01 - Guía - Estadísticas para Negocios I

Manual de la materia Estadística para Negocios I
Estadística para Negocios I

Analizar la tomar decisiones de negocios a partir del uso de
Objetivo general procedimientos y herramientas estadísticas para dar solución a los
problemas asociados con su propia área de trabajo.
Unidad I. 1. Introducción a la Estadística Sesiones estimadas 6

El alumno aprenderá que y porqué la estadística es fundamental en la mercadotecnia.
“Para generar una estrategia de marketing poderosa es necesario recurrir a distintos

cuerpos de conocimiento. Desde un punto de vista multidisciplinario, el mercadeo usa
conceptos derivados de la psicología, la sociología y hasta de la matemática con el fin de
desarrollar una campaña exitosa y entregar eficazmente los mensajes publicitarios.
Dentro de estas ciencias que se encargan de enriquecer al marketing, está la

estadística. Esta valiosa área permite tomar datos numéricos y transformarlos en
inferencias y probabilidades. Con esta herramienta, podemos sacar conclusiones vitales
sobre el éxito y aceptación de las campañas, así como también establecer de manera
fiable si las ventas disminuyen o aumentan significativamente. Aunque no lo creas,
precisar estos aspectos ayudará a tu compañía a ganar dinero” (Gomez, 2018, pág. s/n).
I.1. La Estadística y su relación con la mercadotecnia
I.1.1. ¿Qué es la estadística y su importancia en la mercadotecnia?

La estadística se define como el arte y la ciencia de reunir datos, organizarlos,
presentarlos, analizarlos e integrarlos a fin de propiciar una toma de decisiones más
eficaz.
Entonces la importancia de las estadísticas en el marketing, radica en el buen uso

de todas las herramientas de medición que estén a nuestro alcance para poder hacer
buen uso de los recursos y de esta manera lograr un resultado que este enfocado en los
objetivos iniciales. Si se realiza un adecuado seguimiento, aún el más mínimo detalle
proporcionara datos para la correcta gestión y el buen enfoque de cada proyecto.
I.1.2. ¿Qué es la imaginación estadística?

Consiste en percibir una parte en relación con el todo; es decir, es la apreciación de cómo
un evento usual o inusual, circunstancia o conducta está en relación con un conjunto
mayor de eventos similares, y una apreciación de las causas y consecuencias de un evento.
Elaborado por: Dra. Mónica Ramírez López Página 1

Una estadística por sí sola no significa nada, por ello debemos tomar en cuenta los
siguientes aspectos:
 Las circunstancias del fenómeno.

 La cultura, lugar y tiempo de la observación.
 Las normas sociales vigentes.
I.2. Tipos de estadística y algunos conceptos
Por lo general, el estudio de la estadística se divide en dos

categorías: la estadística descriptiva y la estadística inferencial.
Estadística descriptiva
Técnica matemática que obtiene, organiza, presenta y describe

un conjunto de datos con el propósito de facilitar el uso,
generalmente con el apoyo de tablas, medidas numéricas o
gráficas.
La estadística descriptiva no se preocupa por conclusiones, interpretaciones ni

hipótesis a partir de lo reflejado por la muestra, sino por los métodos idóneos para la
organización de la información que contiene y poner en evidencia sus características
esenciales. Solo presenta datos (textual, gráfica o por cuadros) y las operaciones
matemáticas que pueden aplicarse para obtener mayores márgenes de datos, nuevas
informaciones o frecuencias y variabilidades exactas (Concepto.de, 2019).
Estadística inferencial
Se encarga de hacer deducciones, es decir, “inferir propiedades, conclusiones y

tendencias, a partir de una muestra del conjunto. Su papel es interpretar, hacer
proyecciones y comparaciones.
La estadística inferencial emplea usualmente mecanismos que le permiten llevar a

cabo dichas deducciones, tales como pruebas de estimación puntual (o de intervalos de
confianza), pruebas de hipótesis, pruebas paramétricas (como de media, de diferencia de
medias, proporciones, etc.) y no paramétricas (como la prueba del chi-cuadrado, etc.).
También le son útiles los análisis de correlación y de regresión, las series cronológicas, el
análisis de varianza, entre otros.
Por ende, la estadística inferencial es sumamente útil en el análisis de poblaciones

y tendencias, para hacerse una idea posible de las acciones y reacciones de la misma de
cara a condiciones específicas. Esto no significa que se las pueda predecir fielmente, ni
que estemos en presencia de una ciencia exacta, pero sí de una aproximación posible al
resultado final” (Concepto.de, 2019, pág. s/n).


*Ejercicio en clase 1. –
Forma equipos de tres y juntos lean lo siguiente y den respuesta a las preguntas
planteadas:
La empresa de publicidad Brandon and Associates, con sede en Atlanta, solicitó a una
muestra de 1 960 consumidores que probaran un platillo con pollo recién elaborado por
Boston Market. De las 1 960 personas de la muestra, 1 176 dijeron que comprarían el
alimento si se comercializaba.
a) ¿Qué podría informar Brandon and Associates a Boston Market respecto de la

aceptación en la población del platillo de pollo?
b) ¿Es un ejemplo de estadística descriptiva o estadística inferencial? Explique su

respuesta.
Experimento
Es un proceso de medición o de realización de observaciones que tiene resultados bien

definidos. En estadística, los experimentos involucran mediciones e instrumentación
científica; sin embargo un experimento estadístico también puede contemplar el registro
de datos, no necesariamente provenientes de mediciones, como en el caso de las
respuestas ante las preguntas referentes a las preferencias de las personas hacia un
producto o su posición ante un tema en particular (Porras Velázquez, 2019).
En la estadística se suelen estudiar fenómenos aleatorios, es decir, cuyos

resultados están determinados por factores fortuitos.

Ensayo
Es un acto que lleva a uno de los posibles distintos resultados de un experimento. En caso
de lanzar una moneda, un ensayo puede arrojar sólo uno de los dos resultados posibles,
cara o cruz (Porras Velázquez, 2019).
Espacio muestral (S)
El espacio muestral de un experimento es el conjunto de todos los posibles resultados

distintos del experimento y suele representarse con la letra “S”. Se dice que un espacio
muestral es un conjunto universal. A cada resultado en un espacio muestral se le llama
elemento, miembro del espacio muestral o, simplemente, punto muestral (Porras
Velázquez, 2019).
Evento (A)
Es algo que ocurre y que tiene como producto uno o varios resultados. Un evento
aleatorio simple es el resultado de un ensayo único en cualquier experimento particular,
mientras que un evento compuesto consiste en un subconjunto del espacio muestral
con dos o más resultados asociados (Porras Velázquez, 2019).
Población y muestra
Población se refiere al universo, conjunto o totalidad de elementos sobre los que se

investiga o hacen estudios. Muestra es una parte o subconjunto de elementos que se
seleccionan previamente de una población para realizar un estudio. Una muestra
representativa contiene las características relevantes de la población en las mismas
proporciones en que están incluidas en tal población (Levin & Rubin, 2004).
I.3. Datos y variables
I.3.1. Datos
Los datos son hechos/informaciones y cifras que se recogen, analizan y resumen para su
presentación e interpretación. A todos los datos reunidos para un determinado estudio se

les llama conjunto de datos para el estudio. Una sola observación es un dato puntual
(Anderson, Sweeney, & Williams, 2008).
Para que los datos sean útiles, necesitamos organizar nuestras observaciones de
modo que podamos distinguir patrones y llegar a conclusiones lógicas, eso se logra a
través de hacer tabulaciones y gráficas (Levin & Rubin, 2004).
I.3.2. Variables
Se entiende por variable aquel fenómeno medible que varía (cambia) a través del tiempo,
o que difiere de un lugar a otro o de un individuo a otro (Ritchey, 2008). Las variables se
clasifican en dependientes e independientes pero también se clasifican como sigue:
Fuente: Lind, Marchal, & Wathen (2012, pág. 9).
 Las variables cualitativas miden una cualidad o característica en cada unidad

experimental; por ejemplo: Color de un dulce M&M’S®: café, amarillo, rojo,
anaranjado, verde, azul.
 Las variables cuantitativas miden una cantidad numérica en cada unidad
experimental; por ejemplo: x = Unidades compradas de M&M’S®.
 Una variable discreta puede tomar sólo un número finito o contable de valores;
por ejemplo las ventas de M&M’S® en un periodo dado.

 Una variable continua puede tomar infinitamente muchos valores
correspondientes a los puntos en un intervalo de recta; por ejemplo el volumen de
M&M’S® comprados en un año (Mendenhall, Beaver, & Beaver, 2010, pág. 10).
I.3.3. Niveles de medición de los datos

Los datos se clasifican por niveles de medición. El nivel de medición de los datos rige los
cálculos que se llevan a cabo con el fin de resumir y presentar los datos. También
determina las pruebas estadísticas que se deben realizar. Existen cuatro niveles de
medición: nominal, ordinal, de intervalo y de razón. La medición más baja, o más primaria,
corresponde al nivel nominal. La más alta, o el nivel que proporciona la mayor información
relacionada con la observación, es la medición de razón (Lind, Marchal, & Wathen, 2012).
Nivel nominal
En la escala nominal las variables se

diferencian por sus nombres. Estas variables
no tienen orden ni jerarquía asociada a
ellas. Los números asociados con los
nombres son nada más y nada menos que
etiquetas sin ningún aspecto matemático
que se vincule a ellos. Estas variables son de

naturaleza descriptiva. En términos de estadísticas, la escala nominal es la más fácil de
comprender e implementar. Estas variables tienen un mínimo de dos divisiones, como por
ejemplo; hombre / mujer, si / no.
Esta escala no tiene ningún valor numérico. Se utilizan variables como; género,
etnia, raza, edad, etc. El nivel nominal tiene las siguientes propiedades:
 En una escala nominal, una variable se divide en dos o más categorías, por
ejemplo, de acuerdo / en desacuerdo, si / no, etc. Es un mecanismo de medición
en el que la respuesta a una pregunta en particular puede caer en cualquier
categoría.
 La escala nominal es de naturaleza cualitativa, lo que significa que los números se
usan únicamente para categorizar o identificar objetos. Por ejemplo, en el fútbol,
¿has notado que los jugadores tienen un número en su camiseta? (cada uno tiene
un número diferente). La realidad es que estos números no tienen nada que ver
con la capacidad de los jugadores, sin embargo, pueden ayudar a identificar al
jugador.
 En una escala nominal, los números no definen las características relacionadas con
el objeto, lo que significa que cada número se asigna a un objeto aleatorio o por
decisión propia. El único aspecto permitido relacionado con los números en una
escala nominal es que sirven para “contar”. Si volvemos al ejemplo de la
clasificación de hombres y mujeres, 1 siendo hombres y 2 siendo mujeres, los
números nos servirán para saber cuántos hombres (1) hay y cuántas mujeres (2)
hay.
Nivel ordinal
El nivel inmediato superior de datos es el nivel ordinal. En la

escala ordinal, el orden de las variables es crítico. Las variables
se identifican y describen junto con la asignación de un valor
para cada una de estas variables identificadas. En la
investigación de mercado, las escalas ordinales se utilizan para
analizar percepciones, elecciones y retroalimentaciones
relativas, es decir, los profesionales de marketing pueden
evaluar el grado de satisfacción o felicidad de un cliente,
comprender si su blog debe publicar con más frecuencia, etc.
En resumen, las propiedades del nivel ordinal de los datos son las siguientes:
 Además de identificar y describir la magnitud, la escala ordinal suele mostrar el

rango relativo de variables.
 Las propiedades del intervalo no se conocen.
 Se miden atributos no numéricos como frecuencia, satisfacción, felicidad, etc.

 Además de la información proporcionada por la escala nominal, la escala ordinal
identifica el rango de las variables.
 Utilizando esta escala, los encuestadores pueden analizar el grado de acuerdo o
desacuerdo de los encuestados con respecto a la pregunta realizada.
Nivel de intervalo
El nivel de intervalo de medición es el nivel inmediato superior. Incluye

todas las características del nivel ordinal, pero, además, la diferencia entre
valores constituye una magnitud constante. Las características de esta
escala son las siguientes:
 La escala de intervalo es preferible a la escala nominal o la escala

ordinal porque las dos últimas son escalas cualitativas. La escala de
intervalo es cuantitativa en el sentido de que se pueden cuantificar la diferencia
entre dos valores.
 Puedes restar valores entre dos variables y esto te ayuda a comprender la
diferencia entre dos variables.
 Esta escala permite calcular la media de las variables.
 Esta es una escala preferida en estadística porque permite que los investigadores
le asignen un valor numérico a cualquier evaluación arbitraria.
Nivel de razón
El nivel de razón es el más alto. Posee todas las características del nivel de intervalo,
aunque, además, el punto 0 tiene sentido y la razón entre dos números es significativa.
Ejemplos de la escala de razón de medición incluyen salarios, unidades de producción,
peso, cambios en los precios de las acciones, la distancia entre sucursales y la altura. El
dinero ilustra bien el caso. Si tiene cero dólares, entonces no tiene dinero.
Las características de esta escala son las siguientes:
 La escala de intervalo es preferible a la escala nominal o la escala ordinal porque

las dos últimas son escalas cualitativas. La escala de intervalo es cuantitativa en el
sentido de que se pueden cuantificar la diferencia entre dos valores.
 Puedes restar valores entre dos variables y esto te ayuda a comprender la
diferencia entre dos variables.
 Esta escala permite calcular la media de las variables.
 Esta es una escala preferida en estadística porque permite que los investigadores
le asignen un valor numérico a cualquier evaluación arbitraria.

Los datos de escala de razón, junto con los otros 3 niveles de medición, son
fundamentalmente un método de captura de datos cuantitativos. Lo que significa que se
pueden aplicar todos los tipos de técnicas de análisis estadístico a los datos de razón. Las
características de esta medición son:
 Punto de cero absoluto: Una de las características distintivas de los datos de

análisis de razón es el verdadero punto de cero absoluto, el cual hace que los datos
sean relevantes y significativos de una manera que es correcto decir “un objeto es
dos veces más largo que el otro” o 4 tiene el doble del valor que 2.
 Sin valor numérico negativo: Los datos de escala de razón no tienen ningún valor
numérico negativo. Por ejemplo, el peso no puede ser negativo, -20 Kgs no existe.
 Cálculo: Los valores de datos de una escala de razón se pueden sumar, restar,
multiplicar y dividir. Se puede realizar un análisis estadístico único para los datos
de razón.
Las siguientes son algunas de las técnicas de análisis de datos de razón más populares:
Análisis de tendencias
El análisis de tendencias es una técnica popular de análisis

de datos de razón, utilizada para extraer tendencias e
insights capturando los datos de encuestas durante un
período de tiempo determinado.
El análisis de tendencias también juega un papel crítico en

la análisis predictivo, en el que se compara y analiza un
conjunto de datos con plazos determinados para predecir tendencias futuras.

Análisis FODA o SWOT
Al análisis realizado para evaluar las fortalezas, debilidades,

oportunidades y amenazas de una organización se le denomina
análisis FODA y es ampliamente utilizado para evaluar los datos
de escala de razón.
Las fortalezas y debilidades son aspectos internos de una

organización, mientras que las oportunidades y amenazas son
externas a una organización.
Una empresa puede medir los datos de escala de razón para

evaluar la competencia de mercado, así como para planificar
futuras actividades de marketing utilizando los resultados del análisis FODA.
Análisis Conjoint
El análisis conjoint es una técnica de investigación de mercado

de nivel avanzado implementada generalmente para analizar
cómo los individuos toman decisiones complicadas en una
escala de razón.
Qué factores son importantes para los clientes antes de tomar

decisiones en las que tienen múltiples opciones a su
disposición. Los mercadólogos pueden probar sus sitios web,
realizar investigaciones de precios o mejorar las características o funciones del producto
utilizando el análisis conjoint o análisis conjunto.
Tablas cruzadas
El análisis de tablas cruzadas es un método para

comprender la relación entre múltiples variables.
Esta se utiliza para establecer una correlación entre
múltiples variables de datos de escala de razón en
un formato tabular.
Se pueden tomar decisiones informadas después de

analizar los datos de una tabla cruzada. Los investigadores de mercado generalmente
analizan la intención del cliente y el rendimiento del producto utilizando la tabulación
cruzada, ya que proporciona una comparación entre dos o más variables.

Análisis TURF
El Análisis TURF que significa Análisis de Frecuencia y Alcance Total No Duplicado, es un

método que le permite a un mercadólogo analizar el potencial de la investigación de
mercado para una combinación de productos y servicios.
Evalúa los datos de razón de los clientes abordados mediante una determinada
fuente de comunicación y su frecuencia. Esta técnica de análisis es utilizada por los
investigadores para comprender si un nuevo producto o servicio será o no bien recibido
en el mercado objetivo.
Este método de análisis se utilizaba principalmente para diseñar campañas en los

medios, pero su uso se ha ampliado para la distribución de productos y el análisis de
líneas.
Fuente: Vitutor.net (2015, pág. s/n)
*Ejercicio en clase 2.-

Colorea la celda que contenga la respuesta correcta:
1.- ¿Cuál es el nivel de medición de cada una de las siguientes variables?

Nominal Ordinal Intervalo Razón
a) Coeficientes intelectuales de los estudiantes.
b) La distancia que viajan los estudiantes para llegar a clases.
c) Los números en los jerseys de un equipo de fútbol.
d) Una clasificación de estudiantes por fecha de nacimiento.
e) Una clasificación de estudiantes por grados.
f ) Número de horas que los alumnos estudian a la semana.

2. ¿Cuál es el nivel de medición de los siguientes artículos relacionados con el negocio de
los periódicos?
Nominal Ordinal Intervalo Razón
a) Periódicos vendidos todos los domingos durante 2019.
b) Diferentes departamentos, como edición, publicidad, etc.
c) Resumen del número de periódicos vendidos por condado.
d) Años que cada empleado ha laborado en el periódico.
3.- En los siguientes casos determine si el grupo representa una muestra o una
población.
Población Muestra
a) Los participantes en el estudio de un nuevo fármaco para el colesterol.
b) Los conductores que recibieron una multa por exceso de velocidad en la ciudad de
Kansas el último mes.
c) Beneficiarios del programa de asistencia social en Cook County (Chicago), Illinois.
d) Las 30 acciones que forman parte del promedio industrial Dow Jones.
Tareas del apartado
*Tarea 1.- Ingresa a los siguientes sitios:

https://www.rdstation.com/mx/blog/mercadotecnia/
https://www.emagister.com/blog/ventajas-aplicar-la-estadistica-marketing/
Con ello explica ¿Qué es la mercadotecnia?, ahora, haciendo tu propia investigación

menciona 3 casos reales en los que las estadísticas han ayudado a las empresas a colocar
su producto en el mercado. No olvides incluir la bibliografía.
*Tarea 2.- Ingresa al siguiente sitio:

https://www.thedigitalmarketingchallenge.com/como-optimizar-campanas-con-
experimentos-de-marketing/
Ahora explica que impacto tuvo la experimentación en mercadotecnia.
*Tarea 3.- Ingresa a los siguientes sitios, analiza las preguntas de la encuesta
sobre telefonía celular y elige un ejemplo para cada tipo de medición.
https://www.encuestafacil.com/RespWeb/Cuestionarios.aspx?EID=839449&MSJ=NO#Inicio
https://www.mercawise.com/estudios-de-mercado-en-mexico/encuesta-de-habitos-de-uso-de-
telefonia-celular
https://www2.deloitte.com/content/dam/Deloitte/co/Documents/technology-media-
telecommunications/Deloitte%20-
%20Consumidores%20m%C3%B3viles%202015%20Colombia(Baja).pdf

Ejemplo para medición de tipo: Nominal
Escribe aquí la pregunta:
Escribe aquí las opciones de respuesta:
Pon una X en el sitio de donde obtuviste tu respuesta:

Encuestafacil Mercawise Deloitte
Ejemplo para medición de tipo: Ordinal


Ejemplo para medición de tipo: Intervalo



Ejemplo para medición de tipo: Razón



Resúmenes importantes


Unidad II. Recopilación, organización y presentación de Sesiones estimadas 13

datos.
Aprender: las fuentes de datos, construir tablas y gráficas para datos categóricos y
numéricos.
2.1 Recolección de datos
Los datos pueden obtenerse a través de:
 Fuentes ya existentes tanto particulares o privadas como públicas ya sea del

gobierno y ONG’s. A través de:
o Registros sobre los empleados.
o Registros de producción.
o Registros de inventario.
o Registros de ventas.
o Registros de créditos.
o Perfil de clientes.
o Bases de datos.
o Estudios estadísticos
 Encuestas.
 Estudios experimentales.
 Observaciones.
Tareas del apartado
*Tarea 4.-
Entra a la siguiente liga y consigue los datos siguientes: Exportaciones de mango (en
cantidad) realizadas por México en 2017 a Estados Unidos de América, España, Italia,
Japón y China. Con ellos realiza las siguientes acciones:
http://www.fao.org/faostat/es/#data/TM
 Coloca los datos en una hoja de Excel

 Arma con ellos una tabla de frecuencias absolutas y relativas.
 Calcula la proporción
 Grafícalos.
 Debes hacerlo en Excel.
*Tarea 5.-
Realiza una encuesta breve atendiendo a las indicaciones que te daré sobre el consumo
de helado y hielo comestible. Toma en consideración que la aplicarás en la FCA en el

turno en el que estás, considerando que aproximadamente hay 3,000 alumnos en los 2
turnos, emplearás como universo solo la mitad de éstos.
 Comparte la encuesta
 Calcula la muestra
 Determina la estrategia de aplicación
 Vacía los resultados en una hoja de Excel
***Tarea 6.-
Realiza una observación breve atendiendo a las indicaciones que te daré sobre el
consumo de helado y hielo comestible
 Comparte la ficha de observación

 Determina la estrategia de observación
***Tarea 7.-
Realiza una experimentación breve atendiendo a las indicaciones que te daré sobre el
consumo de helado y hielo comestible
 Comparte la ficha de experimentación

 Determina la estrategia de observación
2.2 Organización de datos

Una vez que obtuvimos los datos es necesario hacer un “vaciado a una hoja de Excel” o
bien a un software especializado.
“Organizar los datos tiene como fin permitirnos ver rápidamente algunas de las
características de los datos recogidos. Buscamos cosas como el alcance (los valores mayor
y menor), patrones evidentes, alrededor de qué valores tienden a agruparse los datos,
qué valores aparecen con más frecuencia, etc. Cuanta más información de este tipo
podamos obtener de una muestra, mejor entenderemos la población de la cual proviene,
y mejor será nuestra toma de decisiones” (Levin & Rubin, 2004, pág. 10).
Los datos pueden organizarse de forma ascendente o descendente, cualquier

organización nos ayuda en:
1. Podemos identificar los valores mayor y menor rápidamente.

2. Es fácil dividir los datos en secciones.
3. Podemos ver si algunos valores aparecen más de una vez en el arreglo.
4. Podemos observar la distancia entre valores sucesivos de los datos.

2.2.1. Organización de datos numéricos
2.2.1.1. Diagrama de tallos y hojas

El diagrama "tallo y hojas" (Stem-and-Leaf Diagram) permite obtener simultáneamente
una distribución de frecuencias de la variable y su representación gráfica. Para construirlo
basta separar en cada dato el último dígito de la derecha (que constituye la hoja) del
bloque de cifras restantes (que formará el tallo).
Ejemplo. Se hizo una encuesta para ver cuánto gastaba un grupo de personas en un
desayuno y estos fueron los datos obtenidos:
El árbol quedaría como sigue:
La respuesta es que la mayoría eroga entre $160 y $169 pesos.
2.2.1.2. Tabla de distribución de frecuencias

Es la agrupación de datos cualitativos en clases
mutuamente excluyentes que muestra el número
de observaciones en cada clase.
Frecuencia de clase

Frecuencia relativa de clase
Una proporción es la parte de un todo.
Considerando la tabla anterior podemos decir que la proporción del total de ventas que se
realiza en Olean es del…
40
( ) 𝑥 100 = (0.2222) 𝑥 100 = 22.22%
180
*Ejercicio 3.-
Realiza las proporciones de la siguiente tabla. De tarea realiza esto en Excel y, en caso de
que ya se explicara SPSS realízalo también ahí, expón cuales son las diferencias que
encontraste en cuanto a la técnica.
Educación n p
Con bachillerato inconcluso 15,663.00
Con bachillerato terminado 18,225.00
Universidad inconclusa 19,324.00
Universidad terminada 15,000.00
Grado universitario 12,000.00
Maestría inconclusa 11,725.00
Maestría terminada 7,300.00
Grado de Maestría 2,100.00
Total
*Tarea 8.-
Investiga los siguientes conceptos:
a) Error estadístico.
b) Muestra representativa.

c) Medición (en estadística).
En ocasiones realizaremos la tabla de frecuencia utilizando intervalos o clases. Esto sucede

generalmente cuando los valores de la variable son muchos. Para hacer los intervalos
debes realizar los siguientes pasos:
Supón que hiciste un levantamiento entre los consumidores de una universidad X para
determinar cuántos “hielitos” consumen al mes durante el verano. Los datos obtenidos
fueron los siguientes:
16 14 3 19 20 3 14 19 12 19
19 6 22 22 7 26 16 4 14 28
24 2 11 20 2 25 3 13 24 24
28 22 23 6 2 8 18 13 15 29
0 21 17 8 22 26 4 2 18 21
11 12 10 27 11 1 8 30 18 26
19 16 13 5 13 2 22 23 26 25
6 29 15 22 5 24 21 20 6 2
12 17 13 19 10 23 18 27 11 13
19 14 26 19 15 3 27 20 11 18
14 12 25 0 6 30 8 5 13 20
24 26 26 11 5 26 12 16 25 0
21 16 15 16 7 21 20 13 11 17
16 3 15 6 29 5 2 22 7 3
28 12 9 27 3 28 15 29 1 5
Paso 1. Determina el rango, esto es, identifica el valor máximo de la serie de datos
obtenidos y réstale el valor mínimo.
Valor mínimo: 0
Valor máximo: 30
Rango= 30-0 = 30
Paso 2. Obtén la amplitud o tamaño de cada intervalo, para ello se divide el rango
entre la cantidad de intervalos que deseas tener.
Intervalos deseados: 5
Amplitud: 30/5 = 6
Paso 3. Comenzando por el mínimo valor de la variable, que será el extremo

inferior del primer intervalo, se suma a este valor la amplitud para obtener el
extremo superior y así sucesivamente. Colocaremos un corchete antes del límite
inferior “[“ y un paréntesis “)”al final del límite superior de cada intervalo.

Intervalo Intervalo
inferior Superior
[ 0 - 6 )
[ 7 - 12 )
[ 13 - 18 )
[ 19 - 24 )
[ 25 - 30 )
Paso 4. Otra forma de calcular la cantidad de intervalos es aplicando los siguientes

métodos:
 Método Sturges: k = 1 + 3,332 log n
donde:
k= número de clases
n= tamaño muestral
Método Sturges: k = 1 + 3.332 log n

k= ? 8.25073608
n= 150
Se redondea siempre hacia abajo salvo que el número que te de sea par, en
ese caso se hará hacia arriba
k= 8
Quedando:
Intervalo Intervalo
inferior Superior
[ 0 - 3.75 )
[ 3.76 - 7.51 )
[ 7.52 - 11.27 )
[ 11.28 - 15.03 )
[ 15.04 - 18.79 )
[ 18.8 - 22.55 )
[ 22.56 - 26.31 )
[ 26.32 - 30.07 )
Paso 5. Ahora procede a llenar la tabla siguiendo las instrucciones que te daré.

Frecuencia Frecuencia
Frecuencia absoluta Frecuencia relativa
Intervalo Intervalo absoluta (fi) acumulada relativa (ni) acumulada
inferior Superior (Fi) (Ni)
[ 0 - 6 )
[ 7 - 12 )
[ 13 - 18 )
[ 19 - 24 )
[ 25 - 30 )
Total
Algunos elementos importantes en las tablas de frecuencia son las siguientes:

2.2.1.3. Histograma de frecuencias

Es una herramienta usada para representar una distribución por medio de barras. La
altura de la barra está en función de la frecuencia (eje y) y el rango (eje x) de una variable
continua. Nos ofrece un vistazo general del comportamiento de las variables, donde
logramos analizar aspectos como distribución, dispersión, aleatoriedad y tendencia.

2.2.1.4. Polígono de frecuencias

Un polígono de frecuencias también muestra la forma que tiene una distribución y es
similar a un histograma. Consiste en segmentos de recta que conectan los puntos que
forman las intersecciones de los puntos medios de clase y las frecuencias de clase. El
punto medio de cada clase se indica en una escala en el eje X y las frecuencias de clase en
el eje Y. Recuerde que el punto medio de clase es el valor localizado en el centro de una
clase y representa los valores típicos de ella. La frecuencia de clase es el número de
observaciones que hay en una clase particular.
Tanto el histograma como el polígono de frecuencias permiten tener una vista rápida de
las principales características de los datos (máximos, mínimos, puntos de concentración,
etc.).
Aunque las dos representaciones tienen un propósito similar, el histograma posee

la ventaja de que describe cada clase como un rectángulo, en el que la barra de altura de
éste representa el número de elementos que hay en cada clase. El polígono de

frecuencias, en cambio, tiene una ventaja con respecto al histograma. También permite
comparar directamente dos o más distribuciones de frecuencias (Lind, Marchal, &
Wathen, 2012).
2.2.1.5. La ojiva.
La gráfica de una distribución acumulada, llamada ojiva, es una gráfica que muestra los
valores de los datos en el eje horizontal y las frecuencias acumuladas, las frecuencias
relativas acumuladas o las frecuencias porcentuales acumuladas en el eje vertical.
2.2.2. Organización de datos categóricos
2.2.2.1. Gráficas de barras

“El instrumento más común para representar una variable cualitativa en forma gráfica es
la gráfica de barras. En la mayoría de los casos, el eje horizontal muestra la variable de
interés y el eje vertical la frecuencia o fracción de cada uno de los posibles resultados. Una
característica distintiva de esta herramienta es que existe una distancia o espacio entre las
barras. Es decir, que como la variable de interés es de naturaleza cualitativa, las barras no
son adyacentes. Por consiguiente, una gráfica de barras es una representación gráfica de

una tabla de frecuencias mediante una serie de rectángulos de anchura uniforme, cuya
altura corresponde a la frecuencia de clase” (Lind, Marchal, & Wathen, 2012, pág. 24).
2.2.2.2. Gráfica de pastel

La gráfica de pastel muestra la parte o porcentaje que representa cada clase del total de
números de frecuencia.
2.2.2.3. Tablas de contingencia o cruzadas

Una tabulación cruzada es un resumen tabular de los datos de dos variables.

2.2.2.4. Gráficas agrupadas.

Unidad III. Estadísticas para describir, explorar y Sesiones estimadas 15

comparar datos.
Aprender a describir las características de las medidas de tendencia central, la variación y
la formación de datos numéricos, construir e interpretar un diagrama de caja, calcular
medidas descriptivas de resumen para una población.
En el apartado anterior vimos que las gráficas ayudan a describir la forma básica de una
distribución de datos; sin embargo, hay limitaciones para usarlas ya que son imprecisas
para usar en inferencia estadística. Una forma de superar estos problemas es usar
medidas numéricas, que se pueden calcular para una muestra o una población de
mediciones. Se pueden usar los datos para calcular un conjunto de números que llevarán
una buena imagen mental de la distribución de frecuencia. Estas mediciones se llaman
parámetros cuando se asocian con la población y se denominan estadísticas cuando se
calculan a partir de mediciones muestrales.
3.1 Medidas de tendencia central

 La tendencia central se refiere al punto medio de una distribución. Las medidas de
tendencia central se conocen también como medidas de posición.
 Sesgo: Las curvas pueden ser simétricas o sesgadas. Se dice que son simétricas
cuando tienen una forma tal que una línea vertical que pase por el punto más alto
de la curva dividirá su área en dos partes iguales. Cada parte es una imagen de
espejo de la otra. Y serán sesgadas cuando los valores de su distribución de
frecuencias se concentran en el extremo inferior o en el superior de la escala de
medición del eje horizontal. Estos valores no están igualmente distribuidos.

 Curtosis: Refleja que tan puntiaguda es la curva. Sirve para determinar el grado de
concentración que presentan los valores de una variable alrededor de la zona
central de la distribución de frecuencias.
Pueden ser:

Recuerda que la marca de clase es el valor central que representa una clase. Se obtiene al
sumar los límites del intervalo y dividir este valor entre dos. Esto podríamos expresarlo
matemáticamente como sigue:
xi= (Límite inferior + Límite superior)/2.
En esta expresión xi denota la marca de la i-ésima clase.

*Ejercicio 4.-
Parte 1: Para las distribuciones siguientes, indique cuál de ellas:
Gráfica A Gráfica B
a) tiene el valor promedio más grande.
b) es más probable que produzca un valor pequeño que uno
grande.
c) es la mejor representación de la distribución de edades de los
asistentes a un concierto de rock.
d) es la mejor representación de la distribución de los tiempos de
espera de pacientes en el consultorio de un médico.
Parte 2: Para las distribuciones siguientes, indique cuál de ellas:
Gráfica A Gráfica B
a) tiene valores distribuidos más uniformemente a través del
intervalo de valores posibles.
b) es más probable que produzca un valor cercano a cero.
g) tiene una probabilidad más alta de producir valores positivos
que negativos.
Parte 3: Si las dos curvas siguientes representan la distribución de los resultados de un

grupo de estudiantes en dos exámenes, ¿cuál examen parece haber sido más difícil para
los estudiantes? _________

*Ejercicio 5.-
Considere las dos distribuciones de frecuencias siguientes. La primera distribución de
frecuencia proporciona el ingreso anual bruto ajustado de Estados Unidos (Internal
Revenue Service, marzo 2003). La segunda distribución de frecuencia muestra las
calificaciones de exámenes de un grupo de estudiantes universitarios en un curso de
estadística.
1. Con los datos del ingreso anual elabore un histograma. ¿Qué evidencia de sesgo
observa? ¿Es razonable este sesgo? Explique.
2. Con los datos de las calificaciones elabore un histograma. ¿Qué evidencia de sesgo
observa? Explique.
3.1.1. La media en datos no agrupados

Cuando nos referimos al “promedio” de algo, estamos hablando de la media aritmética.

3.1.2. La media en datos agrupados

*Ejercicio 6.-
SunCom estudia la cantidad de minutos que consumen sus clientes que cuentan con un
plan tarifario de cierto teléfono celular. Una muestra aleatoria de 12 clientes arroja la
siguiente cantidad de minutos empleados el mes pasado ¿Cuál es el valor de la media
aritmética de los minutos consumidos?
La siguiente distribución de frecuencias representa el tiempo en segundos que los cajeros

de BullsEye Discount Store necesitaron para servir a una muestra de clientes en diciembre
de 2019. Calcule la media de la muestra:

3.1.3. La mediana
La mediana es otra medida de localización central. Es el valor de en medio en los datos
ordenados de menor a mayor (en forma ascendente). Cuando tiene un número impar de
observaciones, la mediana es el valor de en medio. Cuando la cantidad de observaciones
es par, no hay un número en medio. En este caso, se sigue una convención y la mediana es
definida como el promedio de las dos observaciones de en medio.
También se puede obtener de la siguiente forma:
Otro ejemplo:

Cuando tenemos datos agrupados, la forma de obtener la mediana es la siguiente:

*Ejercicio 7.-
Facebook es una popular red social en internet. Los usuarios pueden agregar amigos y
enviarles mensajes, así como actualizar sus perfiles personales para informar a sus amigos
sobre sí mismos y sus actividades. Una muestra de 10 adultos reveló que pasaron los
siguientes números de horas utilizando Facebook el mes pasado. Encuentre la media y la
mediana:
Para la siguiente tabla de frecuencias calcula la media y la mediana:
3.1.4. La moda
La moda es el valor que se presenta con mayor frecuencia.
En el siguiente caso presentamos los resultados de las millas corridas en una carrera:

Tras acomodar los datos obtenemos lo siguiente:
Hay situaciones en que la frecuencia mayor se presenta con dos o más valores distintos.
Cuando esto ocurre hay más de una moda. Si los datos contienen más de una moda se
dice que los datos son bimodales. Si contienen más de dos modas, son multimodales. En
los casos multimodales casi nunca se da la moda, porque dar tres o más modas no resulta
de mucha ayuda para describir la localización de los datos.
*Ejercicio 8.-
1.- ¿Cuáles son los valores modales para las siguientes distribuciones?

2.- Ed Grant es director de la Oficina de Becas Estudiantiles del Wilderness College. Con
datos disponibles acerca de los ingresos obtenidos en el verano por todos los estudiantes
que han solicitado ayuda económica a la oficina, desarrolló la distribución de frecuencias
siguiente:
a) Encuentra la clase modal del conjunto de datos.

b) Utilice la ecuación correspondiente para encontrar la moda de los datos que utilizó
Ed.
c) Si las becas a los estudiantes están restringidas a aquellos cuyos ingresos en el
verano fueron por lo menos 10% menores que la ganancia modal, ¿cuántos
solicitantes obtienen la beca?
3.- Un bibliotecario encuestó a 20 personas al salir de la biblioteca y les preguntó cuántos

libros habían sacado. Las respuestas fueron las siguientes:
a) Calcula la moda de este conjunto de datos.

b) Calcula la media para este conjunto de datos.
c) Grafica los datos de la frecuencia contra el número de libros sacados. ¿Es la media
o la moda una mejor medida de tendencia central para estos datos?

3.1.5. La media, moda y mediana en gráficas
3.2 Medidas de variación y de forma

Las medidas de variabilidad nos informan sobre el grado de concentración o dispersión
que presentan los datos respecto a su promedio. Entre estas medidas encontramos el
rango, la desviación media, la varianza y la desviación típica.
3.2.1. Dispersión
La dispersión se refiere a la separación de los datos en una distribución, es decir, al grado
en que las observaciones se separan.
¿Por qué es tan importante entender y medir la dispersión de la distribución?
1. Primero, nos proporciona información adicional que nos permite juzgar la

confiabilidad de nuestra medida de tendencia central. Si los datos se encuentran
muy dispersos, como los que representa la curva C de la figura anterior, la posición
central es menos representativa de los datos, como un todo, que cuando éstos se
agrupan más cerca alrededor de la media, como en la curva A de la misma figura.

2. Segundo, ya que existen problemas característicos para datos muy dispersos,
debemos ser capaces de reconocer esa dispersión amplia para poder abordar esos
problemas.
3. Tercero, quizá se desee comparar las dispersiones de diferentes muestras. Si no se
desea tener una amplia dispersión de valores con respecto del centro de
distribución, o esto presenta riesgos inaceptables, necesitamos poder reconocerla
y evitar elegir distribuciones que tengan las dispersiones más grandes.
*Ejercicio 9.-
1.- ¿Para cuál de las siguientes distribuciones la media es más representativa de los datos
como un todo? ¿Por qué?
3.2.2. Rango
La medida más simple de dispersión es el rango. El rango, R, de un conjunto de n
mediciones se define como la diferencia entre la medición más grande y la más pequeña.
En forma de ecuación:
Ejemplo:
Observa los siguientes datos que reflejan los pagos anuales hechos por Blue Cross-Blue
Shield (miles):

El rango mayor de los pagos anuales a Cumberland es $1,883, el menor es $863; por lo
tanto, el rango es $1,020. Para el hospital Valley Falls, el rango es $200 ya que el valor más
alto es $690 y el menor $490.
*Ejercicio 10.-
1.- La compañía Casual Life Insurance estudia la compra de una nueva flota de autos. El
director del Departamento de Finanzas, Tom Dawkins, obtuvo una muestra de 40
empleados para determinar el número de millas que cada uno maneja en un año. Los
resultados del estudio son los siguientes. Calcule el rango:
3.2.3. Varianza
Cada población (N) tiene una varianza, que es el promedio de los cuadrados de las
desviaciones de las mediciones alrededor de su media μ. La varianza poblacional se
denota con el símbolo σ2 (sigma cuadrada) y su fórmula para calcularla es:
La mayor parte de las veces, no tendremos todas las mediciones de población disponibles
pero necesitaremos calcular la varianza de una muestra de n mediciones, entonces
usaremos la varianza de la muestra cuya fórmula es la siguiente:
Observa:

Si al resultado le sacas la raíz cuadrada obtendrás la desviación estándar que se define

como la raíz cuadrada positiva de la varianza. Continuando con la notación adoptada para
la varianza muestral y para la varianza poblacional, se emplea s para denotar la desviación
estándar muestral y σ para denotar la desviación estándar poblacional y se obtiene como
sigue:
En algunas ocasiones se requiere un estadístico descriptivo que indique cuán grande es la

desviación estándar en relación con la media. Esta medida es el coeficiente de variación y
se representa como porcentaje. Se calcula de la siguiente manera:
*Ejercicio 11
1.- Considere una muestra que tiene como valores 10, 20, 12, 17 y 16. Calcule la varianza y
la desviación estándar.

2.- Las puntuaciones obtenidas por un jugador de boliche en seis juegos fueron 182, 168,
184, 190, 170 y 174. Use estos datos como una muestra y calcule los estadísticos
descriptivos siguientes:
a) Rango
b) Desviación estándar
c) Varianza
d) Coeficiente de variación
3.- Ahome theater in a box es la manera más sencilla y económica de tener sonido
envolvente en un centro de entretenimiento en casa. A continuación se presenta una
muestra de precios (Consumer Report Buying Guide 2004). Los precios corresponden a
modelos con y sin reproductor de DVD:
a) Calcule el precio medio de los modelos con reproductor de DVD y el precio medio
de los modelos sin reproductor de DVD. ¿Cuánto es lo que se paga de más por
tener un reproductor de DVD en casa?
b) Calcule el rango, la varianza y la desviación estándar de las dos muestras. ¿Qué le
dice esta información acerca de los precios de los modelos con y sin reproductor
de DVD?
3.3. Tablas de doble entrada

En algunos casos, se quiere presentar la información con un mayor detalle. Para ello se
usan las tablas de doble entrada. Se llaman así porque la información se clasifica
simultáneamente por medio de dos criterios en lugar de utilizar solamente uno. Las
columnas están relacionadas con un criterio y los renglones con el otro criterio. Podríamos
observar en la siguiente tabla, en la columna de total presenta una información idéntica a
la segunda columna de la tabla de frecuencias.
Observa: Supongamos que una empresa que envasa leche desea clasificar los
defectos encontrados en la producción tanto por tipo de defecto como por el turno
(matutino, vespertino o nocturno) en el que se produjo el defecto. Lo que se desea
estudiar es si la evidencia de los datos (la contingencia y de allí el nombre) apoya la
hipótesis de que exista una relación entre ambas clasificaciones. ¿Cómo se comporta la
proporción de cada tipo de defecto de un turno a otro?

En el ejemplo de la empresa que quiere hacer este tipo de trabajo se encontró un total de
312 defectos en cuatro categorías distintas: volumen, empaque, impresión y sellado. La
información encontrada se resume en la siguiente tabla.
De la información de la tabla antecedente, podemos apreciar que el mayor porcentaje de

errores se comete en el turno nocturno y que el área en la que la mayor proporción de
defectos se da es la de impresión. Como vemos, la clasificación cruzada de una tabla de
contingencia puede llevarnos a obtener conclusiones interesantes que pueden servir para
la toma de decisiones.
*Ejercicio 12.
Usando tus datos de la encuesta realiza 2 tablas cruzadas y explica la información
interesante que encontraste en ellas. Para poder hacer tablas cruzadas en SPSS observa el
siguiente tutorial. https://www.youtube.com/watch?v=RmzQxY0Y6BA
3.4. Teorema de Chebysehev o la significancia práctica de la desviación estándar

La desigualdad de Chebyshev es un teorema utilizado en estadística que proporciona una
estimación conservadora (intervalo de confianza) de la probabilidad de que una variable
aleatoria con varianza finita, se sitúe a una cierta distancia de media.

De los valores ilustrativos anteriores el teorema establece:
Los datos anteriores nos muestran que los últimos dos enunciados nos dan valores útiles
cuya representación podemos ver en el siguiente ejemplo:
n= 25
Media= 75
Varianza = 100
La desviación estándar es igual a la raiz cuadrada de la varianza, por lo tanto
100 = 10

Usando el Teorema de Chebyshev podemos describir la distribución de mediciones siguientes:
1.- Al ser la media 75 eso nos dice que la distribución de las mediciones está centrada en ese valor.
2.- Al menos 3/4 de las 25 mediciones realizadas están en el siguiente intervalo:
𝑥 2 = 2 10
Resolviendo:
75+2(10) = 75-2(10) =
75+20= 75-20=
95 55
Así…
Al menos 3/4 partes de las mediciones se encuentran entre el 55 y el 95
3.- Al menos 8/9 de las 25 mediciones realizadas están en el siguiente intervalo:
𝑥 = 10
Resolviendo:
75+3(10) = 75-3(10) =
75+30= 75-30=
105 45
Así…
Al menos 8/9 partes de las mediciones se encuentran entre el 45 y el 105
Otra forma de analizar la distribución es empleando la regla empírica, también conocida

como la regla 68,5-95-99,7.
Esta regla constituye una manera útil de analizar datos estadísticos. Sin embargo,
solo funciona para una distribución normal (la campana de Gauss) y solo es posible
producir estimaciones. Será necesario que conozcas la media y la desviación estándar de
los datos, pero, en caso de que vayas a emplear la regla empírica para una clase o un
examen, se te deberá brindar esta información. Luego podrás usar esta regla para fines
como estimar cuántos de los datos se encuentran dentro de un rango determinado.

Pasos para aplicar la regla empírica:
1.- Traza y divide una distribución normal. Haz un bosquejo de una curva normal cuyo
punto más alto se encuentre en el centro y cuyos extremos se inclines hacia los extremos
y vayan estrechándose de manera simétrica a la izquierda y la derecha como se observa
en la siguiente gráfica:
2.- Luego traza varias líneas verticales que se intersequen con la curva de la siguiente
manera:
 Una línea debe dividir la curva por la mitad.

 Traza 3 líneas a la derecha de esta línea central y otras 3 a la izquierda. Estas líneas
deben dividir cada una de las mitades de la curva en tres secciones espaciadas de
manera uniforme y una sección pequeña en el extremo.

3.- Escribe los valores de la distribución normal en las líneas divisorias. Marca la línea que
esté en el centro con la media de tus datos y luego suma las desviaciones estándar para
obtener los valores correspondientes a las 3 líneas a la derecha. Resta las desviaciones
estándar a la media y obtendrás los valores correspondientes a las 3 líneas a la izquierda.
Por ejemplo:
Imagina que la media de los datos es 16 y la desviación estándar es 2. Marca la

línea central con el número 16. Suma las desviaciones estándar para marcar la primera
línea a la derecha del centro con el número 18, la siguiente de la derecha con el número
20 y la línea en el extremo derecho con el número 22. Resta las desviaciones estándar
para marcar la primera línea a la izquierda del centro con el número 14, la siguiente de la
izquierda con el número 12 y la línea en el extremo izquierdo con el número 10.
4.- Marca los porcentajes de cada sección. La regla empírica del punto base es fácil de
comprender: el 68 % de los puntos de datos para una distribución normal se encontrarán
dentro de una desviación estándar de la media, el 95 % dentro de dos desviaciones
estándar y el 99,7 % dentro de tres desviaciones estándar. Puedes recordártelo marcando
cada sección con un porcentaje de la siguiente forma:
 Cada sección que se encuentre inmediatamente a la derecha y a la izquierda de la

línea central contendrá el 34 %, sumando un total de 68.

 Las secciones siguientes a la derecha y la izquierda contendrán cada una el 13.5 %.

Súmalas al 68 % y obtendrás el 95 % de los datos.
 Las secciones siguientes a cada lado contendrán cada una 2.35 % de los datos.
Súmalos al 95 % y obtendrás el 99.7 % de los datos.
 Las puntas diminutas restantes de los datos a la izquierda y la derecha contienen

cada una 0.15 % de los datos restantes, lo cual suma un total de 100 %

4. Ahora se puede resolver un problema. Por ejemplo, utilizando la media y la regla

empírica para encontrar las distribuciones de los datos a 1, 2 y 3 desviaciones
estándar de la media. Toma nota de ellos en la curva como referencia. Por
ejemplo, imagina que vas a analizar el peso de una población de gatos, siendo la
media del peso 4 kg y la desviación estándar 0.5 kg.
Debes ahora emplear la proporción de la que hablamos antes para poder responder las
siguientes preguntas:
 Encuentra el peso superior y el inferior para el 68 % de una población de gatos.

Respuesta: Entre 3.5 y 4.5 kg.
 Encuentra la proporción de gatos cuyo peso supere los 5 kg. Respuesta:
2.35%+0.15% = 2.5%
 Encuentra el porcentaje de gatos cuyo peso sea de entre 3.5 y 5 kg. Respuesta:
68%+13.5% = 81.5%

*Ejercicio 13
Considera que tras aplicar una encuesta y analizar los datos descubriste que de una
muestra de 1500 personas las mismas respondieron a una pregunta sobre el monto de
dinero que gastaban por helado al mes dando como resultado que la media de $500 pesos
con una desviación estándar de 50.
1.- Traza la curva de la normal y emplea gráficamente la distribución de la regla empírica.
2.- ¿Qué proporción gasta menos de $500 pesos y cuántas personas significan esa
proporción?
3.- ¿Qué proporción gasta entre de $500 y $550 pesos y cuántas personas significan esa
proporción?
4.- ¿Qué proporción gasta más de $600 pesos y cuántas personas significan esa
proporción?
3.5. Medidas de posición relativas

En ocasiones es necesario conocer la posición de una observación respecto a otras de un
conjunto de datos. Por ejemplo, si deseas conocer que tan distante estás en tu promedio
de la materia (tu calificación) con relación al resto de los estudiantes. Así, la media y la
desviación estándar de las calificaciones se puede usar para calcular la ubicación de tu
puntaje al que denominaremos z.

El puntaje z muestral es una medida de posición relativa definida por la siguiente
fórmula que mide la distancia entre una observación y la media, medidas en unidades de
desviación estándar:
𝑥 − 𝑥̅
𝑧=
Donde:
𝑧 = 𝑃𝑢𝑛𝑡𝑎𝑗𝑒 𝑚𝑢𝑒 𝑡𝑟𝑎𝑙 𝑧
𝑥 = 𝑇𝑢 𝑑𝑎𝑡𝑜
= 𝐷𝑒 𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒 𝑡𝑎𝑛𝑑𝑎𝑟
𝑥̅ = 𝑀𝑒𝑑𝑖𝑎
Ejercicio:
En el primer parcial tuviste de calificación 7.2 ¿Qué tan cerca o lejos estás de la media del
grupo? Para ello considera que el promedio del grupo es 9 y hay una desviación estándar
de 1.3. Cabe indicar que el número de alumnos en el grupo es de 38
𝑥 − 𝑥̅
𝑧=
.2 − 9 −1.8
𝑧= = = −1. 9
1. 1.
Tu calificación está a 1.39 desviaciones estándar abajo de la media.
Ahora debes recordar lo que se vio en el Teorema de Chebysehev y la Regla empírica

Así, debido a que está no está muy lejano significa que tu resultado fue típico. Pero si tu
resultado fuera cercano al 3 o mayor que éste entonces el resultado fue atípico para el
comportamiento del grupo.
Como hemos visto, las medidas de posición se usan con variables cuantitativas y
nos permiten identificar el valor de la variable por debajo del cual se encuentra una
porción dada de observaciones en un grupo. Existen tres medidas:
 Cuartiles: Divide los datos observados en 4 partes iguales.

 Deciles: Divide los datos observados en 10 partes iguales.
 Percentiles: Divide los datos observados en 100 partes iguales.
Percentiles
Los percentiles es una medida de posición usada en estadística que indica, una vez
ordenados los datos de menor a mayor, el valor de la variable por debajo del cual se
encuentra un porcentaje dado de observaciones en un grupo. Se representan con la letra
P. Consiste en un número de 0 a 100 que indica el porcentaje de datos que son igual o
menor que determinado valor.
Si un valor tiene un percentil 55 (P55), el 55% de los demás datos tendrán un valor
igual o más pequeño. Imaginemos que la altura de un grupo de personas es el conjunto de
datos a estudiar. Si una altura de 1.75 m está en el P80 (percentil 80), quiere decir que el
80% de las personas del grupo mide 1.75 o menos.
Para calcular los percentiles, primero hay que ordenar los datos de forma ascendente. Una
vez ordenados, se resta 0.5 a la posición que ocupa el dato del que queremos calcular el
percentil. Después dividimos entre el número total de datos y multiplicamos por 100.

Siendo P el percentil, Xn la posición del valor en la secuencia de datos y N el número total
de datos.
Ejemplo: Tenemos un conjunto de 47 datos con diferente valores que van desde 51 hasta
99. Si queremos saber el percentil al que pertenece el valor 63, primero ordenamos de
menor a mayor y miramos la posición que ocupa el 63. Supongamos la posición es 12.
Aplicamos la fórmula:
P = ( (12 – 0.5) / 47) x 100 = 24.46
Y obtenemos que el 63 está en el percentil 24.46 indica que el 24.46% de los datos tienen
un valor de 63 o menos. Esto se indica como P24.46 = 63.
Otro ejercicio:
Considera la siguiente tabla:
Calcula el percentil siguiendo los pasos:

Cuartiles
Cuartiles
Se usa para identificarlos la letra Q y el subíndice refleja la porción… Q1, Q2, Q3 y Q4.

Con frecuencia es conveniente dividir los datos en cuatro partes; así, cada parte contiene
una cuarta parte o 25% de las observaciones. En la figura anterior se muestra una
distribución de datos dividida en cuatro partes. A los puntos de división se les conoce
como cuartiles y están definidos como sigue:
Los pasos para resolver los cuartiles son:

Rango Intercuartil
Una medida que no es afectada por los valores extremos es el rango intercuartílico (RIC).
Esta medida de variabilidad es la diferencia entre el tercer cuartil Q3 y el primer cuartil
Q1. En otras palabras, el rango intercuartílico es el rango en que se encuentra el 50%
central de los datos.
En los datos de los sueldos mensuales iniciales, los cuartiles son Q3 = 3600 y Q1 = 3465. Por
lo tanto el rango intercuartílico es 3600 - 3465 = 135.
Veamos un ejemplo que conjuga lo visto en este tema:

Ahora construye una gráfica de caja, para eso debes seguir los siguientes pasos:

*Ejercicio 14
A). Millones de estadounidenses trabajan para sus empresas desde sus hogares. A
continuación se presenta una muestra de datos que dan las edades de estas personas que
trabajan desde sus hogares.
B). A continuación encontrarás 3 conjuntos de datos que están ordenados. Las posiciones
de los cuartiles superior e inferior se muestran en la tabla. Encuentra las mediciones un
poco arriba y un poco debajo de la posición de cuartil. Enseguida encuentra los cuartiles
superior e inferior. El primer conjunto de datos ya está hecho.

C). La Asociación Estadounidense de Inversionistas Individuales realiza cada año una

investigación sobre los corredores de bolsa con descuento (AAII Journal, enero de 2003).
En la tabla siguiente se muestran las comisiones que cobran 24 corredores de bolsa con
descuento por dos tipos de transacciones: transacción con ayuda del corredor de 100
acciones a $50 la acción y transacción en línea de 500 acciones a $50 la acción.
a. Calcule el rango y el rango intercuartílico en cada tipo de transacción.
b. Calcule la varianza y la desviación estándar en cada tipo de transacción.
c. Calcule el coeficiente de variación en cada tipo de transacción.
d. Compare la variabilidad en el costo que hay en los dos tipos de transacciones.

3.6. Medidas de la asociación entre dos variables.
Hasta ahora se han examinado métodos numéricos que resumen datos en una sola
variable. Con frecuencia los administradores o quienes toman decisiones necesitan
conocer la relación entre dos variables. En esta sección se presentan la covarianza y la
correlación como medidas descriptivas de la relación entre dos variables. Para poder
comprender el tema es importante que recuerdes cómo realizaste las tablas cruzadas y lo
que significa ello en el análisis del variables.
Estos son los datos muestrales de una tienda de equipos de sonido:
El administrador de la tienda desea determinar la relación entre el número de comerciales

televisados en un fin de semana y las ventas de la tienda durante la semana siguiente. En
la tabla anterior se presentan datos muestrales de las ventas expresadas en cientos de
dólares. En esta tabla se presentan 10 observaciones (n = 10), una por cada semana. El
diagrama de dispersión en la siguiente figura muestra una relación positiva, en que las
mayores ventas (y) están asociadas con mayor número de comerciales (x). En efecto, el
diagrama de dispersión sugiere que podría emplearse una línea recta como aproximación
a esta relación.

En la argumentación siguiente se introduce la covarianza como una medida descriptiva de
la asociación entre dos variables. En una muestra de tamaño n con observaciones (x1, y1),
(x2, y2), etc., la covarianza muestral se define como sigue:
Esta fórmula aparea cada xi con una yi. Después se suman los productos obtenidos al
multiplicar la desviación de cada xi de su media muestral 𝑥̅ por la desviación de la yi
correspondiente de su media muestral 𝑦̅ ; esta suma se divide entre n - 1.
Para medir, en el problema de la tienda de equipo de sonido, la fuerza de la

relación lineal entre el número de comerciales x y el volumen de ventas y, se usa la
ecuación anterior para calcular la covarianza muestral. En la tabla siguiente se muestra el
cálculo de la sumatoria de
510
Observa que la 𝑥̅ = 0/10 y 𝑦̅ = = 1
10
Empleando la ecuación encontramos la covarianza muestral…
Así, en suma, La covarianza es el valor que refleja en qué cuantía dos variables aleatorias
varían de forma conjunta respecto a sus medias. Nos permite saber cómo se comporta
una variable en función de lo que hace otra variable. Es decir, cuando X sube ¿Cómo se
comporta Y? Así pues, la covarianza puede tomar los siguiente valores:

 Covarianza (X,Y) es menor que cero cuando “X” sube e “Y” baja. Hay una relación
negativa.
 Covarianza (X,Y) es mayor que cero cuando “X” sube e “Y” sube. Hay una relación
positiva.
 Covarianza (X,Y) es igual que cero cuando no hay relación existente entre las
variables “X” e “Y”.
*Ejercicio 15
Ver video si no sabes hacer un diagrama de dispersión en Excel.

https://www.youtube.com/watch?v=coRKk-H1Osg
3.7. Coeficiente de correlación

El coeficiente de correlación brinda una medida cuantitativa de la fuerza de la relación
entre dos variables; es decir, este coeficiente se usa para describir qué tan bien explica
una variable a otra. Cuando tratamos con muestras, el coeficiente de correlación de la
muestra se denota por r y es la raíz cuadrada del coeficiente de determinación de
muestra:
También se le conoce como r de Pearson y coeficiente de correlación producto-momento.
Cuando la pendiente de la ecuación de estimación es positiva, r es la raíz cuadrada

positiva, pero si b es negativa, r es la raíz cuadrada negativa. Entonces, el signo de r indica
la dirección de la relación entre las dos variables X y Y. Si existe una relación inversa —esto
es, si Y disminuye al aumentar X—, entonces r caerá entre 0 y -1. De manera similar, si

existe una relación directa (si Y aumenta al aumentar X), entonces r será un valor en el
intervalo de 0 a 1. Observa:
También es importante aclarar que si no hay ninguna relación entre los dos conjuntos de
variables, la r de Pearson es cero. Un coeficiente de correlación r cercano a 0 (sea 0.08)
indica que la relación lineal es muy débil. Se llega a la misma conclusión si r = -0.08. Los
coeficientes de -0.91 y +0.91 tienen una fuerza igual; los dos indican una correlación muy
fuerte entre las dos variables. Por lo tanto, la fuerza de la correlación no depende de la
dirección (ya sea - o bien +).

Resumiendo:
Ejemplo. Imagina que una empresa quiere ver la relación que hay entre las llamadas
telefónicas que 10 vendedores efectúan para lograr las ventas y la concreción de las
mismas; lo primero que debe hacer la empresa es reunir los datos de los vendedores
mismos que se muestran en la tabla siguiente:
Ahora realizamos un diagrama de dispersión con los datos en Excel y obtenemos lo

siguiente:

Ahora traza una línea vertical en la media de los valores X (línea roja) y una recta
horizontal en la media de los valores Y (línea naranja). Así, si sacas el promedio de los
datos de la variable X obtendrás que es 22 y si lo haces en el eje Y verás que es 45
quedándote como sigue:

Ahora dividen el diagrama de dispersión en cuatro cuadrantes, quedándote como sigue:
En el cuadrante I podrás identificar aquellas variables que tienen una relación positiva; por
ejemplo, un empleado que hizo 30 llamadas pero logró vender 70 copiadoras.
Ahora debes proceder a completar la tabla haciendo los siguientes cálculos:
Llamadas Ventas
X-Media de X Y - Media de Y
20 30 20 - 22 = -2 30 - 45 = -15 -2 x -15 = 30
40 60 40 - 22 = 18 60 - 45 = 15 18 x 15 = 270
20 40 20 - 22 = -2 40 - 45 = -5 -2 x -5 = 10
30 60 30 - 22 = 8 60 - 45 = 15 8 x 15 = 120
10 30 10 - 22 = -12 30 - 45 = -15 -12 x -15 = 180
10 40 10 - 22 = -12 40 - 45 = -5 -12 x -5 = 60
20 40 20 - 22 = -2 40 - 45 = -5 -2 x -5 = 10
20 50 20 - 22 = -2 50 - 45 = 5 -2 x 5 = -10
20 30 20 - 22 = -2 30 - 45 = -15 -2 x -15 = 30
30 70 30 - 22 = 8 70 - 45 = 25 8 x 25 = 200
900 Sumatoria de la
Media 22.0 45.0 columna
Ahora aplica la siguiente fórmula:

¿Pero qué es Sx y Sy? Simplemente la desviación estándar de los datos de X y de los datos
de Y. ¿Cómo se obtiene? Pues de forma manual ya lo explicamos en actividades pasadas,
ahora lo haremos usando Excel.
Repite lo mismo con la columna y y obtienes lo siguiente:

Llamadas Ventas
X-Media de X Y - Media de Y
20 30 20 - 22 = -2 30 - 45 = -15 -2 x -15 = 30
40 60 40 - 22 = 18 60 - 45 = 15 18 x 15 = 270
20 40 20 - 22 = -2 40 - 45 = -5 -2 x -5 = 10
30 60 30 - 22 = 8 60 - 45 = 15 8 x 15 = 120
10 30 10 - 22 = -12 30 - 45 = -15 -12 x -15 = 180
10 40 10 - 22 = -12 40 - 45 = -5 -12 x -5 = 60
20 40 20 - 22 = -2 40 - 45 = -5 -2 x -5 = 10
20 50 20 - 22 = -2 50 - 45 = 5 -2 x 5 = -10
20 30 20 - 22 = -2 30 - 45 = -15 -2 x -15 = 30
30 70 30 - 22 = 8 70 - 45 = 25 8 x 25 = 200
900 Sumatoria de la
Media 22.0 45.0 columna
Desviación estándar de X 9.18936583
Desviación estándar de y 14.3372088
Ahora, ya puedes completar la fórmula anterior
¿Cómo se interpreta una correlación de 0.759? Primero, es positiva, por lo que se observa
una relación directa entre el número de llamadas de ventas y el número de copiadoras
vendidas. Esto confirma el razonamiento basado en el diagrama de dispersión. El valor de
0.759 está muy cercano a 1.00, y por ende se concluye que la asociación es fuerte.
*Ejercicio 16
Repasemos el tema de la correlación para ello realizarás dos ejercicios:
1.- Una empresa está valorando la relación que hay entre el costo de la publicidad que ha
empleado para promocionar los productos y las ganancias que han obtenido. Con los
datos siguientes obtén la respuesta, realiza todos los pasos del ejemplo que te hice.

2.- Con tu propia base de datos de la encuesta que aplicaste elige 2 variables que desees
validar en cuento a su relación, por ejemplo si el sabor del helado está relacionado al
monto dispuesto a pagar o en fin, lo que tú desees. Aplica todos los pasos del ejemplo.
También puedes hacerlo en SPSS para eso te invito a ver el siguiente tutorial.
https://www.youtube.com/watch?v=sonEBK5-pnE
Unidad IV. 4. Probabilidad Sesiones estimadas 6

El alumno aprenderá los conceptos básicos de probabilidad, probabilidad condicional,
teorema de Bayes y reglas de conteo.
4.1 Conceptos básicos de probabilidad básica.

En general, la probabilidad es la posibilidad de que algo pase. Las probabilidades se
expresan como fracciones (1/6, ½, 8/9) o como decimales (0.167, 0.500, 0.889) que están
entre cero y uno. Tener una probabilidad de cero significa que algo nunca va a suceder;
una probabilidad de uno indica que algo va a suceder siempre.
En la teoría de la probabilidad, un evento es uno o más de los posibles resultados

de hacer algo. Al lanzar una moneda al aire, si cae cruz es un evento, y si cae cara es otro.
En la teoría de probabilidad, la actividad que origina uno de dichos eventos se

conoce como experimento. Utilizando un lenguaje formal, podríamos hacer la siguiente
pregunta: en un experimento de lanzar una moneda, ¿cuál es la probabilidad del evento
cara? Y, desde luego, si la moneda no está cargada y tiene la misma probabilidad de caer
en cualquiera de sus dos lados (sin posibilidades de que caiga parada), podríamos
responder, “1/2” o “0.5”. Al conjunto de todos los resultados posibles de un experimento
se le llama espacio muestral del experimento. En el de lanzar una moneda, el espacio
muestral es:

Se dice que los eventos son mutuamente excluyentes si uno y sólo uno de ellos puede
tener lugar a un tiempo. Considere de nuevo el ejemplo de la moneda. Tenemos dos
resultados posibles, cara y cruz. En cualquier lanzamiento obtendremos una cara o una
cruz, nunca ambas. Así, los eventos cara y cruz en un solo lanzamiento son mutuamente
excluyentes. De manera parecida, usted puede pasar o reprobar una materia o, antes de
que termine el curso, desertar y no obtener calificación. Solamente uno de esos tres
resultados es posible, por tanto, se dice que son eventos mutuamente excluyentes. La
pregunta fundamental que se debe formular al decidir si ciertos eventos son mutuamente
excluyentes es: ¿pueden ocurrir dos o más de tales eventos al mismo tiempo? Si la
respuesta es afirmativa, los eventos no son mutuamente excluyentes.
Existen tres maneras básicas de clasificar la probabilidad; éstas representan

planteamientos conceptuales bastante diferentes para el estudio de la teoría de
probabilidad. De hecho, los expertos no se ponen de acuerdo sobre cuál planteamiento es
el más apropiado. Empecemos definiendo
1. El planteamiento clásico.
2. El planteamiento de frecuencia relativa.
3. El planteamiento subjetivo.
Probabilidad clásica
El planteamiento clásico define la probabilidad de que un evento ocurra como:

Se debe resaltar el hecho de que, con el fin de que la ecuación anterior sea válida, cada
uno de los resultados posibles debe ser igualmente posible. Traduzcamos esto a través de
la siguiente pregunta: ¿cuál es la probabilidad de obtener una cara en un solo
lanzamiento?
Luego, utilizando términos formales, obtenemos
Planteamiento de frecuencia relativa.
La probabilidad clásica supone también una especie de simetría en el mundo, y esta

suposición también puede ocasionarnos problemas. Las situaciones de la vida real,

desordenadas y poco probables como son a menudo, hacen que sea útil definir la
probabilidad de otras formas por ello abordamos ahora la frecuencia relativa.
Suponga que empezamos por hacernos preguntas complejas como: ¿cuál es la

probabilidad de que yo viva hasta los 85 años?, ¿cuáles son las posibilidades de que dañe
las bocinas de mi aparato de música si subo el volumen del amplificador de 200 watts a
todo lo que da? o ¿cuál es la probabilidad de que la instalación de una nueva planta de
papel a las orillas del río cercano a nuestro pueblo ocasione una significativa desaparición
de peces? Rápidamente nos damos cuenta de que no somos capaces de emitir una
respuesta por adelantado, sin antes hacer algo de experimentación, sobre cuáles son esas
probabilidades.
Una opción es usar las frecuencias relativas, sí, las que ya sabes hacer. Así, una
compañía de seguros sabe, por la información obtenida de los datos actuariales
registrados, que de los hombres de 40 años de edad, 60 de cada 100,000 morirán en un
periodo de un año. Utilizando este método, la compañía estima la probabilidad de muerte
de ese grupo de edad en particular como:
El planteamiento subjetivo
Las probabilidades subjetivas están basadas en las creencias de las personas que efectúan
la estimación de probabilidad. De hecho, la probabilidad subjetiva se puede definir como
la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia
que tenga disponible. Esta evidencia puede presentarse en forma de frecuencia relativa de

presentación de eventos pasados o puede tratarse, simplemente, de una creencia
meditada. Quizá la más antigua estimación de probabilidad subjetiva de la posibilidad de
que fuera a llover se dio cuando alguna tía anciana dijo: “Me duelen los huesos, creo que
se avecina lluvia.” Las valoraciones subjetivas de la probabilidad permiten una más amplia
flexibilidad que los otros dos conceptos analizados. Los tomadores de decisiones pueden
hacer uso de cualquier evidencia que tengan a mano y mezclarla con los sentimientos
personales sobre la situación.
Las asignaciones de probabilidad subjetiva se dan con más frecuencia cuando los
eventos se presentan sólo una vez o un número muy reducido de veces. Digamos que
usted tiene encomendada la tarea de entrevistar y elegir a un nuevo trabajador social. Su
población se ha reducido a sólo tres personas; cada una de éstas tiene buena apariencia,
alto nivel de actividad, bastante confianza en sí misma, buen registro de logros pasados y
buena disposición para enfrentar los retos que se presenten ¿Cuáles son las posibilidades
de que cada candidato se relacione exitosamente con los clientes? El responder a esta
pregunta y escoger a uno de los tres requerirá que usted asigne una probabilidad
subjetiva al potencial de cada persona que solicita el puesto.
En suma los enfoques de probabilidad son:
Ejercicio 17
1.- El representante sindical B. Lou Khollar, tiene como anteproyecto un conjunto de
demandas salariales y de prestaciones que debe presentar a la dirección. Para tener una
idea del apoyo de los trabajadores al paquete, hizo un sondeo aleatorio en los dos grupos
más grandes de trabajadores de la planta, los maquinistas (M) y los inspectores (I).
Entrevistó a 30 de cada grupo con los siguientes resultados:

a) ¿Cuál es la probabilidad de que un maquinista seleccionado al azar del grupo sondeado

dé un apoyo moderado al paquete?
b) ¿Cuál es la probabilidad de que un inspector seleccionado al azar del grupo sondeado

esté indeciso respecto al paquete?
c) ¿Cuál es la probabilidad de que un trabajador (maquinista o inspector) seleccionado al

azar del grupo sondeado dé un apoyo fuerte o moderado al paquete?
2.- Clasifique las siguientes estimaciones de probabilidad en cuanto a su tipo (clásica,

frecuencia relativa o subjetiva) poniendo una X en el espacio correcto:
Probabilidad Clásica Relativa Subjetiva

La probabilidad de lograr un tiro de penal en hockey
sobre hielo es 0.47
La probabilidad de que renuncie el gobernador actual es
0.85
La probabilidad de sacar dos seises al lanzar dos dados
es 1/36
La probabilidad de que el presidente electo en un año
que termina en cero muera durante su cargo es 7/10
La probabilidad de que vaya a Europa este año es 0.14
4.2 Probabilidades bajo independencia estadística
Antes de abordar este tema es importante que repasemos un poco algunos temas de
probabilidad.
Símbolos en probabilidad:

Checa este ejemplo: En una investigación de mercado se encontró que entre los
integrantes de un club, el 30% de los hombres usan loción para después de afeitarse, en
tanto que el 40% de ellos utiliza desodorante y el 10% utiliza ambos productos. Si
elegimos al azar a un varón de ese club, ¿qué probabilidades existen de que utilice
desodorante o de que use loción para después de afeitarse?
Aclaremos los datos:
 De los miembros del club, 30% usan loción y 70% no usan loción.
 De los miembros del club, 40% usan desodorante y 60% no usan desodorante.
 De los miembros del club, 10% usan desodorante y loción mientras que el 90% solo
usan uno de los dos productos.
Si nos preguntan cuál es la probabilidad de que la persona seleccionada al azar utilice

desodorante o de que use loción para después de afeitar, sabemos que tal pregunta en
lenguaje probabilístico se transforma en: A U B; es decir, 30% U 40% =70% pero
debemos descontar aquellos integrantes que ya habían dicho que tenían los 2; es decir el
10%; por lo tanto la probabilidad sería…
Eventos mutuamente excluyentes
Son aquellos eventos que si se produce uno de ellos, no puede producirse el otro. Es decir,
no existe una intersección en los conjuntos, por ejemplo, si se es hombre no se puede ser
mujer. Si no les gustan los helados no podrá elegir la opción de que sí le gustan.
Veamos un ejemplo: En un club deportivo, el 20% de los socios pertenece al equipo

de natación y el 10% al equipo de waterpolo. Ningún socio pertenece a ambos equipos
simultáneamente. Diga cuál es la probabilidad, si elegimos al azar un socio del club, de
que sea integrante de alguno de los dos equipos.

Eventos independientes
Cuando se presentan dos eventos, el resultado del primero puede, o no, tener un efecto
en el resultado del segundo. Esto es, los eventos pueden ser dependientes o
independientes. Dentro de los estadísticamente independientes, es decir, aquellos en
donde la presentación de uno no tiene efecto sobre la probabilidad de presentación de
cualquier otro. Existen tres tipos de probabilidades que se presentan bajo la
independencia estadística: Marginal, Conjunta y Condicional.
 Marginal.- Una probabilidad marginal o incondicional es la probabilidad simple de

presentación de un evento. En el lanzamiento de una moneda no cargada, P(cara)
0.5 y P(cruz)0.5, esto es, la probabilidad de obtener cara es igual a 0.5 y la
probabilidad de obtener cruz es igual a 0.5. Esto es cierto para cada lanzamiento,
no importa cuántas veces se lance la moneda o cuáles hayan sido los resultados
anteriores. Cada lanzamiento de la moneda es único y no hay manera de
conectarlo con ningún otro. En consecuencia, el resultado de cada lanzamiento de
una moneda es un evento estadísticamente independiente de los resultados de
cualquier otro lanzamiento de ella.
Repasemos a continuación el procedimiento para calcular la probabilidad simple o

marginal de un evento. Vemos un ejemplo:
1. El experimento consiste en arrojar un dado normal y bien balanceado de seis caras.
2. Todos los resultados posibles (los eventos simples o puntos muestrales) se listan a
continuación:

3. Para asignar probabilidades a cada evento, es razonable darle la misma probabilidad a

cada evento simple; si hay seis resultados posibles, también resulta razonable darle 1/6 a
cada uno.
4. A continuación definimos tres eventos de interés y los definimos como conjuntos de

puntos muestrales.

5. Calculamos las probabilidades solicitadas:
 Conjunta.- La probabilidad de que dos o más eventos independientes se presenten

juntos o en sucesión es el producto de sus probabilidades marginales.
Matemáticamente lo escribimos como:
Observa el siguiente ejemplo:

Por ejemplo, si queremos saber cuántos hombres han sido promovidos tendremos:
 Condicional.- Simbólicamente, la probabilidad marginal es P(A) y la probabilidad

conjunta es P(AB), mientras que la probabilidad condicional se escribe como:

La probabilidad condicional es, por tanto, la probabilidad de que un segundo evento (B) se
presente si un primer evento (A) ya ha ocurrido.
Ejemplo: Un equipo de fútbol interviene en dos periodos de tiempo extra durante un

juego determinado, de modo que hay tres tiros de monedas al aire. Si la moneda es
imparcial, ¿cuál es la probabilidad de que pierdan los tres tiros?
Si la moneda es imparcial, el evento se puede describir en tres pasos:
A: perder el primer tiro
B: perder el segundo tiro
C: perder el tercer tiro
Como los tiros son independientes y como
Para los 3 tiros.
¿Cómo se puede veriﬁcar si los dos eventos son independientes o dependientes? La

solución más fácil es redefinir el concepto de independencia en un modo más formal.
*Ejercicio 18
Parte A
Ejercicio 1.- El comité directivo de la sociedad de padres de familia de una escuela

primaria está compuesto por cinco personas: tres mujeres y dos hombres. Se van a elegir
al azar dos miembros del comité para solicitar al delegado que ponga una patrulla a vigilar
la salida de los niños ¿Cuál es la probabilidad de que el comité esté compuesto por un
hombre y una mujer?

Ejercicio 2.- Debido al aumento de los costos de los seguros, en Estados Unidos 43
millones de personas no cuentan con un seguro médico (Time, 1 de diciembre de 2003).
En la tabla siguiente se muestran datos muestrales representativos de la cantidad de
personas que cuentan con seguro médico.
a. Con estos datos elabore una tabla de probabilidad conjunta y úsela para responder las
preguntas restantes.
b. ¿Qué indican las probabilidades marginales acerca de la edad de la población de

Estados Unidos?
c. ¿Cuál es la probabilidad de que una persona tomada en forma aleatoria no tenga seguro
médico?
d. Si la persona tiene entre 18 y 34 años, ¿cuál es la probabilidad de que no tenga seguro

médico?
e. Si la persona tiene 34 años o más ¿cuál es la probabilidad de que no tenga seguro

médico?
f. Si la persona no tiene seguro médico, ¿cuál es la probabilidad de que tenga entre 18 y

34 años?
g. ¿Qué indica esta información acerca del seguro médico en Estados Unidos?
Parte B
Ejercicio 1. Una tienda de electrodomésticos va a recibir un embarque de seis

refrigeradores, de los cuales dos están descompuestos. El dueño de la tienda someterá a
prueba dos refrigeradores al recibir el embarque y solamente lo aceptará si ninguno de
ellos presenta fallas. Nos interesa saber cuál es la probabilidad de que acepte el
embarque.
Ejercicio 2.-

a. Con estos datos elabore una tabla de probabilidad conjunta.
b. Use las probabilidades marginales: calidad de la escuela, costo de la escuela y otras para
comentar cuál es la principal razón por la que eligen una escuela.
c. Si es un estudiante de tiempo completo, ¿cuál es la probabilidad de que la principal

razón para su elección de la escuela haya sido la calidad de la escuela?
d. Si es un estudiante de medio tiempo, ¿cuál es la probabilidad de que la principal razón

para su elección de la escuela haya sido la calidad de la escuela?
e. Si A denota el evento es estudiante de tiempo completo y B denota el evento la calidad

de la escuela fue la primera razón para su elección, ¿son independientes los eventos A y
B? Justifique su respuesta.
4.3. Probabilidades bajo condiciones de dependencia estadística

La dependencia estadística existe cuando la probabilidad de que se presente algún evento
depende o se ve afectada por la presentación de algún otro. Exactamente igual que con
los eventos dependientes, los tipos de probabilidad bajo condiciones de dependencia
estadística son:
1. Condicional.
2. Conjunta.
3. Marginal.
4.3.1. Condicional
Las probabilidades condicional y conjunta bajo condiciones de dependencia estadística
son más complicadas que la probabilidad marginal en estas mismas circunstancias.
Analizaremos primero las probabilidades condicionales, debido a que el concepto de
probabilidad conjunta se ilustra mejor si utilizamos la probabilidad condicional como base.

Suponga que tenemos una caja que contiene 10 bolas distribuidas de la siguiente
manera:
• Tres son de color y tienen puntos

• Una es de color y tiene franjas
• Dos son grises y tienen puntos
• Cuatro son grises y tienen franjas
La probabilidad de sacar cualquiera de las bolas es de 0.1, ya que existen 10 bolas con
igual probabilidad de ser elegidas. Pero de acuerdo a los postulados anteriores tenemos:
A partir del planteamiento del problema, sabemos que hay cuatro bolas de color, tres de
las cuales tienen puntos y la que queda tiene franjas. Ahora, nuestro problema consiste en
encontrar las probabilidades sencillas de que la bola tenga puntos y de que tenga franjas.
Para hacerlo dividimos el número de bolas de cada categorías entre el número total de
bolas de color.

En otras palabras, tres cuartos de las bolas de color tienen puntos y un cuarto tienen
franjas. Así pues, la probabilidad de sacar una bola con puntos, dado que ésta es de color,
es de 0.75. De forma parecida, la probabilidad de obtener una bola con franjas, dado que
ésta es de color, es de 0.25.
Ahora podemos ver cómo nuestro razonamiento nos permitirá desarrollar una
fórmula para calcular la probabilidad condicional bajo dependencia estadística. Primero,
podemos asegurarnos a nosotros mismos que tales eventos son estadísticamente
dependientes si observamos que el color de las bolas determina la probabilidad de que
éstas tengan puntos o franjas. Por ejemplo, es más probable que una bola gris tenga
franjas que una bola de color. Como el color afecta la probabilidad de que la bola tenga
puntos o franjas, estos eventos son dependientes.
Expresada como una fórmula general y utilizando las letras A y B para representar los dos
eventos, la ecuación queda:
Ejercicio 19
Continuando con nuestro ejemplo de las bolas de color y grises, respondamos a las
preguntas, ¿cuál es la probabilidad de obtener P(D|G) y P(S |G)? Es decir:
La probabilidad total de que la bola sea gris es de ___________. Para determinar la

probabilidad de que la bola (que sabemos es gris) tenga puntos, dividimos la probabilidad
de que sea gris y tenga puntos ___________entre la probabilidad de que sea gris
__________, es decir: ______________. De manera parecida, para determinar la
probabilidad de que la bola tenga franjas, dividimos la probabilidad de que sea gris y tenga

franjas _____________ entre la probabilidad de que sea gris_____________, es decir,
_____________.
4.3.2. Conjunta
Suponga que en la población general, hay 51% de hombres y 49% de mujeres, y que las
proporciones de hombres y mujeres daltónicos se muestran en la siguiente tabla de
probabilidad:
Si una persona se escoge al azar de entre esta población y se encuentra que es hombre
(evento B), ¿cuál es la probabilidad de que el hombre sea daltónico (evento A)? Si
sabemos que el evento B ha ocurrido, debemos restringir nuestra atención a sólo 51% de
la población que es de hombres. La probabilidad de ser daltónico, dado que la persona es
hombre, es 4% de 51%, o sea:

¿Cuál es la probabilidad de ser daltónico, dado que la persona es mujer? Ahora estamos
restringidos a sólo el 49% de la población que es de mujeres y
Observe que la probabilidad del evento A cambió, dependiendo de si el evento B ocurrió.

Esto indica que estos dos eventos son dependientes.
Ejercicio 20
Parte A
De acuerdo con una encuesta, la probabilidad de que una familia posea dos automóviles si
su ingreso anual es mayor que $35,000 es 0.75. De los hogares encuestados, 60% tenía
ingresos mayores que $35,000 y 52% tenía dos autos. ¿Cuál es la probabilidad de que una
familia tenga dos autos y un ingreso mayor que $35,000 al año?
Parte B
La tienda de departamentos Friendly ha sido objeto de muchos robos durante el último

mes; pero, debido al aumento en las medidas de seguridad, se ha detenido a 250
ladrones. Se registró el sexo de cada ladrón; también se anotó si se trataba de un primer
delito o era reincidente. Los datos se resumen en la siguiente tabla.
Suponga que se elige al azar un ladrón detenido, calcule
a) la probabilidad de que el ladrón sea hombre.
b) la probabilidad de que sea la primera ofensa, dado que es hombre.
c) la probabilidad de que sea mujer, dado que es reincidente.
d) la probabilidad de que sea mujer, dado que es la primera ofensa.

e) la probabilidad de que sea hombre y reincidente.
4.4. Reglas de conteo, combinaciones y permutaciones

Al asignar probabilidades es necesario saber identificar y contar los resultados
experimentales. A continuación tres reglas de conteo que son muy utilizadas.
Experimentos de pasos múltiples
La primera regla de conteo sirve para experimentos de pasos múltiples. Considere un

experimento que consiste en lanzar dos monedas. Defina los resultados experimentales
en términos de las caras y cruces que se observan en las dos monedas. ¿Cuántos
resultados experimentales tiene este experimento?
Recuerda:
El experimento de lanzar dos monedas es un experimento de dos pasos: el paso 1 es

lanzar la primera moneda y el paso 2 es lanzar la segunda moneda.
Datos:
Si se emplea H para denotar cara y T para denotar cruz, (H, H) será el resultado
experimental en el que se tiene cara en la primera moneda y cara en la segunda moneda.
Si continúa con esta notación, el espacio muestral (S) en este experimento del
lanzamiento de monedas será el siguiente:

Posibilidades ¿Qué podría pasar en el primer tiro? ¿Qué podría pasar en el segundo tiro?
Cara (H) Que saliera… Que saliera…
Cruz (T) Cara Cara
o o
Cruz Cruz
Es decir Es decir
H1 H2
T1 T2
Por lo tanto, las posibilidades de combinación serían:

H1H2
H1T2
T1H2
T1T2
Que juntos serían
La regla de conteo para experimentos de pasos múltiples permite determinar el número

de resultados experimentales sin tener que enumerarlos. Así, un experimento se describe
como una sucesión de k pasos en los que hay n1 resultados posibles en el primer paso, n2
resultados posibles en el segundo paso y así en lo sucesivo, entonces el número total de
resultados experimentales es el resultado de multiplicar los resultados del primer
experimento por los del segundo, etcétera; así, en el ejemplo anterior tenemos que en el
primer experimento solo hay 2 resultados opcionales y en el segundo también hay 2, por
lo tanto el resultado sería:
2 x 2 = 4, como lo vimos en el ejemplo anterior, ahora bien, qué pasaría si en lugar de

hacer 2 tiros hiciéramos 3:
2x2x2=8
Y si fueran 6 tiros serían
2 x 2 x 2 x 2 = 16
Viéndolo de la forma anterior serían:

Paso 1 Paso 2 Paso 3 Paso 4
Cara Cara Cara Cara Combinación 1

Cruz Combinación 2
Cruz Cara Combinación 3
Cruz Combinación 4
Cruz Cara Cara Combinación 5
Cruz Combinación 6
Cruz Combinación 8
Cruz Cara Cara Cara Combinación 9
Cruz Combinación 10
Cruz Cara Cara Combinación 13
Así, si tu, al hacer una encuesta preguntaras el sexo, la marca del helado y el sabor y en
cuando al sexo hubiera 2 opciones de respuesta (hombre o mujer), en cuanto a la marca
fueran 5 opciones (SanMy, Nutrisa, Moyo, Yogo, Ticky Tucky) y en cuanto al sabor fueran 3
(natural, taro y frutos del bosque). Sin tener que hacer las combinaciones tendríamos que
se presentarían un total de…
2 x 5 x 3 = 30 combinaciones de respuesta. Así, si yo te preguntara qué posibilidad en esas

combinaciones hay de que un hombre prefiera Yogo en helado de taro sería 1/30; es
decir, 3.33%
Combinaciones
Otra regla de conteo útil le permite contar el número de resultados experimentales

cuando el experimento consiste en seleccionar n objetos de un conjunto (usualmente
mayor) de N objetos. Ésta es la regla de conteo para combinaciones.

Como ejemplo del uso de la regla de conteo para combinaciones, considere un

procedimiento de control de calidad en el que un inspector selecciona al azar dos de cinco
piezas para probar que no tengan defectos. En un conjunto de cinco partes, ¿cuántas
combinaciones de dos partes pueden seleccionarse?
Fórmula:
Datos:
N= número total de piezas = 5
n= Piezas seleccionadas = 2

Las combinaciones pueden obtener en Excel empleando el comando “COMBINAT”
Permutaciones
La tercera regla de conteo que suele ser útil, es para permutaciones. Dicha regla permite
calcular el número de resultados experimentales cuando se seleccionan n objetos de un
conjunto de N objetos y el orden de selección es relevante. Los mismos n objetos
seleccionados en orden diferente se consideran un resultado experimental diferente.
La regla de conteo para permutaciones tiene relación estrecha con la de

combinaciones; sin embargo, con el mismo número de objetos, el número de
permutaciones que se obtiene en un experimento es mayor que el número de
combinaciones, ya que cada selección de n objetos se ordena de n! maneras diferentes.

Ejemplo, reconsidere el proceso de control de calidad en el que un inspector selecciona

dos de cinco piezas para probar que no tienen defectos. ¿Cuántas permutaciones puede
seleccionar?
Fórmula:
Datos:
N= número total de piezas = 5
n= Piezas seleccionadas = 2
El resultado se puede obtener en Excel ocupando el comanda “PERMUTACIONES”

Ejercicio 21
Juan
Luis
María
Luisa
Diana
José
Mónica
Daniel
Sergio
Tatiana
1.- Caso 1. Tienes diez alumnos y vas a elegir entre ellos a 5 para darles un premio. Para
ello habrá 3 intentos y en cada uno de ellos podrán participar los 10 ¿qué probabilidad hay
que un alumno se saque tres premios?
2.- Caso 2. Tienes diez alumnos y seleccionarás 2 de ellos para poder darles un premio
¿Cuántas permutaciones puede seleccionar?
3.- Caso 3. Tienes diez alumnos y vas a seleccionar al azar 2 de ellos para darles un premio
.¿cuántas combinaciones de dos partes pueden seleccionarse?
4.- ¿Qué probabilidad hay de que Mónica sea una de las ganadoras para el caso 1?
5.- ¿Qué probabilidad hay de que Mónica gane 3 veces, de acuerdo con el caso 1?
6.- ¿Qué probabilidad hay de que Mónica y Sergio sean 2 de los ganadores, de acuerdo
con el caso 1?

4.4. Teorema de Bayes

Para comprender este tema deberás de observar este video primero.
https://www.youtube.com/watch?v=yWUTaQOwjxU
Elabora un resumen de lo que veas en esa clase.
Para fortalecer el tema debes saber que en el siglo XVIII, el reverendo Thomas Bayes, un
ministro presbiteriano inglés, planteó esta pregunta: ¿Dios realmente existe? Dado su
interés en las matemáticas, intentó crear una fórmula para llegar a la probabilidad de que
Dios existiera sobre la base de la evidencia de que disponía en la Tierra. Más tarde, Pierre-
Simon Laplace perfeccionó el trabajo de Bayes y le dio el nombre de teorema de Bayes. De
una forma entendible, el teorema de Bayes es el siguiente:
Los eventos A1 y A2 son mutuamente excluyentes y colectivamente exhaustivos, y Ai se

refiere al evento A1 o a A2. De ahí que en este caso A1 y A2 sean complementos. Cabe
indicar que el teorema de Bayes se usa mucho en la toma de decisiones. Las
probabilidades previas suelen ser estimaciones subjetivas dadas por la persona que toma
las decisiones. Se obtiene información muestral y se usan las probabilidades posteriores
para emplearlas en la toma de decisiones.
Así, para resolver el ejercicio usando a Bayes deberás considerar las fórmulas
siguiente:

Vamos a un ejemplo: Suponga que 5% de la población de Umen, un país ficticio del Tercer
mundo, tiene una enfermedad propia del país. Sea A1 el evento “padece la enfermedad” y
A2 el evento “no padece la enfermedad”. Por lo tanto, si selecciona al azar a una persona
de Umen, la probabilidad de que el individuo elegido padezca la enfermedad es de 0.05;
es decir:
Esta probabilidad recibe el nombre de prioridad a priori. Se le da este nombre, porque la

probabilidad se asigna antes de obtener los datos empíricos.
Siguiendo con el ejemplo, imagine que existe una técnica de diagnóstico para
detectar la enfermedad, pero no es muy precisa. Sea B el evento “la prueba revela la
presencia de la enfermedad”. Suponga que la evidencia histórica muestra que si una
persona padece realmente la enfermedad, la probabilidad de que la prueba indique su
presencia es de 0.90. Lo que se obtuvo es la probabilidad condicional:
Como la prueba no es infalible, suponga que la probabilidad de que la prueba indique la

presencia de la enfermedad en una persona que en realidad no la padece es de 0.15
Así, si eligieras al azar a una persona de Umen y se le aplica la prueba y los resultados
resultan que la enfermedad está presente. ¿Cuál es la probabilidad de que la persona en
realidad padezca la enfermedad?
Comencemos por aclarar que lo que buscas encontrar es la probabilidad a

posteriori, es decir,

Que se lee como:
Así, debemos de hacer lo siguiente:
De esta forma, la probabilidad de que una persona padezca la enfermedad, dado que la
prueba fue positiva, es de 0.24. ¿Cómo interpreta el resultado? Si selecciona al azar a una
persona de la población, la probabilidad de que se encuentre enferma es de 0.05. Si se le
somete a la prueba y resulta positiva, la probabilidad de que la persona padezca
realmente la enfermedad se incrementa cinco veces, de 0.05 a 0.24.
Lo anterior se puede colocar en una tabla como la siguiente:
Así, la probabilidad de Bayes implica el siguiente proceso:
Ejercicio 22
1.- Un gerente de crédito trata con tres tipos de riesgos crediticios con sus clientes: las
personas que pagan a tiempo, las que pagan tarde (morosos) y las que no pagan. Con base
en datos estadísticos, las proporciones de cada grupo son 72.3%, 18.8% y 8.9%,
respectivamente.

También por experiencia, el gerente de crédito sabe que el 82.4% de las personas
del primer grupo son dueños de sus casas: el 53.6% de los que pagan tarde, son dueños de
sus casas, y el 17.4% de los que no pagan, también son propietarios de sus casas.
El gerente de crédito desea calcular la probabilidad de que un nuevo solicitante de

crédito en un futuro, si es dueño de su casa: a) Pague a tiempo, b) Pague tarde, c) No
pague y d) Elaborar su tabla de probabilidades.
a) ¿Cuál es la probabilidad de que un nuevo solicitante pague a tiempo?

b) ¿Cuál es la probabilidad de que un nuevo solicitante pague tarde?
c) ¿Cuál es la probabilidad de que un nuevo solicitante no pague?
Unidad V. 5. Distribución de probabilidad discreta Sesiones estimadas 9

El alumno aprenderá las propiedades de una distribución de probabilidad, calcular el valor
esperado y la varianza de una distribución de probabilidad, calcular las probabilidades a
partir de una distribución binominal y de Poisson.
Una distribución de probabilidades da toda la gama de valores que pueden ocurrir con
base en un experimento, y resulta similar a una distribución de frecuencias. Sin embargo,
en vez de describir el pasado, define qué tan probable es que suceda algún evento futuro.
Esta gráfica ya la hemos visto en temas anteriores ¿Lo recuerdas?
Las principales características de una distribución de probabilidad son las siguientes:
 La probabilidad de un resultado en particular se encuentra entre 0 y 1, inclusive.

 Los resultados son eventos mutuamente excluyentes.
 La lista es exhaustiva. Por lo tanto, la suma de las probabilidades de los diversos
eventos es igual a 1.
Teniendo eso en cuenta revisaremos las distintas variables.

5.1 Variables aleatorias
En esencia, lo que hace una variable aleatoria es asignar un número a cada posible
resultado del experimento.
Se pueden considerar numerosos ejemplos de variables aleatorias:
 Número de defectos en una pieza de mueble seleccionada al azar.

 Calificación de examen de aptitud escolar para un solicitando universitario
seleccionado al azar.
 Número de llamadas telefónicas recibidas por una línea directa de intervención en
crisis durante un periodo seleccionado al azar.
Te invito a ver el siguiente video para que sea más claro lo antes leído.
https://www.youtube.com/watch?v=_wonmKS4Blk
5.2 Variable discreta

Dependiendo de esta asignación de números las variables aleatorias pueden ser discretas
o continuas. Un modo de determinar si una variable aleatoria es discreta o continua es
imaginar los valores de la variable aleatoria como puntos sobre un segmento de recta.
Elegir dos puntos que representen valores de la variable aleatoria. Si todo el segmento de
recta entre esos dos puntos representa también valores posibles para la variable aleatoria,
entonces la variable aleatoria es continua; si no es así entonces estamos hablando de una
variable discreta.
En la distribución de probabilidad discreta está permitido considerar sólo un

número limitado de valores. Las variables discretas son aquellas que cuantifican la
característica de modo tal que el número de posibles resultados se puede contar, por
ejemplo:

Para poder determinar la distribución de las frecuencias de este tipo de variables debes
hacer lo siguiente:
Las ventas de automóviles en DiCarlo Motors en Saratoga, Nueva York. Durante los
últimos 300 días de operación muestran lo siguiente: hubo 54 días en los que no se vendió
ningún automóvil, 117 días en los que se vendió 1 automóvil, 72 días en los que se
vendieron 2 automóviles, 42 días en los que se vendieron 3 automóviles, 12 días en los
que se vendieron 4 automóviles y 3 días en los que se vendieron 5 automóviles. Pongamos
esto en una tabla para que sea más claro:
Autos Días con esa

vendidos experiencia
0 54
1 117
2 72
3 42
4 12
5 3
Total: 300
Ahora bien, suponga que considera el experimento de seleccionar un día de operación en

DiCarlo Motors y se define la variable aleatoria de interés como:
Podemos decir que la variable es discreta toda vez que se puede contar el número de
autos vendidos en 0, 1, 2, 3, 4 y 5. Ahora bien, descubramos la probabilidad, eso ya los has
realizado, solo repasemos:

Autos Días con esa

Frecuencia
0 54 54 / 300 = 0.18
1 117 117 / 300 = 0.39
2 72 72 / 300 = 0.24
3 42 42 / 300 = 0.14
4 12 12 / 300 = 0.04
5 3 3 / 300 = 0.01
Total: 300 1.00
Considerando esta tabla, podemos decir que la mayor probabilidad en la empresa es de

vender un auto en un día pues es la frecuencia más alta. Si queremos saber que
probabilidad hay de vender más de 3 automóviles en un día debemos sumar las
probabilidades:
De f(3) + f(4) + f(5) = 0.14 + 0.04 + 0.01 = 0.19
También esos datos podemos graficarlos como se muestra a continuación:

Con estos datos la empresa puede tomar decisiones.
Ahora buscaremos calcular la media de esta variable , para ello tomaremos en

cuenta la siguiente fórmula misma que nos permite obtener el resultado siguiente:
Autos Días con esa Para obtener la media de una

Frecuencia
vendidos experiencia variable discreta
0 54 54 / 300 = 0.18 0 x 0.18 = 0.00

1 117 117 / 300 = 0.39 1 x 0.39 = 0.39
2 72 72 / 300 = 0.24 2 x 0.24 = 0.48
3 42 42 / 300 = 0.14 3 x 0.14 = 0.42
4 12 12 / 300 = 0.04 4 x 0.04 = 0.16
5 3 3 / 300 = 0.01 5 x 0.01 = 0.05
Total: 300 1.00 1.50
Así, la empresa DiCarlo prevé que a la larga se venderán 1.50 automóviles por día. Si en un
mes hay 30 días de operación, el valor esperado, 1.50, se emplea para pronosticar que las
ventas promedio mensuales serán de:
0 𝑥 1. = 4 𝑎𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒
Para calcular la varianza emplearemos la siguiente fórmula y nos da el resultado de la

siguiente hoja:
También sacaremos la desviación estándar que es la raíz cuadrada del resultado obtenido
con la fórmula anterior.

Para obtener la media

Autos Días con esa
Frecuencia de una variable
discreta
0 54 54 / 300 = 0.18 0 x 0.18 = 0.00 0 - 1.50 = -1.50 -1.50 x -1.50 = 2.25 2.25 x 0.18 = 0.4050
1 117 117 / 300 = 0.39 1 x 0.39 = 0.39 1 - 1.50 = -0.50 -0.50 x -0.50 = 0.25 0.25 x 0.39 = 0.0975
2 72 72 / 300 = 0.24 2 x 0.24 = 0.48 2 - 1.50 = 0.50 0.50 x 0.50 = 0.25 0.25 x 0.24 = 0.0600
3 42 42 / 300 = 0.14 3 x 0.14 = 0.42 3 - 1.50 = 1.50 1.50 x 1.50 = 2.25 2.25 x 0.14 = 0.3150
4 12 12 / 300 = 0.04 4 x 0.04 = 0.16 4 - 1.50 = 2.50 2.50 x 2.50 = 6.25 6.25 x 0.04 = 0.2500
5 3 3 / 300 = 0.01 5 x 0.01 = 0.05 5 - 1.50 = 3.50 3.50 x 3.50 = 12.3 12.25 x 0.01 = 0.1225
Total: 300 1.00 1.50 1.2500
La desviación estándar es:

1.118

Ejercicio 23
1.- Tres estudiantes agendan entrevistas para un empleo de verano en el Brookwood
Institute. En cada caso el resultado de la entrevista será una oferta de trabajo o ninguna
oferta. Los resultados experimentales se definen en términos de los resultados de las tres
entrevistas.
a. Enumere los resultados experimentales.
b. Defina una variable aleatoria que represente el número de ofertas de trabajo. ¿Es una
variable aleatoria continua?
c. Dé el valor de la variable aleatoria que corresponde a cada uno de los resultados

experimentales.
2.- Los datos siguientes se obtuvieron contando el número de salas de operaciones de un

hospital que fueron usadas en un periodo de 20 días. Tres de estos 20 días sólo se usó una
sala de operaciones, cinco de estos 20 días se usaron dos, ocho de estos 20 días se usaron
tres salas de operaciones y cuatro de estos 20 días se usaron las cuatro salas de
operaciones del hospital.
a. Use el método de las frecuencias relativas para elaborar una distribución de

probabilidad para el número de salas de operaciones usadas en un día.
b. Elabore una gráfica a partir de la distribución de probabilidad.
c. Muestre que la distribución de probabilidad elaborada satisface las condiciones

requeridas para una distribución de probabilidad.
3.- La Downtown Parking Authority, de Tampa, Florida, reportó los siguientes datos de una
muestra de 250 clientes relacionados con el número de horas que se estacionan los
automóviles y las cantidades que pagan.

a) Convierta la información del número de horas de estacionamiento en una distribución

de probabilidad. ¿Es una distribución de probabilidad discreta o continua?
b) Determine la media y la desviación estándar del número de horas de estacionamiento.

¿Qué respondería si se le pregunta por el número de horas que se estaciona un cliente
normal?
c) Calcule la media y la desviación estándar del pago.
5.2.1. Distribución binominal

La distribución binomial se relaciona con un experimento aleatorio conocido como
experimento de Bernoulli el cual tiene las siguientes características:
Puesto que sólo hay dos resultados posibles, la probabilidad de fracaso, a la que podemos
denominar q, está dada por la diferencia 1 – p, esto es, corresponde al complemento de la
probabilidad de éxito, y como ésta última es constante, entonces también lo es la
probabilidad de fracaso.

La probabilidad de “x” éxitos en n intentos está dada por la siguiente expresión:
Esta fórmula nos dice que la probabilidad de obtener “x” número de éxitos en n pruebas
(como ya se indicó arriba) está dada por la multiplicación de n combinaciones en grupos
de x (el alumno debe recordar el tema de reglas de conteo) por la probabilidad de éxito
elevada al número de éxitos deseado y por la probabilidad de fracaso elevada al número
de fracasos deseados.
Hagamos un ejercicio:
Un embarque de 20 televisores incluye 3 unidades defectuosas. Si se inspeccionan tres

televisores al azar, indique usted cuál es la probabilidad de que se encuentren 2
defectuosos.
Paso 1: Comprobar si es una distribución binominal
Paso 2: Aplicamos la fórmula

Encontrar 2 defectuosos = x
Defectuosos en el total = n
Probabilidad de que sean defectuosos = 3 / 20 = 0.15
Prtobabilidad de que sean correctos = 17 / 20 = 0.85
n-x= 3 - 2 = 1
C = Combinaciones (tema visto antes) = 3
Despejando la fórmula=
P(2)= 3 x 0.02 x 0.85
P(2)= 0.06
Ejercicio 24
1.- Se sabe que el 30% de los estudiantes de secundaria en México es incapaz de localizar
en un mapa el lugar donde se encuentra Afganistán. Si se entrevista a seis estudiantes de
este nivel elegidos al azar:
a) ¿Cuál será la probabilidad de que exactamente dos puedan localizar este país?
b) ¿Cuál será la probabilidad de que un máximo de dos puedan localizar este país?
2.- En un tiempo largo, se ha observado que un jugador profesional de baloncesto puede

hacer un tiro libre en un intento determinado con probabilidad igual a 0.8. Suponga que él
lanza cuatro tiros libres.
1. ¿Cuál es la probabilidad de que enceste exactamente dos tiros libres?
2. ¿Cuál es la probabilidad de que enceste al menos un tiro libre?
5.3 Variable continua

Las variables continuas son aquellas que pueden tomar cualquier valor numérico, dentro
de un intervalo previamente especificado, dicho de otra manera, nos dan un número
incontable. Así, por ejemplo, la variable tiempo en una investigación podría medirse en
intervalos de horas, o bien, en horas y minutos, o bien en horas, minutos y segundos
según sea el requerimiento de la misma.

**5.3 Distribución de Poisson
Unidad VI. 6. Distribución de probabilidad normal. Sesiones estimadas 8

El alumno aprenderá el cálculo de probabilidades a partir de la distribución normal, el uso
de la gráfica de la distribución de probabilidad normal para resolver problemas de
mercadotecnia.
Unidad 6 . Distribución de probabilidad Normal.
6.1 Distribución de probabilidad continúa.
6.2 Distribución normal.
6.3 Evaluación de la normalidad.
Unidad VII. 7. Estimaciones y tamaño de la muestra. Sesiones estimadas 17

El alumno aprenderá los diferentes métodos de muestreo, el concepto de la distribución
maestral cálculo de probabilidades relacionadas con la media maestral y la proporción
maestral.
7.1 Tipos de métodos de muestreo 3 h
7.2 Evaluación del valor de las encuestas 3 h
7.3 Distribuciones muestrales 3 h

7.4 Distribución muestral de la media. 3 h
7.5 Distribución de muestreo de la proporción 3 h
7.6 Calculo del tamaño de la muestra para medias para una población finita e infinita. 1 h
7.7 Calculo del tamaño de la muestra para proporciones para una población finita e
infinita
Bibliografía
Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2008). Estadística para la Administración
y Economía. México: Cengage Learning Editores, S.A.
Concepto.de. (2019). ¿Qué es la estadística inferencial? Recuperado el 25 de enero de

2020, de Concepto.de: https://concepto.de/estadistica-
inferencial/#ixzz6C6NMIpfT
Gomez, E. (9 de febrero de 2018). ¿Cómo aplicar la estadística en el marketing? (8

conceptos claves). Recuperado el 25 de enero de 2020, de WEB y empresas:
https://www.webyempresas.com/como-aplicar-la-estadistica-en-el-marketing-8-
conceptos-claves/
Levin, R. I., & Rubin, D. S. (2004). Estadística para la Administración y Economía. México:
Pearson Education.
Lind, D. A., Marchal, W. G., & Wathen, S. A. (2012). Estadística aplicada a los negocios y a
la Economía. México: McGraw-Hill Educación.
Porras Velázquez, A. (2019). Estadística inferencial. México: Centro de Investigación en

Geografía y Geomática "Ing. Jorge L. Tamayo", A.C.
Ritchey, F. J. (2008). Estadísticas para las Ciencias Sociales. México: Mc Graw Hill
Interamericana.
Vitutor.net. (25 de noviembre de 2015). Medidas de dispersión. Recuperado el 25 de

enero de 2020, de Vitutor.net:
http://www.vitutor.net/2/11/medidas_dispersion.html

01 - Guía - Estadísticas para Negocios I

Cargado por

Copyright:

Formatos disponibles

01 - Guía - Estadísticas para Negocios I

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

01 - Guía - Estadísticas para Negocios I

Cargado por

Copyright:

Formatos disponibles

Manual de la materia Estadística para Negocios I

Estadística para Negocios I

Unidad I. 1. Introducción a la Estadística Sesiones estimadas 6

“Para generar una estrategia de marketing poderosa es necesario recurrir a distintos

Dentro de estas ciencias que se encargan de enriquecer al marketing, está la

I.1. La Estadística y su relación con la mercadotecnia

I.1.1. ¿Qué es la estadística y su importancia en la mercadotecnia?

Entonces la importancia de las estadísticas en el marketing, radica en el buen uso

I.1.2. ¿Qué es la imaginación estadística?

Elaborado por: Dra. Mónica Ramírez López Página 1

 Las circunstancias del fenómeno.

I.2. Tipos de estadística y algunos conceptos

Por lo general, el estudio de la estadística se divide en dos

Técnica matemática que obtiene, organiza, presenta y describe

La estadística descriptiva no se preocupa por conclusiones, interpretaciones ni

Se encarga de hacer deducciones, es decir, “inferir propiedades, conclusiones y

La estadística inferencial emplea usualmente mecanismos que le permiten llevar a

Por ende, la estadística inferencial es sumamente útil en el análisis de poblaciones

Elaborado por: Dra. Mónica Ramírez López Página 2

Elaborado por: Dra. Mónica Ramírez López Página 3

a) ¿Qué podría informar Brandon and Associates a Boston Market respecto de la

b) ¿Es un ejemplo de estadística descriptiva o estadística inferencial? Explique su

Es un proceso de medición o de realización de observaciones que tiene resultados bien

En la estadística se suelen estudiar fenómenos aleatorios, es decir, cuyos

Elaborado por: Dra. Mónica Ramírez López Página 4

Espacio muestral (S)

El espacio muestral de un experimento es el conjunto de todos los posibles resultados

Población se refiere al universo, conjunto o totalidad de elementos sobre los que se

I.3. Datos y variables

Elaborado por: Dra. Mónica Ramírez López Página 5

Fuente: Lind, Marchal, & Wathen (2012, pág. 9).

 Las variables cualitativas miden una cualidad o característica en cada unidad

Elaborado por: Dra. Mónica Ramírez López Página 6

I.3.3. Niveles de medición de los datos

En la escala nominal las variables se

Elaborado por: Dra. Mónica Ramírez López Página 7

El nivel inmediato superior de datos es el nivel ordinal. En la

 Además de identificar y describir la magnitud, la escala ordinal suele mostrar el

Elaborado por: Dra. Mónica Ramírez López Página 8

El nivel de intervalo de medición es el nivel inmediato superior. Incluye

 La escala de intervalo es preferible a la escala nominal o la escala

Las características de esta escala son las siguientes:

 La escala de intervalo es preferible a la escala nominal o la escala ordinal porque

Elaborado por: Dra. Mónica Ramírez López Página 9

 Punto de cero absoluto: Una de las características distintivas de los datos de

El análisis de tendencias es una técnica popular de análisis

El análisis de tendencias también juega un papel crítico en

Elaborado por: Dra. Mónica Ramírez López Página 10

Análisis FODA o SWOT

Al análisis realizado para evaluar las fortalezas, debilidades,

Las fortalezas y debilidades son aspectos internos de una

Una empresa puede medir los datos de escala de razón para

El análisis conjoint es una técnica de investigación de mercado

Qué factores son importantes para los clientes antes de tomar

El análisis de tablas cruzadas es un método para

Se pueden tomar decisiones informadas después de

Elaborado por: Dra. Mónica Ramírez López Página 11

El Análisis TURF que significa Análisis de Frecuencia y Alcance Total No Duplicado, es un

Este método de análisis se utilizaba principalmente para diseñar campañas en los