r de tipo I del 10% para probar la hiptesis. Un experimento realizado registr
las siguientes medidas: 4,1; 5,2 y 10,2. Qu conclusiones extrae usted a partir de la evidencia de esta muestra
aleatoria?
Rta: a) Existe evidencia muestral que indica no rechazar la Ho al nivel de significancia del 10%.
Luego, se concluye que el instrument de medicin no registra variabilidad diferente a la de la hiptesis
nula.
11)En el restaurante Clo-Clo el 20% de los clientes al medioda son mujeres. Para incrementar la proporcin de
mujeres se realiza un men (2*1). Un mes despus de realizada la promocin se realiza un estudio observacional
para determinar si la proporcin de mujeres aumento. Usando un nivel de significancia del 5% qu concluye?
Considere una muestra de 400 clientes en las que 100 son mujeres.
Rta: a) Existe evidencia muestral suficiente para rechazar la H o al nivel de significancia del 5%. Luego, se
concluye que la publicidad del 2*1 gener un aumento de clients mujeres, por lo que le resultara favorable en
los ingresos del restaurante.
12)En una empresa que arma autopartes piensa el Supervisor que existe demasiada variabilidad en el tiempo de
vida til de los que estn armadas durante el turno de los fines de semana. Se sabe que el ciclo de armado funciona
correctamente y deberan durar dichas autopartes 45000 horas con una desviacin estndar de 4000 hs. Un
Supervisor encargado de hacer una prueba para determinar si la variabilidad de las autopartes armadas que se hace
en el turno de los fines de semana supera al de la variabilidad del resto de los das, por ello, toma una muestra de
95
12 autopartes armadas que arrojaron una estndar de 4120 hs. Considerando un nivel de significancia del 2,5%
qu conclusiones extrae?
Rta: Como el valor emprico resulta menor al valor terico , acepto la hiptesis nula a un nivel de significancia
del 2,5% . Por lo tanto, existe evidencia muestral que indica que la variabilidad de los tiempos de vida til del
armado de auto-partes no supera las 4000 hs, con un nivel de significancia del 2,5%. Consecuentemente, no
sera cierta la sospecha del Supervisin acerca del funcionamiento incorrecto del ciclo de armado durante los
fines de semana.
13)Se desea conocer a un nivel de significacin del 10% si el desvio estndar del peso de las mermeladas de
arndanos para la exportacin difieren del lmite aceptable de 1,7 kg. por lote. Para ello, se toma una muestra de
25 lotes la que arroja una desviacin estndar de 2,2 kg.
Rta: Como el valor emprico se encuentra fuera de los valores crticos o tericos , se rechaza la hiptesis nula
a un nivel de significancia del 10% . Existe evidencia muestral que indica que el desvo de los pesos de las
mermeladas de arndanos difieren del lmite acceptable de 1,7 kg. por lote , con un nivel de significancia del
10%. Consecuentemente, se debe advertir a los responsables de la firma para que generen medidas correctivas.
14)El Departamento de Control de Calidad de una fbrica de cosmticos afirma que el porcentaje de defectos
supera el lmite tolerable del 1%. Por ende, se hace una prueba seleccionando 100 envases de los cuales resultaron
con defectos 5 de ellos y se considera un error del tipo I del 2,5%. Determine si es cierta la afirmacin del
Departamento de Calidad que lo lleva a realizar esta investigacin.
Rta: Como el valor emprico resulta mayor al terico , se rechaza la hiptesis nula a un nivel de significancia
del 2,5% . Existe evidencia muestral que indica que la proporcin de defectos en los cosmticos supera el lmite
tolerable del 1%, con un nivel de significancia del 2,5%. Consecuentemente, se debe advertir a los responsables
de la firma para que generen medidas correctivas.
15)Sushi Club ofrece un servicio a domicilio en donde le garantiza al cliente una puntualidad en el tiempo medio de
entrega, por lo que le dice que la entrega es inferior a los 10 minutos. Por otro lado, el Servicio de Personal de Sushi
Club decide dar un premio a fin de ao como estmulo a sus empleados, si es cierto que eso sucede. Por tal razn
desea investigar si se mantiene la leyenda de Sushi Club , es decir que la entrega es menor a los 10 minutos. De
los 250 pedidos del da, se tom una muestra de 20 pedidos calculndose un tiempo medio de 8,5 minutos y un
desvio estndar de 1,3 minutos. Admitindose que los tiempos se distribuyen normalmente, con un nivel de
significacin del 3% concluya su informe comunicando si es cierta la hiptesis nula y que decisin deber tomar
Personal.
Rta: Como el valor emprico es menor al valor crtico o terico , se rechaza la hiptesis nula a un nivel de
significancia del 1% . Existe evidencia muestral que indica que con un nivel de significancia del 1% que la
publicidad que realiza Sushi Club est en lo cierto y por lo tanto Personal podr dar un premio a fin de ao a
sus empleados.
16)En una publicidad de un lavarropas se expresa que a lo sumo el 3% de los lavarropas de marca GENIUS
requieren servicio tcnico antes del segundo ao de uso. Para comprobar dicha publicidad, dada la cantidad de
reclamos de consumidores a la Organizacin de Derechos del Consumidor, sta sospecha que los lavarropas de
maca Genius que requieren servicio tcnico antes del segundo ao de uso son ms que el 3% que lo publicitado
por esa marca. Por ende, la O.D.C. realiz encuestas a 150 personas que compraron la marca GENIUS de lavarropas
solicitndoles informen si solicitaron servicio tcnico dentro de los dos aos de la compra del producto.
Procesadas las encuestas, se detect que las respuestas afirmativas ha sido 15. Qu conclusiones puede extraer
con un nivel de significancia del 1,0%?
Rta: Como el valor emprico es mayor al valor crtico o terico , se rechaza la hiptesis nula a un nivel de
significancia del 1% . Existe evidencia muestral que indica que con un nivel de significancia del 1% que el
porcentaje de lavarropas que requieren servicio tcnico antes de los dos aos es mayor a lo que dice la publicidad
17)Una empresa controla la calidad de sus productos, porque la exportacin de los mismos se concreta si el
porcentaje de productos en mal estado es menor al 3%. Para despachar un lote y verificar que est en condiciones
de exportacin se toma una muestra de 500 productos de los 4000 productos que conforman el lote de exportacin
96
y se detectaron 12 productos en mal estado. Cul es la decisin que toma el encargado de calidad despacha la
mercadera porque se ha comprobado que el lote est en buenas condiciones de exportacin? Considere un error
de tipo I del 5%. Realice un test contra menor, por lo que se le pide plantee las hiptesis en funcin al tipo de test
solicitado.
Rta: Como el valor emprico es menor al valor crtico o terico , se rechaza la hiptesis nula a un nivel de
significancia del 5% . Existe evidencia muestral que indica que con un nivel de significancia del 5% que la
proporcin de artculos en mal estado es mayor al 3%. Por lo tanto en esas condiciones no se podr exporter.
97
AUTODIAGNSTICO
DE
CONCEPTOS TERICOS DE INFERENCIA ESTADSTICA CON TEST DE HIPTESIS
Conteste Verdadero V- o Falso F- en los siguientes enunciados y en el caso de ser Falso, modifique
el texto de forma tal que se haga Verdadero.
1. La estadstica de prueba es una variable aleatoria cuyo valor se calcula a partir de los datos muestrales y al ser
nuestro valor emprico se usa para tomar la decisin de rechazo o no rechazo de la hiptesis nula.
Rta: V_/F_
2.
El nivel de significacin es la probabilidad de cometer el error tipo II
Rta: V_/F_
3.
Cuando se plantea la hiptesis y se concluye siempre se lo hace sobre la hiptesis alternativa.
Rta: V_/F_
4.
La Distribucin 2 es una distribucin sesgada cuya forma depende exclusivamente de los grados de libertad.
Rta: V_/F_
5.
La estadstica de prueba sigue una Distribucin t con n-1 grados de libertad y se usa para una muestra en
donde los datos son tomados de manera independiente y representan una muestra aleatoria de tamao chico,
de una distribucin poblacional que est distribuida normalmente cuyo desvo poblacional se desconoce.
Rta: V_/F
6.
La Distribucin 2 se utiliza en el caso de la inferencia estadstica de la media
Rta: V_/F_
7.
(1-) se conoce como nivel de significacin de un test de hiptesis.
Rta: V_/F_
8.
El error estndar de la media es la desviacin estndar de la muestra seleccionada.
Rta: V_/F_
9.
Alfa es la medida del rea bajo la curva del puntaje estndar que se encuentra en la regin de rechazo para la
hiptesis nula.
Rta: V_/F_
10. El riesgo de cometer un error tipo I est directamente controlado en una prueba de hiptesis en donde el
investigador establece un nivel para .
Rta: V_/F_
11. Si la estadstica de prueba cae en la regin crtica, la hiptesis nula ha sido probada verdadera.
Rta: V_/F_
12. Cuando la estadstica de prueba t y el nmero de grados de libertad se hacen muy grandes, el valor crtico de t
es muy cercano al de la Z normal estndar.
Rta: V_/F_
13. El error estndar de la proporcin es . .
Rta: V_/F_
14. La distribucin muestral de la proporcin est distribuida aproximadamente como una distribucin t de Student.
Rta: V_/F_
15. En la prueba de hiptesis, suponemos que algn parmetro de poblacin toma un valor particular antes de
muestrear. Esta suposicin que se va a probar se denomina hiptesis alternativa.
Rta: V_/F_
16. Suponiendo que una hiptesis dada acerca de la media de una poblacin es correcta, el porcentaje de medias
muestrales que pudieran caer fuera de ciertos lmites de esta media hipottica se denomina nivel de significancia.
Rta: V_/F_
98
17. En la prueba de hiptesis, la distribucin de probabilidad apropiada es siempre la distribucin normal.

Rta: V_/F_
18. Si cometiramos un error tipo I, rechazaramos una hiptesis nula cuando realmente es verdadera. Rta: V_/F_
19. Una prueba en la escala sin procesar o en la escala estandarizada nos lleva a la misma conclusin.
Rta: V_/F_
20. S 1.96 es el valor crtico de z, entonces el nivel de significancia de la prueba es 0.05.
Rta: V_/F_
21. Si nuestras hiptesis nula y alternativa son H0: 80 y H1: <80, es apropiado utilizar una prueba de cola
izquierda.
Rta: V_/F_
22. Si la media de muestra estandarizada est entre cero y el valor crtico, entonces no se rechaza H 0.
Rta: V_/F_
23. El valor ( 1 ) se conoce como la potencia de la prueba y significa la probabilidad de aceptar la hiptesis nula,
dado que sta es verdadera.
Rta: V_/F_
24. Despus de realizar una prueba de una cola y rechazar H 0, se da cuenta de que debi haber hecho una prueba
de dos colas, al mismo nivel de significancia. Tambin rechazar H0 para esa prueba.
Rta: V_/F_
25. Elegir el nivel de significancia apropiado es ms fcil que elegir la prueba correcta que se debe utilizar.
Rta: V_/F_
26. Existen mtodos matemticos que garantizan que el nivel de significancia seleccionado siempre ser el adecuado.
Rta: V_/F_
27. La prueba de hiptesis nos ayuda a sacar conclusiones sobre parmetros estimados por la muestra Rta: V_/F_
28. Una prueba de hiptesis ser til para determinar si una media de poblacin es 45 o 60 (es decir, H0: =45; H1:
=60).
Rta: V_/F_
29. Es apropiado utilizar la potencia de una prueba de hiptesis slo con pruebas de una cola.
Rta: V_/F_
30. La hiptesis nula siempre tiene el signo igual porque se trata de la afirmacin a probar y cuando se realizan los
clculos se requiere de un valor especfico.
Rta: V_/F
31. Un test paramtrico debe realizarse con datos cuyos niveles de medicin sean por intervalos o bien de razn.
Rta: V_/F
32. El supuesto para un test de hiptesis en el caso de una muestra chica es que las observaciones que componen la
muestra sean independientes entre s y que esa muestra tomada provenga de una poblacin normal o
aproximadamente normal.
Rta: V_/F
1. Un fabricante de automviles importante ha tenido que retirar varios modelos de su lnea 1993 debido a problemas
de control de calidad que no fueron descubiertos con los procedimientos finales de inspeccin aleatoria. ste es un
ejemplo de:
99
a) Error tipo I.
b) Error tipo II.
c) Error tipo I y error tipo II.
d) Ningn tipo de error.
2.
Si n = 24 y = 0, 05, entonces el valor crtico de t para probar las hiptesis H 0: 38 y H1: < 38 es:
a) 2.069
b) 1.714.
c) -1.714.
d) 22.069.
3.
Para probar hiptesis acerca de la media de una poblacin normal con desviacin estndar conocida, podemos
comparar:
a) El valor observado de x con el valor crtico de x .
b) El valor observado de x con el valor crtico de z.
c) El valor observado de z con el valor crtico de x .
d) El valor observado de z con el valor crtico de z.
e) Cualquiera de a) o d).
4.
Suponga que deseamos probar si una media de poblacin es significativamente mayor o menor que 10.
Tomamos una muestra y encontramos x = 8. Cul debe ser nuestra hiptesis alternativa?
a) m < 10.
b) m 10.
c) m > 10.
5. Suponga que se realiza una prueba de hiptesis para un proceso en el que un error tipo I puede ser muy costoso,
pero un error tipo II puede resultar relativamente barato y sin importancia. Cul de los siguientes sera la mejor
eleccin para a en esta prueba?
a) 0.01.
b) 0.10.
c) 0.25.
d) 0.50.
6.
Cuando usamos la proporcin de la muestra p para probar las hiptesis H 0: p = 5 pH0 y H1: p pH0, el error
estndar de p es:
b)
(1).
c)
d)
e)
7.
8.
(1).
a)
(1).
Para una prueba de hiptesis de dos colas, con a = 0,10, la regin de aceptacin es toda la regin:
a) A la derecha del valor crtico negativo.
b) Entre los dos valores crticos.
c) Fuera de los dos valores crticos.
d) A la izquierda del valor crtico positivo.
La distribucin normal es la distribucin apropiada para usar al probar hiptesis respecto a:
100
a) Una proporcin, cuando npH0 > 5 y nqH0 > 5.
b) Una media, cuando s es conocida y la poblacin es normal.

c) Una media, cuando s es desconocida, pero n es grande.
9.
Cuando se acepta una hiptesis nula, es posible que:

a) Se haya tomado una decisin correcta.
b) Se haya cometido un error tipo I.
c) Haya ocurrido tanto a) como b).
d) No haya ocurrido a) ni b).
10. Cuando la hiptesis nula es H0: = 67, la hiptesis alternativa puede ser:
a) H1: 67.
b) H1: < 67.
c) H1: 67
d) H1: 40.
11. Con un nivel de significancia ms bajo, la probabilidad de rechazar una hiptesis nula que de hecho es cierta:
a) Disminuye.
b) Permanece igual.
c) Se incrementa.

1) Los valores observados x y los valores crticos z no se pueden comparar de manera directa porque estn dados
en dos _____________diferentes.
3) Con el fin de usar la distribucin t para probar hiptesis acerca de la media de una poblacin, utilizando
una muestra chica debe suponerse que la poblacin tiene una distribucin______________ y que su
desviacin estndar es ______________.
4) Para estar seguros de que la prueba de hiptesis trabaja correctamente, es mejor que el valor de (1-) est
tan cerca de ______________como sea posible.
5)
La potencia de una prueba se refiere a la habilidad de la prueba para ______________la hiptesis

______________ cuando en realidad es ______________.
6) Una suposicin acerca del valor de un parmetro es una ______________.

7) Aceptar una hiptesis nula cuando es falsa constituye un error tipo ______________ y su probabilidad se
identifica con ______________.
8) La suposicin acerca de un parmetro que deseamos probar es la hiptesis ______________
9) Una prueba de hiptesis que involucra dos regiones de rechazo se conoce como una prueba de dos
______________.
12. 45. Si la hiptesis nula es 10 y la hiptesis alternativa es > 10, la prueba apropiada para este caso sera una
prueba ______________.
101
Un investigador tiene que considerar en su labor:

El planteo correcto de la hiptesis traduciendo el objetivo de la encuesta, del experimento o del
estudio que est por realizar.
La aleatorizacin de los datos provenientes de una muestra seleccionada al azar ( es decir
evitando que los participantes potenciales se autoseleccionen para el estudio, o que el
investigador los seleccione a propsito). Caso contrario, genera problemas de cobertura o sesgos
de seleccin
Consentimiento informado de los participantes humanos en tratamiento, lo que significa que
debe ser advertidos del proyecto de investigacin y de todos los efectos colaterales. El sujeto
participante debe proporcionar el consentimiento.
Tipo de prueba: unilateral y en qu sentido o bilateral, en funcin a lo que se trata investigar.
Nunca deben modificarse la direccin de la prueba despus de recolectados los datos.
Seleccin del nivel de significancia antes de emprender la recopilacin de los datos, reportando
tambin el p-value.
No entrometerse en los datos, para modificar conclusiones y seleccionar luego el nivel de
significancia, o el tipo de prueba., como tampoco modificar, o eliminar los datos inusuales o
atpicos.
Reportar los resultados de la investigacin, tantos los que son buenos como los malos.
En resumen hemos visto TEST DE HIPOTESIS PARA un solo parmetro
Tipo de datos
Tipo de anlisis
Cuantitativos
Prueba de
hiptesis
relativa
a un solo
parmetro
Prueba Z de hiptesis para la media

Prueba t de hiptesis para la media
Prueba 2 de hiptesis para la
varianza
Prueba 2 de hiptesis para el desvo
Categricos
Prueba Z de hiptesis para la

proporcin
Recomendacin: Como en esta gua hemos visto prueba de hiptesis para una sola muestra. Se recomienda a partir de la
bibliografa del Programa trabajar con dos muestras para Probar hiptesis de diferencias de medias, de varianzas, de
proporciones.
102
VII LOS NMEROS INDICE DE PRECIOS Y CANTIDADES UNIDAD TEMTICA Nro. 9

del Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos necesarios para la construccin, el anlisis y la utilizacin de
nmeros ndices de precios y cantidades
QU ES UN NMERO INDICE?
Es un nmero que expresa la variacin relativa del precio, la cantidad o el valor, en comparacin con un
perodo base (Lind,)
Es un indicador que sirve para comparar, para poner se relieva cambios en una variable indice simple- o
cambios en un grupo de variables relacionadas con respecto al tiempo.
PROPIEDADES
IDENTIDAD
Si coinciden el ndice del periodo base I(o) y el de comparacin I(p); es decir

Igual a 100 cuando el ndice est expresado en porcentajes.
En consecuencia
()
()
= 1.
Ej. Si el ndice de precios a una fecha 2014 de un determinado producto es

123,40 La identidad se comprueba porque: I2014/2014=
INVERSIN
()2014
(0)2014
123,40
123,40
=1
Si en un ndice se invierten el perodos base y el de comparacin, el ndice

Toma el valor recproco al anterior.
Ej. Si el I(p)2013 = 112,5 y el I(p)2014 = 114,75
Entonces: I2014/2013=
()2014
(0)2013
114,75
112,5
= 1,02
Invertimos el ndice y tenemos I2013/2014=
()2013
(0)2014
112.5
114,75
= 0,980392156 .
Comprobamos que el ndice 0,980382156 es reciproco de 1,02

Esta condicin de reversibilidad en el tiempo expresa que un ndice corresp.
Al periodo t con base 0, debe ser la inversa de un dice para el periodo 0
Con base t
CIRCULAR
Dado un ndice de precios I(p)2013 = 110 y el I(p)2015 = 118,97 cumple la

Propiedad cclica. Si Incorporamos un perodo en este caso: aointermedio, 2014 I(p)2014 =115,5
Es decir: I2015/2013=
()2015
(0)2014
()2014
(0)2013
118,97
115,5
115,50
110,00
()2015
(0)2013
1,08155
EXISTENCIA
El ndice debe tomar valores reales y finitos para cualquier valor de la

variable observada
PROPORCIONALIDAD
Si se aumenta la magnitud correspondiente al ao base o corriente del

ndice en una proporcin p, el propio nmero ndice aumentar en igual
proporcin.
INALTERABILIDAD
HOMOGENEIDAD
Si el ndice no se encuentra afectado por cambios en la/s unidad/es de la

Variable o de la Medida de las magnitudes que en l intervienen.
Ej. Los datos para la construccin del ndice en pesos se convierten a dlares.
103
Ej. Los datos para la construccin del ndice de cantidad en kilogramos son
Convertidos a gramos.
TIPOS DE NMERO INDICE
INDICE SIMPLE
INDICE NO PONDERADO
o INDICE RELATIVO SIMPLE
o INDICE PROMEDIO ARITMTICO DE RELATIVOS SIMPLES
o NDICE PROMEDIO GEOMTRICO DE RELATIVOS SIMPLES
o NDICE MEDIANA DE RELATIVOS SIMPLES
o NDICE AGREGATIVO SIMPLE
INDICE PONDERADOS
o INDICE DE PRECIOS DE LASPEYRES
o INDICE DE PRECIOS DE PAASCHE
o INDICE DE FISHER
o OTROS
EJERCICIOS DE APLICACIN de NMEROS INDICES

AINDICES SIN PONDERAR
1) Dados los siguientes precios o bien cantidades que cada empresa tiene en distintas unidades de
comercializacin para el cierre de ejercicio econmico del perodo anterior y del actual. (Kurincic)
Ao
Unidad de
Unidad de
Unidad de
Unidad de
Unidad de
Comercializ N Comercializ Comercializ Comercializ Comercializ
N
N
N
N
0
1200
1300
1150
1800
920
1
1350
1100
1050
1650
1050
Determine los sig. ndices de precios o cantidades (segn se refiera) para el ao 1 con base en el ao 0.
a) Indice de precios relativos simples b) ndice promedio aritmtico de relativos simples
c) ndice promedio geomtrico de relativos simples d) ndice Mediana de relativos simples
d) ndice agregativo simple
2) Dados los siguientes valores Item Ao 2008

p
A
B
C
D
E
F
10
9
15
300
4
80
tem Ao 2008
q
I
II
III
IV
V
1200
1300
1150
1800
920
Ao 2009 Hallar:
p
a) IP promedio aritmetico de relativos
12
8
17
350
3
90
b) IP promedio geomtrico de relativos

c) IP agregativo aritmtico simple
d) IP mediana de relativos
Ao 2009
q
1350
1100
1050
1650
1050
Hallar:
a) IQ promedio aritmetico de relativos
b) IQ promedio geomtrico de relativos
c) IQ agregativo aritmtico simple
d) IQ mediana de relativos
104
3) Considerando los valores siguientes

B
Item
Carne
Verdura
Fruta
Dulces
Ao
2008
p
50
30
45
38
Calcule
Ao Ao
2008 2009
q
p
Ao
2009
q
10
12
8
7
55
32
50
35
10
15
5
10
INDICES DE PRECIOS Y DE CANT.SIN POND.

a) I promedio aritmtico de relativos
b) I promedio geomtrico de relativos
c) I agregativo aritmtico simple
d) I mediana de relativos
INDICES PRECIOS PONDERADOS
a) I.P. Laspeyres
b) IP Pasche
c) IP Fisher
d) IP Edgeworth-MaRSCHALL
e)IP Drovisch Bowley
105
A
2
3
4
5
6
7
8
9
10
11
12
Item
A
B
C
D
E
F
Item
13
Ao 2008
p
Ao 2009
p
10
9
15
300
4
80
12
8
17
350
3
90
Ao 2008
q
Ao 2009
q
14
1200
1350
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
II
III
IV
V
1300
1150
1800
920
1100
1050
1650
1050
INDICES SIN PONDERAR
Hallar:
=(+E4/C4+E5/C5+E6/C6+E7/C7+E8/C8+E9/C9)/6*100
102,942 =(+E4/C4*E5/C5*E6/C6*E7/C7*E8/C8*E9/C9)^(1/6)*100
114,833 =(SUMA(E4:E9)/SUMA(C4:C9))*100
112,917 1) Determinamos los relativos
2) Ordenamos
Item I
1,2 V
0,75
II
0,88888889 II
0,88888889
III
1,13333333 VI
1,125
IV
1,16666667 III
1,13333333
V
0,75 IV
1,16666667
Indice de la

104,400
VI
Hallar:
a) IQ promedio aritmetico de relativos
1,125 Item I
Mediana
1,2
112,916667
Posicin en (n+1)/2
98,843 =(+E14/C14+E15/C15+E16/C16+E17/C17+E18/C18)/5*100
98,116 =(+E14/C14*E15/C15*E16/C16*E17/C17*E18/C18)^(1/5)*100
97,331 =(SUMA(E14:E18)/SUMA(C14:C18))*100
91,670
1) Determinamos los relativos
Item I
1,125
II
0,84615385
III
0,91304348
IV
0,91666667
V
1,14130435
2 Ordenamos
II
0,84615385
III
0,91304348
IV
0,91666667 Mediana
Item I
1,125
V
1,14130435
3) Indice mediana
91,6666667
106
A
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Item
Ao 2008
p
Carne
Verdura
Fruta
Dulces
50
30
45
38
q
10
12
8
7
Ao 2009
p
Ao 2009
q
55
32
50
35
10
15
5
10
INDICES PRECIOS SIN PONDERAR
a) IP relativ simples
e) IP Laspayres
f) IP Pasche
105,538342
tanto de precios
como
de
cantidad
1579
pt . Qt =
1630
po . Qt =
1555

104,68 =(+$E$4/$C$4*$E$5/$C$5*$E$6/$C$6*$E$7/$C$7)^(1/4)*100
105,52 =(SUMA(E4:E7)/SUMA(C4:C7))*100
108,33 1) Determinamos los relativos
2) Ordenamos
Carne
1,1 Dulces
0,92105263
Verdura
1,06666667 Verdura
1,06666667
Fruta
1,11111111 Carne
1,1
Dulces
0,92105263 Fruta
1,11111111
INDICES CANTIDADES SIN PONDERAR
a) IQpromedio aritmetico de relativos
107,59
102,78
108,11
112,50

Clculos auxiliares
po . Qo =
1486,000
pt . Qo =
104,97 =+($E$4/$C$4+$E$5/$C$5+$E$6/$C$6+$E$7/$C$7)/4*100
Determine:
INDICES PRECIOS PONDERADOS

a) I.P. Laspeyres
b) IP Pasche
c) IP Fisher
d) IP Edgeworth-MaRSCHALL
e) IP Drovisch - Bowley
Indice de la
H
Mediana
I
108,33 =(+l7+l8)/2*100
J
K
L
=+($F$4/$D$4+$F$5/$D$5+$F$6/$D$6+$F$7/$D$7)/4*100
=(+$F$4/$D$4*$F$5/$D$5*$F$6/$D$6*$F$7/$D$7)^(1/4)*100
=+(SUMA(F4:F7)/SUMA(D4:D7))*100
1) Determinamos los relativos
2) Ordenamos
Carne
1 Fruta
0,625
Verdura
1,25 Verdura
1
Fruta
0,625 Carne
1,25
Dulces
1,42857143 Dulces
1,42857143
Indice de la Mediana
112,50 =(+l7+l8)/2*100
106,26
104,82
105,54
107
GUIA PRCTICA DE EJERC.BSIC.y ORIENT.de ESTADST.FCE-U.B.A. 2C 2015. Prof. Ada B. Castegnaro
B- INDICES PONDERADOS Fuente Prof. Kurincic Garnica Hervs.
108
Los resultados son:

1) a. 103,39 b= 102,15
2) Base junio 1995. Mayo: 100,06; junio: 100; JULIO 99,46 Y AGOSTO 99,37
B) bASE AGOSTO 1995. Mayo: 100,68, julio: 100,62, julio 100,08 y agosto: 100
c) La reversin cronolgica es una prueba en donde el ndice del periodo t con base 0 multiplicado el
ndice del periodo 0 con base t debe dar 1.
Por eje.
ndice de agosto (base junio) da 99,37 y el ndice de junio (base agosto) da 100,62. El producto de ambos
es 1.
3) Ind. Passche: 103,98
Ind. Laspeyres 103,69
Cantidad Laspayeres 108,51
Cantidad Fisher 108,8'0
C INDICE DE VALOR
En funcin a los datos del ejercicio 3 del punto C. Calcule los Indices de Valor Base 2008-
D - EMPALME DE INDICES
4) Dado los siguientes indices efectuar el empalme de las series, llevando los ndices a
la base 1990=100
Aos
Indice Base
Nuevo Indice
1982=100
Base 1990=100
1986
100
1987
104
1988
106
1989
110
1990
115
100
1991
102
5) Llevar los diferentes indices a la base 2005=100

Aos
1997
19i98
1999
2000
2001
2002
2003
2004
2005
2006
2007
Indice Base
1997
100
110
98
96
Indice Base
2000
100
104
103
Indice Base
2002
100
110
115
118
Indice Base
2005
100
112
108
109
AUTODIAGNSTICO DE
CONCEPTOS TERICOS DE NMEROS NDICES
Conteste Verdadero V- o Falso F- en los siguientes enunciados y en el caso de ser falsos
corregir para transformarlo en verdadero
1. El nmero ndice para un ao base siempre es cero.
V:__F:__
2. El mtodo de promedio de relativos suma porcentajes, no cantidades.
V:__F:__
3. Un ndice de valores mide los efectos combinados de los cambios en precios y cantidades.
V:__F:__
4. Siempre se encuentra un nmero ndice al obtener el cociente entre un valor actual y un valor
base y multiplicar por 100.
V:__F:__
5.
6.
7.
La seleccin de una base no apropiada no distorsiona los nmeros ndice.

V:__F:__
Los nmeros ndice son inherentemente confusos y, en consecuencia, se utilizan muy poco
en el mundo real.
V:__F:__
No ponderado se refiere a que todos los valores que son utilizados para calcular el ndice
tienen igual importancia.
V:__F:__
8. La desventaja del ndice de Laspeyres es que no considera los cambios que se producen en los
patrones de consumo
V:__F:__
9. El ndice de Fisher es la media aritmtica de los ndices de Laspeyres y de Paasche.
V:__F:__
Seleccione la opcin que considera Verdadera

1. Las mercancas sujetas a variaciones considerables de precio se pueden medir mejor mediante:
a) El ndice de precios. b) El ndice de cantidad. c) El ndice de valor d) Ninguno de los anteriores.
RTA: _____
2. Los pesos utilizados en un ndice de cantidad son: a) Porcentajes de la cantidad total. b) Precios.
c) Un promedio de cantidades. d) Ninguno de los anteriores.
RTA : ______

1. Si todos los valores considerados al calcular un ndice tienen igual importancia, el ndice es
_____________________
2. El mtodo de ndice ponderado en el cual las cantidades consumidas durante el periodo base
se usan como pesos es el mtodo _____________________.
3. El mtodo que utiliza las cantidades consumidas en el periodo actual en cuestin cuando se
calcula un ndice ponderado es el de _____________________.
4. Los tres tipos principales de ndices son el ndice_____________________ , el ndice
_____________________y el ndice_____________________.
110
VIII LA CORRELACIN Y LOS MODELOS DE REGRESIN LINEAL

UNIDAD TEMTICA Nro.10 del Programa N 3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos para analizar el grado de relacin entre
variables observables y. explicar el comportamiento de una variable a partir de dicha relacin con otras
variables de su entorno econmico.
Los modelos son medios
y no objetos de fe
Henri Theil
En Estadstica Descriptiva trabajamos con datos bivariados y aprendimos conceptos de

COVARIANZA y pasamos a CORRELACIN ya que la primera medida no me permita
comparar diferentes covarianzas
El Anlisis de Correlacin lo hemos utilizado para medir la intensidad de la asociacin entre
variables numricas, pues nos da un valor numrico que permite interpretar la fuerza de esa
asociacin lineal entre dos variables.
Recordemos:
CORRELACIN
Es el grado de interconexin entre variables que intenta determinar con qu precisin describe o
explica la relacin entre variables la ecuacin lineal o de cualquier otro tipo.
Ej. De correlacin: las variables tales como peso y altura.
Correlacin Simple y Regresin Simple: cuando estn en juego dos variables.
Correlacin Mltiple y Regresin Mltiple: estn en juego ms de dos variables.
CORRELACIN LINEAL
Si X e Y son las dos variables para analizar, un DIAGRAMA DE DISPERSIN muestra la
localizacin de los puntos (X, Y) sobre un sistema rectangular de coordenadas. Si todos los puntos
del diagrama de dispersin parecen estar en una recta, la correlacin se llama lineal. Cuando ms
cercanos estn en la recta ser el valor de la correlacin ms cercano a 1 (en el caso de correlacin
lineal positiva) o bien ms cercano a -1 (en el caso de correlacin lineal negativa).
El Anlisis de Regresin se utiliza fundamentalmente con fines de prediccin y nuestro
objetivo en el Anlisis Regresin es desarrollar un modelo estadstico que pueda ser utilizado
para predecir los valores de la variable dependiente o variable respuesta basndonos en al menos
una variable independiente o explicativa.
CORRELACIN Y REGRESIN
Correlacin lineal positiva
Correlacin lineal negativa Sin Correlacin
Relacin directa :
Cuando la variable
dependiente aumenta conforme lo hace la
variable independiente.
Relacin inversa : Cuando la variable

dependiente disminuye al aumentar la
111
DIFERENCIAS ENTRE CORRELACIN Y REGRESIN
(Fuente: Kurincic; G. Bibliografa)
Objetivo
CORRELACIN
Medir la fuerza de relacin lineal
entre dos variables
El anlisis correlacional permite

conocer acerca de :
La
existencia
de
la
asociacin
La
direccin
de
la
asociacin
El grado de la asociacin
Variable
Dependiente
Variable
Independiente
Especificacin
de X Y
CAUSA
EFECTO
Ambas son variables aleatorias o

tambin denominadas variables
estocsticas
REGRESIN
Predecir o estimar el valor poblacional
medio de una variable dependiente en
trminos de valores conocidos (muestrales)
de la variable explicativa.
El anlisis regresional permite conocer

acerca de :
La naturaleza y la forma de la
asociacin
a travs de la funcin matemtica y la
forma que
represente con mejor
exactitud la relacin.
Es estocstica
distribucin
tiene
asociada
una
Toma valores fijos

(son no estocsticas)
Por ser de naturaleza simtrica, se No es de naturaleza simtrica. Exige definir

pueden representar indistintamente cul variable es X explicativa- y cul es Y
ambas variables en cualquiera de explicadalos dos ejes.
Medida de asociacin lineal
Puede estimarse una regresin no lineal.
Con un rango de variacin [-1;1] .
El signo del coeficiente de correlacin (que refleja la asociacin Positiva o Negativa)
DEBE ser el mismo de la pendiente de la funcin de regresin y tambin al signo de
la covarianza.
El trmino relacin causal es cuando la variable independiente X-causa cambios
en la variable dependiente-YSe debe tener cuidado, en ello, pues no se da en la mayora de los casos.
La causalidad la explica otras disciplinas.
Nosotros damos una relacin estadstica.
Nosotros encontramos relaciones de asociacin, pero no necesariamente de causa y
efecto.
A menos que tengamos razones suficientes para creer que los valores de la variable
dependiente se originan por valores de las variables independientes, no debemos
inferir causalidad en las relaciones que encontremos por la regresin. :
Expresa Gujarati, citando a Kendal :Una relacin estadstica, sin importar que tan fuerte y
sugestiva sea, NUNCA podr establecer conexin causal: nuestras ideas de causalidad deben venir de
estadsticas externas y en ltimo trmino de una teora
REGRESIN LINEAL SIMPLE - RLS
112
CONDICION: Se podr hacer el anlisis de la regresin lineal simple siempre y cuando

dicha relacin pueda ser expresada mediante una recta.
La REGRESIN
Tcnica que permite establecer relaciones funcionales entre variables de tipo cuantitativas.
1) Qu es el anlisis de regresin?
- Estimacin de una variable (variable dependiente) de una o ms variables relacionadas
(variables independientes)
- Proceso general de predecir una variable a partir de otra.
2) En el anlisis de regresin que es una ecuacin de estimacin?
Es una frmula matemtica que relaciona las variables conocidas con las variables
desconocidas.
Es una frmula matemtica que describe la relacin entre la variable dependiente y una o
ms variables independientes.
Despus de conocer el patrn de esta relacin, podremos aplicar el anlisis de correlacin

para determinar el grado en que las variables se relacionan. Entonces, el anlisis de
correlacin, nos indicar que tan bien la ecuacin de estimacin describe realmente la relacin.
3) Terminologa y Qu ejemplos de anlisis de regresin puede citar?
Variable
Smbolo
Definicin
Otras
denominaciones
Ejemplos
Variable dependiente
Y
Es la variable cuantitativa cuyo
comportamiento se desea explicar a
partir del comportamiento de otras
variables, en el caso de REGRESIN
MLTIPLE -RLM- o de una variable
en el caso de la REGRESION LINEAL
SIMPLE RLS- Esta ltima objeto de
estudio para nuestro curso de
estadstica.
Explicada
Regresada
Respuesta
Endgena
Predicha
Consumo
Variable independiente
X1 X2 ...Xk
Es la variable relacionada con la
variable dependiente que se
utilizar
para
explicar
su
comportamiento.
El modelo puede tener varias
variables independientes en el caso
de RLM.
---------------Costo total
Explicativa
Regresor
Estmulo/Control
Exgena
Predictora
X1 Ingreso de los agentes de la
economa
-----------------X1: Unidades producidas
Y= Ingresos por Ventas

Y= Comportamiento del Mercado de
Acciones
X= Gastos por publicidad

X= ndices claves en el Mercado de
acciones
4) Cules son los pasos para determinar si existe una relacin entre dos variables?
El objetivo es ajustar un modelo matemtico (veremos que se trabajar con el modelo lineal simple)
a un conjunto de datos. As, en el anlisis de regresin veremos cmo utilizar el modelo
matemtico para poder obtener la estimacin y prediccin.
113
Los pasos a seguir sern:

1) Recolectar los datos que muestren los valores correspondientes de las variables cuantitativas.
2) Graficar en un sistema de coordenadas rectangulares el conjunto de puntos resultantes que
son pares ordenados de los valores de la variable. Esta grfica se llama diagrama de dispersin:
luego se ver su tratamiento en Planilla de Clculo tipo Excel y calculadora para el curso. ste
nos da distintos tipos de informacin. Cada par de datos es un punto.
3) Visualizando los puntos podemos Trazar una curva aproximante, o sea una curva suave que
aproxima los datos.
Qu es entonces un Diagrama de puntos o diagrama de dispersin?
Es la representacin grfica de los
pares ordenados de los valores de la
variables que intervienen en el
anlisis de regresin, representando
los valores de X((Variable explicativa
o predictoria) sobre el eje X y los
valores correspondientes a la variable
explicada sobre el eje Y.
Las distintas curvas que pueden
formarse son la que vemos en el
grfico.
El problema de hallar curvas
aproximantes que se ajusten al
conjunto de datos a analizar se llaman
ajuste de curvas.
AJUSTE DE CURVAS A MANO
Recurriendo a la intuicin personal se puede dibujar una curva que ajuste un conjunto de datos
se denomina Mtodo de ajuste de curvas a mano. Un mtodo es mover una regla sobre el
conjunto de puntos hasta que parezca que pase por la mitad entre los puntos. Esta sera el mejor
ajuste.
Si el tipo de ecuacin que describe la curva es conocido, ejemplo una recta, slo se necesitan dos
puntos, si es una parbola son precisos tres puntos.
Desventaja: que distintos observadores podrn obtener curvas y ecuaciones distintas.
5) Qu diferencia hay entre relaciones lineales y curvilneas?
Relaciones lineales: la variable dependiente cambia una cantidad constante por cada
incremento igual en la variable independiente.
Relaciones curvilneas: la variable dependiente no cambia con una tasa constante con
incremento
Igual en la variable independiente.
6) Qu es un anlisis de regresin mltiple?
Es el proceso que determina la relacin entre una variable dependiente y ms de una variable
independiente
114
Fuente: Kazmier.
MODELO DE REGRESIN LINEAL SIMPLE,

POLINOMICO DE PRIMER GRADO
ESTIMACION MEDIANTE LA RECTA DE REGRESION
Es el modelo de regresin que se forma cuando la funcin de regresin es una funcin afn o sea
una recta.
Y = b + m .X
La ecuacin de regresin es una expresin matemtica que define la relacin lineal entre 2
variables X e Y.
Y = b + m .X es un modelo matemtico determinista porque al sustituir un valor de X en la
ecuacin, el valor de Y queda determinado y no se considera margen alguno de error.
Se aplica para la prediccin solo cuando los errores de prediccin son pequeos
Se aclara que cuando los errores de prediccin son grandes, que se dara en el caso general de los
pronsticos en la administracin de negocios se debe considerar el error de prediccin, en donde
se debe agregar al modelo matemtico determinista una o ms componentes aleatorias para
tomar en cuenta el error aleatorio e inexplicado de la prediccin y se transforma el modelo
matemtico determinista en modelo matemtico probabilstico.
Para determinar los valores de m -pendiente de la recta - y de b-intercepto u ordenada al origenrealizando el desarrollo de un sistema de 2 ecuaciones con dos incgnitas se llega a sus valores.
Principio de mnimos cuadrados es el criterio de bondad que establece escoger como recta
de mejor ajusta aquella que minimiza la suma de los cuadrados de las desviaciones de los valores
115
observados respecto de los pronosticados. Es una tcnica empleada para obtener la ecuacin de
regresin y se consigue: Minimizando la suma de los cuadrados de las diferentes verticales entre
los valores Y verdaderos y los valores pronosticados. Es un procedimiento estadstico que s e
utiliza para encontrar la recta de mejor ajuste para un conjunto de puntos.
( y).( x ) ( x. y).( x)
2
N .( x ) ( x)2
2
N .( x. y) ( x).( y)
N .( x ) ( x)2
2
Luego, la recta de regresin estimada queda definida como = b + m .X ;

En donde:
es la ecuacin de estimacin y representa la ecuacin que mejor ajusta a los datos.
m pendiente de la recta- representa el cambio medio en Y por unidad de cambio en X.
Afirmar que Y no aumenta ni disminuye linealmente cuando X aumenta o disminuye
equivale a decir que m=0
Se reitera que no se puede hablar de relacin causal entre X e Y, solamente podemos decir que
hay una asociacin en donde si Y cambia cuando X vara y que puede ser posible lograr una mejor
prediccin para Y al utilizar X y la recta de prediccin, que simplemente utilizar Y ignorando a
X.
Interpretando la interceptacin b y la pendiente m

Supongamos que un economista desea utilizar la tasa anual de crecimiento de la productividad
X para predecir el porcentaje de cambio de un ndice. Supongamos que el modelo regresional fue
ajustado en base a datos anuales de 50 aos.
Y = cambio del ndice
X = Tasa anual de crecimiento de la productividad
Yi = - 5.0 + 7Xi
Cmo se interpreta la interceptacin b y la pendiente m?
La intercepcin de Y, m = -5.0 dice que cuando la tasa de crecimiento de la productividad es 0,
el cambio esperado en el ndice es -5.0, indica que el ndice se predice que decrezca un 5% durante
el ao.
La pendiente m= 7 nos dice que por cada incremento en la productividad predice un cambio
esperado en el ndice de 7.0, nos indica que el ndice predice incremento del 7% por cada 1% de
incremento en la productividad.
Interpolacin Versus Extrapolacin
Cuando se utiliza un modelo de regresin con motivo de prediccin, es importante que
consideremos solo el rango relevante de la variable independiente en nuestra prediccin es. Este
rango relevante, todos los valores desde el X ms pequeo al mayor X, han sido utilizados para
desarrollar el modelo. Nosotros podemos interpolar en ese rango relevante de los valores de X
pero nosotros no podemos extrapolar fuera del rango de X.
SUPUESTOS DE LA REGRESIN
Las cuatro suposiciones bsicas de regresin (acrnimo LINE) son
116
Linealidad : la relacin entre las variables es lineal

Independencia de errores: cuando se recolectan los datos, los errores deben ser
independientes. Es decir, hay situaciones en que los errores para un perodo especfico a
menudo estn correlacionados con aquellos del perodo anterior.
Normalidad: los errores se distribuyen normalmente en cada valor de X.
Igual Varianza (HOMOCEDASTICIDAD): la varianza de los errores es constante para
todos los valores de X.
DETERMINACIN DE LA VARIANZAS
DATOS PARA COMPLETAR LA TABLA ANOVA
Variaciones en la
S.C.
Varianza de
REGRESION
S.C.E=
Regresin
Residuos o Errores
S.C.R=
Errores
TOTAL
S.C.T.=
Otra medida importante:

Error estndar de la estimacin mide la variabilidad o dispersin de los valores observados
alrededor de la recta de regresin. Y se obtiene por la siguiente expresin
(Y Y ) .
2
X ;Y
n2
X ;Y
n2
En donde mide la dispersin de los valores de Y respecto de la lnea de medias. A medida que
sea menor la variacin de los valores de Y respecto a la recta de medias <o sea cuanto menor sea
el valor de >, tanto ms cerca se encontrar la recta de mnimos cuadrados de la recta de las
medias.
EJERCICIOS DE APLICACIN de REGRESIN LINEAL SIMLE
Un investigador en comercializacin recolecta datos tomando una muestra de 10 confiteras tipo

restaurantes ubicadas alrededor de las diferentes Facultades de la Universidad de Buenos Aires
y otros centros educativos en la zona de Crdoba y Junn y aledaos. Considerando, que para
cada confitera tipo restaurante se recolect como informacin la poblacin estudiantil que
asiste y las ventas trimestrales que se realiza todas cifras de miles de $Se pide a travs de un anlisis de datos bivariados pueda:
Representar grficamente la relacin entre ventas y poblacin de estudiantes.
De acuerdo a la grfica representada qu conclusin extrae de dicha relacin?
Obtenga la ecuacin de mejor ajuste utilizando el criterio de mnimos
cuadrados.
Cul es el valor del error estndar de estimacin
Calcule el coeficiente de determinacin
Calcule el coeficiente de correlacin
117
Pruebe los valores hallados del coeficiente de correlacin con la calculadora y

de la forma en que se resolvi en la primera parte del curso.
Complete el siguiente cuadro
TABLA ANOVA para la REGRESIN LINEAL SIMPLE
Fuente de
Variacin
REGRESIN
ERRORES
Suma de
Cuadrados
S.C.E
S.C.R
S.C.T.
Grados de
Libertad
1
n-2
n-1
Cuadrado
Medio
C.M.E.
C.M.R.
Fe
Valor
p
Fe = C.M.E /C.M.R.
ESTADISTICA EN EXCEL
Usando excel
1 Sombreo los datos de x e y. Luego Insertar/Grafico de dispersin y queda:
las celdas que contienen los datos marcadas.
2 ) Con las celdas sombreadas ==> Ir al men Insertar/Grafco /Linea de dispersin y nos aparece al clickear
300
250
200
150
Serie1
100
50
0
0
10
20
30
40
50
60
3) Se pueden ir completando los datos en las abscisa y ordenada

haciendo click con el botn derecho dentro del grfico.
118
Restaurante
xi
yi
Pobl est
Ventas
1
2
3
4
5
6
7
8
2
6
8
8
12
16
20
20
XiYi
58
105
88
118
117
137
157
169
xi
116
630
704
944
1404
2192
3140
3380
yi
4
36
64
64
144
256
400
400
xi - m(xi)
3364
11025
7744
13924
13689
18769
24649
28561
yi - m(yi) [x i -m(x i )][yi -m(yi )] Los resultados del cuadro:
-12
-8
-6
-6
-2
2
6
6
-72
-25
-42
-12
-13
7
27
39
864
200
252
72
26
14
162
234
9
10
22
149
3278
484
22201
8
19
152
26
202
5252
676
40804
12
72
864
--------------- --------------- --------------- --------------- --------------------------------------------------------
140
1300
21040
2528
184730
0
0
2840
m
14
130
Clculo de los valores de la pendiente m y de la ordenada al origen b de la ecuacin lineal de regresin.
( y ).( x ) ( x. y ).( x)
2
b=
N .( x ) ( x) 2
2
b=
N
x=
y=
x 2=
y 2=
x.y=
x
x
N
( x)2=
y
10
140
1300
2528
184730
21040
14
Usando excel
1 Sombreo los datos de x e y. Luego Insertar/Grafico de dispersin y queda:
las celdas que contienen los datos marcadas.
250
200
19600
150
130
Series1
100
50
0
340800
5680
60
10
20
30
2 ) Con las celdas sombreadas ==> Ir al men Insertar/Grafco /Linea de dispersin y nos aparece al clickear
3) Se pueden ir completando los datos en las abscisa y ordenada
N .( x. y ) ( x).( y )
haciendo click con el botn derecho dentro del grfico.
m=
N .( x ) ( x) 2
2
m=
28400
5680
5
4) Posesionarse en cualquier punto del diagrama de dispersin y con el botn derecho del mouse vemos
que se activan todos los puntos. Pues bien, conel botn derecho hacer click sobre cualquier punto y
hacer click sobre "Agregar linea de tendencia" /luego en lineal/luego en Opciones hacer click en
Presentar ecuacin en el grfico
La recta de regresin ser
b m x
y 60 5 x
Presentar valor de R cuadrado en el grfico.
250
c) Verificacin de la ecuacin de estimacin

Clculo de la suma de los errores individuales de la tabla Valor ajustado
Y
1
2
3
4
5
6
7
8
9
10
58
105
88
118
117
137
157
169
149
202
60 +
60 +
60 +
60 +
60 +
60 +
60 +
60 +
60 +
60 +
5*
5*
5*
5*
5*
5*
5*
5*
5*
5*
2
6
8
8
12
16
20
20
22
26
1300
ERROR TOTAL
130
d) Error Estndar de la estimacin
=====>
70,00
90,00
100,00
100,00
120,00
140,00
160,00
160,00
170,00
190,00
------------------1300,00
Residual
Error Individ
ey
e2 y
y y
y y
200
y = 5x + 60
R = 0,9027
-12,00
144,00
3600
5184
15,00
225,00
1600
625
-12,00
144,00
900
1764
18,00
324,00
900
144
-3,00
9,00
100
169
-3,00
9,00
100
49
-3,00
9,00
900
729
9,00
81,00
900
1521
-21,00
441,00
1600
361
12,00
144,00
3600
5184
------------------------------------- ------------------- ------------------0,00
1530,00
14200,00
15730,00
150
Series1
100
Lineal (Series1)
50
0
10
20
30
5) Haciendo click con el botn derecho del mouse dentro de la ecuacin que presenta el grfico
podemos entrar en "Formato de Rotulo de datos" y por ej. En Nmero: modificar el nmero de decimales
6) El coeficiente de Correlacin que presenta excel es R al cuadrado. Para sacar el efecto negativo.
Mirando la linea de tendencia si R2 =Coef. De Correlacin dice que tan bien se ajusta la lnea recta a los datos
SY , X
( y y)
n2
e2
n2
SY , X
1530
191,25 13,8293
10 2
si R2 es cercano a 1==>
los datos y la recta se ajustan muy bien. Es decir los datos se ajustan a la Ecuac
si R2 es cercano a 0==>
este modelo de regresin lineal no nos sirve para la toma de decisiones, para pro-
nosticar valores dentro de esa ecuacin pues no se verifica una relacin adecuada entre los datos y la linea de
ajuste.
119
Coeficiente de determinacin r2
r2 Coef de
determin
Scdebida a la Regresion 14200,00

SCTotales
15730,00
0,90273363
Es decir que alrededor del 90,27% de la varianza en en las ventas trimestrales es estadsticamente explicado por la poblac de estud
Adems, dada esa poblac. Estudiantil queda sin explicar el 9,73% de las ventas.
Coefic. De Correlacin -r-
y y
14200
0,9027 0,9501
15730
DATOS/ANALISIS DE DATOS/ REGRESION RANGO Y DE ENTRADA(Es la variable Y) RANGO X DE ENTRADA (var X) . ROTULOS(incluye titulos)
Resumen
Estadsticas de la regresin
Coeficiente 0,950123
de correlacin mltiple
de determinacin R^2
R^2 ajustado
0,890575
Error tpico 13,82932
Observaciones
10
ANLISIS DE VARIANZA
Grados deSuma
libertad
de
Promedio
cuadrados
de los cuadrados
F
Valor crtico de F
Regresin
1
14200
14200 74,24837 2,5489E-05
Residuos
8
1530
191,25
Total
9
15730
Datos adicionales
FuncEstad= DESVEST.P
PARA X
7,53657747
PARA Y
39,661064
DESVEST.M
7,94425019
41,8064323
CoeficientesError tpicoEstadsticoProbabilidadInferior
t
95% Superior 95%Inferior 99,0% Superior 99,0%
Intercepcin
60 9,2260348 6,503336 0,000187 38,7247256 81,2752744 29,0430797
90,95692032
Pobl est
5 0,5802652 8,616749 2,55E-05 3,66190596 6,33809404 3,05298537
6,947014629
DATOS/ANALISIS DE DATOS/ REGRESION RANGO Y DE ENTRADA(Es la variable Y) RANGO X DE ENTRADA (var X) . ROTULOS(incluye titulos)
Resumen
tambien TILDO RESIDUALES GRAF DE DISTR NORMAL
Estadsticas de la regresin
de correlacin mltiple
de determinacin R^2
R^2 ajustado
0,890575
Error tpico 13,82932
Observaciones
10
Pobl est Grfico de los residuales

Residuos
20
ANLISIS DE VARIANZA
Grados deSuma
libertad
de
Promedio
cuadrados
de los cuadrados
F
Valor crtico de F
Regresin
1
14200
14200 74,24837 2,5489E-05
Residuos
8
1530
191,25
Total
9
15730
0
-20
10
-40
15
20
25
30
Pobl est
CoeficientesError tpicoEstadsticoProbabilidadInferior
t
95% Superior 95%Inferior 99,0% Superior 99,0%
Intercepcin
60 9,2260348 6,503336 0,000187 38,7247256 81,2752744 29,0430797
90,95692032
Pobl est
5 0,5802652 8,616749 2,55E-05 3,66190596 6,33809404 3,05298537
6,947014629
Observacin
Pronstico Ventas
Residuos
Residuos estndares
1
70
-12 -0,92036
2
90
15 1,150447
3
100
-12 -0,92036
4
100
18 1,380537
5
120
-3 -0,23009
6
140
-3 -0,23009
7
160
-3 -0,23009
8
160
9 0,690268
9
170
-21 -1,61063
10
190
12 0,920358
Resultados de datos de probabilidad

Percentil
5
15
25
35
45
55
65
75
85
95
58
88
105
117
118
137
149
157
169
202
Ventas
Ventas
10
20
30
Pronstico Ventas
Pobl est
Grfico de probabilidad normal

Ventas
Anlisis de los residuales
Ventas
Pobl est Curva de regresin ajustada
500
120
500
0
0
20
40
60
Muestra percentil
80
100
Resultados de datos de probabilidad
Observacin
Pronstico Ventas
Residuos
Residuos estndares
1
70
-12 -0,92036
2
90
15 1,150447
3
100
-12 -0,92036
4
100
18 1,380537
5
120
-3 -0,23009
6
140
-3 -0,23009
7
160
-3 -0,23009
8
160
9 0,690268
9
170
-21 -1,61063
10
190
12 0,920358
Percentil
5
15
25
35
45
55
65
75
85
95
58
88
105
117
118
137
149
157
169
202
Ventas
Ventas
10
20
30
Pronstico Ventas
Pobl est
Grfico de probabilidad normal

Ventas
Anlisis de los residuales
Ventas
Pobl est Curva de regresin ajustada
500
500
0
0
20
40
60
80
100
Muestra percentil
FORMULAS/INSERTAR FUNCION/ESTADISTICAS/BUSCAR : COV
=COVAR(B4:B13;C4:C13)
284
FORMULAS/INSERTAR FUNCION/ESTADISTICAS/BUSCAR : COEF DE CORREL
=COEF.DE.CORREL(B4:B13;C4:C13)
0,950123
FORMULAS/INSERTAR FUNCION/ESTADISTICAS/BUSCAR : COEF R2
=COEFICIENTE.R2(C4:C13;B4:B13)
0,902734
121
AUTODIAGNSTICO
DE
CONCEPTOS TERICOS DE REGRESIN LINEAL SIMPLE
Conteste Verdadero V- o Falso F- en los siguientes enunciados y en el caso de ser falsos corregir para
transformarlo en verdadero.
1) Una de las razones para encontrar una ecuacin de regresin es para hacer predicciones fuera o dentro
del dominio muestral de la variable explicativa, para cualquier periodo y poblacin.
V:__F:__
2) En el anlisis de regresin se mide la fuerza de la relacin lineal entre las variables.
V:__F:__
3)Un coeficiente de correlacin fuerte significa que la variable X es causa de la variable Y que es su efecto.
4) El anlisis de correlacin es un mtodo de obtener la ecuacin que representa la relacin entre dos
variables.
V:__F:__
5) Un coeficiente de correlacin de cero significa que las dos variables estn perfectamente correlacionadas.
V:__F:__
6)Cuando el coeficiente de correlacin r es positivo, la pendiente de la recta ser siempre negativa.
V:__F:__
7)Cuando el valor calculado del coeficiente de correlacin es negativo, el valor calculado de la pendiente
de la recta ser negativo.
V:__F:__
8) La pendiente de la recta de regresin representa la cantidad de cambio que se espera tenga lugar en la
variable explicada, cuando la variable explicativa aumenta en una unidad.
V:__F:__
9) Los coeficientes de correlacin estn entre 0 y 1.
V:__F:__
10) El valor que se predice se denomina variable predictora.
V:__F:__
11) La recta de mejor ajuste se emplea para predecir el valor promedio de Y que se puede esperar, ocurra a
un valor determinado de X, dentro del rango de los valores de X, para esa poblacin y periodo en que se
obtuvo las observaciones
V:__F:__
12) Dado que la ecuacin para una recta es Y = 26 24 X, podemos decir que la relacin de Y con X es
directa y lineal.
V:__F:__
13) Un valor r2 cercano a cero indica una fuerte correlacin entre X y Y.
V:__F:__
14) Los anlisis de regresin y correlacin se usan para determinar relaciones de causa y efecto. V:__F:__
15) El coeficiente de correlacin de la muestra, r, es simplemente 2 w, y no podemos interpretar su
significado directamente como un porcentaje de algn tipo.
V:__F:__
16) El error estndar de la estimacin mide la variabilidad de los valores observados alrededor de la
ecuacin de regresin.
V:__F:__
17) La recta de regresin se deriva de una muestra y no de toda la poblacin.
V:__F:__
18) Podemos interpretar el coeficiente de determinacin de la muestra como la cantidad de la variacin en

Y que explica la recta de regresin.
V:__F:__
122
19) La ecuacin de estimacin es vlida slo en el mismo intervalo que el dado por los datos originales de
la muestra para los cuales se desarroll.
V:__F:__
20) Si una lnea se ajusta a un conjunto de puntos mediante el mtodo de mnimos cuadrados, los errores
individuales positivos y negativos respecto a la lnea suman cero.
V:__F:__
21) Supongamos que la pendiente de una ecuacin de estimacin es positiva. Entonces el valor de r debe
ser la raz cuadrada positiva de r2.
V:__F:__
22) Si r = 0.8, entonces la ecuacin de regresin explica el 80% de la variacin total en la variable
dependiente.
V:__F:__
23) El coeficiente de correlacin es el porcentaje de la variacin total de la variable dependiente explicada
por la regresin.
V:__F:__
24) Una ecuacin de regresin no puede ser vlida al ampliarse fuera del intervalo de la muestra de la
V:__F:__
1) Suponga que conocemos la estatura de una estudiante, pero no su peso. Usamos una ecuacin de
estimacin para determinar una estimacin de su peso, basndonos en su estatura. Por tanto, podemos
concluir que:
a) El peso es la variable independiente.
b) La altura es la variable dependiente.
c) La relacin entre peso y altura es inversa.
2) Suponga que le dicen que existe una relacin directa entre el precio de los tomates cherry y la cantidad
de lluvia que cay durante la poca de cultivo. Puede concluirse que:
a) Los precios tienden a ser altos cuando la lluvia es alta.
b) Los precios tienden a ser bajos cuando la lluvia es alta.
c) Una gran cantidad de lluvia ocasiona que los precios suban.
d) La falta de lluvia ocasiona que los precios suban.
3) Suponga que se calcula que a es 4 y b es 2 para una lnea de estimacin particular con una variable
independiente. Si la variable independiente tiene un valor de 2, qu valor debe esperarse para la variable
dependiente?
a) 8.
b) 10.
c) 21.
d) 0.
4). Suponga que se calcul la ecuacin de estimacin = 5 2. , para un conjunto de datos. Qu es cierto
de lo siguiente para esta situacin?
a) La ordenada Y de la recta es 2.
b) La pendiente de la recta es negativa.
c) La recta representa una relacin inversa.
5)27. La variacin de los valores de Y alrededor de la recta de regresin se expresa mejor como:
a) ( )2
b) ( )2
2
c) ( )
123
d) ( ) 2
6) El valor de r2 para una situacin particular es 0.49. Cul es el coeficiente de correlacin?
a) 0.49.
b) 0.7.
c) 0.07.
7) En la ecuacin Y= A + BX + e, la e representa:
a) La ordenada X de los datos observados.
b) El valor de Y con el cual se comparan otros para determinar el mejor ajuste.
c) Variaciones aleatorias respecto a la recta de regresin de la poblacin.
8) Si la variable dependiente aumenta cuando la variable independiente aumenta en una ecuacin de
estimacin, el coeficiente de correlacin estar en el intervalo de:
a) 0 a 21.
b) 0 a 20.05.
c) 0 a 22.
Complete los espacios en blanco
1) Si la variable dependiente en una relacin disminuye al aumentar la variable independiente, la relacin
es _______________.
2) Una asociacin entre dos variables descrita por una lnea curva es una _______________.
3) Toda lnea recta tiene una _______________.que representa cunto cambia la variable dependiente con
cada cambio unitario de la variable independiente.
4) El grado en el que los valores observados difieren de sus valores pronosticados sobre la lnea de regresin
se mide por _______________.
5) _______________.es una medida de la proporcin de variacin en la variable dependiente que explica la
recta de regresin.
6) Si el 75% de la variacin en la variable dependiente es explicada por la recta de regresin, entonces el
valor de r ser de alrededor de _______________. .
7) El signo de r indica la_______________.de la relacin entre las dos variables X y Y.
8) El mtodo de mnimos cuadrados encuentra la lnea de mejor ajuste a travs de un conjunto de puntos,
esto es, la recta que _______________. el error entre los puntos observados y los puntos estimados sobre esa
recta.
EJERCICIOS DE APLICACIN de REGRESIN LINEAL SIMPLE

1)
124
Los gastos anuales en reparacin de motores son los que logr informarse la directora del Departamento de Salubridad quien est interesada en la relacin que existe entre la antigedad de un motor y los gastos anuales.
Con el fin de determinar dicha relacin , la directora reuni informacin de cuatro motores
La informacin es la siguiente
Gs. Anuales en miles de Dolares
antigedad de los .Motores en aos
7
5
7
3
6
3
4
1
a) Desarrolle una ecuacin de regresin que describe la relac. Entre la antig. Y sus gs. Anuales de reparacin.
b) Pronostique los gastos anuales de reparacion en miles de dlares si la antigedad del motor fuese de 4 aos
c) Calcule el error estandard de la estimacin
El grfico queda representado as

y = 0,75x + 3,75
R = 0,75
Ser
2) En la empresa "Tecnobuenosaires" en el Sector Contable "Contabilidad de Costos" se encuentran abocados a la estimacin de los gs.gs
con base en el nivel de produccin. Por ello, el Supervisor logr reunir informacin acerca de los gastos generales y de las unidades producid.
en diferentes plantas, y ahora desean estimar una ecuacin de regresin para predecir los gastos generales futuros.
La informacin es la siguiente
Gastos Generales191
Unidades
40
170
42
272
53
155
35
280
56
173
39
234
48
116
30
153
37
178
40
a) Desarrolle una ecuacin de regresin para contabilidad de costos

b) Pronostique los gastos generales cuando se producen 50 unidades
3)
Determine la ecuacin de regresin de minimos cuadrados para el siguiente problemaUn analista toma una muestra aleatoria de 10 embarques recientes por camin realizados por una compaa y
registra la distancia en km y el tiempo de entrega al medio da ms cercano a partir del momento en que el
embarque estuvo listo para su carga. Elabore el diagrama de dispersin de datos y considere si el anlisis de
regresin lineal parece apropiado
Embarque muestreado
1
2
Distancia (X)
825
215
Tiempo de entrega 3,5
(Y) en das1,0
3
1070
4,0
4
550
2,0
5
480
1,0
4) Dados los siguientes valores de x e y, siendo Y: ventas

Gastos
Publicidad
miles $
1
2
3
4
5
6
7
8
9
10
42,5
49
50,5
53,2
52,1
54,5
51,5
54,3
53,5
52,6
Ventas
X10.000 $
66,3
67,3
69,1
71,2
72,1
72,3
73,4
73,3
74,6
75,1
6
920
3,0
7
1350
4,5
8
9
325 670
1,5 3,0
y X: los gastos de publicidad.
a)
Representar los puntos observados mediante diagrama de
dispersin
b)
Hallar la ecuacin de regresin que permita expresar Y en
funcin de X.
c)
Hallar el coeficiente de correlacin. Interpretarlo
d)
Si la compaa acepta un gasto de publicidad de $50 miles
cul seran las ventas estimadas? Y si la compaa acepta gastar
$80 miles cul seran las ventas estimadas?
e)
Estime el error estndar de estimacin
125
10
1215
5,0
Rta:
x
y
xy
x2
y2
Los resultados del cuadro:
42,5
66,3 2817,8 1806,25 4395,69
N 10
49
67,3 3297,7
2401 4529,29
x= 513,7
50,5
69,1 3489,6 2550,25 4774,81
y= 714,7
53,2
71,2 3787,8 2830,24 5069,44
x 2= 26502,15
52,1
72,1 3756,4 2714,41 5198,41
y 2= 51160,55
54,5
72,3 3940,4 2970,25 5227,29
x.y= 36791,25
51,5
73,4 3780,1 2652,25 5387,56
x 0,00194666
x
54,3
73,3 3980,2 2948,49 5372,89
N
53,5
74,6 3991,1 2862,25 5565,16
( x)2= 263887,69
52,6
75,1 3950,3 2766,76 5640,01
y 71,47
-------------------------------------------------------------------------y
N
513,7
714,7 36791 26502,2 51160,6
m
51,37
71,47
Clculo de los valores de la pendiente m y de la ordenada al origen b de la ecuacin lineal de regresin.
1
2
3
4
5
6
7
8
9
10
5) Determine la recta de regresin en los ejercicios de estadstica descriptiva N..
Se debe tener especial cuidado en anlisis regresional en los siguientes

aspectos:
Si no se conoce sobre modelos de regresin

Si se extrapola fuera del rango
Concluir sobre una relacin causa-efecto como resultado de una relacin significativa
Falta de conocimiento sobre los supuestos de la regresin
ESTADSTICA CON EXCEL.

Luego que vimos anteriormente como Se traza el diagrama de dispersin. Seguimos
126
4) Posesionarse en cualquier punto del diagrama de dispersin y con el botn derecho del mouse vemos
que se activan todos los puntos. Pues bien, conel botn derecho hacer click sobre cualquier punto y
hacer click sobre "Agregar linea de tendencia" /luego en lineal/luego en Opciones hacer click en
Presentar ecuacin en el grfico
Presentar valor de R cuadrado en el grfico.
Ecuacin de regresin lineal
y = 6,4915x - 80,443
R2 = 0,9673
Gastos generales
300
250
200
Serie1
Lineal (Serie1)
150
100
50
0
0
10
20
30
40
50
60
Unidades
5) Haciendo click con el botn derecho del mouse dentro de la ecuacin que presenta el grfico
podemos entrar en "Formato de Rotulo de datos" y por ej. En Nmero: modificar el nmero de decimales
6) El coeficiente de Correlacin que presenta excel es R al cuadrado. Para sacar el efecto negativo.
Mirando la linea de tendencia si R2 =Coef. De Correlacin dice que tan bien se ajusta la lnea recta a los datos
si R2 es cercano a 1==> los datos y la recta se ajustan muy bien. Es decir los datos se ajustan a la Ecuac
si R2 es cercano a 0==> este modelo de regresin lineal no nos sirve para la toma de decisiones, para pronosticar valores dentro de esa ecuacin pues no se verifica una relacin adecuada entre los datos y la linea de
ajuste.
Aca vemos el coeficiente de correlacin que tenemos una diferencia con el realizado en el ejercicio (problemas de
aproximacin en los decimales).Pues si pasamos a otro ejemplo: El ejercicio que busca el modelo de regresin entre
los gastos anuales en reparacin de motores y su antigedad, llegamos a iguales resultados tambin en correlacin con
el desarrollo nuestro.
------------------y = 0,75x + 3,75
R2 = 0,75
8
7
6
5
Serie1
Lineal (Serie1)
3
2
1
0
0
127
IX LAS SERIES CRONOLGICAS UNIDAD TEMTICA Nro.8 del Programa N

3496/13
Objetivos del Aprendizaje: Proporcionar los conocimientos necesarios para el anlisis temporal clsico fundado en la
descomposicin de los fenmenos econmicos dinmicos en los factores tendencia-ciclo y estacionalidad.
SERIE CRONOLGICA SERIE TEMPORAL SERIE DE TIEMPO

Se trata de una secuencia o conjunto de mediciones de una determinada variable registradas
secuencialmente en una sucesin de tiempos. Define Anderson como el conjunto de observaciones de una
variable media en puntos sucesivos en el tiempo o en periodos de tiempo sucesivos. La serie de tiempo
puede ser continua (observaciones tomadas instantneamente en el tiempo) o discreta (tomadas en
momentos especficos)
A diferencia de Regresin, en este caso estudiar la serie nos permitir PRONOSTICAR o predecir datos a
futuro suponiendo que los patrones de comportamiento pasados se mantienen en el futuro.
La suposicin bsica que subyace en el tratamiento de las series temporales es que los factores
que han provocado patrones de comportamiento en el pasado y en el presente continuarn
hacindolo en el futuro
Por ello, expresa Berenson Levine que los principales objetivos del anlisis de series consiste en identificar
y aislar tales factores de influencia con propsito de hacer predicciones (pronsticos), as como para
efectuar una planeacin y un control administrativo
La sugerencia que se hace es que ante el hecho de explicar variaciones en serie de tiempo con datos
histricos en donde no se sabe si el patrn de comportamiento continuar en el futuro, es que se deben
combinar con un anlisis que se extiende a buscar respuestas de tipo. Qu pasara si? Ya que forman
parte de la planeacin estratgica de lo que estoy sometiendo a anlisis el marco de referencia de los datos
que se desenvuelvennen diferentes entornos econmico, poltico, sociolgico y hasta sicolgico.
COMPONENTES DE UNA SERIE

La Serie Y(t) se descompone si seguimos el modelo multiplicativo clsico (uno de los tantos):
Y(t )
T(t)
TENDENCIA
SECULAR
C(t)
CCLICO
E(t)
ESTACIONAL
I(t)
IRREGULAR
T(t) * C(t)
Patrn de movimiento a LP persistente,

ascendente o descendente
Razones para analizar la tendencia:
-Descubrir el patrn histrico
- Proyectar patrones o tendencias pasadas al
futuro
- Eliminar el componente tendencia para
analizar otro: ejemplo la estacionalidad.
Componente sistemtico
Ondas u oscilaciones o movimientos
repetitivo en 4 etapas: pico (prosperidad),
contraccin (recesin), fondo (depresin) y
expansin (recuperacin)
Patrones de cambio de una serie de tiempo
que ocurren dentro de un ao, y que tienden a
repetirse cada ao
Condicin de una serie de tiempo en la que el
valor de una variable es completamente
E(t)
* I(t)
Razn de la influencia:
Cambios en la tecnologa,
poblacin, valores, riqueza
Duracin:
Varios aos
Factores que influyen en la
economa
Duracin:
2 a 10 aos con
diferente intensidad
Condiciones climticas,
costumbres sociales,
religiosas, fechas festivas
Duracin:
Dentro del periodo
anual (con los datos
subperidicos)
Duracin:
Corta
128
impredecible. Son las fluctuaciones errticas o

residuales que queda luego de considerar el
componente sistemtico.
Componente No Sistemtico
DESESTACIO
NALIZACION
MEDIA
MODIFICADA
CODIFICACI
N
Proceso estadstico usado para eliminar

efectos de la estacionalidad en una serie temp.
Mtodo estadstico utilizado en el anlisis de
serie de tiempo y descarta los valores
extremos Se usa la mediana para descartar
ms an los valores extremos.
Mtodo para convertir medidas tradicionales
de tiempo en forma ms simplificada para sus
clculos.
Variaciones aleatorias en
Sin repeticin
los datos o debido a
eventos no previstos:
huelgas, huracanas,
inundaciones,.
Se observa cuando la serie de datos no es anual,
sino subperidica...
Se la trabaja en la desestacionalizacin de la serie
Se codifica el tiempo pues si tenemos ej.

2001,2002, es tedioso elevar al cuadrado
nmeros grandes. Se simplifica adems, si la
media de X es cero. Entonces, para eso, se debe
traducir el tiempo considerando si se trata de:
- Nmero impar de elementos: ej. 5 elem.
Los valores de x= -2; -1; 0; 1; 2
- Nmero par.: ej. 4 elem.: X= -3; -1; 1; 3
As me queda media 0
PROMEDIO MOVIL
El componente irregular de algunas series puede ser tan grande que oculte las regularidades.
Consecuentemente el grfico real parecer bastante irregular y lo podemos suavizar para tener una imagen
ms clara a travs de la media mvil.
La media mvil se basa en la idea que cualquier componente irregular en cualquier mom.ento del tiempo
ejercer un efecto menor si se promedia el punto con sus vecinos inmediatos (Newbold). El objetivo de usar
medias mviles ser la eliminacin del componente irregular subyacente en la serie temporal
Una aplicacin muy importante para el tratamiento de series que tienen componente estacional es usar las
medias mviles para extraer ese componente. As, cuando graficamos la serie de medias mviles centradas
PMC- junto con la serie original hemos eliminado el componente estacional y por otro lado, tambin se
ha suavizado el componente irregular. El grafico que se pueda representar nos permite juzgar las
regularidades no estacionales de los datos y comenzar a interpretar grficamente que tipo de tendencia y
ciclo domina en esa serie representada ya suavizada.
Entonces, la serie de PMC de p puntos en donde p representa la cantidad de subperiodos que en el ao
estn informados los datos observados o relevados- pueden resultar til para comprender la estructura de
una serie temporal.
As, usamos los PMC para desestacionalizar la serie
Actividad: Aplicacin Terica de series de tiempo

1) Enumere y defina los componentes de una serie cronolgica
2) Cules de los componentes de una serie de tiempo puede esperarse que estn presentes en cada
una de las siguientes series:
a. Ventas mensuales de piletas de natacin
b. El ndice de precios al consumidor para los meses comprendidos entre diciembre 2009 a
diciembre 2014.
c. La tasa de desempleo en los ltimos 10 aos
d. El nmero de turistas que visitan el Complejo Las Leas en Mendoza entre los meses de
enero 2009 a diciembre 2014.
129
e. Las tasas de inters pasivas en el periodo comprendido entre diciembre 2001 a diciembre
2014.
3) Marque en los ejemplos que se citan a continuacin , aquellos en donde Ud. considere que no son
series cronolgicas.
a. Series Econmicas sobre Tasas de desempleo, Tasas de Inflacin, Indicadores Economicos
que informan ndices de Precios, Precios de determinados productos.
b. Series Demogrficas: sobre tasas de crecimiento, mortalidad, natalidad
c. Series Fsicas sobre Evolucin de Precipitaciones, temperaturas.
d. Series Geofsicas sobre Evolucin de Movimientos Ssmicos en el rea de Mendoza
e. Series de trfico, series de turismo.
4)
EJERCICIO DE APLICACIN DE SERIE DE TIEMPO:
Dado los siguientes valores originales observados en las ventas en miles de $ en esos periodos.
a) Identifique el componente estacional y desestacionalice la serie de observaciones.
Ao
I (ej. 1991)
II (EJ. 1992)
III
IV
V
I trimestre
16
15
17
17
18
II trimestre
21
20
24
25
26
III trimestre
9
10
13
11
14
IV trimestre
18
18
22
21
25
Resolucin:
Estos valores se pueden representar en la siguiente tabla como una serie de tiempo y luego
graficarlos
ao
Valores .Originales
De Ventas en -Miles de $-
TRIM
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
ETAPA PREVIA
16
21
9
18
15
20
10
18
17
24
13
22
17
25
11
21
18
26
14
25
Ventas histricas en Valores originales
30
20
V.O.
10
0
0
10
15
20
130
ETAPA DE TRABAJO
Para el caso de series informadas por periodos menores al ao, hallaremos el componente estacional para
desestacionalizar la serie. Por eso, comenzamos con
1.- Desestacionalizar la serie de tiempo.
2.- Encontrar la lnea de tendencia.
3.-Hallar la variacin alrededor de la lnea de tendencia
4.- Encontrar el ciclo relativo.
5- Identificar la variacin irregular en lo que queda.
El descomponer la serie en sus elementos, permite con un enfoque mecnico del anlisis de serie
de tiempos Pronosticar. A diferencia de lo visto en regresin, que podamos interpolar dentro del rango
de la variable explicativa, en el caso de Series Cronolgicas podemos proyectar la tendencia histrica y
variacin cclica en el futuro, cuidando de ver si los patrones estn cambiando, pues de nada nos servira
la proyeccin en ese caso, como tampoco servira si no son regulares y duraderas las tendencias pasadas.
SUPUESTO FUERTE: El patrn de comportamiento histrico se considera vlido para el futuro.

El anlisis de la Serie de tiempo tambin requiere de ver cun precisos son los datos histricos, ello
incluye considerar en el caso de Series de precios, a diferencia de cantidad, que pueden estar registradas
contablemente a valores corrientes. Por ende, interpretar una tendencia positiva en el comportamiento de
los precios de una determinada serie, sera errnea si se tratase tan solo de la inflacin que acompaan
dichos precios. Para dicho anlisis, debieran primeramente deflacionarse dichos valores, nos estamos
refiriendo a trabajar en valores homogneos, lo que equivaldra decir, trabajemos a valores constantes. All
necesitamos del manejo de NMEROS INDICES.
I LA DESESTACIONALIZACIN DE LA SERIE DE TIEMPO

El componente irregular de algunas series puede ser tan grande que oculte las regularidades.
Consecuentemente el grfico real parecer bastante irregular y lo podemos suavizar para tener una
imagen ms clara a travs de la media mvil
El cuadro nos permite integrar los valores que resultan de:

1) Clcular el total mvil de cada uno de los subperodos trimestrales que comprenden cada perodo
anual. El total mvil es el dato que ocupa el lugar medio. Para el perodo siguiente tomo
nuevamente el promedio de los cuatro trimestres excluyendo el primero e incorporando uno ms;
es decir: se incorpora el primero del ao siguiente y se excluye el primero del ao anterior) y as
sucesivamente .
2) Puede ocurrir que el nmero de subperiodos en el ao es un nmero impar, por lo que cada
promedio movil se dice que queda ubicado en el centro de aquellos que formaron parte del clculo.
(Recordemos el clculo de la mediana que para datos sueltos queda posicionada en el orden
[n+1]/2) . En el caso de que el nmero de subperiodos en el ao sea par, tal como este caso 4
131
trimestres, nos queda el PM Promedio Mvil- ubicado en la posicin 2,5, es decir entre dos valores
y as queda posicionado.
3) Si los PM hallados son de orden par debemos centrarlos y entonces para calcular el PMC
Promedio Mvil Centrado- se procede a centrar el promedio mvil y as poder asociarlo con los
datos reales de cada perodo , en este caso periodo trimestrAL. Enel caso de datos impares (ej. 5
bimestres) no necesitamos este paso pues, el 1 PM quedara centrado en el subperodo 3. Centrar
significa hallar la semisuma de dos PM que en su posicin quedarn nuevamente alineados con un
valor original.
4) Graficamos los PMC del cuadro
Interpretacin: Observemos el grfico con los valores reales u originales de los datos y cmo se
suavizan a travs de los Promedios mviles centrados. Ya que los PMC suavizan los picos y valles
de los datos originales, representando entonces la T(t) y C(t)
El PMC lo que hace es promediar tanto las fluctuaciones estacionales como las irregulares pues est
basado en datos mensuales, trimestrales (subperodicos), lo que no hace es promediar las
influencias de tendencia ni cclicas pues son a L.P.
Y t T C E I
EI
P.M .C
T C
30
25
20
15
V.O.
10
PMC
5
0
0
10
15
20
25
Para cada perodo calculamos el porcentaje de valor original o valor real respecto del valor
promedio mvil centrado para cada uno de los perodos de la serie de tiempo. Con este PMC
observamos que se han eliminado el componente irregular asi como el componente estacional.
La siguiente relacin permite recuperar el componente Estacional y la podemos denominar Valor
Estacional
Valor Estacional
Y t
. 100
P.M .C
Veamos como quedan los resultados, hasta ahora:
132
Valor Original PASO 1

Ao Trim
I
1
Y(t)
16
21
PM
PASO 2
PMC
PASO 3
Valor Estacional
()
Z(t)=
100
16,000
15,875
56,69
15,625
115,20
15,750
4
18
15,500
II
15
20
10
18
15,625
96,00
15,750
126,98
62,50
15,750
15,750
16,000
16,250
197,46
16,750
17,250
III
17
10
24
11
13
96,45
17,625
18,000
129,73
18,500
19,000
68,42
19,000
19,000
4
12
22
115,03
19,125
19,250
IV
13
17
89,47
19,000
18,750
2
14
25
134,23
18,625
18,500
3
15
11
16
21
59,06
18,625
18,750
111,26
18,875
19,000
V
17
18
18
26
92,90
19,375
19,750
128,40
20,250
20,750
3
19
14
20
25
Forma parte del proceso de promediar el componente irregular que se realiza enlistando los
diversos cocientes aplicables al mismo trimestre, eliminando los valores ms alto y ms bajo y
calculando la media de los cocientes restantes. Esta medida se denomina media modificada, a causa
de la eliminacin de los dos valores extremos.La media modificada ser el ndice de componente
estacional. Esta media modificada es un ndice desajustado
5) ajustamos la media modificada (cocientes medios modificados) a travs de una constante de
ajuste o factor de correccin, tal que la suma de los 4 cocientes sea 400.
Factor.de.Correccin..Const.de.ajuste
Const.de.ajuste.
Suma.deseada.de.los.indices
Suma.real.de.los.indices
400
100 1,0064
397,44
ndice Estacional = ndice Desajustado (Media modificada)*Constante de Ajuste
Observaremos que El ndice estacional se puede utilizar para eliminar los efectos de estacionalidad en una
serie de tiempos haciendo la desestacionalizacin.
Veremos que las medias modificadas al multiplicarse por un factor de ajuste permiten que la suma del
ndice en este caso sea 100 para cada trimestre y 400 en los cuatro trimestres que comprenden el ao.
Veamos:
CUADRO PARA DETERMINAR EL INDICE DE ESTACIONALIDAD
133
TRIM
II
III
IV
AO 1
56,69
115,20
AO 2
96,00
126,98
62,50
107,46
AO 3
96,45
129,73
68,42
115,03
AO 4
89,47
134,23
59,06
111,26
AO 5
92,90
128,40
Sumas
374,83
519,34
246,67
448,95
mediana
Sumas
94,45
100
129,06
100
60,78
100
113,15
100
397,440
400,000
I.E
95,1
129,9
61,2
113,9
400,000
Clculo del FACTOR DE AJUSTE Y SU

APLICACIN
Mediana
o media
modificada
94,45
129,06
Fact.de aj.
IE
60,78
113,15
1,00644122
400/397,44= 1,0064
1,0064
1,0064
1,0064
1,0064
95,1
129,9
61,2
113,9
400
Interpretacin del IE .
El trimestre con mayor efecto estacional positivo es el Segundo Trimestre, cuyas ventas son superiores
en alrededor del 29,9% a las del trimestre normal. Por el contrario, las ventas del Tercer Trimestre son
apenas el 61,2% de las ventas del trimestre normal.
Una empresa puede tomar las variaciones en consideracin para planificar su programa de trabajo y
realizar el pronstico de ventas.
6)Estamos en condiciones de calcular los VALORES DESESTACIONALIZADOS DE LA SERIE DE
TIEMPO, que denominaremos Z(t)
Determinacin de la Serie de Tiempo Desestacionalizada

Utilidad: Los datos desestacionalizados o denominados datos con ajuste estacional son pertinentes cuando:
Se desea comparar datos de diferentes subperiodos para determinar si ha tenido lugar un
incremento o decremento en relacin con las expectativas estacionales.
Calculamos el Valor Desestacionalizado, que denominamos Z(t) aplicando el Indice de estacionalidad

hallado a los valores originales de la serie. de qu forma?
() =
()
. 100
Ej.
() =
16
. 100 = 16,8
95,10
134
Y(t)
Valores
Originales
16
21
I.E.
Y(t)
ndice de
Valores
Estacionalidad Desestacionalizados
95,1
16,8
129,9
16,2
61,2
14,7
18
113,9
15,8
15
95,1
15,8
20
129,9
15,4
10
61,2
16,3
18
113,9
15,8
17
95,1
17,9
24
129,9
18,5
13
61,2
21,3
22
113,9
19,3
17
95,1
17,9
25
129,9
19,2
11
61,2
18,0
21
113,9
18,4
18
95,1
18,9
26
129,9
20,0
14
61,2
22,9
25
113,9
22,0
II DESARROLLO DE LA LNEA DE TENDENCIA

Para ello usamos el mtodo de mnimos cuadrados y codificamos la variable temporal para abreviar el
tiempo traducido asignando la media de 0 al valor en la mitad de los datos.
Si la serie puede ser representada por una tendencia lineal, las ecuaciones para las lneas de tendencia son
las siguientes ecuaciones normales: = . + .
2
= . + . ( )
En donde: los valores del intercepto b- y de la pendiente de la recta m- sern
( y).( x ) ( x. y).( x)
2
b (o )
N .( x ) ( x) 2
2
b(1)
N .( x. y) ( x).( y)
N .( x ) ( x)2
2
La lnea de tendencia, en trminos estadsticos parece similar a la lnea de regresin. PERO, no lo es.
La variable dependiente Y no es una V.A.==> Es Una serie de valores histricos.
Slo puede haber un valor histrico (no una distribucin de valores) para un periodo dado
Es probable que los valores asociados con periodos contiguos sean dependientes y no
independientes.
De todas formas el mtodo de mnimos cuadrados es una base adecuada para la determinacin de
la T(t)
135
x2
y2
x V.O.DESEST
xy
-19
-319,8
361
283,30
16,8
-17
-274,8
289
261,37
16,2
-15
-220,7
225
216,46
14,7
-13
-205,5
169
249,86
15,8
-11
-173,6
121
248,99
15,8
-9
-138,6
81
237,07
15,4
-7
-114,4
49
267,24
16,3
-5
-79,0
25
249,86
15,8
-3
-53,7
9
319,82
17,9
-1
-18,5
1
341,39
18,5
1
21,3
1
451,63
21,3
3
58,0
9
373,24
19,3
5
89,4
25
319,82
17,9
7
134,7
49
370,43
19,2
9
161,8
81
323,36
18,0
11
202,9
121
340,08
18,4
13
246,2
169
358,55
18,9
15
300,2
225
400,65
20,0
17
389,1
289
523,79
22,9
19
417,1
361
481,98
22,0
--------------------------- ---------------------------- --------------
0
361,12591
422,0878
2660 6618,88948
m
21,10439
133 330,944474
0
18,056296
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
X
-19
-17
-15
-13
-11
-9
-7
-5
-3
-1
1
3
5
7
9
11
13
15
17
19
Y
16,831462
16,167051
14,712674
15,806894
15,779496
15,397192
16,347416
15,806894
17,883429
18,47663
21,251641
19,319537
17,883429
19,24649
17,982157
18,441376
18,935395
20,016349
22,886382
21,95402
Tendencia
desestacionalizada
15,04138
15,35874
15,6761
15,99346
16,31082
16,62818
16,94554
17,2629
17,58026
17,89762
18,21498
18,53233
18,84969
19,16705
19,48441
19,80177
20,11913
20,43649
20,75385
21,07121
La ecuacin estimada de tendencia
y 18,0563 0,1587. X
Luego, armamos la Tendencia desestacionalizada haciendo el cociente entre los valores de las ventas
desestacionalizadas y los valores de la ecuacin estimada de tendencia.
Podemos determinar tambin, el Porcentaje de Tendencia desestacionalizada si multiplicamos por 100 el
cociente entre los valores de las ventas desestacionalizadas y los valores de la ecuacin estimada de
tendencia.
30
25
V.O.
20
PMC
15
Val. Desestac
10
b(o)+b(1).x
Observemos que
representamos los valores
hallados en cada uno de los
pasos:
- Y(t) : Valores Originales
- PMC: Promedios Mviles
Centrados
- Z(t): Valores
Desestacionalizados
- Tendencia: b(o)+ b(1) . X
0
0
10
15
20
25
Por ltimo el clculo del Residuo restando 100 al valor de la tendencia desestacionalizada. Ver cuadro
siguiente. Posteriormente, el grfico nos queda as.
136
Es lo mismo que calcular el Residuo Cclico Relativo haciendo La diferencia entre el valor
desestacionalizado de la serie y la tendencia desestacionalizada. Luego esa diferencia la dividimos por la
tendencia desestacionalizada y multiplicamos por 100.
() ()
=
100
()
Ej. =
16,8315 15,0414
15,0414
100 =
Veamos:
()=T(t)
X
Y(t)
desestacionalizada
Tendencia
desestacionalizada
Residuo
cclico relativo
-19
16,8315
15,0414
11,9010
-17
16,1671
15,3587
5,2629
-15
14,7127
15,6761
-6,1458
-13
15,8069
15,9935
-1,1665
-11
15,7795
16,3108
-3,2575
-9
15,3972
16,6282
-7,4030
-7
16,3474
16,9455
-3,5297
-5
15,8069
17,2629
-8,4343
-3
17,8834
17,5803
1,7245
-1
18,4766
17,8976
3,2351
21,2516
18,2150
16,6713
19,3195
18,5323
4,2477
17,8834
18,8497
-5,1262
19,2465
19,1671
0,4144
17,9822
19,4844
-7,7100
11
18,4414
19,8018
-6,8701
13
18,9354
20,1191
-5,8836
15
20,0163
20,4365
-2,0558
17
22,8864
20,7538
10,2754
19
21,9540
21,0712
4,1897
CONCLUSION: Expresa Levin, Rubin en su texto SUGERENCIA: La manera correcta de proceder al analizar
todas las componentes de una serie de tiempo es:
1 Desestacionalizar
2 Encontrar la lnea de tendencia
3 Calcular la variacin alrededor de la lnea de tendencia
4 Identificar la variacin irregular en lo que queda.
RESOLVER: Que comentarios le merece la interpretacin del siguiente grfico.
137
1)EJERCICIO DE APLICACIN DE SERIES DE TIEMPO
Dada la siguiente serie SALIDA DE TURISTAS extraido de un Cuadro titulado Turismo emisivo. Salida de turistas,
estada promedio y gasto gasto diario diario promedio por tipo de alojamiento utilizado
Aeropuerto Internacional de Ezeiza y Aeroparque Jorge Newbery. Aos 2010-2015, por trimestre
Que fuera extraido de http://www.indec.mecon.ar/nivel4_default.asp?id_tema_1=3&id_tema_2=13&id_tema_3=55
Se pide:
a) Grafique la serie de tiempo original.
b) Identifique los componentes que ve presentes en la serie de tiempo.
Desagreguelos en la serie.
c) Hay una tendencia creciente o decreciente en el turismo?
d) Pronostique para el primer trimestre 2015 la tendencia y comprela con
los datos reales. Observe si es necesario corregir el dato real para su
comparacin.
138
AUTODIAGNSTICO
DE
CONCEPTOS TERICOS DE SERIES CRONOLOGICAS
Conteste Verdadero V- o Falso F- en los siguientes enunciados y en el caso de ser falsos corregir para
transformarlo en verdadero
1. El anlisis de series de tiempo se utiliza para detectar patrones de cambio en informacin estadstica
durante intervalos regulares de tiempo.
V:__F:__
2. Las tendencias seculares representan la direccin a largo plazo de una serie de tiempo.
V:__F:__
3. El residuo cclico relativo puede calcularse para un elemento de una serie de tiempo restando 10 al
porcentaje de tendencia de ese elemento.
V:__F:__
4. Una vez calculados los ndices estacionales de una serie de tiempo, la serie puede ser desestacionalizada
de modo que solamente quede la componente de tendencia.
V:__F:__
5. El porcentaje de tendencia no debe utilizarse para pronosticar variaciones cclicas futuras.
V:__F:__
6. De los cuatro tipos de variacin, la cclica es la ms difcil de pronosticar.
V:__F:__
7. La variacin estacional es una variacin repetitiva y predecible alrededor de la lnea de tendencia que se
da en un periodo de un ao.
V:__F:__
8. Los ndices estacionales ajustados deben sumar siempre 400.
V:__F:__
9. Una serie de tiempo puede ser desestacionalizada si los valores originales se lo multiplican por los PMC
y el valor 100
V:__F:__
10. Una serie de tiempo de datos anuales puede contener los siguientes componentes: a) Tendencia secular.
b) Fluctuacin cclica y c) Variacin estacional.
V:__F:__
11. El componente irregular de algunas series puede ser tan grande que oculte las regularidades.
Consecuentemente el grfico real parecer bastante irregular y lo podemos suavizar para tener una imagen
ms clara a travs de la media mvil
V:__F:__
1 . Al dividir cada valor real de una serie de tiempo por el valor de tendencia correspondiente y multiplicar
el resultado por 100, obtenemos el _______________.
2. El movimiento repetitivo y predecible alrededor de la lnea de tendencia que se da en un ao o menos es
la variacin_______________ .
3. La variacin _________________de una serie de tiempo est caracterizada por un movimiento
impredecible y aleatorio que por lo general ocurre durante intervalos cortos.
4. La variacin __________________es la componente de una serie de tiempo que oscila alrededor de la
lnea de tendencia en periodos mayores que un ao.
5. El uso de ndices estacionales para eliminar los efectos de la estacionalidad de una serie de tiempo se
conoce como _________ la serie de tiempo.
6. El primer paso para calcular los ndices estacionales de los datos de una serie de tiempo consiste en
calcular el ______________________.
7. El resultado de descartar los valores ms alto y ms bajo antes de promediar se conoce como
___________________.
139
ETICA, ESTADSTICA Y TECNOLOGA

Fuente de la informacin extractada de la pag. www.econ.ub.ar . Act. Juan Ramn Garnica Hervs
disponible en http://www.econ.uba.ar/www/departamentos/matematica/plan97/est_adminis/garnica/index.html
El papel de los estadsticos
Aunque a menudo se consideran un tema rido, las estadsticas son ni ms ni menos que la fuente de informacin cifrada
necesaria para los anlisis, estudios e incluso el ensayo de las teoras econmicas. Por curiosidad o por necesidad, las estadsticas
estn a menudo en el centro mismo de los debates y las consiguientes decisiones. As, el estadstico cumple una misin a la vez
ambiciosa y apasionante: hacer el censo de poblaciones y evaluar las condiciones de vida, calcular el nmero de empresas y medir
sus actividades, observar y cuantificar los flujos monetario, de bienes y servicios, etc.
Su tarea consiste tambin en explicar y desmistificar las cifras, completndolas con lo que los especialistas denominan metadatos
con la finalidad de garantizar una utilizacin correcta de los datos y evitar interpretaciones errneas de las estadsticas.
Las estadsticas son fiables y se convierten en un verdadero instrumento de la democracia cuando son elaboradas por
profesionales que utilizan mtodos cientficos reconocidos sin ninguna presin. En consecuencia, es de primordial importancia
que el marco jurdico que rige las actividades estadsticas dentro de un pas sea favorable a la aplicacin de los Principios
fundamentales de las estadsticas oficiales que la Comisin de Estadstica de las Naciones Unidas adopt durante el perodo de
sesiones extraordinario especial que se celebr del 11 al 15 de abril de 1994.
Los objetivos de desarrollo y las estadsticas
Los ocho objetivos de desarrollo del Milenio fijados en la Declaracin del Milenio de septiembre de 2000 por la comunidad
internacional abarcan desde la reduccin de la pobreza extrema a la mitad hasta el logro de la enseanza primaria universal,
pasando por la detencin de la propagacin del VIH/SIDA para el ao 2015.
Se han fijado tambin 48 indicadores que permitirn medir los progresos realizados. Tras cada indicador hay estadsticos que a
nivel local, nacional e internacional, se ocupan de obtener todos los datos necesarios para realizar el clculo. Cada uno
desempea su papel, desde la definicin de conceptos e instrumentos de medicin del desarrollo, la programacin de las
aplicaciones informticas de clculo y la difusin de los indicadores, hasta la compilacin y armonizacin de las estadsticas. La
UNCTAD, por ejemplo, se ocupa de los indicadores de la pobreza y el acceso a los mercados.
Se admite en general que las polticas econmicas, demogrficas y sociales se elaboran sobre la base de estadsticas fiables y que
el seguimiento de su aplicacin implica el clculo de indicadores. Estos datos e indicadores se usan para diversos fines. Por
ejemplo, en el marco de la contabilidad nacional y de la balanza de pagos, los estadsticos se esfuerzan para presentar los datos
de manera coherente, aunque a menudo , el lector slo retiene la parte visible que se limita a cifras tales como el Producto
Nacional Bruto (PNB). Por el contrario, tambin se calculan indicadores claves sobre los flujos financieros, la deuda, o la relacin
de intercambio con el fin de evaluar de manera transparente los resultados de los pases.
El papel de la comunidad internacional
Las organizaciones internacionales retoman las actividades nacionales al reunir en sus bases de datos las estadsticas
proporcionadas por los pases. Ofrecen a menudo el espacio de concertacin necesario para la armonizacin de los conceptos y
mtodos sin el cual carecen de sentido la comparacin y agregacin de datos.
Su papel consiste tambin en estimar los datos que faltan y calcular los indicadores derivados. El resultado de este trabajo se
comunica a las administraciones pblicas nacionales, los encargados de formular polticas, los universitarios y los investigadores
gracias a las publicaciones y anuarios tradicionales que, cada vez con mayor frecuencia permiten difundir por va electrnica las
estadsticas en CD-ROM o en Internet.
Como la armonizacin de datos es un objetivo de los estadsticos en las organizaciones internacionales, la coordinacin de sus
actividades es ineludible. En efecto, permite evitar que los pases comuniquen estadsticas similares a diferentes agencias, pero
es tambin la clave del xito de las actividades del sistema estadstico internacional destinadas a crear y reforzar las capacidades
estadsticas de los pases en desarrollo o en transicin.
En particular, es primordial que la oferta de cooperacin tcnica sirva en primer lugar para cumplir con los objetivos prioritarios
de las estrategias nacionales elaboradas con mucha atencin.
La UNCTAD interviene en reuniones de formacin organizadas por la Divisin de Estadstica de las Naciones Unidas en los pases
en desarrollo para mejorar las estadsticas sobre el comercio internacional. En ellas los estadsticos se renen con agentes de
aduanas y pueden conocer mejor las repercusiones estadsticas que puede tener SYDONIA, aplicacin informtica concebida
inicialmente por la UNCTAD para automatizar las operaciones aduaneras.
140
La comunidad de los estadsticos que trabajan en las organizaciones internacionales cuenta con medios de coordinacin como el
Comit de Coordinacin de las Actividades Estadsticas, que adopt , en septiembre de 2005, una serie de principios que rigen
las actividades estadsticas internacionales. La UNCTAD, al igual que la mayora de los organismos, se ha comprometido a
aplicarlos.
Declaracin de tica Profesional
del Instituto Internacional de Estadstica.
TICA EN ESTADSTICA:
RESPONSABILIDAD DE LAS UNIVERSIDADES EN LA FORMACIN DEL PROFESIONAL
Mara Teresa Blacon *Facultad de Ciencias Econmicas y Estadstica de Rosario - Universidad Nacional de Rosario
Extraido de http://www.saberes.fcecon.unr.edu.ar/index.php/revista/article/view/50/99. Consulta 20 de mayo de 2014
ETICA:
Expresa Blacon Se puede definir la nocin de tica como un conjunto de reglas compiladas en una gua o estndares
profesionales que pueden ser importantes en la educacin y entrenamiento de los estadsticos. Por ejemplo, el objetivo de la Gua
tica de la American Statistical Association (1999) expresa: el propsito de la gua tica de la ASA es asegurar que el trabajo
estadstico sea tico y efectivo cuando se realizan trabajos del medio ambiente y asistir a los estudiantes a aprender a desarrollar
el trabajo estadstico razonablemente. Pero por otro lado, el desempeo tico de un profesional estadstico no puede estar
solamente restringido a conocer dichas guas o estndares.
Es importante tener en cuenta lo enunciado por la Comisin de Estadstica de la Asamblea General de las Naciones Unidas, cuando
decidi celebrar el Da Mundial de la Estadstica (World Statistics Day, WSD), el da 20 de octubre de 2010, en reconocimiento de
los servicios prestados por el sistema estadstico global a nivel nacional e internacional. Al respecto definieron como palabras
claves: Servicio Profesionalismo Integridad.
En una democracia es altamente reconocido que el libre acceso a la informacin estadstica es un derecho que tienen los
ciudadanos para obtener informacin correcta. Para que esto se pueda cumplir los organismos de Estadsticas Oficiales, enfrentan
desafos ticos los cuales se pueden enunciar brevemente como: a) utilizar una metodologa adecuada; b) proteger la
confidencialidad y c) mantener la integridad de las Agencias Estadsticas en el Sistema Estadstico Nacional.
No obstante, que los estudiantes en la Universidad reciban una buena formacin en metodologa estadstica, alcanzar para
permitirles que puedan resolver desafos ticos que surgen en el desempeo de la profesin?.
En este artculo en la seccin 2 se desarrollan algunas premisas sobre las condiciones necesarias para desempaarse ticamente
en estadstica, en la seccin 3 se enuncian otros aspectos que se deben considerar para desarrollar una actividad tica en
estadstica y en la seccin 4 se presentan las consideraciones finales.
2. Condiciones necesarias para desempaarse ticamente en estadstica
En primer lugar se puede considerar lo expresado por Seltzer (2005) sobre los desafos ticos que surgen en las Estadstica
Oficiales, las cuales se pueden expresar como: a) utilizar una metodologa adecuada; b) proteger la confidencialidad y c) defender
la integridad de las Agencias Estadsticas en el Sistema Estadstico Nacional.
Sin duda estas premisas son necesarias para el desempeo tico de los profesionales estadsticos. Las preguntas que caben son:
1) estas premisas son suficientes? y 2) cmo contribuye la Universidad para que los profesionales posean el mayor nmero de
herramientas para enfrentar dicho desafo?. Se enunciaran brevemente algunas respuestas a estas preguntas, para ello se
comienza con las condiciones necesarias expresadas anteriormente.
a.- Utilizar una metodologa adecuada. Si bien como dice Seltzer (2005), la ciencia correcta no es necesariamente ciencia tica,
el no utilizar la metodologa adecuada presenta serios problemas ticos. Por ello para el cumplimiento de este tems es primordial
la responsabilidad de la formacin profesional universitaria.
Por un lado, desde la funcin docente se deben impartir conocimientos sobre metodologas correctas, actualizadas y
especialmente brindar herramientas para adaptar las metodologas a nuevos problemas que surjan. Desde la funcin de
investigacin, los docentes deben estar abiertos y alertas para encarar estudios que puedan contribuir a nuevos desarrollos
metodolgicos que ayuden a resolver problemas que se presentan en las agencias estadsticas u otras reas del conocimiento.
Por ltimo, desde la funcin de transferencia se deben dar a conocer los resultados encontrados en sus investigaciones, sean estos
positivos o negativos e interactuar con los directivos y personal de las agencias estadsticas, como as tambin con profesionales
de otras reas.
Se puede agregar, que no necesariamente un procedimiento errado es un indicador de falta de tica, pero el profesional Estadstico
debe tener la capacidad para corregirlo cuando se advierte un error. La educacin debe asegurar las ventajas e integridad de los
mtodos a utilizar.
b.- Proteccin de la confidencialidad. Generalmente se hace mucho hincapi en la confidencialidad a nivel del micro dato, que es
adems lo que protege la ley, no es tan claro cmo se maneja la confidencialidad de datos agregados (tabulados para pequeas
unidades geogrficas, grupos tnicos, etc.). Se puede mencionar el ejemplo dado por varios autores sobre la reubicacin en 1942
de la poblacin estadounidense de origen japons, en base a informacin surgida de la Oficina de Censos de EEUU. Se viol la
confianza pblica, porque se permiti que los datos fueran usados en detrimento de la comunidad japonesa, es decir se viol la
promesa de que los registros no se utilizaran contra los individuos. Si bien la ley protege los datos individuales, esto no implica
que los datos se puedan utilizar con perjuicio a pequeos grupos.
141
Todava no se ha delimitado claramente en los estndares profesionales y ticos de las agencias estadsticas, ni en la comunidad
estadstica, las responsabilidades u obligaciones de perjuicios anticipados. De esto surge el dilema, si en estadstica a todas las
acciones legales se las puede considerar ticas. Una pregunta para los Estadsticos, es si la sociedad y la comunidad estadstica
entiende la ley y las responsabilidades que de ella surgen, as como los estndares profesionales y ticos que de ella se desprenden
y en el mismo contexto si la comunidad estadstica tiene alguna responsabilidad u obligacin de anticipar los perjuicios. Este es
un debate abierto, que las Universidades deberan instalar en su mbito
c.- Integridad de las agencias estadsticas en el sistema estadstico nacional.Como menciona Seltzer (2005), un importante
tpico del Fundamental Principles of Oficial Statistics, es el mantener e incrementar la integridad del sistema estadstico nacional,
debido a que pueden surgir amenazas a la integridad de muchas formas, incluyendo entre otras, conceptos de manipulacin
poltica arbitraria, definiciones e informacin de los datos muy atrasada, informando los datos reales manipulados, usando la
agencia para anlisis polticos y politizando el personal tcnico de la agencia.
Por otro lado, como expresa Habermann (2005), en un sentido amplio, puede existir tensin entre la agencia estadstica y el uso
del dato estadstico (especialmente en el contexto de la aplicacin de la ley y otras actividades de defensa o inteligencia) y tambin
con respecto a la autonoma de la agencia estadstica y el contexto de la agencia dentro del gobierno. De acuerdo al mismo autor
es importante saber que esta tensin puede no resolverse. Las agencias del gobierno, como pequeas organizaciones dentro de
una estructura de gobierno mucho ms amplia, no estn bien equipadas para ejercitar autoridad moral.
En este sentido la Universidad debera colaborar cuando se plantea alguna tensin, especialmente brindando una opinin externa,
basada en el conocimiento acadmico e incluyendo el tpico tico.
3. Otros aspectos que se deben considerar para desarrollar una actividad tica en estadstica
Hasta aqu se han enunciado las condiciones necesarias para el desarrollo tico de un trabajo estadstico, pero en algunos casos
dichas condiciones no resultan ser suficientes.
Para las Naciones Unidas el primero de los principios fundamentales de las estadsticas oficiales es proporcionar un elemento
indispensable en el sistema de informacin de una sociedad democrtica, al servicio del gobierno, la economa y el pblico con
datos sobre la situacin econmica, demogrfica, social y ambiental. Con este fin, las estadsticas oficiales que encuentran las
pruebas de la utilidad prctica deben ser compiladas y puestas a disposicin de manera imparcial, por agencias estadsticas
oficiales, para honrar el derecho de los ciudadanos a la informacin pblica (United Nations Statistical Commission, 1994).
Por otro lado, Habermann (2005) agrega al respecto que, por supuesto, para que el debate tenga lugar, la sociedad debe estar
informada y seala que la agencia Estadstica debera abrirse y ser transparente acerca de la solicitud de los datos que se solicitan
y que los datos requeridos sean informados oportunamente para que las respuestas sean ser informacin pblica.
No es fcil resolver tensiones que afectan a las agencias estadsticas. Entre las estrategias de prevencin para reducir probables
problemas ticos, Seltzer (2001) menciona: Incluir educacin y tratamientos sobre tica en la universidad y programas de
entrenamiento de las agencias y desarrollar planes de la agencia especfica para discusiones externas a la agencia sobre temas
ticos y mecanismos especficos de la agencia para responder a lo que se refiere a la tica. Es decir, considera la mirada acadmica
externa uno de los pilares para resolver problemas ticos en las agencias estadsticas.
La mayora de lo que se ha expuesto con respecto a tica en Estadstica en las agencias oficiales, tiene vigencia para trabajos
profesionales y/o acadmicos de cualquier rea, como por ejemplo, biologa, medio ambiente, economa, epidemiologa, etc.
En este tpico las Universidades pueden contribuir a que la sociedad est informada y tenga una mirada externa de especialistas
en el tema, a travs de tareas de extensin y divulgacin de opiniones.
4. Consideraciones finales
Por lo expresado se podra concluir que las Universidades deben realizar esfuerzos para formar profesionales estadsticos que
puedan enfrentar nuevos temas en nuevos contextos.
Como dice Ostapski et al. (2001), los estadsticos establecen estndares profesionales por su educacin continua para asegurar
las ventajas e integridad de su metier. El ttulo significa prometer valores profesionales para cultivar un gran sentido de
responsabilidad (Imrey, 1994) y generalmente acrecienta el profesionalismo para distinguir al estadstico bien entrenado de
aquellos que poseen menos calificacin o habilidades. El ttulo no resuelve, por si mismo, cmo cualquier individuo responder
cuando se enfrente a presiones conflictivas, para arribar a una de las diferentes determinaciones crticas. El ttulo por si mismo no
garantiza que el individuo reflejar las implicaciones ticas de una tarea estadstica, cuando realice una accin.
No es fcil resolver tensiones que afectan el comportamiento tico en Estadstica. Entre las estrategias de prevencin para reducir
probables problemas ticos, se pueden mencionar: incluir educacin y tratamientos sobre tica en la Universidad y programas de
entrenamiento especficos para discusiones sobre temas ticos y mecanismos para responder a los mismos.
Una pregunta relacionada es de qu manera se puede investigar la mala conducta tica. Existen algunas profesiones, como por
ejemplo: abogados, mdicos, contadores, etc. que tienen desarrollados mecanismos para investigar violaciones ticas. Mientras,
por contraste, muchas organizaciones profesionales y cientficas en las ciencias sociales, cuando se estudia una alegacin
especfica de mala conducta tica, tiene procedimientos de investigacin mnima. Por otro lado, tampoco se controla que el
trabajo estadstico sea realmente realizado por profesionales estadsticos.
Una buena preparacin universitaria colaborar a que el profesional estadstico tenga herramientas necesarias con el fin de
decidir de acuerdo a sus principios, el camino ms acertado para resolver conflictos ticos. En su formacin se debe enfatizar la
responsabilidad de que deben actuar ticamente, especialmente porque son profesionales que manejan informacin sensible y
que disean mtodos y experimentos donde se involucran seres humanos, animales, medio ambiente, etc.
142
Material extraido de http://www.saberes.fcecon.unr.edu.ar/index.php/revista/article/view/50/99. Consulta 20 de mayo de

2014. Mara Teresa Blacon , TICA EN ESTADSTICA: RESPONSABILIDAD DE LAS UNIVERSIDADES EN LA FORMACIN DEL
PROFESIONAL *Facultad de Ciencias Econmicas y Estadstica de Rosario - Universidad Nacional de Rosario
143
REFERENCIAS BIBLIOGRFICAS
LOS EJERCICIOS ESCOGIDOS DE LA BIBLIOGRAFA CITADA HAN SIDO
REPRODUCIDOS EN LA PRESENTE GUA
Anderson, Sweeney&Williams (2008). Estadstica para Administracin y Economa10 Ed.
CENGAGE. Mxico.
Berenson, M.L y Levine D. (1996) Estadstica Bsica en Administracin, conceptos y aplicaciones.
Sexta Edicin. Pearson. Prentice Hall. Mxico.
Canavos, G. (1987)Probabilidad y Estadstica aplicada y mtodos McGraw Hill. Mxico.
Capriglione, Cayetano (2003) Estadstica Tomo I y II. 3C Editores y Crauss Tablas Estadisticas
Fernandez Loureiro de Prez, Emma (2011) Estadstica no paramtrica a modo de introduccin.
2da. Edicin. Coleccin el Nmero de Oro.EC. Buenos Aires.
Freund, J; Miller, I & Miller, M (2000): Estadstica matemtica con aplicaciones. 6 Ed. Pearson
Educacin. Prentice Hall.
Johnson, Kubby Estadistica Elemental
Harnett D, D y Murphy (1987) Introduccin al anlisis estadstico. Addison Wesley
Iberoamericana.
Hildebrand, D y Ott, L (1997): Estadstica aplicada a la administracin y a la economa. AddisonWesley Iberoamericana.
Johnson Kuby (2008): Estadstica elemental: lo esencial 10 Ed.
Kazmier, Leonard J. (1998) Estadstica aplicada a la Administracin y a la Economa. Mc. Graw
Hill.
Kurincic, G (2001) Estadstica. Probabilidades y Distribuciones. EC. Buenos Aires.
Kurincic, G Estadstica. Herramientas de Inferencia (2001) . EC. Buenos Aires.
Kurincic, G Notas de Ctedra del curso de Estadstica para Administradores Ctedra Junior.
Buenos Aires.
Landro, A. (1999): Acerca de la probabilidad. Editorial Economizarte. Buenos Aires.
Levine, D; Krehbiel, T & Berenson, M (2006): Estadstica para administracin. 4Edic. Pearson
Educacin. Cap. 4 Probabilidad bsica
Levin, Rubin, Balderas, Del Valle & Gmez: (2004) Estadstica para Administracin y
Economa. Pearson Educacin. Mxico utilizado para los AUTODIAGNSTICOS
Lind, Marchal, Mason (2004). Estadstica para Administracin y Economa. Alfaomega.Colombia.
Cap.5 Revisin de algunos conceptos de probabilidad
Mendenhall, W, Beaver, R & Beaver, B (2009): Introduccin a la Probabilidad y Estadstica 12
Ed. CENGAGE. Mxico. Cap. 4 Probabilidad y Distribuciones de Probabilidad
Mendenhall, W; Reinmuth, J. (1996): Estadstica para Administracin y Economa. Newbold, P,
Carlson W & Thorne B (2008) Estadstica para Administracin y Economa 6Ed. Pearson.
Prentice Hall.
Pindyck, R & Rubinfeld (2001) Econometra. Modelos y pronsticos 4 Ed. Mc. Graw Hill.
Mxico.
Toranzos, Fausto I Teora Estadstica y Aplicaciones.
Walpole, R & Myers, R (1998) Probabilidad y Estadstica. McGraw-Hill.Mxico.
Wonnacott, T y Wonnacott, R (1979) Introduccin a la estadstica. LIMUSA.Mxico.
144
Alfabeto griego
letra
Nombre
Sonido AFI
Valor HTML (1)
Alfa
[a] [a]
α
Beta
[b]
β
Gamma
[g] siempre
γ
Delta
[d]
δ
psilon
[e]
ε
Dseta
[zd] o [dz] o [z] 7
ζ
Eta
[]
η
Zeta o Theta
[t]
θ
[i] [i]
10
ι
Kappa, Cappa [k]
20
κ
Lambda
[l]
30
λ
Mi
[m]
40
μ
Ni
[n]
50
ν
Xi
[ks]
60
ξ
micron
[o]
70
Pi
[p]
80
Ro
[] [r]; [], [r] 100
ρ
Sigma
[s]
200
σ
Tau
[t]
300
τ
Iota
π
psilon
[u] [u] > [y] [y] 400
Fi
[p]
500
φ
[k]
600
χ
Psi
[ps]
700
ψ
Omega
[]
800
ω
Ji
υ
145
Esquema A1 de norma IRAM 34 552 26 de Octubre de 1982

TERMINOLOGA ESTADSTICA
Conceptos generales
O. NORMAS POR CONSULTAR
IRAM
14 Y 15
TEMA
Definiciones referentes a control de la calidad
1. OBJETO
1.1 Establecer las definiciones de los trminos de uso ms frecuente que se utilizan en estadstica. Se excluyen de esta norma los
trminos referentes al control estadstico de calidad, por hallarse definidos en las normas IRAM 14 e IRAM 15.
2. DEFINICIONES
2.1 CONCEPTOS INICIALES
2.1.1 elemento Objeto real, convencional o ideal de carcter singular, sobre el cual pueden efectuarse observaciones.
NOTA: Denominado tambin "unidad" o "unidad estadstica".
2.1.2 poblacin Conjunto de elementos que satisfacen una definicin comn.
NOTA: Denominada tambin "universo"
2.1.3 Tamao de la poblacin Cantidad de elementos que la componen.
2.1.4 Datos o datos estadsticos Conjunto de valores observados que pueden ser comparados, analizados, interpretados o
relacionados.
NOTA: Denominado tambin "informacin estadstica".
2.1.5 Caracterstica Propiedad que permite diferenciar los elementos de una poblacin.
2.1.6 Variable Caracterstica cuantitativa.
2.1.7 Variable contnua Caracterstica cuantitativa que puede tomar cualquier valor dentro de su dominio.
2.1.8 Variable discreta Caracterstica cuantitativa que solamente puede tomar determinados valores de su dominio.
2.1.9 Atributo Caracterstica cualitativa.
2.1.10 Valor observado Cantidad o calidad que tiene una caracterstica de un elemento determinado, en el momento que es sujeto
de observacin.
NOTA: Denominado tambin "observacin".
2.2 CENSOS Y ENCUESTAS
2.2.1 Empadronamiento Operativo para identificar y listar todos y cada uno de los elementos de una poblacin // Entrevista
mediante la cual se obtiene y se registra informacin sobre cada uno de los elementos de la poblacin.
2.2.2 Encuesta Mtodo para recolectar informacin estadstica de una poblacin, contactando cada uno de los elementos de la
misma o a una parte de ella, con el objetivo de deducir caractersticas de conjunto relativas a esta poblacin, en un momento dada
o relativas a su evolucin en el transcurso del tiempo.
146
2.2.3 Censo Encuesta exhaustiva de una poblacin realizada en un momento determinado y con respecto a caracterstica especficas.
2.2.4 Encuesta por muestreo Encuesta realizada a una muestra de la poblacin.
2.2.5 Encuesta piloto Encuesta, generalmente de tamao pequeo, llevada a cabo con anterioridad a la encuesta principal, para
lograr informacin tendiente a aumentar la eficiencia de la encuesta principal.
2.2.6 Censo por muestreo Operativo censal en el que a todos los elementos de la poblacin se los interroga respecto de las
caractersticas bsicas y a solo una muestra de ellos, sobre caractersticas no bsicas.
2.2.7 Cuestionario Documento que contiene una sucesin de preguntas a las que deber responder el encuestado y que ha sido
planeado para obtener y registrar informacin sobre una o varias caractersticas.
NOTA: Denominado tambin "cdula" o "formulario".
2.2.8 Tabla Forma de presentacin de datos estadsticos arreglados sistemticamente en columna o filas.
NOTA: Tambin denominada "cuadro" o "tabulado".
2.2.9 Plan de tabulacin Conjunto de tablas por medio del cual se prev ordenar la informacin estadstica y presentar los
resultados provenientes de un operativo de recoleccin de informacin.
2.3. DISTRIBUCIN DE FRECUENCIAS
2.3.1 Clase Cada una de las subdivisiones e intervalos en que se ha dividido el dominio de una variable.
NOTA: Denomina tambin "intervalo de clase".
2.3.2 Limites de clase Valores que define los extremos de una clase.
2.3.3 Marca de clase Punto medio o centro de una clase.
2.3.4 Frecuencia absoluta Cantidad de veces que se presentan un determinado valor observado o cantidad de valores observados
incluidos en una clase.
NOTA: Denominada tambin "frecuencia".
2.3.5 Frecuencia relativa Cociente entre la frecuencia absoluta y la cantidad total de valores observados.
2.3.6 Frecuencia acumulada Suma de las frecuencias (absoluta o relativas) para todos los valores inferiores o iguales a un
determinado valor de una caracterstica o al lmite superior de una clase.
2.3.7 Distincin de frecuencias Cuadros que presenta en forma ordenada a las clases o a los distintos valores de una variable
(derivados de valores observados) y sus correspondientes frecuencias.
2.3.8 Histograma Representacin de la distribucin de frecuencia absolutas o relativas, de una variable agrupada en clases
mediante un grfico de superficies en un sistema de coordenadas cartesianas ortogonales. Sobre el eje de abscisas se presentan
las clases y se levantan sobre cada una de ellas un rectngulo cuya rea es igual a la respectiva frecuencia.
2.3.9 Polgono de frecuencias Lnea poligonal obtenida en un histograma, uniendo los puntos medios de los lados superiores de
los rectngulos. Los dos extremos del polgono pueden o no ser conectados con el eje de la variable. Cuando ello ocurre, se
emplean dos clases hipotticas con frecuencia cero, colocada cada una de ellas en ambos extremos del histograma.
2.3.10 Grfico de bastones Representacin grfica de las frecuencias acumuladas de una variable discreta mediante un grfico de
puntos, en un sistema de coordenadas cartesianas ortogonales cuya abscisas son valores de una variable y cuyas ordenadas son
las frecuencias absolutas o relativas.
NOTA: Denominado tambin "diagrama breve".
2.3.11 Polgono de frecuencia acumuladas Representacin grfica de las frecuencias acumuladas de una variable agrupada en
clases, mediante una lnea poligonal obtenida uniendo los puntos que tienen por abscisa los lmites superiores de clases y por
ordenadas las respectivas frecuencias acumuladas.
147
2.3.12 Grfico acumulativo de frecuencias Representacin grfica de las frecuencias acumuladas de una variable discreta
mediante segmentos paralelos al eje de abscisas. Cada segmento se extiende entre dos valores consecutivos de la variable, siendo
las respectivas ordenadas las frecuencias acumuladas correspondientes al valor de variable que es abscisa del punto inicial del
segmento.
NOTA: Denominado tambin "grfico escalonado".
2.3.13 Tabla de contingencia simple Cuadro que representa en forma ordenada las categoras de un atributo y sus correspondientes frecuencias.
2.4 MEDIDAS DE POSICIN Y VARIABILIDAD
2.4.1 Medida aritmtica Suma de los valores disponibles de una variable, dividida por la cantidad de los mismos.
NOTA: Denominada tambin "medida" o "promedio aritmtico".
2.4.2 Ponderacin Coeficiente numrica que expresa la importancia relativa de cada valor.
2.4.3 Medida aritmtica ponderada Suma de los productos de cada valor disponible de una variable por su ponderacin, dividida
por la suma de las ponderaciones.
2.4.4 Modo Valor o valores de la variable que se repiten la mxima cantidad de veces.
NOTA: Denominado tambin "moda", "valor tipo" o "valor tpico"
2.4.5 Mediana Valor que en un conjunto de valores de una variable, ordenadas de acuerdo con su magnitud, supera a no ms de
la mitad de los mismos y es simultneamente superado por no ms de la otra mitad.
2.4.6 Medida geomtrica Raz ensima del producto de los n valores disponibles de una variable.
2.4.7 Medida armnica Inversa de la medida aritmtica de las inversas de los valores disponibles de una variable.
2.4.8 Amplitud Diferencia entre el mayor y el menor de los valores disponibles.
NOTA: Denominada tambin "rango", "recorrido" o "intervalo".
2.4.9 Desvo Diferencia entre un valor disponible de una variable y un valor constante.
2.4.10 Desvo con respecto a la medida aritmtica Desvo cuyo valor constante es la media aritmtica de los valores disponibles
de la variable considerada.
NOTA: Denominada tambin "desviacin".
2.4.11 Desvo medio aritmtico Promedio aritmtico de los mdulos de los desvos con respecto a la media aritmtica.
2.4.12 Variancia Promedio aritmtico de los mdulos de los desvos con respecto a la media aritmtica.
NOTA: Denominada tambin "varianza".
2.4.13 Desvo estndar Raz cuadrada positiva de la variancia
NOTA: Denominado tambin "desviacin tpica", "desviacin normal" o "desviacin estndar".
2.4.14 Coeficiente de variacin Cociente entre el desvo estndar y la media aritmtica de los valores disponibles de una misma
variable.
NOTA: Denominada tambin "coeficiente de variabilidad"
2.5 SERIES CRONOLGICAS
2.5.1 Serie cronolgica Conjunto de valores ordenados cronolgicamente, provenientes de sucesivas observaciones de un mismo
fenmeno que se refieren a diferentes perodos de tiempo. En general los intervalos entre las sucesivas observaciones son
148
constantes. Sus factores de variacin o componentes se denominan: "tendencia", "variacin estacional", "variacin clnica" y
"variacin residual".
NOTA: Denominada tambin "serie de tiempo" o "serie temporal".
2.5.2 Serie econmica Serie cronolgica en la que se analiza el comportamiento de variables econmicas.
2.5.3 Tendencia Componente sistemtico o regular, no peridica, de una serie cronolgica, que describe la evolucin bsica del
movimiento de la serie en un perodo extenso. Se representa generalmente por medio de alguna funcin matemtica cuya ecuacin describe un movimiento suave a lo largo del tiempo.
NOTA: Denominada tambin "tendencia secular".
2.5.4 Variacin estacionales Componentes peridicas de una serie cronolgica, cuyas fluctuaciones se repiten en forma regular,
inscriptas en el marco de cada ao y que se reproducen de manera ms o menos permanente de un ao a otro.
NOTA: Denominadas tambin "fluctuaciones estacionales" o "movimientos estacionales".
2.5.5 ndice de variacin estacional Valor relativo que cuantifica la incidencia de la variacin estacional en el comportamiento
peridico de una serie cronolgica.
2.5.6 Variaciones cclicas Componentes peridicas de una serie cronolgicas cuyas fluctuaciones se repiten en forma regular con
perodos mayores a un ao y que se reproducen de manera ms o menos permanente cada cierta cantidad de aos, segn el
perodo.
2.5.7 Variaciones residuales Componentes no peridicas de una serie cronolgica cuyas fluctuaciones se presentan en forma
irregular e imprevisible. Son debidas a factores perturbadores no permanentes.
NOTA: Denominadas tambin "variaciones irregulares".
2.6 PROBABILIDAD Y VARIABLES ALEATORIAS
2.6.1 Suceso aleatorio Acontecimiento con relacin al cual existe incertidumbre acerca de su ocurrencia; es decir que antes de
realizar el experimento no se lo puede predecir con seguridad completa.
NOTA: Denominado tambin "evento aleatorio" o "estocstico".
2.6.2 Probabilidad de un suceso aleatorio Medida del grado de incertidumbre. Se puede calcular segn la ascripcin a una
determinada teora del clculo de probabilidades, como:
a) Cociente entre en nmero de casos favorables que corresponden al suceso aleatorio y el nmero de casos posibles respectivos, siempre que estos sean igualmente probables, equiprobables o simtricos (definicin clsica de probabilidad);
b) Lmite hacia el cual tiene la frecuencia relativa del suceso aleatorio cuando el nmero de experimentos crece indefinidamente
(definicin frecuencial, experimental o empirista);
c)
En forma axiomtica objetiva o subjetiva.
2.6.3 Sucesos aleatorio combinado Combinacin de dos o ms acontecimientos aleatorios, de los cuales interesa calcular la
probabilidad. Las combinaciones ms habituales, son las que se establecen con el uso de las conjunciones disyuntiva o y copulativa
y, cuando se dice la probabilidad de un suceso aleatorio u otro y la probabilidad de un suceso aleatorio y otro. Tales combinaciones
corresponden el Lgica a dos Clases de operaciones: la suma lgica y el producto o interseccin.
2.6.4 Probabilidad total Probabilidad de un suceso aleatorio combinado, cuando la combinacin se 0establece usando la conjuncin disyuntiva o. En el caso de dos sucesos es la suma de las probabilidades simples correspondientes a cada uno de ellos
menos la probabilidad conjunta de ambos.
2.6.5 Sucesos aleatorios incompatibles Aquellos que no pueden verificarse juntos al realizarse un experimento, es decir aquellos
cuya probabilidad conjunta vale cero. En consecuencia la probabilidad total correspondiente a ellos es la suma de las
probabilidades simples respectivas.
149
NOTA: Denominados tambin "sucesos aleatorios excluyentes" o "mutuamente excluyentes".

2.6.6 Sucesos aleatorios independientes Dos o ms sucesos aleatorios son independientes cuando el hecho de saber que se ha
verificado o no uno de los acontecimiento, no modificada la probabilidad de ocurrencia del otro u otros sucesos compatibles con
el anterior.
2.6.7 Sucesos aleatorios dependientes Dos o ms sucesos aleatorios son dependientes cuando el hecho de saber que se ha
verificado o no uno de los acontecimientos modifica la probabilidad de ocurrencia del otro u otros sucesos compatibles con el
anterior.
2.6.8 Probabilidad condicional Probabilidad de un acontecimiento aleatorio dependiente cuando se ha verificado previamente
otro u otros sucesos compatibles con el anterior.
2.6.9 Probabilidad compuesta Probabilidad de un suceso aleatorio combinado cuando la combinacin se establece usando la
conjuncin copulativa y. En el caso de dos sucesos es el producto de la propiedad simple de uno de ellos por la probabilidad
condicional del otro. Si los sucesos aleatorios son independientes, la probabilidad compuesta es igual al producto de las respectivas
probabilidades simples de cada uno de los acontecimientos.
2.6.10 Variable aleatoria Aquella que puede tomar uno cualquiera de los valores posibles de un conjunto finito o infinito (dominio),
cada uno de los cuales tiene asociada una probabilidad si la variable es discreta o una densidad de probabilidad si la misma es
contnua. La suma de estas probabilidades es igual a uno.
NOTA: Denominada tambin "variable estocstica".
2.7 INFERENCIA
2.7.1 Parmetro Valor fijo o constante que caracteriza a una poblacin.
2.7.2 Muestra Conjunto de elementos tomados de una poblacin dad, destinado a suministrar informacin sobre sta.
2.7.3 Muestra probabilstica Muestra seleccionada mediante la aplicacin de algn mtodo informacin en el Clculo de Probabilidades.
2.7.4 Tamao de muestra Cantidad de elementos que la componen.
2.7.5 Estadstico Relacin matemtica que vincula los valores de una o ms caractersticas, los cuales proceden de una o varias
muestras.
NOTA: Denominado tambin "estadgrafo".
2.7.6 Coeficiente estadstico Denominacin que se emplea generalmente para llamar a los estadsticos sin dimensin, es decir
nmero puro.
2.7.7 Estimacin Conjunto de mtodos de la Estadstica Inductiva que, basado en el Clculo de probabilidades, permite a partir de
muestras probabilsticas, inferir las leyes de distribucin de las caractersticas consideradas en la poblacin de la cual provienen,
o juzgar la validez de ciertas hiptesis // Resultado obtenido por la aplicacin del mtodo de estimacin utilizado.
2.7.8 Estimador Estadstico aplicado a una o varias muestras probabilsticas para estimar un parmetro desconocido de la
poblacin. Es una variable aleatoria.
2.7.9 Estimacin puntual Mtodo que permite a partir de los valores muestrales y de un estimador, calcular un nico valor como
estimacin de un parmetro desconocido. Se utiliza como estimacin un slo punto del dominio de dicho estimador.
2.7.10 Estimacin por intervencin Mtodo que permite obtener un intervalo aleatorio que tiene una probabilidad (1 - ") definida
previamente, de contener al verdadero valor desconocido de un parmetro. Es un mtodo de estimacin que, si se aplicara una
gran cantidad de veces, cubrira al verdadero valor del parmetro en 100 (1 - ") % de los casos.
2.7.11 Intervalo de confianza (1 - ") Es el intervalo (t1, t2) que tiene probabilidad (1 - ") de contener el verdadero valor desconocido
del parmetro que desea estimar.
150
2.7.12 Lmites inferiores y superiores del intervalo de confianza (1 - ") Son los respectivos extremos, t1, t2 del intervalo que tiene
probabilidad (1 - ") de contener al verdadero desconocido del parmetro. Dichos extremos son aleatorios porque se calculan en
funcin de un estimador.
2.7.13 Nivel de confianza (1 - ") Es la probabilidad (1 - ") definida previamente, de que el intervalo (t 1, t2) cubra el verdadero valor
desconocido del parmetro.
NOTA: Denominado tambin "coeficiente de confianza".
2.7.14 Nivel de riesgo (") Es la probabilidad " de que el intervalo (t1, t2) no contenga el verdadero valor desconocido del parmetro.
NOTA: Denominado tambin "coeficiente de riesgo".
2.8 REGRESIN, CORRELACIN Y ASOCIACIN

2.8.1 Regresin Mtodo estadstico utilizado para establecer y estimar la funcin que relaciona una variable aleatoria dependiente
con una o ms variables independientes, que pueden o no ser aleatorias. En algunos casos a las variables independientes se las
denomina explicativas o descriptivas y a la variable dependiente explicada.
2.8.2 Funcin de regresin Funcin matemtica que liga los valores de la o las variaciones independientes con la media aritmtica
o con la esperanza matemtica de las distribuciones de la variable dependiente.
NOTA: Denominada tambin "ecuacin de regresin".
2.8.3 Recta de regresin Funcin de regresin lineal.
2.8.4 Coeficiente de regresin Cada uno de los parmetros que determinan o identifican una funcin de regresin.
2.8.5 Correlacin Mtodo estadstico utilizado para medir la interdependencia o ligazn aparente dos o ms variables aleatorias.
2.8.6 Coeficiente de correlacin Medida de la relacin o interdependencia existente entre dos o ms variables aleatorias.
2.8.7 Asociacin Mtodos estadsticos utilizado para medir la interdependencia o ligazn aparente entre dos o ms caractersticas.
2.8.8 Coeficiente de asociacin Medida de la asociacin existente entre dos o ms caractersticas.
2.9 NMERO NDICE
2.9.1. nmero ndice. Coeficiente estadstico que refleja las variaciones, en el tiempo o en el espacio, de una magnitud o de un
subconjunto de magnitudes, considerado como representativo de un conjunto mayor. Se calcula respecto de un punto de
referencia denominado base del nmero ndice y generalmente se expresa como porcentaje. Los nmeros ndices ms
frecuentemente utilizados son los de precio, de cantidades y de valores.
NOTA: Denominado tambin ndice.
2.9.2. base de un nmero ndice. Momento, perodo o punto con respecto al cual se establece la comparacin. Generalmente al
ndice en la base se le asigna valor 100.
2.9.3. nmero ndice de precios. Aquel que refleja la variacin de los precios de un conjunto de bienes o servicios, entre dos
momentos en el tiempo o dos puntos en el espacio.
2.9.4. nmero ndice de cantidades. Aquel que refleja la variacin de las cantidades de un conjunto de bienes o servicios, entre
dos momentos en el tiempo o dos puntos en el espacio.
2.9.5. nmero ndice de valor. Aquel que refleja la variacin en el valor total (precio multiplicado por cantidad) de un conjunto de
bienes o servicios, entre dos momentos en el tiempo o dos puntos en el espacio.
2.9.6. relativo de precio. Razn del precio de un bien o servicio, en un perodo o punto dado, respecto al precio del mismo bien o
servicio, en el perodo o punto base. Estos relativos integran los nmeros ndices entre los cuales las frmulas ms frecuentemente
usadas son las de Laspeyres o Paasche.
151
2.9.7. relativo de cantidad. Razn del precio de un bien o servicio, en un perodo o punto dado, respecto a la cantidad del mismo
bien o servicio en el perodo o punto base.
2.9.8. canasta. Conjunto seleccionado de los bienes y servicios sobre el que se basa el clculo de un determinado nmero ndice.
La seleccin se realiza generalmente a partir de la lista exhaustiva de bienes y servicios vinculados con el fenmeno que se desea
reflejar, y debe cumplir la condicin de respetar la representatividad o participacin de las distintas categoras o captulos en el
conjunto total.
2.9.9. nmero ndice de precios de Laspeyres. Aquel que se calcula como un conjunto cuyo numerador es la suma de los precios
de un perodo o punto dado, ponderados por las cantidades del perodo o punto base. Ambas sumas involucran todos los bienes
y servicios de la canasta respectiva.
2.9.10 nmero ndice de cantidad de Laspeyres. Aquel que se calcula como un cociente cuyo numerador es la suma de las
cantidades de un perodo o punto dado, ponderados por los precios del perodo o punto base, y cuyo denominador es la suma de
las cantidades, por los precios del perodo o punto base.
2.9.11 nmero ndice de precios de Paasche. Aquel que se calcula como un cociente cuyo nominador es la suma de los precios por
las cantidades de un perodo o punto dado y cuyo denominador es la suma de los precios del perodo o punto base, ponderados
por las cantidades del perodo dado.
2.9.12 nmero ndice de cantidades de Paasche. Aquel que se calcula como un cociente cuyo denominador es la suma de las
cantidades por los precios de un perodo o punto dado y cuyo denominadores es la suma de las cantidades del perodo o punto
base, ponderadas por los precios del perodo dado.
****************************
APROBADO SU ENVO A DISCUSIN PUBLICA POR EL SUBCOMIT DE ESTADSTICA EN SU SESIN DE 14 DE DICIEMBRE DE 1982
(Acta 5-82)
(Firmado)
(Firmado)
Lic. J. Ibez
Lic. S. B. Esrequis
IRAM
Secretario del Subcomit
(Firmado)
Dr. E.V. Pineda
V B Equipo A
152
Prof. Ada Beatriz Castegnaro
ESTADSTICA
TABLAS ESTADISTICAS BSICAS

DISTRIBUCIN BINOMIAL
DISTRIBUCIN DE POISSON
TABLAS DE DIGITOS AL AZAR o NMEROS ALEATORIOS
TABLA DE COMBINACIONES O NMEROS COMBINATORIOS
DISTRIBUCIN NORMAL
DISTRIBUCIN NORMAL ESTANDARIZADA (TABLA DE CRAUSS)
FUNCION DE DISTRIBUCIN
FRACTILES DE LA DISTRIBUCIN
DISTRIBUCIN t DE STUDENT
DISTRIBUCIN t DE STUDENT (TABLA DE CRAUSS)
DISTRIBUCIN JI-CUADRADO
DISTRIBUCIN JI-CUADRADO (TABLA DE CRAUSS)
DISTRIBUCIN F DE SNEDECOR
p(r )
R
r
N R
.
nr
p( x) nx . p x .q n x

N
n
e x
p( x)
x!
xm
F ( z)
1 12 z 2
.e dz
2
153

Guiast 16

Cargado por

Guiast 16

Cargado por

GUIA PRCTICA DE EJERC. BSICOS y ORIENTACIONES de ESTADSTICA FCE-U.B.A. 1C 2016. Prof. Ada B.

ESTADISTICA I CD. 248PROFESOR: AIDA BEATRIZ CASTEGNARO

FECHA DE LOS EXAMENES

pp((xx)) nxnx ..ppxx..qqnnxx

CRONOGRAMA DEL CURSO

PRESENTACION DEL CURSO MATERIALES Y FECHA DE PARCIALES.

ESTADISTICA DESCRIPTIVA : DATOS BIVARIADOS

APROXIMACIONES DE LAS DISTRIBUCIONES DE PROBABILIDAD Y AUTODIAGNOSTICO

CIERRE DE CURSO Y NOTAS FINALES

ORGANIZACIN DE ESTA GUIA

Actividad: EJERCICIOS DE APLICACIN

Importante la consideracin sobre algn punto o tema

Consideraciones sobre tica en la estadstica

RECOMENDACIONES PARA EL CURSO:

CONTENIDO DE NUESTRO CURSO DE ESTADISTICA

TEOREMA CENTRAL DEL LMITE.

VII LOS NMEROS INDICE DE PRECIOS Y CANTIDADES UNIDAD TEMTICA Nro. 9

REGRESIN LINEAL Y CORRELACIN

DIAGRAMA DE LA PRESENTACIN DE LOS CONTENIDOS

Fuente: Berenson, Levine y Krehbiel Estadistica para Administracin 4ta. Edicin

MAPA PARA SELECCIONAR UN MTODO ESTADSTICO

Estimacin del intervalo de

Estim. de int. de confianza

Prueba Z para la diferencia

Pruebas para la diferencia en

Prueba de Chi cuadrado

I - ANALISIS DE DATOS UNIDAD TEMTICA Nro.5 del Programa N 3496/13

FUENTE DE DATOS Objetivo: Cmo recoger los Datos

Le gusta usted el deporte verlo en TV,

Votar usted en las prximas, elecciones?

-Ha asistido recientemente al cine?

En las prximas elecciones para elegir

-Ha trabajado desde joven?

. NO DEBEN INDUCIR A una

Evitar PREG. Racistas, sexistas

PREG. Que se traslapan

PREG. con trminos EN OTRO

Durante las ltimas 2 semanas ha ido Ud.

Como Ud. sabe el prximo . sern las

-A partir de que edad empez a trabajar?

Vive cerca de la Facultad a menos de 10

Acostumbra a ingerir algn tipo de bebida?

Son los trabajadores argentinos poco

Algunos de sus amigos acostumbran

Acostumbra a leer el diario?

Los estudiantes no deben portar telfonos

Los estudiantes deben o no portar

Qu onda con el curso de Estadistica?

Qu tan satisfecho se encuentra Ud. en

APLICACIONES TORICAS DE ANALISIS DE DATOS

Evaluacin de dos conjuntos diferentes de instrucciones de armado

ETAPA 2 : PRESENTACIN Y CARACTERIZACIN DE DATOS

En los siguientes tipos de NIVELES, complete el siguiente esquema segn se trate de

Exprese el nivel de medicin para cada dato que responde a la variable

f) El grado de satisfaccin con relacin a la programacin de cable (Muy Satisfactorio

Si una magnitud se la puede clasificar en

EJERCICIOS DE APLICACIN de TRATAMIENTO DE LA INFORMACIN

La devolucin de los valores En Excel

Complete el cuadro con las medidas estadsticas

MEDIDAS DE POSICIN BASADAS EN EL ORDEN

esa posicin u orden el valor del

ANLISIS EXPLORATORIO DE DATOS (A.E.D.)

Los cinco nmeros son:

Tipo de distribucin de datos

(Tachar los signos que no

(Tachar los signos que no

(Tachar los signos que no

(Tachar los signos que no

(Tachar los signos que no

2) Deber integrar, algunas conclusiones , tachando lo que no corresponda:

Cunto ms concentrados u homogneos estn los datos

Si todos los Xi son = (no hay variacin de los datos)

Integre segn la grfica de caja y bigote la ubicacin de

3) Integre segn la grfica de caja y bigote la ubicacin de

El resumen de los cinco

4) PROMEDIO VS MEDIDAS DE POSICIN