Nccu-263 Material

Matemática Aplicada a l a Administ raci ón
Matemática Aplicada a la Administración
MATERIAL TÉCNICO
DE APOYO
1
Matemática Aplicada a la
Administración
TAREA N°01
Determinar los valores de las variables en un sistema de dos y tres

ecuaciones mediante la solución de ejercicios de aplicación.
1. Matrices
1.1. Notación, Orden y Tipos
Es un arreglo de elementos en forma rectangular, dispuestos en “�” filas y “�” columnas,
como se muestra en la “imagen 1”, llamaremos elementos a las cantidades numéricas
asignada al caso en estudio.
Figura 1: Representación de una Matriz con “m” filas y “n” columnas
A esta matriz de “�” filas y “�” columnas, se le llamará “matriz de orden “� × �”, este
arreglo de elementos se representará encerradas entre “corchetes” o “paréntesis” como
está representado en la imagen 2.
� −�
� � −�
( ) (� �)
� −� �
� �
� −� �
[ � � �] [−� � �]
� � �
Figura 2: Representación de matrices entre paréntesis o corchetes.
2
Administración
Notación de Matrices
Las matrices se denotan generalmente con letras mayúsculas, como �, � � � … . ��,
� −� �
� �
� = (−� �) � = (−� ) �=( )
−� −�
� � �
Figura 3: Representación de la Notación de matrices.

Notación de Elementos:
Los elementos individuales de una matriz se representan mediante subíndices.
Por ejemplo:
�� se refiere al elemento en la fila "�" y la columna "�" de la matriz "�".
En la matriz � presentada, vamos a identificar algunos elementos:
� −�
� = (−� �)
� �
�� = � �� =� �� = � �� = −�
Figura 4: Representación de los elementos de las matrices
Orden de Matrices
El orden de una matriz se expresa en términos de filas y columnas. Por ejemplo, si una
matriz tiene m filas y n columnas, se denota como una matriz de orden � � �.
� −�
�� → � = (−� �)
� � ��
�
�� → � = (−� )
� ��
� �
�� → � = ( )
−� −� ��
Figura 5: Representación del orden de una matriz
3
Tipos de Matrices
Tipos de Matrices Ejemplo
Matriz Fila: Tiene una sola fila y

varias columnas
�� = (� � �)��
Matriz Columna: Tiene una sola �

columna y varias filas. �� = (�)
� ��
Matriz Cuadrada: Tiene el mismo � �
�� = ( )
número de filas y columnas. � ��
Matriz Rectangular: Tiene un
� � �
número diferente de filas y �� = ( )
� � � ��
columnas.
Tabla 1: Tipos de matrices
1.2. Matriz Unitaria e Igualdad de Matrices

Matriz Unitaria (Matriz Identidad)
Una matriz unitaria es una matriz cuadrada en la que todos los elementos de la
diagonal principal son iguales a 1 y todos los demás elementos son iguales a 0.
� � �
� �
�)= (� � �= ( )
� � ��
� � � ��
Figura 6: Representación de una matriz identidad de �� y
��
Igualdad de Matrices
Dos matrices son iguales si tienen el mismo orden y cada uno de sus elementos
correspondientes es igual. La igualdad de matrices se denota como � = �, donde � y �
son matrices.
� � � �
�= ( ) , �= ( ) ⟹ �=� ⟺ �=�
� −� �� −� ��
4
Figura 7: Ejemplo de aplicación de igualdad de matrices
4
1.3. Operaciones con Matrices: Adición y Multiplicación
Adición de Matrices
Para sumar dos matrices, deben tener el mismo orden. La suma se realiza sumando
los elementos correspondientes.
Ejemplo:
� � � �
�= ( ) , �= ( )
� � ��
�+� �+�
⟹ �+�= ( )
�+� �+�
� �
�+�=( )
��
Figura 8: Ejemplo de suma de matrices
Multiplicación de Matrices
Para multiplicar dos matrices, el número de columnas de la primera matriz debe ser
igual al número de filas de la segunda matriz. La multiplicación se realiza multiplicando
filas por columnas.
Veamos el proceso de la multiplicación de la matriz "�" por la matriz "�":
� � � � �
� = (� � , � = (� �)
�)
� � � ��
Figura 9: Representación de la matriz A Y B
Antes de multiplicar las matrices �� verificamos si las columnas de la primera matriz “�”
es igual al número de fila de la segunda matriz “�”.
Observamos que la matriz � tiene 3 columnas y la matriz � tiene 3 filas, por lo tanto, si se
puede realizar la multiplicación de ��.
A continuación, en la imagen 9, se muestra el proceso de multiplicación de la matriz “�”
5
por la matriz “�”.
6
Figura 10: Proceso de multiplicación de ��
1.4. Aplicación de Matrices

Las matrices se aplican en una amplia variedad de campos, como la resolución de
sistemas de ecuaciones lineales, transformaciones geométricas, análisis de datos,
programación y gráficos por computadora.
1.5. Ejercicios Aplicados
Sector Minero en la Región Arequipa
Problema: Una empresa minera en Arequipa necesita gestionar su flota de camiones
para el transporte de minerales desde la mina hasta el puerto de embarque. La
empresa debe decidir cuántos camiones asignar a cada ruta y mina para maximizar la
eficiencia y minimizar los costos operativos.
Se utiliza una matriz de asignación en la que cada elemento representa la cantidad de
mineral transportado por cada camión en una ruta específica. Se aplican métodos de
optimización para asignar camiones a rutas de manera eficiente y minimizar los costos
de
transporte.
Ruta 1 Ruta 2 Ruta 3
Mina 1 10 5 8
Mina 2 7 6 9
Mina 3 3 4 7
Tabla 2: cuadro de doble entrada donde se indican la asignación de cada mina por ruta.
matriz de asignación:
��
𝑹 = ( � � �)
� � �
Cada fila representa una mina, y cada columna representa una ruta. Los valores en
la
tabla indican cuánto mineral es transportado desde cada mina a cada ruta en toneladas.
Esta información podría utilizarse para optimizar la asignación de camiones y minimizar
los costos de transporte en la empresa minera.
2. Determinantes
2.1. Concepto, operaciones

Concepto
Un determinante
matriz también sees
le un valor escalar
llamara, asociado
matriz de a una
orden "�". matriz
Este valorcuadrada “��”,
representa a dicha
una cantidad
importante
en álgebra lineal y se utiliza para resolver sistemas de ecuaciones lineales y
calcular
propiedades geométricas en transformaciones lineales.
Notación del determinante de una matriz:
Sea la matriz cuadrada "�"de orden 3:
� � �
� = (� �
�)
� � � ��
Figura 11: representación de la matriz �.
El determinante de la matriz se denota entre barras (|…|) como se indica en la figura 11:
|�|: ��

"�"
� � �
| �| = | � � � |
� � �
Figura 12: representación del determinante de la matriz �.
Operaciones con Determinantes

Cálculo de determinantes de matrices cuadradas.
Matriz �� o de orden �:
Figura 13: cálculo del determinante de una matriz ��.

Ejemplo: sea la matriz “�”, dada en la imagen 14, calculamos el determinante de “�”
� −�
�= (
� � ��
Figura 14: representación de la matriz “�”.
Figura 15: representación del proceso de cálculo del determinante de la matriz “�”.
Por lo tanto, decimos que la determinante de la matriz A es 10:

|�| = ��
Matriz �� o de orden �:

� � �
|�| = |� � �|
� � �
Figura 16: representación de una matriz de orden 3
PASO 1: Generación de la matriz ampliada: Esta matriz se genera agregando la

dos primeras filas de la matriz dada, colocándolas al lado derecho de la misma
como se
muestra en la imagen 17.
� � � �
�
| � � �| �
�
� � � �
�
Figura 17: representación de una matriz ampliada de la matriz “�”
PASO 2: Diagonales positivas y negativas: En la matriz ampliada se trazan diagonales

y a cada una se le asigna un signo, positivo o negativo, como se muestra en la imagen
18.
Figura 18: representación de las diagonales positivas y negativas de la matriz ampliada de la matriz “A”
PASO 2: Multiplicamos: En cada diagonal multiplicamos los elementos que la

conforman, poniendo al resultado de la multiplicación el signo de la diagonal, luego
sumamos los resultados obtenidos con sus respectivos signos, tal como se muestra e la
imagen 19.
Diagonales positivas:
�� + �� + ��
Diagonales negativas:
− �� − �� − ��
Resultado del determinante de “�”:
|�| = �� + �� + �� − �� − �� −
��
Figura 19: cálculo de la determinante de “�”
2.2. Regla de Cramer en la Solución de Ecuaciones de Primer Grado con

Dos
Incógnitas
La regla de Cramer es un método para resolver sistemas de ecuaciones lineales
usando determinantes. Para un sistema de dos ecuaciones lineales con dos incógnitas
(x e y), se aplica de la siguiente manera:
Sea el siguiente sistema de dos ecuaciones con dos incógnitas mostrado en la figura
20,
en la cual se muestra el proceso para hallar el valor de “�” y “�” a través de la regla
de
Cramer.
Figura 20: proceso de cálculo para un sistema de dos ecuaciones y dos variables por la regla de
Cramer.
Ejemplo:
Administración
Figura 21: ejemplo de cálculo para un sistema de dos ecuaciones y dos variables por la regla de Cramer.
2.3. Solución de Ecuaciones de Primer Grado con Tres Incógnitas mediante la

Regla de Cramer
11
Administración
Figura 22: Método Cramer par 3 ecuaciones y 3 incógnitas
Ejemplo:
12
Administración
13
Administración
Figura 23: ejemplo del Método Cramer par 3 ecuaciones y 3 incógnitas
2.4. Aplicación de Ecuaciones Lineales: Modelación de

Problemas
Las ecuaciones lineales se utilizan para modelar una amplia gama de problemas del
mundo real, como la planificación financiera, la optimización de recursos y la
programación lineal.
Ejemplos de aplicación incluyen la planificación de producción, la asignación de
recursos, la distribución de ingresos y la gestión de inventarios.
En la modelación de problemas, se traducen situaciones reales en ecuaciones lineales,
se resuelven utilizando métodos como la regla de Cramer o eliminación gaussiana, y
se
interpretan las soluciones en el contexto del problema
original.
TAREA N°02
Calcular valores logarítmicos mediante la solución de ejercicios de aplicación.

1. Logaritmo
1.1. Definición y Notación de Logaritmos

¿Qué es un Logaritmo?
Un logaritmo es una operación matemática que se utiliza para resolver
ecuaciones exponenciales. Podemos ver los elementos de esta operación en la imagen
24.
Notación de Logaritmos
14
Administración
Figura 24: elementos del logaritmo
a continuación, veamos en la imagen 25 una explicación de cómo se maneja

esta operación.
Figura 25: operación de logaritmo
Veamos algunos ejemplos para ver cómo resolver operaciones de logaritmos.
�� = � ⇔ �� = ��

�
�� √� � = � ⇔ √� = �
−�
��
��
��
) = −� ⇔ ( ) =
�� ( � � �
�
1.2. Logaritmo decimal. Logaritmo natural.

Logaritmos decimales (logaritmos de base 10)
Cuando la base del logaritmo es b = 10, denotaremos:
�� =
��𝐠 �
Administración
15
Logaritmo natural (logaritmo de base “�”)
Cuando la base del logaritmo sea el número trascendente � = �, �� … ,
denotaremos:
�� =
𝐥� �
Identidad fundamental
�𝐥�� =
Veamos algunos ejemplos directos de la identidad fundamental:
�𝐥�� = �
��𝐥��𝝅 � = �
��𝐥�� = �
1.3. Propiedades Básicas de Logaritmos

Los logaritmos tienen varias propiedades útiles que facilitan su manipulación. Algunas
de las propiedades básicas de logaritmos incluyen:
• Propiedad de la Igualdad de Logaritmos:
Si 𝐥�� (�) = 𝐥�� (�), ⇒ �
=�
• Propiedad de la Potenciación de Logaritmos:
𝐥�� (�� ) = � ⋅
𝐥�� (�)
• Propiedad de Cambio de Base:
𝐥��
(�)
𝐥�� (�)
𝐥�𝐠 � (�)
16
Figura 26: propiedades de logaritmo
1.4. Aplicación de Logaritmos

Los logaritmos tienen una amplia gama de aplicaciones en la ciencia, la ingeniería, la
economía y otras disciplinas. En esta sección, exploraremos cómo se aplican los
logaritmos en diversos contextos prácticos.
Resolución de Ecuaciones
Exponenciales
Uno de los usos más fundamentales de los logaritmos es la resolución de ecuaciones
exponenciales. Cuando tienes una ecuación en la que la incógnita está en el
exponente, los logaritmos te permiten encontrar el valor de esa incógnita.
Ejemplo: Si tienes la ecuación �� = ��, puedes aplicar logaritmos para
resolverla:
𝐥�� (�� ) =
��(��)
�=
��(��)
�=�
Modelado de Crecimiento Exponencial
Los logaritmos también se utilizan para modelar situaciones de crecimiento exponencial,
como el crecimiento de poblaciones, el interés compuesto en finanzas y la
descomposición radiactiva.
Ejemplo: Si estás estudiando el crecimiento de una población de bacterias que se
duplica cada hora, puedes usar logaritmos para determinar cuánto tiempo llevará
alcanzar cierta cantidad.
Análisis de Datos y Estadísticas
En estadísticas, los logaritmos se utilizan para transformar datos que no siguen una
distribución normal en datos que se aproximan más a una distribución normal. Esto es
útil para aplicar pruebas estadísticas que asumen normalidad en los datos.
Ejemplo: Si tienes datos que siguen una distribución exponencial, tomar
logaritmos
17
naturales de esos datos puede hacer que se parezcan más a una distribución normal
y, por lo tanto, facilita el análisis estadístico.
1.5. Problemas aplicativos casos prácticos
Problema 1: Costo de mantenimiento
Una fábrica de maquinaria industrial tiene un equipo de producción que requiere
mantenimiento regular. El costo de mantenimiento se incrementa exponencialmente con
el tiempo, siguiendo la fórmula:
�(�) = �(�) ⋅
��
Donde:
�(�) es el costo de mantenimiento en el momento t (en
dólares).
�(�) es el costo inicial de mantenimiento.
� es una constante de degradación.

� es el tiempo en
meses.
Si el costo inicial de mantenimiento es de $500 y después de 6 meses el costo
de
mantenimiento aumenta a $800, encuentra el valor de
�.
Solución:
Dado
mesesque el costo inicialade mantenimiento espodemos
de $500usar
(�(�)estos
= $500), y después de 6
el costo aumenta $800 (�(�) = $800), valores para
encontrar
�:
�� = �� ⋅
��(�)
Primero, dividimos ambos lados por 500:
�� = ��(�)
��
Simplificamos:
�. � = ��(�)
Tomamos el logaritmo natural (��) en ambos lados para despejar k:
𝐥� �. � = 𝐥�
��
Usamos la propiedad del logaritmo para llevar el exponente �� al frente:
18
𝐥� �. � = ��
Finalmente, despejamos �:
𝐥� �. �
�= = �, ��
�
Por lo tanto, el valor de � es aproximadamente 0,079.
Problema 2: Producción y demanda
Una fábrica produce un producto cuya demanda disminuye exponencialmente con el
tiempo. La demanda está dada por la fórmula:
�(�) = �� ⋅ �−��
Donde:
�(�) es la demanda del producto en el momento � (en unidades).
�� es la demanda inicial del producto.
� es el tiempo en meses.
Si la demanda inicial es de 1000 unidades y después de 9 meses la demanda ha
disminuido a 500 unidades, ¿cuál es el valor de �?
Solución:
Dado que la demanda inicial
(�(es de 1000 (�(�) = 1000), y después de 9 mese la demanda
disminuye a 500 unidades �) = 500), podemos usar estos valores para encontrar �:
�� = �� ⋅
�−�(�)

�� = −�(�)
��
Simplificamos: �
�, � =
�−�(�)
𝐥� �, � = 𝐥�
�−��
Usamos la propiedad del logaritmo para llevar el exponente−�� al frente:

19
𝐥� �, � = −��
𝐥� �, �
�= = �, ��
−�
Por lo tanto, el valor de � es aproximadamente 0.077.
Problema 3: Vida útil de equipos

Una empresa de fabricación de componentes electrónicos tiene una máquina costosa
que se deprecia con el tiempo. La degradación de la máquina se modela mediante la
fórmula:
��(�) = �� ⋅
�−��
Donde:
��(�)es el valor de la máquina en el momento � (en dólares).
�� es el valor inicial de la máquina.
� es el tiempo en años.
Si el valor inicial de la máquina es de $50,000 y después de 5 años el valor de la máquina

ha disminuido a $30,000, ¿cuál es el valor de �?
Solución:
Dado
5 añosque el valor
de inicial de la máquina es de $50,000 (��(��
(�) = $50,000), y después de
el valor la máquina ha disminuido a $30,000 (�) = $30,000), podemos
usar
estos valores para encontrar �:
30,000 = 50,000 ⋅ �−�(�)
�� = −�(�)
��
Simplificamos: �
20
�, � =
�−�(�)
𝐥� �, � = 𝐥�
�−��
Usamos la propiedad del logaritmo para llevar el exponente−�� al frente:
21
𝐥� �, � =
−��
𝐥� � , �
�= =
�,102
−�
Por lo tanto, el valor de � es aproximadamente 0,102.
TAREA N°03
Reconocer y representar gráficamente funciones lineales y cuadráticas mediante

la solución de ejercicios de aplicación.
1. Funciones y su Aplicación Práctica en Diferentes Sectores
Industriales
En el mundo de la administración de empresas, las funciones juegan un papel crucial en
la toma de decisiones y la optimización de procesos. A continuación, abordaré los
conceptos clave relacionados con funciones y su aplicación en diversos sectores
industriales en Perú:
1.1. Sistema de Coordenadas y Ubicación de
Puntos:
• Ubicación de Puntos en el Plano Cartesiano: Un sistema de coordenadas (plano
cartesiano) se utiliza para ubicar puntos en un espacio bidimensional. El plano se
divide en cuatro cuadrantes, y cada punto se representa con dos coordenadas: la
coordenada x (horizontal) y la coordenada y (vertical).
Figura 27: representación del plano cartesiano y sus elementos.
1.2. Definición de Funciones y Relaciones:
• Definición de Funciones: Una función es una relación matemática que asigna un
único valor de salida (y) a cada valor de entrada (x). En otras palabras, para cada
valor de x, hay un único valor de y correspondiente.
Administración
Figura 28: Diferencia entre función y relación.
1.3. Dominio y Rango de Funciones:

• Dominio: El dominio de una función es el conjunto de todos los valores de entrada (x)
para los cuales la función está definida y produce un valor de salida. En términos
prácticos, es el conjunto de todas las situaciones o inputs posibles en un contexto
particular.
• Rango: El rango de una función es el conjunto de todos los valores de salida (y)
que la función puede producir en función de su dominio. Representa todas las
posibles
23
Administración
salidas o resultados en un contexto dado.
Figura 29: Dominio y Rango de una función
Método Algebraico y Método Gráfico para Determinar el Dominio y el

Rango:
• Método Algebraico: En el ámbito empresarial, puedes usar el método algebraico
para definir el dominio y el rango de una función. Por ejemplo, si estás modelando
los costos de producción en función de la cantidad de unidades producidas, el
dominio podría ser el conjunto de números reales no negativos (porque no puedes
producir un número negativo de unidades), y el rango sería el conjunto de números
reales no negativos (porque los costos no pueden ser negativos).
• Método Gráfico: El método gráfico implica representar gráficamente la función en
un plano cartesiano y observar los valores que abarca en el eje x (dominio) y en el
eje y (rango). Por ejemplo, si estás analizando las ventas de productos en una
tienda, el dominio podría ser el rango de tiempo considerado (por ejemplo, un año),
y el rango sería el conjunto de valores de ventas correspondientes a ese período.
➢ Ejemplo Práctico - Sector Manufacturero en Lima:
Supongamos que una fábrica en Lima está analizando la relación entre la cantidad
de horas de trabajo (x) y la producción diaria en unidades (y). Si representamos esta
relación en un plano cartesiano, el dominio sería el conjunto de todas las cantidades
de horas de trabajo posibles (por ejemplo, de 0 a 24 horas), y el rango sería el
conjunto de todas las posibles producciones diarias en unidades (por ejemplo, de 0
a 500 unidades). Esto permitiría a la fábrica optimizar la programación de trabajo y
maximizar la producción.
En resumen, comprender funciones y sus dominios y rangos es esencial para tomar
decisiones informadas y optimizar procesos en una variedad de sectores industriales
24
Administración
en Perú, incluyendo la manufactura, la logística y la gestión de recursos
humanos.
2. Funciones Lineales y su Aplicación Práctica en la Administración de Empresas
Las funciones lineales son fundamentales en la administración de empresas porque
modelan relaciones directamente proporcionales entre variables. A continuación,
abordaré los conceptos clave sobre funciones lineales y cómo se aplican en
diversos sectores industriales en Perú:
2.1. Función Lineal:
• Definición: Una función lineal es una relación matemática que puede representarse
en la forma f(x) = ax + b, donde "a" y "b" son constantes y "x" es la variable
independiente. En una función lineal, la variable dependiente (f(x)) aumenta o
disminuye de manera constante en función de la variable independiente (x).
Figura 30: Función lineal
2.2. Tipos de Funciones Lineales:
25
Administración
Figura 31: tipos de función lineal
2.3. Tabulación y Gráfica de Funciones Lineales:

• Tabulación: Para analizar una función lineal en la administración de empresas,
es común crear una tabla que muestre los valores de "x" y los valores
correspondientes de "f(x)".
• Gráfica: La gráfica de una función lineal es una línea recta en el plano cartesiano.
Esto permite visualizar cómo cambian las variables en función una de la otra.
2.4. Dominio y Rango de Funciones Lineales:
• Dominio: El dominio de una función lineal es el conjunto de todos los valores
posibles de la variable independiente (x). En la mayoría de los casos, el dominio es
el conjunto de números reales.
• Rango: El rango de una función lineal es el conjunto de todos los valores posibles de
26
Administración
la variable dependiente (f(x)). El rango suele ser también el conjunto de números
reales.
Figura 32: Tabulación gráfica de funciones
➢ Aplicación Práctica - Sector Logístico en Trujillo:

Supongamos que una empresa de logística en Trujillo quiere optimizar su tiempo de
entrega. Pueden modelar el tiempo de entrega (en horas) en función de la distancia
recorrida (en kilómetros) utilizando una función lineal. Si la relación es lineal, pueden
determinar cuánto tiempo tomará entregar un pedido a una distancia dada y ajustar
su programación en consecuencia.
2.5. Sistema de Dos Ecuaciones con Dos Variables:
• Un sistema de dos ecuaciones con dos variables se utiliza comúnmente en la
administración de empresas para resolver problemas de asignación de recursos y
planificación. Por ejemplo, una empresa podría tener que decidir cuántas unidades
producir de dos productos diferentes para maximizar sus ganancias. El método
gráfico es una herramienta efectiva para visualizar y resolver este tipo de sistemas.
27
Administración
Figura 33: método grafico para resolver un sistema de ecuaciones
En resumen, las funciones lineales y los sistemas de ecuaciones lineales son

herramientas esenciales en la administración de empresas en Perú, y su comprensión
permite tomar decisiones informadas y optimizar procesos en diversos sectores
industriales, como la logística, la producción y la gestión de recursos.
3. Funciones no Lineales y su Aplicación en la Administración de
Empresas
En la administración de empresas, las funciones no lineales desempeñan un papel
crucial al modelar relaciones en las que el cambio no es constante. A continuación,
exploraremos las funciones cuadráticas y exponenciales, junto con ejemplos prácticos
de su aplicación en diversos sectores industriales en Perú:
3.1. Función Cuadrática:
• Definición: Una función cuadrática tiene la forma �(�) = ��² + �� + �, donde "�"
"�, " � "�" son constantes, y "�" es la variable independiente. La gráfica de una
función cuadrática es una parábola, que puede abrir hacia arriba o hacia abajo.
28
Administración
Figura 34: función cuadrática

Tabulación y Gráfica de Funciones Cuadráticas:
• Tabulación: Se pueden crear tablas de valores de "x" y los valores
correspondientes de "f(x)" para analizar la función cuadrática.
• Gráfica: La gráfica de una función cuadrática es una parábola en el plano cartesiano.
Esta forma permite modelar situaciones en las que el cambio no es lineal, como
la proyección de ventas en función del tiempo.
Figura 35: tabulación en función cuadrática

3.1.1. Dominio y Rango de Funciones Cuadráticas:
29
Administración
• Dominio: El dominio de una función cuadrática suele ser el conjunto de todos los
números reales, ya que no hay restricciones en la variable "x."
• Rango: El rango puede variar según la orientación de la parábola, pero en general,
abarca un rango infinito de valores reales.
Figura 36: Dominio y rango de una función

➢ Aplicación Práctica - Sector Financiero en Lima:
Imagina una institución financiera en Lima que desea calcular los intereses
acumulados en una cuenta de ahorros a lo largo del tiempo. La función cuadrática
se puede utilizar para modelar cómo los intereses aumentan a una tasa variable en
función del tiempo, lo que permite a la institución planificar su crecimiento y
establecer metas financieras.
3.2. Función Exponencial:
• Definición: Una función exponencial tiene la forma �(�) = �� , donde "a" es una
constante positiva diferente de 1 y "x" es la variable independiente. Estas funciones
representan un crecimiento (o decrecimiento) rápido y
continuo.
30
Administración
Figura 37: Representación exponencial

Tabulación y Gráfica de Funciones Exponenciales:
• Tabulación: La tabulación implica elegir valores de "x" y calcular los valores
correspondientes de "f(x)" utilizando la función exponencial.
• Gráfica: La gráfica de una función exponencial muestra un crecimiento o
decrecimiento exponencial en función de "x." Esto se aplica a situaciones en las
que el crecimiento es exponencial, como la propagación de una enfermedad en una
población.
Figura 38: tabulación de la función exponencial
Dominio y Rango de Funciones Exponenciales:

• Dominio: El dominio suele ser el conjunto de todos los números reales, ya que no
hay restricciones en la variable "x."
31
Administración
• Rango: El rango de una función exponencial depende de la constante "a" y puede

ser un conjunto de valores reales positivos, negativos o ambos.
➢ Aplicación Práctica - Sector Salud en Cusco:
Supongamos que en el sector de la salud en Cusco se está estudiando la
propagación de una enfermedad infecciosa. La función exponencial se puede
utilizar para modelar cómo el número de casos se multiplica rápidamente a medida
que pasa el tiempo. Esto es esencial para la planificación de recursos y estrategias
de prevención.
En resumen, las funciones cuadráticas y exponenciales son herramientas poderosas en
la administración de empresas y en la toma de decisiones en diversos sectores
industriales en Perú. Permiten modelar relaciones complejas y entender cómo cambian
las variables en situaciones dinámicas.
4. Aplicación de Funciones Lineales y Cuadráticas en la Administración

de
Empresas
4.1. Modelación de problemas usados en negocios: Costo fijo, costo
total, utilidades, ingresos y punto de equilibrio.
Las funciones lineales y cuadráticas son fundamentales en la administración de
empresas para modelar y resolver una variedad de problemas. Aquí, exploraremos su
aplicación práctica en negocios y diferentes sectores industriales en Perú:
Costo Fijo y Costo Total:
• El costo fijo es el gasto constante que una empresa debe pagar,
independientemente de la cantidad de productos que produzca.
• El costo total incluye tanto el costo fijo como el costo variable.
➢ Ejemplo Práctico - Sector Agricultura en La Libertad: Una granja en La Libertad
tiene un costo fijo mensual de S/ 5,000, que incluye el alquiler de tierras y salarios. El
costo variable por cada hectárea de maíz es de S/ 200. La función lineal que modela
el costo total mensual (CT) en función del área sembrada (x) es: CT(x) = 200x +
5,000.
Utilidades y Punto de Equilibrio:
• Las utilidades son los ingresos totales menos los costos
totales.
•El punto de equilibrio es donde las utilidades son cero, es decir, los ingresos
igualan los costos.
➢ Ejemplo Práctico - Sector Comercio en Lima: Una tienda en Lima vende
camisetas a S/ 50 cada una. El costo variable por camiseta es de S/ 20, y el costo
fijo mensual
es de S/ 1,000. La función lineal para las utilidades (U) en función del número de
Administración
32
Administración
camisetas vendidas (x) es: U(x) = (50x - 20x) - 1,000.
4.2. Utilidades y Costos Máximos y
Mínimos:
• Las funciones cuadráticas se utilizan para encontrar los máximos y mínimos de
una variable. En negocios, esto se aplica a problemas de maximización de
ganancias o minimización de costos.
➢ Ejemplo Práctico - Sector Manufactura en Arequipa: Una fábrica en Arequipa
produce computadoras portátiles. El costo de producción (C) de x unidades está
modelado por
la función cuadrática: �(�) = �. �� − �� + ��, ��. Para maximizar las
utilidades, se debe encontrar el número óptimo de unidades a producir.
Ingresos y Precios de Venta:
• Las funciones cuadráticas también se utilizan para determinar el precio de venta que
maximiza los ingresos totales.
➢ Ejemplo Práctico - Sector Tecnología en Lima: Una empresa en Lima vende
teléfonos inteligentes a S/ 600 cada uno. La demanda es modelada por la
función
cuadrática: �(�) = −�� + �� − ��, donde "x" es la cantidad vendida. El precio
que maximiza los ingresos se encuentra encontrando el vértice de esta parábola.
En resumen, las funciones lineales y cuadráticas son herramientas esenciales en la
administración de empresas para modelar y resolver problemas relacionados con
costos, utilidades, ingresos y toma de decisiones estratégicas. Estas funciones permiten
a las empresas tomar decisiones informadas y eficientes en un mercado competitivo.
5. Introducción a la Geometría Analítica en el Mundo

Empresarial
La geometría analítica es una herramienta matemática fundamental en el mundo

empresarial para resolver problemas de ubicación, medición y optimización. A
continuación, presentaremos tres conceptos clave y su aplicación práctica en diferentes
sectores industriales en el Perú:
5.1. Distancia entre Dos Puntos:
• Definición: La distancia entre dos puntos en un plano cartesiano se calcula
utilizando el teorema de Pitágoras. Si tenemos dos puntos A(x1, y1) y B(x2, y2), la
distancia (d)
entre ellos es � = √((�� − ��)² + (�� − ��)²).
➢ Ejemplo Práctico - Sector Logística en Callao: Una empresa de transporte en el
puerto
33
de Callao necesita Administración
calcular la distancia entre su almacén (A) y el muelle (B) para
planificar rutas de entrega eficientes. Si el almacén está en (2, 5) y el muelle en ( -
3,
1), la distancia es � = √((−� − �)² + (� − �)²) = √(�� + ��) = √�� unidades
de distancia.
34
Administración
Figura 39: distancia entre dos puntos
5.2. Punto medio, distancia de un punto a una recta y área de un

polígono. Punto Medio:
• Definición: El punto medio entre dos puntos A(x1, y1) y B(x2, y2) se encuentra
tomando el promedio de sus coordenadas. El punto medio es
�� + �� + ��
�=( , )
� �
Figura 40: punto medio de una recta
➢ Ejemplo Práctico - Sector Agricultura en Lambayeque: Una granja en

Lambayeque quiere instalar un sistema de riego automático. Necesita encontrar el
punto medio
35
entre dos pozos de agua, A(10, 15) y B(30, 25), para ubicar la estación de bombeo.
El punto medio es
�� + �� + ��
�( , ) = �(��, ��)
� �
Distancia de un Punto a una Recta:

• Definición: La distancia de un punto C(x0, y0) a una recta con ecuación ax + by + c
= 0 se calcula mediante la fórmula:
|�� + ��
+ �|
� =
√�� + ��
Figura 41: distancia de un punto a una recta
➢ Ejemplo Práctico - Sector Construcción en Lima: Una empresa de construcción en

Lima está diseñando un puente. Necesitan calcular la distancia desde un punto de
apoyo C(5, 8) a la línea que representa el río, cuya ecuación es 2x - 3y + 12 = 0.
La
distancia es
|�� − �� + ��| |�� − �� + ��
� = =
√�� + (−�)� √��
��|
=
. √� + �
Área de un Polígono:
• Definición: El área de un polígono se puede calcular descomponiéndolo en
triángulos y aplicando la fórmula del área de un triángulo. Para un triángulo con
vértices A(x1, y1), B(x2, y2) y C(x3, y3), el área es
� = � ∗ |��(�� − ��) + ��(�� − ��) + ��(�� − ��)|.
�
Figura 42: Área de un polígono
➢ Ejemplo Práctico - Sector Minería en Junín: Una empresa minera en Junín quiere
calcular el área de la superficie excavada en su mina a cielo abierto. Pueden dividir
la zona en triángulos utilizando coordenadas de puntos clave y luego sumar las
áreas de estos triángulos para encontrar el área total.
Estos conceptos de geometría analítica son esenciales para la planificación, logística,
diseño y medición en diversos sectores industriales en el Perú. Ayudan a las empresas
a tomar decisiones informadas y optimizar sus operaciones.
6. La Recta en el Contexto Empresarial
La recta es una herramienta fundamental en el análisis matemático utilizado en diversas
aplicaciones empresariales. A continuación, exploraremos conceptos clave y su
aplicación en diferentes sectores industriales en el Perú:
6.1. Pendiente de una Recta:
• Definición: La pendiente (m) de una recta se refiere a la inclinación de la línea con
respecto al eje horizontal. Se calcula como el cambio en la coordenada y dividido
por el cambio en la coordenada x entre dos puntos de la recta:
(�� − ��)
� =
(�� − ��)
Figura 43: pendiente de una recta
➢ Ejemplo Práctico - Sector Agricultura en Ica: Una empresa agrícola en Ica necesita
determinar la pendiente de un terreno para asegurarse de que el riego fluya
adecuadamente. Si tienen dos puntos en el terreno, A(10, 20) y B(30, 40), la
pendiente es
( �� − ��)
� = = �.
(�� − ��)
6.2. Líneas Paralelas y Perpendiculares:

• Definición: Dos rectas son paralelas si tienen la misma pendiente y no se cruzan.
Son perpendiculares si sus pendientes son negativas recíprocas.
➢ Ejemplo Práctico - Sector Construcción en Lima: Una empresa constructora en
Lima debe diseñar las bases de dos edificios paralelos. Asegurarse de que las
líneas de las bases sean paralelas es crucial para la estructura. También, al
construir escaleras, es importante que los escalones estén en ángulo recto con la
línea de la planta para la comodidad y seguridad de los residentes.
Administración
Figura 44: rectas paralelas y perpendiculares
6.3. Ecuación de la Recta:

• Definición: La ecuación de la recta es una expresión algebraica que relaciona las
coordenadas x e y de los puntos en la recta. Se puede expresar en diferentes
formas, incluyendo la forma punto-pendiente, pendiente-intersección y general.
Figura 45: ecuaciones de la recta
38
Administración
➢ Ejemplo Práctico - Sector Comercio en Arequipa: Una tienda en Arequipa utiliza la

ecuación de la recta para modelar su oferta y demanda. La ecuación de la
demanda podría ser D(x) = -0.5x + 100, donde x representa el precio de un
producto y D(x) la
cantidad demandada.
6.4. Aplicación de Rectas en Economía:
• Oferta y Demanda: Las rectas se utilizan para modelar las curvas de oferta y
demanda en la economía. Esto permite a las empresas establecer precios óptimos.
• Costos e Ingresos: Las rectas también se aplican para modelar costos y ingresos.
Una empresa puede utilizar la ecuación de costos C(x) = 2x + 1000 para calcular
sus costos totales en función de la cantidad de unidades producidas (x).
Estos conceptos de rectas y sus aplicaciones son cruciales para la toma de decisiones
empresariales en sectores como agricultura, construcción, comercio y economía en el
Perú. Ayudan a las empresas a optimizar procesos, tomar decisiones informadas y
maximizar sus resultados.
7. La Parábola en el Mundo Empresarial
La parábola es una curva muy importante en el mundo de los negocios y la economía. A
continuación, exploraremos su definición, elementos y aplicaciones prácticas en
diferentes sectores industriales en el Perú:
7.1. Definición y Elementos de una
Parábola:
• Definición: Una parábola es una curva que resulta de cortar un cono por un
plano paralelo a uno de sus generatrices. Es simétrica y tiene un punto focal (F) y
una línea recta llamada directriz (D).
• Elementos de una Parábola:
• Foco (F): Es el punto central de la parábola, donde todos los rayos reflejados
por la parábola se encuentran.
• Directriz (D): Es la línea recta que está a una distancia fija del foco y es
paralela al eje de simetría de la parábola.
• Eje de Simetría (E): Es la línea que pasa por el foco y es perpendicular a la
directriz.
39
Administración
Figura 46: representación del foco, vértice y directriz.
Gráfica de la Parábola en el Plano Cartesiano:

• Ecuación General de una Parábola: La ecuación general de una parábola es de la
forma
� = �� + �� +
�
donde "a" determina si la parábola se abre hacia arriba o hacia abajo.
Figura 47: representación del vértice de la parábola.
• Aplicación en el Sector Industrial - Manufactura en Trujillo: Una fábrica en Trujillo

utiliza parábolas para modelar la forma de las piezas que producen. Al entender la
ecuación de la parábola, pueden diseñar moldes precisos que produzcan piezas de
40
alta calidad. Administración
7.3. Ejercicios Prácticos:
41
Administración
• Optimización de Costos: Una empresa de transporte en Chiclayo necesita

determinar la altura óptima de un arco en su estacionamiento para camiones.
Pueden utilizar una parábola para modelar el arco y encontrar la altura que
minimiza los costos de construcción.
• Diseño de Lentes en Optometría en Lima: En el campo de la optometría, las
parábolas se utilizan para diseñar lentes que corrigen problemas de visión. La curva
de la parábola determina cómo se refracta la luz, lo que es crucial para la
corrección de la visión.
Las parábolas son fundamentales en el diseño y modelado de productos en sectores
industriales como la manufactura y la óptica. Ayudan a las empresas a tomar decisiones
informadas, optimizar procesos y mejorar la eficiencia en la producción de bienes y
servicios.
8. Parábola: Ecuaciones y
Aplicaciones
En el mundo empresarial y la industria, entender la matemática detrás de las parábolas

puede ser valioso para diversas aplicaciones. A continuación, te proporcionaré una
explicación sencilla sobre las ecuaciones de la parábola y cómo se aplican en
diferentes sectores:
8.1. Ecuación de la Parábola con Vértice en
(0,0):
Una parábola con vértice en el origen (0,0) tiene una forma simple en su
ecuación:
� = 𝑎�²
Donde:
• "y" es la coordenada en el eje vertical.
• "x" es la coordenada en el eje horizontal.
• "a" es un parámetro que determina la apertura y la dirección de la parábola.
8.2. Ecuación General de la Parábola:
La ecuación general de una parábola se ve así:
� = ��² + �� +
�
Donde:
• "a" determina la apertura y la dirección de la parábola.
42
• "b" afecta la posición de la parábola en el eje horizontal.
Administración
• "c" influye en la posición de la parábola en el eje vertical.
3.3. Aplicaciones Prácticas en Diferentes Sectores Industriales:
43
Administración
➢ Ingeniería Civil (Construcción de Puentes en Piura): Para diseñar un arco

parabólico en un puente, se utilizan ecuaciones de parábolas. Esto permite calcular
las dimensiones precisas para soportar cargas y distribuir el peso de manera
eficiente.
➢ Diseño de Lentes (Óptica en Cusco): En la industria óptica, las parábolas se
emplean para diseñar superficies de lentes. Las ecuaciones de parábolas ayudan a
crear lentes que corrigen defectos visuales como la miopía o la hipermetropía.
➢ Marketing (Estudio de Ventas en Lima): Las empresas pueden usar parábolas para
modelar el crecimiento de ventas a lo largo del tiempo. Esto les permite predecir
cuándo alcanzarán ciertos niveles de ventas y planificar sus estrategias de
marketing en consecuencia.
➢ Producción Agrícola (Cultivo de Maíz en Chiclayo): Los agricultores pueden utilizar
parábolas para optimizar la forma de los invernaderos. Esto mejora la distribución
de la luz solar y maximiza la producción de cultivos como el maíz.
➢ Transporte (Optimización de Rutas en Arequipa): Las parábolas se aplican para
modelar curvas de carreteras y vías férreas. Esto ayuda a planificar rutas eficientes
y seguras para el transporte de mercancías y pasajeros.
Entender las ecuaciones de parábolas es esencial en diversos campos industriales.
Permite tomar decisiones más informadas, diseñar productos y estructuras de manera
eficiente y optimizar procesos, lo que es fundamental para el éxito empresarial y la
mejora
de la productividad.
TAREA N°04
Identificar, organizar y graficar los datos estadísticos con claridad y mediante

la presentación de un entregable.
1. Estadística:
1.1. Concepto, importancia, ramas de la estadística.

Definición: La estadística es una disciplina que se encarga de recolectar, organizar,
analizar e interpretar datos para tomar decisiones informadas. Es esencial en la
gestión empresarial para comprender tendencias, identificar problemas y evaluar
resultados.
Importancia: La estadística permite transformar datos crudos en información
significativa. En un taller de reparación de maquinaria en Chiclayo, por ejemplo, la
estadística puede utilizarse para analizar el tiempo promedio de reparación de
diferentes tipos de maquinaria y así mejorar la eficiencia del taller.
Ramas de la Estadística:
• Estadística Descriptiva: Se enfoca en describir y resumir datos mediante
medidas
Administración
42
Administración
como la media, la mediana y la desviación estándar. En una cadena de
supermercados en Lima, se utiliza la estadística descriptiva para analizar las
ventas diarias y determinar los productos más vendidos.
• Estadística Inferencial: Se utiliza para hacer inferencias o predicciones sobre una
población basándose en una muestra de datos. En una fábrica de productos
químicos en Trujillo, se podría utilizar la estadística inferencial para estimar la
calidad de un lote completo de productos a partir de una muestra.
1.2. Población muestra, dato estadístico.
Población: La población es el conjunto completo de elementos que se estudian. Por
ejemplo, en una fábrica de automóviles en Piura, la población podría ser todos los
automóviles fabricados en un año.
Muestra: La muestra es un subconjunto representativo de la población. En lugar de
analizar todos los automóviles, en el ejemplo anterior, se podría seleccionar una
muestra aleatoria de automóviles para su análisis.
Dato Estadístico:
Definición: Un dato estadístico es un valor numérico que describe alguna característica
de una población o muestra. En una granja avícola en Iquitos, el número de huevos
producidos por una gallina es un dato estadístico relevante para evaluar la producción.
Figura 48: población, muestra y dato estadístico.
1.3. Variables:
• Definición: Las variables son características o atributos que se estudian en una
investigación. Pueden ser cualitativas (categorías) o cuantitativas (números).
• Ejemplo Práctico: En una planta de procesamiento de pescado en Pucallpa, se
pueden estudiar variables como la especie de pescado, el peso, la fecha de
captura, la ubicación de captura, etc.
43
Administración
DE LA TEORIA A LA ACCIÓN
➢ Sector de la Construcción - Región: Arequipa: Una empresa constructora
podría utilizar la estadística para analizar la duración promedio de proyectos de
construcción y mejorar la planificación.
➢ Sector de la Educación - Región: Cusco: En una escuela, la estadística puede
utilizarse para evaluar el rendimiento de los estudiantes en exámenes y desarrollar
estrategias de mejora académica.
➢ Sector de la Energía - Región: Lima: Una compañía eléctrica podría emplear
la estadística para analizar la demanda de energía en diferentes momentos del día
y optimizar la generación de energía.
Estos conceptos estadísticos son fundamentales para la gestión y la toma de decisiones
en una variedad de sectores industriales en Perú. Permiten a las empresas comprender
mejor sus datos y utilizarlos de manera efectiva para mejorar procesos, productos y
servicios.
2. Organización de Datos: Clasificación de Datos
Estadísticos
En la estadística, la organización de datos es fundamental para comprender y analizar la
información de manera efectiva. Aquí te explico cómo se clasifican los datos
estadísticos, con ejemplos aplicativos en diferentes sectores industriales en Perú:
2.1. Variables Cualitativas (Atributos):
Las variables cualitativas se utilizan para describir características que no pueden
medirse en términos numéricos, sino que se dividen en categorías. Ejemplos de
variables cualitativas son el género, el estado civil, el tipo de producto, etc.
➢ Ejemplo Práctico - Sector Textil en Lima:
En una fábrica de ropa en Lima, se clasifican las prendas de vestir según su tipo:
camisetas, pantalones, blusas, etc. Esta clasificación es una variable cualitativa ya
que no se utilizan números para representar los tipos de prendas, sino palabras
descriptivas.
2.2. Variables Cuantitativas:
Las variables cuantitativas representan medidas numéricas. Pueden ser continuas o
discretas.
➢ Variables Cuantitativas Continuas:
Las variables cuantitativas continuas pueden tomar cualquier valor en un rango.
Son adecuadas para mediciones precisas y tienen infinitos posibles valores entre
dos puntos.
Ejemplo Práctico - Sector Salud en Cusco:
44
Administración
En un hospital en Cusco, se registran las temperaturas corporales de los

pacientes. Las temperaturas pueden variar entre 36.2°C y 38.9°C, y cualquier
valor decimal en ese rango se considera una medida continua.
➢ Variables Cuantitativas Discretas:
Las variables cuantitativas discretas solo pueden tomar valores enteros. No
tienen infinitos valores entre dos puntos.
Ejemplo Práctico - Sector Manufacturero en
Trujillo:
En una fábrica de muebles en Trujillo, se registra la cantidad de sillas producidas
por día. Solo se pueden producir números enteros de sillas, como 50, 51, 52,
etc., lo que hace que esta variable sea discreta.
Figura 49: Variables estadísticas
➢ Sector de Alimentos - Región: Piura: En una cadena de supermercados en
Piura, se clasifican los productos según su tipo (frutas, verduras, lácteos).
Determina si esta clasificación es una variable cualitativa y, si es así, menciona tres
ejemplos de productos de cada categoría.
➢ Sector de Telecomunicaciones - Región: Loreto: Una empresa
de telecomunicaciones en Loreto registra la duración de las llamadas telefónicas.
¿Esta variable es cuantitativa continua o discreta? Proporciona una justificación.
➢ Sector de la Minería - Región: Ancash: En una mina en Ancash, se registra
la producción diaria de mineral. ¿Esta variable es cuantitativa continua o
45
discreta? Administración
46
Administración
Proporciona ejemplos de posibles valores.
Estos conceptos de clasificación de datos estadísticos son esenciales para la
recopilación y el análisis de información en diversos sectores industriales en Perú.
Ayudan a identificar las características de los datos y a aplicar técnicas estadísticas
adecuadas para su comprensión.
3. Tabla de Distribución de Frecuencia: Organizando y Analizando

Datos
La tabla de distribución de frecuencia es una herramienta esencial en estadística para
organizar y resumir datos en categorías o clases. Aquí te explico cómo elaborar y
entender una tabla de distribución de frecuencia, junto con ejemplos prácticos y
aplicaciones en varios sectores industriales en Perú:
3.1. Rango:
El rango es la diferencia entre el valor más alto y el valor más bajo en un conjunto de
datos. Se utiliza para determinar el intervalo de clases en una tabla de distribución de
frecuencia.
Figura 50: cálculo del rango
3.2. Amplitud de Clase, Número de Clases y Marca de

Clase:
• Amplitud de Clase: Es la diferencia entre los límites superiores e inferiores de una
clase dividido entre el número de clase. Determina el ancho de cada intervalo en la
tabla de frecuencias.
• Número de Clases: Representa la cantidad de intervalos o clases en los que se
divide el rango de datos. Elegir el número adecuado de clases es importante para
resaltar patrones en los datos.
• Marca de Clase: Es el valor medio de cada clase y se encuentra en el centro de
cada intervalo. Ayuda a representar de manera más precisa los datos dentro de una
clase.
Administración
46
Administración
3.3. Frecuencia Absoluta:

La frecuencia absoluta es el número de observaciones o datos que pertenecen a cada
clase en la tabla. Es la columna principal que muestra cuántas veces se repite cada
clase en el conjunto de datos.
3.4. Frecuencia Acumulada:
La frecuencia acumulada muestra el total acumulado de observaciones hasta cierto
punto en la tabla. Existen dos tipos de frecuencia acumulada: la frecuencia acumulada
ascendente (desde la clase más baja hasta la más alta) y la frecuencia acumulada
descendente (desde la clase más alta hasta la más baja).
Figura 51: tabla de frecuencias
3.5. Elaboración de Tablas:

Para elaborar una tabla de distribución de frecuencia, sigue estos
pasos:
1. Determina el rango de tus datos (mayor valor - menor valor).
2. Decide el número de clases que deseas en tu tabla. Un buen punto de partida es
utilizar la regla de Sturges para determinar el número óptimo de clases: 1 +3,322
log(n), donde "n" es el número de datos.
3. Calcula la amplitud de clase dividiendo el rango por el número de clases.
4. Establece los límites de las clases y determina la marca de clase para cada una.
5. Cuenta cuántos datos caen en cada clase para encontrar la frecuencia absoluta.
6. Calcula la frecuencia acumulada si es necesario.
Veamos como se aplica estos pasos en el siguiente
ejemplo:
Administración 47
Administración
En una posta médica de Lima, se observa que en el presente mes se ha atendido un

grupo de 1200 personas de las cuales hemos recopilado una muestra de 20 edades, las
cuales mostramos a continuación: 10; 12; 09; 02; 15; 17; 18; 20; 22; 25; 25; 26; 27;
27;
32; 27; 42; 38; 33 y 34
➢ Rango o recorrido (R) Es la diferencia entre el mayor (xmáx.) y el menor (xmín.)
de los datos de la variable. Del ejemplo: el rango es R = 42 –2 = 40
Número de intervalos de clase (k) Es el número de categorías o intervalos en que se va
a dividir la información.
➢ Regla de Sturges k = 1 + 3,322 Log(n) (n: número de datos) Del ejemplo: k = 1 +
3,322 Log20 = 5,32 si k = 5,32, se recomienda tomar 5 intervalos o un valor
cercano que podría ser 4 o 6
Amplitud o ancho de clase (w) Es la diferencia entre el límite superior e inferior de cada
intervalo.
➢ Del ejemplo: la amplitud de cada clase será: w = R/ k ⇒ w = 40/ 5 = 8 o sea:
𝐼1 = [02 – 10〉; 10 – 02 = 8
Marca de clase (x1) Es el punto medio de cada intervalo:
�í�� + �í��
�� =
�
Del ejemplo: x1 = (2+10) / 2 = 6.
Las frecuencias absolutas y relativas Se siguen los mismos procedimientos de la
explicación anterior. Por lo tanto, resumiendo los datos en una tabla:
Edades Xi fi Fi hi Hi
[02 – 10> 6 2 2 0,10 0,10
[10 – 18> 14 4 6 0,20 0,30
[18 – 26> 22 5 11 0,25 0,55
[26 – 34> 30 6 17 0,30 0,85
[34 – 42> 28 3 20 0,15 1
TOTAL 20 1
Tabla 3: tabla de frecuencias
Observacion;
� �
�= �
⟹ �� =�� = �, �
48
Administración
4. Gráficos en Estadística: Visualización de

Datos
La visualización de datos a través de gráficos es esencial para comprender la
información de manera efectiva. A continuación, te presento los tipos más comunes de
gráficos, junto con ejemplos prácticos y aplicaciones en varios sectores industriales en
Perú:
4.1. Gráfico de Puntos:
Definición: Un gráfico de puntos muestra los datos como puntos individuales en un
plano cartesiano. Es útil para representar la distribución de datos y buscar patrones.
➢ Ejemplo Práctico - Sector Pesquero en Pisco: Puedes utilizar un gráfico de
puntos para mostrar la ubicación geográfica de los barcos de pesca y la cantidad
de peces capturados en cada ubicación.
Figura 52: gráfica de puntos
4.2. Gráfico de Líneas:

Definición: Un gráfico de líneas conecta puntos de datos con líneas. Es eficaz para
mostrar tendencias a lo largo del tiempo.
➢ Ejemplo Práctico - Sector Financiero en Lima: Un banco puede utilizar un
gráfico de líneas para representar la variación en las tasas de interés a lo largo
de varios años.
49
Administración
Figura 53: gráfica de línea
4.3. Gráfico de Barras:

Definición: Un gráfico de barras representa los datos mediante barras rectangulares
de diferentes alturas. Se utiliza para comparar categorías.
➢ Ejemplo Práctico - Sector Automotriz en Arequipa: Una concesionaria de
automóviles puede utilizar un gráfico de barras para mostrar las ventas
mensuales de diferentes marcas de automóviles.
Figura 54: gráfica de barras
4.4. Gráfico Circular (o Gráfico de Pastel):

Definición: Un gráfico circular divide un círculo en sectores que representan
proporciones relativas. Se utiliza para mostrar la distribución porcentual de categorías.
50
Administración
Ejemplo Práctico - Sector Alimentario en Cusco: Una cadena de supermercados puede

utilizar un gráfico circular para mostrar la proporción de ventas de diferentes categorías
de alimentos, como productos frescos, enlatados, congelados, etc.
Figura 55: gráfico circular
4.5. Histograma:
Definición: Un histograma es un gráfico de barras utilizado específicamente para
representar la distribución de frecuencia de datos cuantitativos continuos.
➢ Ejemplo Práctico - Sector de Energía en Moquegua: Una empresa de energía
puede utilizar un histograma para mostrar la distribución de los consumos
eléctricos mensuales de sus clientes industriales.
51
Administración
Figura 56: Histograma

4.6. Polígonos:
Definición: Un polígono es una línea que conecta los puntos medios de las barras en un
histograma. Ayuda a suavizar la representación de la distribución de datos.
➢ Ejemplo Práctico - Sector Minero en Junín: Una compañía minera puede
utilizar un polígono para visualizar la variación en la concentración de minerales
en diferentes yacimientos a lo largo de un período de tiempo.
Figura 57: Diagrama poligonal
Estos gráficos son herramientas poderosas para comunicar información de manera

efectiva en diversos sectores industriales en Perú. Facilitan la toma de decisiones
informadas y la identificación de patrones y tendencias en los datos.
TAREA N°05
52
Analizar un conjunto de datos cuantitativos calculando las medidas
que correspondan según la necesidad.
1. Medidas de Tendencia Central:
Las medidas de tendencia central son valores que representan el "centro" o la
"ubicación" típica de un conjunto de datos. Son fundamentales para resumir y
comprender la distribución de los datos.
1.1. Media Simple:
• Definición: La media simple, también conocida como promedio, se calcula sumando
todos los valores en un conjunto de datos y dividiendo la suma por el número de
valores.
➢ Ejemplo Práctico: En una fábrica de muebles en Arequipa, se registra la producción
diaria de sillas durante una semana: 50, 45, 48, 52, 47, 51, 49.
La media simple de la producción semanal de sillas es (50 + 45 + 48 + 52 + 47 + 51
+ 49) / 7 = 48.57 sillas por día.
1.2. Media Ponderada:
• Definición: La media ponderada asigna pesos a los valores en función de su
importancia relativa y luego calcula la media. Se utiliza cuando algunos valores son
más significativos que otros.
➢ Ejemplo Práctico: En una empresa de transporte en Lima, se calcula el costo
promedio de mantenimiento de su flota. El costo de mantenimiento de cada
vehículo se multiplica por el número de vehículos y se suma todo. Si el costo de
mantenimiento de un camión (con más vehículos) es de 1500 soles y el de una
motocicleta (con menos vehículos) es de 300 soles, la media ponderada es (1500 *
número de camiones + 300 * número de motocicletas) / (número total de
vehículos).
1.3. Mediana:
• Definición: La mediana es el valor que se encuentra justo en el medio de un
conjunto de datos ordenados de manera ascendente. Divide los datos en dos
mitades iguales.
➢ Ejemplo Práctico: En una planta de procesamiento de alimentos en Cusco, se
registran los tiempos que toma completar diferentes etapas de producción. Si se
ordenan los tiempos en minutos: 15, 18, 20, 22, 23, 25, la mediana es 22 minutos.
1.4. Moda:
• Definición: La moda es el valor que aparece con mayor frecuencia en un conjunto
de datos.
• Ejemplo Práctico: En una tienda de ropa en Trujillo, se registran las tallas más
vendidas de una camiseta: S, M, L, L, M, XL. La moda en este caso es "L", ya que
es
la talla que más se vende.
53
Figura 58: Moda, media y mediana
1.5. Deciles, Cuartiles y Percentiles:

Estas medidas dividen un conjunto de datos en partes iguales, lo que
proporciona información sobre la distribución de los valores.
• Deciles: Dividen los datos en 10 partes iguales. El quinto decil es la mediana.
Figura 59: deciles

• Cuartiles: Dividen los datos en 4 partes iguales. El segundo cuartil es la mediana.
Figura 60: Cuartiles
• Percentiles: Dividen los datos en 100 partes iguales. El percentil 50 es la mediana.

➢ Ejemplo Práctico: En una compañía minera en Ancash, se analiza el tiempo que
lleva completar tareas de seguridad. Los percentiles pueden utilizarse para
identificar
54
cuánto tiempo lleva a la mayoría de los trabajadores completar estas tareas
críticas, lo que es fundamental para la seguridad en la industria minera.
Figura 61: Percentiles

Estas medidas de tendencia central y estadísticas relacionadas son esenciales en la
toma de decisiones y la gestión de procesos en diversos sectores industriales en Perú,
desde la producción de muebles hasta la industria minera.
2. Medidas de Variabilidad:
Las medidas de variabilidad ayudan a comprender la dispersión o la propagación de
los datos en un conjunto, lo que es fundamental para gestionar riesgos y tomar
decisiones informadas.
2.1. Rango:
• Definición: El rango es la diferencia entre el valor máximo y el valor mínimo en un
conjunto de datos. Mide la extensión total de los datos.
• Ejemplo Práctico: En una fábrica de productos químicos en Iquitos, se registra la
temperatura diaria en grados Celsius durante una semana: 25, 28, 31, 24, 32,
27,
29. El rango es 32 - 24 = 8 grados Celsius.
2.2. Varianza:
• Definición: La varianza mide la dispersión de los datos en relación con la media. Se
calcula como la media de los cuadrados de las diferencias entre cada dato y la
media, entre el número de datos.
55
Figura 62: Cálculo de la varianza
• Ejemplo Práctico: En una planta de producción de alimentos en Trujillo, se registra

el peso de los paquetes de arroz. Si los pesos en gramos son: 500, 498, 502, 505,
499, la varianza se calcula como:
[(�� − ��)� + (�� − ��) � + (�� − ��) � + (�� − ��) � +
(�� − ��)� ] / � = � gramos
2.3. Desviación Media:
• Definición: La desviación media mide la dispersión promedio de los datos en
relación con la media. Se calcula como la media de las diferencias absolutas
entre cada dato y la media.
Figura 63: Cálculo de la desviación media
• Ejemplo Práctico: En una planta de envasado de bebidas en Arequipa, se registra el

volumen de llenado de botellas de agua. Si los volúmenes en mililitros son: 500,
502, 499, 504, 501, la desviación media es
(|500 − 501| + |502 − 501| + |499 − 501| + |504 − 501| + |501 − 501|) / 5
= 2 ��𝑖�𝑖��.
2.4. Desviación Estándar:
• Definición: La desviación estándar es la raíz cuadrada de la varianza. Proporciona
una medida de dispersión en las mismas unidades que los datos originales.
56
Figura 64: Cálculo de la desviación estándar
• Ejemplo Práctico: Si la varianza del peso de los paquetes de arroz en el ejemplo
anterior es de 6 gramos, entonces la desviación estándar es la raíz cuadrada de
6, que es aproximadamente 2.45 gramos.
2.5. Medida de Asimetría:
La medida de asimetría evalúa si la distribución de los datos es simétrica o
sesgada hacia un lado.
2.6. Coeficiente de Variación (CV):
• Definición: El coeficiente de variación es la desviación estándar dividida por la
media y se expresa como porcentaje. Permite comparar la variabilidad relativa
entre conjuntos de datos con diferentes unidades.
Figura 65: Cálculo de la desviación estándar
• Ejemplo Práctico: En un almacén de productos electrónicos en Lima, se compara la

variabilidad de los precios (en soles) y la variabilidad de los tiempos de entrega (en
días). Un CV del 10% en los precios indica menos variabilidad relativa que un CV
del 20% en los tiempos de entrega.
2.7. Sesgo:
El sesgo mide si la distribución de los datos tiende a sesgarse hacia un lado.
57
Figura 66: sesgo a la derecha y a la izquierda
➢ Sector Financiero - Región: Lima: En una entidad bancaria, se analiza

la variabilidad de los rendimientos de inversiones en diferentes tipos de
activos financieros para evaluar el riesgo asociado a cada uno.
➢ Sector de la Salud - Región: Cusco: En un hospital, se investiga la
variabilidad en los tiempos de espera de los pacientes en la sala de emergencias
para mejorar la eficiencia de la atención.
➢ Sector de la Agricultura - Región: Arequipa: En una cooperativa agrícola, se
estudia la variabilidad en los rendimientos de cultivos para planificar estrategias
de mitigación de riesgos en la producción.
Estas medidas de variabilidad son cruciales en la gestión de riesgos y la toma de
decisiones en diversos sectores industriales en Perú, desde la agricultura hasta las
finanzas. Ayudan a comprender y cuantificar la dispersión de datos, lo que es
esencial para la gestión eficiente de recursos y la mejora de procesos.
TAREA N°06
Realizar el cálculo de probabilidades eligiendo el modelo más adecuado según el

contexto, mediante la realización de ejercicios prácticos
1. Teoría de Probabilidad
La teoría de probabilidad es una herramienta esencial en la toma de decisiones en
negocios e industrias. Nos permite cuantificar y evaluar la incertidumbre asociada a
eventos futuros. A continuación, desglosaré los puntos clave:
1.1. Definición, experimento aleatorio.
58
• Definición: La probabilidad es una medida que cuantifica la posibilidad de que
ocurra un evento específico. Se expresa como un número entre 0 (imposible) y 1
(seguro).
• Experimento Aleatorio: Es un proceso o acción cuyo resultado no puede preverse
con certeza, pero puede analizarse en términos de probabilidades.
Figura 67: Formula de probabilidades
➢ Ejemplo Práctico: Imagina una fábrica que produce tornillos. No puedes prever
con certeza cuántos tornillos defectuosos se producirán en un día, pero puedes
usar la probabilidad para estimar la posibilidad de defectos.
✓ Si la probabilidad de que un tornillo sea defectuoso es del 10%, puedes
calcular que, en promedio, de cada 10 tornillos producidos, 1 será defectuoso.
59
Sector Farmacéutico - Región: Lima
➢ En una planta de producción de medicamentos en Lima, se desea evaluar la
probabilidad de que un lote de medicamentos cumpla con los estándares de calidad
requeridos. Se sabe que la probabilidad de que un lote pase las pruebas de control
de calidad es del 95%.
➢ Probabilidad de que un lote cumpla con los estándares de calidad: 0.95
➢ Esta probabilidad es crucial para garantizar que los medicamentos fabricados
sean seguros y efectivos.
Sector Alimentario - Región: Ica
➢ En una bodega de almacenamiento de frutas en Ica, se desea calcular la
probabilidad de que una fruta seleccionada al azar esté en perfecto estado. La
probabilidad de que una fruta esté en buen estado es del 80%.
➢ Probabilidad de que una fruta esté en perfecto estado: 0.80
➢ Esta probabilidad es importante para asegurar la calidad de las frutas antes de
su distribución y venta.
Sector de Energía Renovable - Región: Cusco
➢ En una planta de generación de energía solar en Cusco, se analiza la
probabilidad de que la radiación solar alcance un nivel óptimo para la generación
de electricidad durante un día determinado. Se estima que la probabilidad diaria de
que las condiciones sean favorables es del 70%.
➢ Probabilidad de que la radiación solar alcance un nivel óptimo: 0.70
➢ Esta probabilidad es fundamental para la planificación de la generación de
energía y la gestión de la red eléctrica.
Estos ejemplos adicionales muestran cómo la teoría de probabilidad se aplica en
diversos sectores industriales en diferentes regiones de Perú para evaluar riesgos,
tomar decisiones y garantizar la calidad de los productos y servicios.
1.2. Suceso, espacio muestral, tipos de suceso - Probabilidad de un suceso.
• Suceso: Un suceso es un resultado o conjunto de resultados posibles en un
experimento aleatorio.
• Espacio Muestral: Es el conjunto de todos los resultados posibles en un
experimento aleatorio.
• Tipos de Suceso: Suceso Seguro (S), Suceso Imposible (∅), Suceso Posible (A).
60
Figura 68: Sucesos
➢ Ejemplo Práctico: En una cadena de producción de botellas de vidrio, el
espacio muestral incluye botellas perfectas y botellas defectuosas. El suceso
"botella con burbuja" es un suceso posible, ya que puede o no ocurrir durante la
producción.
✓ Si tienes 1000 botellas y 100 de ellas tienen burbujas, la probabilidad de que
una botella seleccionada al azar tenga una burbuja es de 100/1000 = 0.1.
Sector Pesquero - Región: Callao
➢ En una empresa pesquera en Callao, se analiza el espacio muestral de las

capturas de pescado durante una temporada de pesca.
➢ El espacio muestral incluye diferentes tipos de peces, como anchovetas,
atunes y sardinas. Un suceso seguro (S) podría ser "captura de peces", ya que
siempre se capturan peces durante la temporada.
Sector Agrícola - Región: Lambayeque
➢ En una granja de cultivo de arroz en Lambayeque, se evalúa el espacio

muestral de los rendimientos de la cosecha.
➢ El espacio muestral incluye diferentes niveles de rendimiento, desde bajo hasta
61
alto. Un suceso imposible (∅) podría ser "cosecha de arroz con rendimiento
negativo", ya que no es posible obtener un rendimiento negativo en la
cosecha.
Sector Automotriz - Región: Arequipa
➢ En una planta de fabricación de automóviles en Arequipa, se considera

el espacio muestral de los resultados de las pruebas de seguridad en los
vehículos.
➢ El espacio muestral incluye resultados como "aprobado en las pruebas de
seguridad" y "reprobado en las pruebas de seguridad". Un suceso posible (A)
podría ser "vehículo aprobado en las pruebas de seguridad", ya que es posible
que un vehículo pase las pruebas.
Estos ejemplos adicionales ilustran cómo los conceptos de suceso, espacio muestral y
tipos de suceso se aplican en diferentes sectores industriales en Perú para evaluar
resultados y tomar decisiones relacionadas con la producción, la calidad y la seguridad.
1.3. Probabilidad con sucesos independientes - Probabilidad condicional.
• Probabilidad con Sucesos Independientes: Dos sucesos son independientes si
la ocurrencia de uno no afecta la ocurrencia del otro. La probabilidad conjunta de
dos sucesos independientes se calcula multiplicando sus probabilidades
individuales.
➢ Ejemplo Práctico en el Sector Industrial - Región: Callao
En una fábrica de producción de envases de plástico en Callao, se utilizan
máquinas de moldeo por inyección para fabricar envases de diferentes tamaños
y formas.
Se sabe que la probabilidad de que una máquina funcione sin problemas durante
una hora de producción es del 90% (0.9), y la probabilidad de que un lote de
materia prima cumpla con las especificaciones de calidad requeridas es del 80%
(0.8).
Ahora, queremos calcular la probabilidad conjunta de que tanto la máquina
funcione sin problemas como el lote de materia prima cumpla con las
especificaciones de calidad requeridas durante una hora de producción.
✓ Probabilidad de que la máquina funcione sin problemas: 0.9
✓ Probabilidad de que el lote de materia prima cumpla con las especificaciones de
calidad: 0.8
✓ Para calcular la probabilidad conjunta de que ambos sucesos ocurran (la
máquina funcione sin problemas y el lote de materia prima cumpla con las
62
especificaciones), multiplicamos estas probabilidades:
63
✓ Probabilidad conjunta = 0.9 * 0.8 = 0.72
✓ Por lo tanto, hay una probabilidad del 72% de que tanto la máquina funcione
sin problemas como el lote de materia prima cumpla con las especificaciones de
calidad requeridas durante una hora de producción en esta fábrica en Callao.
Sector de Minería - Región: Arequipa

➢ En una mina en Arequipa, se quiere calcular la probabilidad conjunta de que un
camión de transporte de mineral (A) llegue a tiempo a la planta de procesamiento
(B) y que un equipo de perforación (C) funcione sin problemas en un turno de
trabajo. Se sabe que:
✓ Probabilidad de que un camión llegue a tiempo: 0.85
✓ Probabilidad de que un equipo de perforación funcione sin problemas: 0.92
✓ Probabilidad conjunta de que el camión llegue a tiempo, y el equipo de
perforación funcione sin problemas:
P(A y B y C) = P(A) * P(B) * P(C) = 0.85 * 0.92 = 0.782
➢ Por lo tanto, hay una probabilidad del 78.2% de que tanto el camión llegue
a tiempo como el equipo de perforación funcione sin problemas en un turno de
trabajo en esta mina en Arequipa.
Sector de Alimentos - Región: Lima
➢ En una planta de procesamiento de alimentos en Lima, se desea calcular la
probabilidad conjunta de que un lote de alimentos envasados (A) pase una
inspección de calidad (B) y que el proceso de envasado (C) se realice sin
problemas. Se sabe que:
✓ Probabilidad de que un lote de alimentos pase la inspección de calidad: 0.93
✓ Probabilidad de que el proceso de envasado se realice sin problemas: 0.96
✓ Probabilidad conjunta de que el lote de alimentos pase la inspección de
calidad y que el proceso de envasado se realice sin problemas:
P(A y B y C) = P(A) * P(B) * P(C) = 0.93 * 0.96 = 0.8928
➢ Por lo tanto, hay una probabilidad del 89.28% de que tanto el lote de
alimentos pase la inspección de calidad como el proceso de envasado se
realice sin problemas en esta planta de procesamiento de alimentos en Lima.
64
Sector de Energía Renovable - Región: Cusco
➢ En una planta de generación de energía eólica en Cusco, se quiere calcular
la probabilidad conjunta de que un aerogenerador (A) esté funcionando durante
un período de viento favorable (B) y que un sistema de almacenamiento de
energía (C) esté operativo. Se sabe que:
✓ Probabilidad de que un aerogenerador esté funcionando durante un
período de viento favorable: 0.88
✓ Probabilidad de que el sistema de almacenamiento de energía esté operativo:
0.95
✓ Probabilidad conjunta de que el aerogenerador esté funcionando durante
un período de viento favorable y que el sistema de almacenamiento de
energía esté operativo:
P(A y B y C) = P(A) * P(B) * P(C) = 0.88 * 0.95 = 0.836
➢ Por lo tanto, hay una probabilidad del 83.6% de que tanto el aerogenerador
esté funcionando durante un período de viento favorable como el sistema de
almacenamiento de energía esté operativo en esta planta de energía eólica en
Cusco.
• Probabilidad Condicional: La probabilidad de que ocurra un suceso A dado que
ocurrió un suceso B. Se calcula como la probabilidad conjunta de A y B dividida por
la probabilidad de B.
➢ Ejemplo Práctico en Ventas - Región: Lima
Imagina que eres el gerente de ventas de una tienda en Lima. Quieres
calcular la probabilidad de que un cliente realice una compra importante (A) dado
que ha visitado la tienda más de una vez en el último mes (B).
✓ Número de clientes que realizaron una compra importante y visitaron la tienda

más de una vez en el último mes: 30.
✓ Número total de clientes que visitaron la tienda más de una vez en el último mes:
100.
✓ Probabilidad condicional de que un cliente realice una compra importante dado
que ha visitado la tienda más de una vez en el último mes (P(A|B)):
P(A|B) = (30 / 100) = 0.3
65
✓ Esto significa que hay un 30% de probabilidad de que un cliente que visita la
tienda más de una vez en el último mes realice una compra importante.
Sector Agricultura - Región: Lambayeque

En una granja de cultivo de mango en Lambayeque, deseas calcular la probabilidad
de que un árbol de mango (A) produzca una cosecha de calidad superior (frutas sin
manchas ni daños) dado que se ha aplicado un nuevo método de riego (B).
✓ Número de árboles de mango que produjeron una cosecha de calidad superior con
el nuevo método de riego: 40.
✓ Número total de árboles de mango a los que se aplicó el nuevo método de riego: 60.
✓ Probabilidad condicional de que un árbol de mango produzca una cosecha de
calidad superior dado que se aplicó el nuevo método de riego (P(A|B)):
P(A|B) = (40 / 60) = 0.67
✓ Esto significa que hay un 67% de probabilidad de que un árbol de mango
acondicionado con el nuevo método de riego produzca una cosecha de calidad
superior.
Sector Logística - Región: Callao
➢ En una empresa de envío en el puerto de Callao, deseas calcular la probabilidad de
que un contenedor (A) llegue a tiempo a su destino dado que se ha programado para
un envío express (B).
✓ Número de contenedores que llegaron a tiempo después de un envío express: 90.
✓ Número total de contenedores enviados de manera express: 100.
✓ Probabilidad condicional de que un contenedor llegue a tiempo dado que se
programó para un envío express (P(A|B)):
P(A|B) = (90 / 100) = 0.9
✓ Esto significa que hay un 90% de probabilidad de que un contenedor que se
envía de manera express llegue a tiempo a su destino.
Sector Manufactura - Región: Arequipa
En una planta de fabricación de componentes electrónicos en Arequipa, deseas
calcular la probabilidad de que un componente (A) sea defectuoso dado que ha sido
ensamblado por una máquina en particular (B).
66
✓ Número de componentes defectuosos ensamblados por la máquina en particular:
10.
✓ Número total de componentes ensamblados por la máquina en particular: 50.
✓ Probabilidad condicional de que un componente sea defectuoso dado que ha
sido ensamblado por la máquina en particular (P(A|B)):
P(A|B) = (10 / 50) = 0.2
✓ Esto significa que hay un 20% de probabilidad de que un componente
ensamblado por la máquina en particular sea defectuoso.
2. Distribución con Variables Discretas

2.1. Distribución
Binomial:
La Distribución Binomial se aplica cuando tenemos un experimento con dos resultados
posibles: éxito o fracaso, donde la probabilidad de éxito es constante en cada intento.
Los parámetros clave de esta distribución son:
• n: El número de intentos o ensayos.
• p: La probabilidad de éxito en un solo intento.
Uso de Tablas:
En aplicaciones prácticas, a menudo utilizamos tablas binomiales para calcular
probabilidades. Estas tablas proporcionan valores acumulativos de la distribución
binomial y son útiles cuando el número de intentos (n) es grande.
➢ Ejemplo Práctico en el Sector Industrial - Región:
Lima:
Imagina que trabajas en una planta de producción de lámparas en Lima. Sabes
que la probabilidad de que una lámpara sea defectuosa es del 5% (p = 0.05). En un
lote de 100 lámparas (n = 100), ¿cuál es la probabilidad de que exactamente 3
lámparas sean defectuosas?
✓ Solución:
Utilizando la fórmula binomial:
�(𝑿 = �) = (��) ∗ (�� ) ∗ ((� − �)� − � )
Donde:
• nCk: es el coeficiente binomial que se refiere al número de combinaciones de
n objetos tomados de k en k.
• p: es la probabilidad de éxito en un solo intento.
67
• K: es el número de éxitos deseados.
68
�(𝑿 = �) = (��) ∗ (�. �� ) ∗ ((� − �. ��)�� − � )
➢ Después de calcular esto, obtendrás la probabilidad de que exactamente 3

lámparas sean defectuosas en el lote de 100 lámparas.
2.2. Distribución de Poisson:
La Distribución de Poisson se utiliza cuando estamos interesados en el número
de eventos raros en un período específico. Sus parámetros clave son:
• λ (lambda): El número promedio de eventos en el período de interés.
➢ Ejemplo Práctico en el Sector Industrial - Región: Arequipa:
Supongamos que eres el gerente de una fábrica de cerámica en Arequipa, y
en promedio, recibes 4 reclamaciones de clientes insatisfechos por mes. ¿Cuál
es la probabilidad de recibir exactamente 2 reclamaciones de clientes
insatisfechos en un mes específico?
✓ Solución:
Utilizando la fórmula de la Distribución de Poisson:
(�−𝝀 ∗
�� )
� (𝑿 = � ) = �!
Donde:
• λ es el número promedio de eventos en el período de interés.
• k es el número de eventos que queremos calcular.
➢ En este caso, λ = 4 y k = 2. Calculando P(X = 2) utilizando estos valores,
obtendrás la probabilidad de recibir exactamente 2 reclamaciones en un mes.
Estos ejemplos ilustran cómo se aplican las distribuciones binomial y de Poisson en
situaciones del mundo real en el sector industrial en Perú. Estas distribuciones son
valiosas para gestionar riesgos y tomar decisiones informadas en la administración de
empresas.
3. Distribución Normal:
La Distribución Normal, también conocida como la Distribución Gaussiana, es una de las
distribuciones de probabilidad más importantes en estadísticas. Sus características
clave son:
• Forma de Campana: La gráfica de la distribución normal tiene una forma de
campana, simétrica alrededor de su media.
• Media (μ): Es el valor promedio de la distribución.
• Desviación Estándar (σ): Indica qué tan dispersos están los datos alrededor de
69
la media.
70
3.1. Propiedades:
1. 68-95-99.7 Regla: Aproximadamente el 68% de los datos se encuentran dentro de
una desviación estándar de la media, el 95% dentro de dos desviaciones estándar y
el 99.7% dentro de tres desviaciones estándar.
2. La suma o promedio de un gran número de observaciones independientes e
idénticamente distribuidas sigue una distribución normal.
3.2. Estandarización de Variables:
La estandarización es el proceso de convertir una variable normal en una variable con
una media de 0 y una desviación estándar de 1. Se utiliza la fórmula z = (X - μ) / σ,
donde z es la variable estandarizada, X es el valor original, μ es la media y σ es la
desviación estándar.
3.3. Uso de la Tabla Normal:
Las tablas de la Distribución Normal estándar se utilizan para encontrar probabilidades
asociadas con valores z específicos.
3.4. Nivel de Confianza y Coeficiente de
Confianza:
El nivel de confianza es la probabilidad de que un intervalo de confianza capture el
verdadero parámetro poblacional. Se expresa como un porcentaje y generalmente se
utiliza el 95% o el 99% como nivel de confianza. El coeficiente de confianza es 1 menos
el nivel de confianza.
3.5. Error Muestral y Tamaño de Muestra:
El error muestral es la diferencia entre el valor estimado y el valor real del parámetro
poblacional. Se reduce a medida que aumenta el tamaño de muestra. Un tamaño de
muestra más grande proporciona estimaciones más precisas.
3.6. Interpretación de Resultados:
La Distribución Normal se utiliza para modelar y analizar datos en una amplia variedad
de aplicaciones. Por ejemplo, en el sector industrial, se puede utilizar para controlar la
calidad de productos, analizar la durabilidad de materiales o evaluar la productividad de
la fuerza laboral.
3.7. Gráficos:
Los gráficos de probabilidad normal, como el gráfico Q-Q (quantile-quantile), se utilizan
para verificar si los datos siguen una distribución normal. Esto es útil en la industria para
garantizar que los procesos estén bajo control y que los productos cumplan con las
especificaciones de calidad.
Figura 69: Gráfico de una distribución normal
En resumen, comprender la Distribución Normal y sus conceptos relacionados es

esencial para la toma de decisiones y la resolución de problemas en la administración
de empresas en diversos sectores industriales en Perú. La distribución normal es una
herramienta poderosa para analizar datos y evaluar el rendimiento de procesos y
productos.
Estandarización de Variables en el Sector Manufacturero - Región: Lima:

➢ Supongamos que, en una fábrica de componentes electrónicos en Lima, estás
midiendo la longitud de resistencias eléctricas. La media de estas longitudes es
de
10 cm y la desviación estándar es de 1 cm. Ahora, deseas saber cuántas
desviaciones estándar se encuentra una resistencia que mide 11.5 cm.
✓ Utilizando la fórmula de estandarización: z = (X - μ) / σ
✓ Donde:
✓ X = 11.5 cm (longitud de la resistencia)
✓ μ = 10 cm (media)
✓ σ = 1 cm (desviación estándar)
69
➢ Calculamos z: z = (11.5 - 10) / 1 = 1.5
➢ Esto significa que la resistencia que mide 11.5 cm está a 1.5 desviaciones
estándar por encima de la media.
Nivel de Confianza en Control de Calidad - Región: Callao:
➢ En una planta de producción de envases de plástico en Callao, se está verificando
la calidad de los envases. Se selecciona una muestra aleatoria de 50 envases y se
encuentra que la media del grosor es de 2.5 mm con una desviación estándar de 0.3
mm. La empresa quiere establecer un intervalo de confianza del 95% para el grosor
promedio de todos los envases producidos.
✓ Usando la Distribución Normal y el nivel de confianza del 95%, el coeficiente
de confianza es 0.95.
✓ Consultando una tabla de Distribución Normal estándar, el valor crítico z para
un nivel de confianza del 95% es aproximadamente 1.96.
✓ El error estándar (σ/√n) es 0.3 / √50 ≈ 0.0424.
✓ El intervalo de confianza es: 2.5 ± (1.96 * 0.0424) = (2.413 mm, 2.587 mm)
➢ Esto significa que podemos estar 95% seguros de que el grosor promedio de
todos los envases producidos está en este intervalo.
Gráfico Q-Q en la Industria de Alimentos - Región: Arequipa:

➢ En una planta de procesamiento de alimentos en Arequipa, se está realizando
un análisis de calidad en el peso de bolsas de snacks. Se recopilan datos de peso y
se desea verificar si los datos siguen una distribución normal.
➢ Se crea un gráfico Q-Q (quantile-quantile) que compara los cuantiles
observados de los datos con los cuantiles esperados de una distribución normal. Si
los puntos en el gráfico se alinean aproximadamente en una línea recta, indica que
los datos siguen una distribución normal. Esto es esencial para asegurarse de que
los productos cumplan con las especificaciones de peso.
Estos ejemplos ilustran cómo se aplican los conceptos de Distribución Normal y otros
temas en situaciones prácticas en diferentes sectores industriales en Perú, desde la
estandarización de variables hasta la interpretación de resultados y el uso de gráficos
para el control de calidad.
4. Regresión y Correlación Lineal:
La Regresión y la Correlación Lineal son herramientas estadísticas utilizadas para
analizar y cuantificar la relación entre dos variables. Estos conceptos son esenciales
para la toma de decisiones y la predicción en numerosos sectores industriales.
70
Figura 70: Grafico donde se muestra la línea recta hallada por regresión lineal, la cual representa a los
puntos azules.
4.1. Definición:
• Regresión Lineal: Es un método estadístico que busca modelar la relación
entre una variable independiente (X) y una variable dependiente (Y) mediante
una ecuación lineal.
• Correlación Lineal: Es una medida que evalúa la fuerza y dirección de la
relación entre dos variables continuas. La correlación puede ser positiva (ambas
variables aumentan juntas), negativa (una variable aumenta mientras que la otra
disminuye) o nula (sin relación).
4.2. Gráfico de Dispersión:
Un gráfico de dispersión es una herramienta visual que representa la relación
entre dos variables. Los puntos en el gráfico muestran la combinación de valores
de ambas variables.
4.3. Método de Mínimos Cuadrados:
El método de mínimos cuadrados es una técnica utilizada en la regresión lineal
para encontrar la línea de mejor ajuste (recta) que minimiza la suma de los
71
cuadrados de las diferencias entre los valores observados y los valores
predichos por el modelo. Esta línea se ajusta de manera óptima a los datos.
4.4. Coeficiente de Correlación Lineal:
El coeficiente de correlación lineal (r) es una medida que cuantifica la fuerza y
dirección de la relación entre dos variables. Varía entre -1 y 1:
r = 1: Correlación positiva perfecta.
r = -1: Correlación negativa perfecta.
r = 0: Correlación nula (no hay relación lineal).
Figura 71: representación gráfica de distintos valores de coeficientes de correlación lineal
Sector Manufacturero - Región: Lima:

➢ En una fábrica de automóviles, se analiza la relación entre la velocidad
de producción (X) y el número de defectos por unidad (Y).
➢ Un modelo de regresión lineal podría ayudar a predecir la tasa de defectos
en función de la velocidad de producción.
Sector Agrícola - Región: Cusco:
➢ En una plantación de café, se investiga cómo la cantidad de luz solar (X)
afecta el rendimiento de la cosecha (Y).
➢ La correlación lineal puede ayudar a determinar si existe una relación entre
72
estos factores.
Sector Logístico - Región: Callao:
➢ Una empresa de logística desea entender cómo el número de entregas diarias
(X) se relaciona con el costo de combustible (Y).
➢ La correlación lineal puede proporcionar información sobre esta relación y
ayudar en la planificación.
Estos ejemplos ilustran cómo la Regresión y la Correlación Lineal se aplican en
diferentes sectores industriales en Perú para analizar y predecir relaciones entre
variables, lo que es fundamental para la toma de decisiones y la mejora de procesos.
73
Administración
REFERENCIAS BIBLIOGRÁFÍCAS
• Rosen, K. H. (2018). Matemáticas Discretas y sus Aplicaciones. Editorial McGraw-

Hill.
• Stewart, J. (2019). Cálculo. Editorial Cengage Learning.
• Kolman, B., & Hill, D. R. (2018). Álgebra Lineal con Aplicaciones. Editorial Pearson
Educación.
• Mendenhall, W., & Beaver, R. J. (2019). Introducción a la Probabilidad y Estadística.

Editorial Cengage Learning V.
• Thomas, G., & Finney, R. L. (2018). Funciones y Gráficos. Editorial Pearson

Educación.
• Sullivan, M. (2019). Funciones y Álgebra. Editorial Pearson Educación.
• Greene, R. E., & Krantz, S. G. (2018). Funciones de Variable Compleja. Editorial

Wiley.
• Newbold, P., Carlson, W. L., & Thorne, B. (2019). Estadística para Administración
y Economía. Editorial Pearson Educación.
• Newbold, P., Carlson, W. L., & Thorne, B. (2020). Estadística para Negocios y
Economía. Editorial Newbold, P., Carlson, W. L., & Thorne, B. (2020). Estadística
para Negocios y Economía. Editorial Pearson Educación
• Wackerly, D. D., Mendenhall, W., & Scheaffer, R. L. (2019). Estadística

Matemática con Aplicaciones. Editorial CENGAGE Learning.
• Grossman, S. I. (2018). Álgebra Lineal. Editorial. McGraw Hill
• Lay, D. C. (2018). Álgebra Lineal y sus Aplicaciones. Editorial Pearson Educación.
REFERENCIAS DE FIGURAS
Figura 1: Definición de matriz.Dimensión de una matriz.Matrices iguales. Ejemplos

(calculo.cc)
Figura 13: Determinante de una matriz 2x2 | Calculadora de matrices | Plusmaths
Figura 18: Regel von Sarrus Vorschau - GET A (uni-paderborn.de)
74
Administración
Figura 20, 21: 🥇 Regla de Cramer para un sistema 2 × 2 (con dos variables)
(mdematematicas.com)
Figura 22,23: Resolver sistemas por la regla de Cramer (ejercicios resueltos)

(matricesydeterminantes.com)
Figura 24: Calcula aplicando la definicion, los siguientes logaritmos. a. log 10 000; b.
10; c. log 10 elevado al -2; - Brainly.lat
Figura 25, 26: Tu bloc de Notas: Dominio y Rango de una Función
Figura 27: ▷ Sistemas de Ejes Coordenados | Plano Cartesiano (rbjlabs.com)
Figura 14, 28, 29: Tu bloc de Notas: Funciones y Relaciones
Figura 30: Funciones: Función lineal (funcionesfaceuc.blogspot.com)
Figura 31: Función lineal, ejercicios resueltos | Matemóvil (matemovil.com)
Figura 32: PROF. ABEL ORTEGA LUNA: febrero 2014

(matematicaabelortega.blogspot.com)
Figura 33: Cómo resolver sistemas por el método gráfico (ejercicios resueltos)
(ejerciciosecuaciones.com)
Figura 34: GRAFICA DE LA FUNCION CUADRATICA (acadmate.blogspot.com)
Figura 35: Tabulación de Funciones Cuadráticas - Bing images
Figura 36: FUNCIÓN DE UNA VARIABLE REAL : DEFINICIÓN, DOMINIO Y RANGO

DE UNA FUNCION CUADRÁTICA (grupo7nivelacion.blogspot.com)
Figura 37: Función Exponencial (matematicaiblog.blogspot.com)
Figura 38: tabulacion de la funcion exponencial - Bing images
Figura 39: Geometría Analítica: Distancia entre Dos Puntos

(geoanaligebra.blogspot.com)
Figura 40: Punto medio entre dos puntos - Fórmula y ejercicios - Neurochispas
Figura 41: Distancia de un punto a una recta

(clubdematematicasnewton.blogspot.com)
Figura 42: hallar-el-área-del-polígono-cuyos-vértices....jpg (891×572)

(mundogenial.com)
75
Administración
Figura 43: Rectas by ka_rin201 on emaze
Figura 44: Diccionario Matematicas: Recta Paralela - Recta Perpendicular (diccio-

mates.blogspot.com)
Figura 45: ecuaciones de la recta - Bing images
Figura 46: Ecuación de la Parábola con Ejercicios - Neurochispas
Figura 47: Parabola con vertice fuera del origen | 327 jugadas | Quizizz
Figura 48: Probabilidad y estadística : septiembre 2019

(probabilidadyestadisticobaep.blogspot.com)
Figura 49: Enfermera Escarlata: TEMA 3: DE LOS CONCEPTOS A LAS

VARIABLES. POBLACIÓN, MUESTRA, PARÁMETROS Y ESTADÍSTICA.
VARIABLES Y ESCALAS DE MEDIDA.
Figura 50: ▷ Rango (estadística): definición, fórmula y ejemplo

(probabilidadyestadistica.net)
Figura 51: Frecuencia acumulada: fórmula, cálculo, distribución, ejemplos

(lifeder.com)
Figura 52: Truco Excel. Gráfico de puntos con colores - Análisis y Decisión
(analisisydecision.es)
Imagen 53: Qué es un gráfico de líneas - Todo lo que necesitas saber (edrawsoft.com)
Figura 54: Pregunta liberada TIMSS-PIRLS de matemáticas sobre la interpretación

de un gráfico. Problemas de representación de datos II - Didactalia: material
educativo
Figura 55: Lee la información y resuelve. A 30 jóvenes se les preguntó sobre sus
revistas favoritas. El resultado se - Brainly.lat
Figura 56: histograma - andreabarrerao (google.com)
Figura 57: GRAFICOS DE EXPERIMENTOS ALEATORIOS: HISTOGRAMA,

POLIGONO DE FRECUENCIA Y OJIVAS
(graficosdeexperimentosalaetorios.blogspot.com)
Figura 58: Medidas de tendencia central (Estadística de 4ºESO) | profe.mates.jac -

blog para tod@s (Mates) (juntadeandalucia.es)
Figura 59: pinterest.com/pin/683491680917219422/
76
Administración
Figura 60: Portafolio de Probabilidad y Estadística.: Octubre (arialferfer.blogspot.com)
Figura 61: ▷ Percentiles: qué son, fórmula, ejemplos, calculadora,...

Figura 2, 63, 64, 65: ▷ Varianza: fórmula, ejemplos, propiedades, calculadora,...

Figura 66: Estadistica: MEDIDAS DE FORMA (edelmirachocooj-

edelmira.blogspot.com)
Figura 67: Tema 5, parte 3: Nociones básicas de probabilidad - Estadística Lidia

(estadisticalidia.com)
Figura 68: 2 Operaciones con sucesos Diagrama de Venn - YouTube
Figura 69: DISTRIBUCIÓN NORMAL - Mind Map (mindomo.com)
Figura 70: ‫ اه یداصتقا | (هداس نابز هب نویسرگر موهفم و هچخیرات) ؟تسیچ نویسرگر‬- ‫دا صتقا یصصخت عجرم‬
(economya.ir).
Figura 71: Portafolio de Probabilidad y Estadística: Noviembre

(portafoliomiguellopez.blogspot.com)
Administración
77
Matemática Aplicada a l a Administ raci ón
78

Nccu-263 Material

Cargado por

Copyright:

Formatos disponibles

Nccu-263 Material

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

Nccu-263 Material

Cargado por

Copyright:

Formatos disponibles

Matemática Aplicada a l a Administ raci ón

Matemática Aplicada a la Administración

Determinar los valores de las variables en un sistema de dos y tres

Figura 1: Representación de una Matriz con “m” filas y “n” columnas

Figura 2: Representación de matrices entre paréntesis o corchetes.

Figura 3: Representación de la Notación de matrices.

Figura 5: Representación del orden de una matriz

Tipos de Matrices Ejemplo

Matriz Fila: Tiene una sola fila y

Matriz Columna: Tiene una sola �

1.2. Matriz Unitaria e Igualdad de Matrices

Figura 8: Ejemplo de suma de matrices

1.4. Aplicación de Matrices

2.1. Concepto, operaciones

|�|: ������������ �� �� ������

Operaciones con Determinantes

Figura 13: cálculo del determinante de una matriz ���.

Por lo tanto, decimos que la determinante de la matriz A es 10:

Matriz ��� o de orden �:

Figura 16: representación de una matriz de orden 3

PASO 1: Generación de la matriz ampliada: Esta matriz se genera agregando la

PASO 2: Diagonales positivas y negativas: En la matriz ampliada se trazan diagonales

PASO 2: Multiplicamos: En cada diagonal multiplicamos los elementos que la

− ��� − ��� − ���

Resultado del determinante de “�”:

|�| = ��� + ��� + ��� − ��� − ��� −

2.2. Regla de Cramer en la Solución de Ecuaciones de Primer Grado con

2.3. Solución de Ecuaciones de Primer Grado con Tres Incógnitas mediante la

Figura 22: Método Cramer par 3 ecuaciones y 3 incógnitas

Figura 23: ejemplo del Método Cramer par 3 ecuaciones y 3 incógnitas

2.4. Aplicación de Ecuaciones Lineales: Modelación de

Calcular valores logarítmicos mediante la solución de ejercicios de aplicación.

1.1. Definición y Notación de Logaritmos

Figura 24: elementos del logaritmo

a continuación, veamos en la imagen 25 una explicación de cómo se maneja

Figura 25: operación de logaritmo

Veamos algunos ejemplos para ver cómo resolver operaciones de logaritmos.

����� � ��� = � ⇔ �� = ���

1.2. Logaritmo decimal. Logaritmo natural.

Veamos algunos ejemplos directos de la identidad fundamental:

1.3. Propiedades Básicas de Logaritmos

1.4. Aplicación de Logaritmos

� es una constante de degradación.

Usamos la propiedad del logaritmo para llevar el exponente �� al frente:

Primero, dividimos ambos lados por 1000:

Usamos la propiedad del logaritmo para llevar el exponente−�� al frente:

Problema 3: Vida útil de equipos

Si el valor inicial de la máquina es de $50,000 y después de 5 años el valor de la máquina

Por lo tanto, el valor de � es aproximadamente 0,102.

Reconocer y representar gráficamente funciones lineales y cuadráticas mediante

Figura 28: Diferencia entre función y relación.

1.3. Dominio y Rango de Funciones:

Figura 29: Dominio y Rango de una función

Método Algebraico y Método Gráfico para Determinar el Dominio y el

Figura 30: Función lineal

2.2. Tipos de Funciones Lineales:

Figura 31: tipos de función lineal

2.3. Tabulación y Gráfica de Funciones Lineales:

Figura 32: Tabulación gráfica de funciones

|�|: ��

Figura 13: cálculo del determinante de una matriz ��.

Matriz �� o de orden �:

− �� − �� − ��

|�| = �� + �� + �� − �� − �� −

�� = � ⇔ �� = ��