PROBABILIDAD

ESTADSTICA

Notas de clase

A. Leonardo Bauelos Saucedo

Nayelli Manzanarez Gmez

TEMA I
ANLISIS ESTADSTICO DE DATOS
MUESTRALES
INTRODUCCIN
La Probabilidad y la Estadstica son herramientas muy importantes en el desarrollo
de cualquier ingeniera. Sus aplicaciones van desde los juegos de azar hasta la
confiabilidad de sistemas, estimaciones de datos para variables inciertas, toma de
decisiones en situaciones de incertidumbre, estudio de los efectos del ruido en
sistemas electrnicos, el diseo de centrales telefnicas, etc.
Actualmente, los conceptos y mtodos bsicos de la estadstica son
indispensables para describir, comprender e intentar predecir el comportamiento
del mundo que nos rodea. La estadstica nos proporciona los elementos para
comprender la informacin y poder obtener conclusiones con un soporte
matemtico. El presente curso es un primer acercamiento al manejo de datos
estadsticos, y posteriormente se estudian las bases probabilsticas para desarrollar
en cursos posteriores todo el potencial de la inferencia estadstica.
La humanidad, desde siempre, ha estado expuesta a innumerables problemas,
lo que la ha llevado a buscar la mejor forma de resolverlos, dando origen a la
investigacin, y la forma cientfica de validar las investigaciones es a travs de la
probabilidad y la estadstica.
La palabra estadstica significa literalmente "ciencia del estado", debido a
que en sus inicios la estadstica serva para proporcionar datos que fueran de
inters para los gobernantes de una nacin. En la actualidad la estadstica es mucho
ms que eso.
La estadstica no slo proporciona informacin o datos; sino que los agrupa,
analiza, interpreta y permite generar inferencias o conclusiones de una poblacin
a partir de los datos de una muestra. Son muchas las aplicaciones de la estadstica
en la investigacin. Por ejemplo; en poltica, es deseable saber qu porcentaje de
una poblacin votar en favor de un candidato, sin tener que entrevistar a todos los
posibles votantes; en la industria, es conveniente determinar si un lote de productos
cumple con ciertos estndares de calidad o deben reprocesar las piezas; en la
educacin, qu tanto afecta la escuela de procedencia en el aprovechamiento de un
grupo de alumnos que ingresaron al nivel superior; en biologa, los resultados
sobre el crecimiento de vegetales en funcin de determinadas variables

controlables, etc., Todas estas son interrogantes o predicciones que contesta la

estadstica, por ello la gran relacin entre la estadstica y la investigacin.
El presente curso inicia con estadstica descriptiva, posteriormente se
estudian las bases de la probabilidad y finaliza con una introduccin a las
distribuciones que se utilizan en la inferencia estadstica.

LA POBLACIN Y LA MUESTRA
Para comprender la naturaleza de la inferencia estadstica deben distinguirse dos
grandes conjuntos: la poblacin y la muestra. La Poblacin es el conjunto de todos
los posibles resultados de un experimento, mientras que la Muestra es un
subconjunto de la poblacin que contiene los resultados observados de un
experimento. Debe entenderse que el principal objetivo de la estadstica es realizar
inferencias (o predicciones) de la poblacin a partir de los datos observados en la
muestra; la importancia de esto puede verse en los siguientes ejemplos.
Si se desea conocer el porcentaje de la poblacin que votar por un candidato
en particular, el hecho de entrevistar a todos los posibles votantes requerira de un
gran esfuerzo adems de un gran costo, por lo que debe realizarse la entrevista
solo a un grupo de los votantes (muestra).
Si se desea conocer el tiempo promedio de vida de un foco, el probar toda
la poblacin sera el equivalente a prender todos los focos y medir el tiempo que
tardan en fundirse, lo cual no permitira tener artculos para la venta, por lo cual
la prueba de vida til slo se realiza a un grupo de focos (muestra).
Los diseos muestrales (muestreo) son los procedimientos utilizados para
extraer muestras de una poblacin. La forma en la que se extrae la muestra es
muy importante, debido a que una mala muestra arrojar conclusiones
equivocadas. La probabilidad proporciona las herramientas para realizar un
muestreo justo; es decir, representativo de la poblacin.

MUESTREO
Al recordar que la estadstica es parte de las matemticas que se encarga de
obtener informacin y conclusiones acerca de una poblacin tomando para ello
datos de una muestra, deber investigarse la mejor manera de seleccionar dichos
datos, es decir, debe buscarse una tcnica adecuada para realizar el m uestreo, a
lo que se llama diseo del experimento.

Probabilidad y Estadstica

Tema I

Siempre se desea que la muestra sea representativa de la poblacin, para lo

cual se debe tener una muestra aleatoria. Es claro que el trmino muestra aleatoria
sugiere la forma en la que se debern seleccionar los elementos de la muestra, es
decir, en forma aleatoria, pero qu se debe entender por muestra aleatoria en este
momento? De una forma sencilla, puede decirse que se tiene una muestra aleatoria
si todos los elementos de la poblacin pudieron ser seleccionados.
Para estudiar con profundidad el diseo del experimento se requerira de un
curso especial, por lo cual, en este curso se considerar slo el muestreo aleatorio
simple, en el cual, todos los elementos de la poblacin tienen la misma posibilidad
de ser seleccionados.

Pg.

Otra clasificacin de la estadstica est basada en la informacin que se

posee. La estadstica paramtrica es la rama de la estadstica que estudia las
pruebas y modelos en los que se conoce la distribucin de la poblacin bajo
estudio, o que por las condiciones del muestreo, se sabe la distribucin que se debe
utilizar para el anlisis. La estadstica no-paramtrica estudia las pruebas y
modelos cuando la distribucin no puede ajustarse mediante la estadstica
paramtrica, esto ocurre generalmente cuando no se conoce la distribucin
poblacional.

ESTADSTICA DESCRIPTIVA
LA ESTADSTICA Y SUS CLASIFICACIONES
La estadstica es la rama de las matemticas que se encarga de la seleccin de
datos, su organizacin, presentacin y realizacin de las conclusiones que se
pueden obtener de dichos datos.
La estadstica puede clasificarse en: univariable y multivariable,
dependiendo de la cantidad de variables que se estn registrando. Si slo interesa
el peso de las personas, entonces se desarrollar estadstica univariable, si por el
contrario se pretende estudiar la relacin entre el peso y la estatura, entonces se
estar desarrollando estadstica multivariable.
Otra clasificacin est basada en la aplicacin de la estadstica. La estadstica
descriptiva (o deductiva) tiene como propsito la recopilacin, organizacin y
presentacin de datos para su estudio, mientras que la estadstica inferencial ( o
inductiva) tiene como objetivo obtener conclusiones con respecto a una poblacin
a partir de la informacin contenida en una muestra, cuantificando de manera
probabilstica el grado de certeza de la afirmacin. A la estadstica descriptiva se
le llama tambin deductiva, mientras que a la estadstica inferencial se le llama
inductiva.
La estadstica descriptiva utiliza grficas, tablas y parmetros numricos para
la presentacin de la informacin. La estadstica inferencial utiliza tcnicas de
probabilidad para cuantificar el grado de certidumbre de las conclusiones.

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

La estadstica descriptiva es la parte de la estadstica que tiene como propsito

organizar y presentar los datos de una poblacin o de una muestra para su anlisis
e interpretacin. Es a partir de la estadstica descriptiva, que la disciplina tom
el nombre de estadstica, puesto que en la antigedad, los gobernantes deseaban
conocer la informacin de sus reinos.
En la estadstica descriptiva existen bsicamente tres tcnicas:
- Distribucin de Frecuencias
- Grficas
- Medidas numricas
Las tcnicas no son independientes, por el contrario, deben
complementarse. La distribucin de frecuencias es la forma en la que se agrupan
los datos cuando se tiene una cantidad considerable de ellos. Las grficas sirven
para visualizar rpidamente la forma en la que se agrupan los datos, y los
parmetros numricos son el resumen de los datos en forma cuantitativa. Cada
tcnica es una huella de la informacin que se estudia, pero no debe olvidarse que
para realizar una mejor interpretacin, deben combinarse las tcnicas.

Probabilidad y Estadstica

Tema I

DISTRIBUCIN DE FRECUENCIAS
Es una tcnica de agrupacin usada en estadstica cuando se tiene un conjunto muy
grande de datos, de tal forma que el anlisis posterior: grficas y parmetros
numricos; se puede realizar de forma ms rpida. La tabla de distribucin de
frecuencias puede usarse para datos cuantitativos y para datos cualitativos. Los
datos cuantitativos son aquellos que indican cantidad, 5 personas, 2.5 Newtons,
etc.; mientras que los datos cualitativos expresan cualidades: azul, alto, sano, etc.
Existe una gran diversidad de tablas de distribucin de frecuencias; sin
embargo, aqu se estudiar una tabla terica completa. Para resumir los datos, se
utilizan intervalos, clases o categoras y posteriormente se indica la frecuencia de
cada uno de ellos. Las columnas que forman una tabla completa son:
Lmites de clase. Son los valores menor y mayor que de encontrarse como datos
en la muestra pertenecen a la clase en cuestin. Los lmites de una clase tienen la
misma aproximacin que los datos en la muestra o de la poblacin, esto es, si los
datos son enteros, entonces los lmites son enteros. Si los datos tienen
aproximacin a dcimas, entonces los lmites tendrn dcimas, y as
sucesivamente. Se denotan por

Pg.
Lmites de clase

Fronteras de clase

1 - 3

0.5 (1-0.5) - 3.5 (3+0.5)

4 - 6

3.5 (4-0.5) - 6.5 (6+0.5)

7 - 9

6.5 (7-0.5) - 9.5 (9+0.5)

Tabla 1.1. Lmites y Fronteras de clase.

Marcas de clase. Es el punto medio de una clase. Se considera como el valor
representativo de un intervalo. Las marcas de clase se obtienen promediando los
lmites de un intervalo, o bien, las fronteras. Se denota por
Lmites de
clase

Fronteras
de clase

Marca de

1 - 3

0.5 - 3.5

4 - 6

3.5 - 6.5

7 - 9

6.5 - 9.5

Fronteras de clase. Las fronteras o lmites verdaderos de una clase, son los puntos
medios entre los lmites de intervalos consecutivos. Se denota por

, por lmite

clase,

Tabla 1.2. Marcas de clase.

Frecuencia. Es el nmero de elementos en la muestra o en la poblacin que
pertenecen a la clase en cuestin. Se denota por

real. No se acostumbra usar

porque esa letra se reserva para las frecuencias.

La distancia entre la frontera inferior y el lmite inferior de una misma clase, as

como la existente entre el lmite superior y la frontera superior de una misma clase
es igual a media unidad de aproximacin, esto es, si en una tabla de distribucin
de frecuencias, los lmites de clase son: 1-3 , 4-6, 7-9 (con aproximacin entera);
entonces las fronteras seran 0.5-3.5, 3.5-6.5, 6.5-9.5 (con media unidad de
aproximacin entera, es decir, 0.5) ; como se muestra en la siguiente tabla (entre
parntesis se indica la operacin que se realiz con los respectivos lmites de clase
para obtener las fronteras de clase).

. Si los datos de una muestra

son: 1, 9, 5, 8, 4, 1, 2, 7, 6, 3, 3, 2, 7, 9; entonces al agrupar por intervalos se

obtienen las siguientes frecuencias.
Lmites de
clase

Fronteras
de clase

Marca de

A.L.B.S./ N.M.G.

Frecuencia

1 - 3

0.5 - 3.5

4 - 6

3.5 - 6.5

7 - 9

6.5 - 9.5

clase,

Tabla 1.3. Frecuencia.

S)))))))))))))))))))))))))))))))))))))))

Probabilidad y Estadstica

Tema I

Frecuencia acumulada. Es el nmero de datos en la muestra o poblacin, que son

menores o iguales que el lmite superior del intervalo en cuestin. Se denota por
, y se obtiene sum ando la frecuencia del intervalo actual y de los anteriores

Pg.

Frecuencia Acumulada Relativa. Es la proporcin de los datos en la muestra o

poblacin que son menores o iguales que el lmite superior de la clase en cuestin.
Se denota por

o por

. M atemticamente se define como el cociente de la

intervalos.
frecuencia acumulada entre el nmero de datos, esto es:
Lmites
de clase

Fronteras
de clase

Marca
de
clase,

frecuencia

Frecuencia
acumulada

1 - 3

0.5 - 3.5

4 - 6

3.5 - 6.5

6+3=9

7 - 9

6.5 - 9.5

6+3+5=14

Tabla 1.4. Frecuencia acumulada.

. Considerando

nuevamente que n=100, entonces:

Lmites
de clase

Fronteras
de clase

Marca de

1 - 3

0.5 - 3.5

0.06

0.06

4 - 6

3.5 - 6.5

0.03

0.09

7 - 9

6.5 - 9.5

14

0.05

0.014

clase,

frecuencia Frecuencia frecuencia Frecuencia

acumulada
relativa acumulada
relativa

Frecuencia Relativa. Es la proporcin de datos que pertenecen a la clase en

cuestin. Se denota por

o por

nmero total de datos, esto es:

. Es el cociente de la frecuencia entre el

. Para la tabla del ejemplo, si el total de

datos es n=100, entonces:

Lmites de
clase

Fronteras de
clase

Marca de
clase,

frecuencia Frecuencia
acumulada

frecuencia
relativa

1 - 3

0.5 - 3.5

6/100=0.06

4 - 6

3.5 - 6.5

3/100=0.03

7 - 9

6.5 - 9.5

14

5/100=0.05

Tabla 1.5. Frecuencia relativa

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Tabla 1.6. Tabla de distribucin de frecuencias terica completa.

La tabla anterior, ya es una tabla de distribucin de frecuencias terica
completa, pero debe observarse que para tener una tabla de distribucin de
frecuencias, basta con tener dos columnas, una que indique la clase (Lmites,
fronteras o marcas) y una que indique la frecuencia (Frecuencia, frecuencia
acumulada, frecuencia relativa o frecuencia acumulada relativa).

Existen otras tablas de distribucin de frecuencias, basadas en intervalos, en

donde se utiliza la notacin del Clculo para los intervalos abiertos y cerrados, por
ejemplo:

Probabilidad y Estadstica
Intervalo

Tema I

Pg.

frecuencia

Marca de

Posteriormente se ajusta de manera conveniente, de forma que el primer

lmite inferior sea ligeramente menor o igual que el menor valor, y el ltimo
lmite superior sea ligeramente mayor o igual que el mayor dato.

clase,
[1,4)

2.5

[4 , 7 )

5.5

[7 , 10)

8.5

Tratar de evitarse que haya clases con frecuencia cero.

La primera y la ltima clase nunca tendrn frecuencia cero.

___________________________________________

Tabla 1.7. Tabla de distribucin de frecuencias con intervalos.

En donde la marca de clase es nuevamente el punto medio del intervalo y no
puede existir traslape en ningn intervalo.

Ejemplo 1.1
Los siguientes valores representan el tiempo diario de transporte de una
muestra de 50 alumnos de cierta universidad al sur de Copilco.

Algunos valores que ayudan en la construccin de la tabla son:

69
79
73
30
45

Longitud de la clase. Es la diferencia entre la frontera superior y la inferior de

una misma clase. Se denota por c. As para la tabla 1.6, la longitud del intervalo
es:

; lo mismo que para la tabla 1.7.

Cualquier tabla que contenga una columna de clase o intervalo y una

columna de frecuencias, es una tabla de distribucin de frecuencias; sin embargo,
en este momento debern de construirse tablas completas atendiendo a las
siguientes recomendaciones.
Recomendaciones para la construccin de una tabla de frecuencias

El nmero de clases estar entre 5 y 20, inclusive. La primera aproximacin

del nmero de clases se obtendr con

Todas las clases sern de la misma longitud (c).

La longitud del intervalo se aproxima mediante

, donde el Rango es:

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

56
72
70
40
43

73
82
64
80
77

66
77
56
49
49

64
71
31
59
46

44
48
62
60
42

36
49
56
76
63

69
49
55
67
41

76
60
51
30
64

53
67
45
72
79

Construir una tabla de distribucin de frecuencias terica completa.

Resolucin
Puesto que no se proporciona ninguna indicacin con respecto a los
intervalos, se realiza la primera aproximacin del nmero de intervalos con
, por lo que se utilizarn 7 intervalos. El menor de los
datos es 30 y el mayor de los datos es 82, por lo que el rango de los datos
es

, entonces la longitud del intervalo aproximada es

, por lo que se utilizar una longitud de

Puesto el menor valor es 30, se toma la decisin de iniciar en

tenindose:

29,

Probabilidad y Estadstica
Marca de

Tema I

Lmites de
clase

Fronteras
de clase

29 - 36

28.5 -36.5

32.5

0.08

0.08

37 - 44

36.5-44.5

40.5

0.1

0.18

45 - 52

44.5 -52.5

48.5

18

0.18

0.36

53 - 60

52.5-60.5

56.5

26

0.16

0.52

61 - 68

60.5-68.5

64.5

34

0.16

0.68

69 - 76

68.5-76.5

72.5

10

44

0.2

0.88

77 - 84

76.5-84.5

80.5

50

0.12

clase,

Pg.

frecuencia Frecuencia frecuencia Frecuencia

acumulada
relativa acumulada
relativa

Tabla 1.8. Tabla de distribucin del ejemplo 1.1.

GRFICAS

Figura 1. Histograma con frecuencias en el eje

O bien, las frecuencias pueden colocarse sobre los rectngulos o dentro de ellos.

Cuando se desea dar un mayor impacto de la forma en la que se distribuyen los

datos, stos se presentan en una o varias grficas. Son muchas las grficas que se
pueden utilizar en la estadstica descriptiva, destacando el histograma, el polgono
y la ojiva. Otras grficas usadas son la de sectores circulares (tambin llamadas
pastel o pie), la de tallos y hojas y el diagrama de caja. En estas notas se
definirn las primeras 3, dejando las otras 3 para que el lector las investigue en
textos de Estadstica.
Histograma de Frecuencias
El histograma es una grfica de barras rectangulares cuyas bases estn centradas
en la marca de clase del intervalo, y sus reas proporcionales a la frecuencia del
intervalo. Es evidente que para un histograma bien construido, las distancias entre
marcas de clase son siempre las mismas, por lo que la condicin de que las reas
de los rectngulos sean proporcionales a las frecuencias, se convierte en la altura
proporcional a la frecuencia. No es necesario dibujar el eje de las ordenadas; sin
embargo, puede hacerse sin ningn conflicto.
Con los datos de la tabla 1.8, el histograma de frecuencias es:

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Figura 2. Histograma con frecuencias en los rectngulos

Probabilidad y Estadstica

Tema I

Pg.

Polgono de Frecuencias

Ojiva

El polgono de frecuencias es una grfica poligonal o de lneas rectas que indica

para cada marca de clase la frecuencia. Se obtiene uniendo los puntos medios de
las partes superiores de las barras del histograma. Para que la lnea no se dibuje
flotando, se puede dibujar una marca de clase antes de la primera y una marca
de clase posterior a la ltima, cada una con frecuencia cero, de esta forma la
grfica poligonal parte del eje de las abscisas y termina en l.

La ojiva es tambin una grfica poligonal, pero se dibuja utilizando las fronteras
contra las frecuencias acumuladas (o acumuladas relativas). La ojiva indica, para
cada frontera, los elementos (o proporcin de elementos), que son menores o
iguales que dicha frontera. Si se utiliza la frecuencia acumulada relativa se llama
ojiva porcentual. A la ojiva tambin se le llama en ocasiones polgono de
frecuencias acumuladas
La ojiva para los datos del ejemplo 1.1 se muestra en la siguiente figura.

Tanto el histograma como la ojiva, se dibujan generalmente con las

frecuencias absolutas, pero tambin pueden dibujarse con las frecuencias relativas,
con las acumuladas o con las acumuladas relativas.

Figura 4. Ojiva

Figura 3. Polgono de Frecuencias

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Probabilidad y Estadstica

Tema I

Con la tabla de distribucin de frecuencias y con las grficas, se describe el

comportamiento de un conjunto de datos; sin embargo, para no caer en
subjetividades, o errores por la escala, se utilizan tambin las medidas numricas.
MEDIDAS NUMRICAS

Pg.

Para datos agrupados se tiene

En resumen:

Las medidas numricas, por el tipo de informacin que proporcionan se clasifican

en medidas de tendencia central, medidas de dispersin y medidas de forma.
y debe observarse que las medias obtenidas son muy parecidas, pero en lo general
diferentes.

Medidas de tendencia central

Las medidas de tendencia central son valores representativos de un conjunto de
datos, que se sitan en la parte central de los mismos. Las medidas de tendencia
central ms conocidas son la media, la mediana y la moda.

Media geomtrica. La media geomtrica de un conjunto de valores positivos se

calcula con la raz n-sima del producto de las n observaciones. Se denota por

Media aritmtica La media aritmtica es ms conocida simplemente como media,

y es el promedio de un conjunto de valores. Es sin duda la medida de tendencia
central ms utilizada, y por lo general es la ms representativa. Se denota por

.
Para los datos del ejemplo 1.1 se tiene:

Debe observarse que para datos agrupados la suma va desde 1 hasta m,

donde m es el nmero de intervalos, y

son la marca de clase y la

frecuencia del intervalo, respectivamente.

Para el ejemplo 1.1, se pueden obtener las medias de los datos sin agrupar
y agrupados, tenindose:
Para datos sin agrupar:

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Media armnica. La media armnica de un conjunto de datos se denota por

,y

es el recproco de la media aritmtica de los recprocos de cada uno de los valores.

Probabilidad y Estadstica

Tema I

Pg.

puesto que el nmero de datos es par, se toman los 2 valores centrales ( 60 y 60),
Para los datos del ejemplo 1.1 se tiene:

y de ellos se obtiene el promedio, finalmente,

Con la distribucin de frecuencias obtenida en el ejemplo 1.1, se utilizan las

columnas de fronteras y de frecuencia acumulada
Fronteras de clase

Las medias aritmtica, geomtrica y armnica, para un conjunto de valores

positivos estn relacionadas mediante

Con la hoja de clculo Excel, es muy fcil calcular las medias para datos sin
agrupar utilizando los comandos promedio(Rango de celdas), media.geom(Rango
de celdas) y media.armo(Rango de valores). Para datos agrupados deben utilizarse
el comando sumaproducto(Rango de celdas 1, Rango de celdas 2), para facilitar
las operaciones.
Mediana. La mediana de un conjunto de datos ordenados, es el valor que divide
al conjunto en dos conjuntos de igual tamao, o bien, es el promedio de los dos
valores centrales. Se denota por

28.5 - 36.5

36.5 - 44.5

44.5 - 52.5

18

52.5 - 60.5

26

60.5 - 68.5

34

68.5 - 76.5

44

76.5 - 84.5

50

Cuando los datos no estn agrupados, se deben ordenar en forma ascendente

o descendente y seleccionar el valor central. Si los datos son pares, entonces se
toma el prom edio de los dos valores centrales; si los datos son impares entonces
se toma el dato central.
Cuando los datos estn agrupados, entonces se realiza una interpolacin
lineal utilizando las fronteras y la frecuencia acumulada (es decir, los datos de la
ojiva), para encontrar el valor de

Frecuencia acumulada

en el cual la frecuencia acumulada es de

y se realiza una interpolacin para obtener el valor de

acumulada sea de

, para el cual la frecuencia

.
Frontera

Frecuencia
acumulada

52.5

18

60.5

26

Con los datos del ejemplo 1.1, y al ordenar los valores se tiene:

30,
45,
56,
64,
73,

30,
46,
56,
66,
73,

31,
48,
56,
67,
76,

36,
49,
59,
67,
76,

40, 41, 42, 43, 44, 45,

49, 49, 49, 51, 53, 55,
, 62, 63, 64, 64,
69, 69, 70, 71, 72, 72,
77, 77, 79, 79, 80, 82.

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Interpolando se obtiene:

Finalmente, se tiene, para los datos del ejemplo 1.1

Probabilidad y Estadstica

Tema I

Pg.

10

Moda. La moda de un conjunto de datos es el valor que se repite con mayor

frecuencia. Se denota por

, o en ocasiones

. Si existe ms de una moda,

entonces se dice que los datos tienen distribucin bimodal.

Para datos sin agrupar, se deben contar las repeticiones que puedan existir,
y el que se repita mayor nmero de veces ser la moda. Si todos los datos aparecen
el mismo nmero de veces, entonces se dice que no existe moda.
Para datos agrupados, la moda se aproxima con la marca de clase del
intervalo con mayor frecuencia, o bien, utilizando la frmula:

Donde:
Es la frontera inferior del intervalo con mayor frecuencia.
Es el exceso de la frecuencia modal sobre la frecuencia de la clase inmediata

Relacin entre la media, la mediana y la moda

Para un conjunto de datos con distribucin de frecuencia unimodal y poca
simetra se tiene la siguiente relacin emprica:

Si la distribucin es simtrica y unimodal, entonces se tiene la siguiente

relacin:

Cuartiles, Deciles y Percentiles. As como la mediana es el valor que divide a una

conjunto de datos ordenados en dos conjuntos de igual tamao, los datos pueden
dividirse en cuatro conjuntos de igual tamao (cuartiles), en 10 conjuntos de igual
tamao (deciles) y en 100 conjuntos de igual tamao (percentiles).
Los cuartiles se denotan generalmente por

anterior.
Es el exceso de la frecuencia modal sobre la frecuencia de la clase inmediata
posterior.

cuartil coincide con la mediana. Los deciles se denotan

quinto decil

Es la longitud de la clase.

se denotan

Para los datos del ejemplo 1.1, sin agrupar, el valor que ms se repite es el
49, con 4 repeticiones, por lo que la moda es 49, esto es:

y
,

, y el segundo
,

, y el

coincide con la mediana y con el segundo cuartil. Los percentiles

,

, el El percentil 50 coincide con la mediana, con

el segundo cuartil y con el quinto decil. El percentil 10 coincide con el primer

decil, y as se pueden encontrar muchas otras relaciones.
Medidas de dispersin

Para los datos agrupados la moda puede obtenerse con la marca de clase del
intervalo modal, por lo que se obtiene:

. Debe observarse que 72.5

es la marca de clase del intervalo con lmites 69-76, y con la mxima frecuencia
observada,

Las medidas de dispersin proporcionan un indicador del alejamiento de los datos.

Tambin se les llama medidas de variacin. Las medidas ms comunes son:
Rango, desviacin media, variancia, desviacin estndar, el rango semi-intercuartil
y el coeficiente de variacin.

Utilizando la frmula para la moda se tiene:

Rango. El rango de un conjunto de datos es la diferencia entre el mayor valor
menos el menor valor. Se denota por

, o simplemente por

. Para datos

agrupados se utilizan los lmites mayor y menor. Es comn no realizar la

operacin de resta y solamente indicarla.

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Probabilidad y Estadstica

Tema I

Para los datos del ejemplo 1.1 se tienen los siguientes resultados.

En Excel se pueden utilizar los comandos max(Rango de celdas) y

min(Rango de celdas) para obtener los valores mayor y menor de un conjunto de
datos.

Pg.

11

En resumen

Desviacin Mediana. Una variacin de la desviacin media es la desviacin

mediana, la cual consiste en tomar el promedio de las distancias con respecto a la
mediana. Se denota

Desviacin Media. La desviacin media o desviacin promedio de un conjunto de

datos es el promedio de las distancias de cada valor con respecto a la media. Se
denota por

Tanto la desviacin media como la desviacin mediana son poco utilizadas

en la prctica por lo difcil de manejar el valor absoluto. Para eliminar el signo de
las diferencias
Para los datos del ejemplo 1.1 se tiene:
Para datos no agrupados se utiliza la media de datos no agrupados, que es,
, por lo que se tiene:

y evitar el clculo del valor absoluto, se define la variancia

o varianza de un conjunto de datos utilizando el cuadrado de la diferencia.

No puede utilizarse solamente la suma de desviaciones, porque sta da como
resultado siempre cero, esto es:
,
es por eso que se obtiene el valor absoluto en el caso de la desviacin media y que
se eleva al cuadrado para la variancia.
Variancia. La variancia de un conjunto de datos es el prom edio de las distancias

y para datos agrupados, se utiliza la media de datos agrupados, las marcas de clase
y la frecuencia, por lo que:

cuadradas de cada valor con respecto a su media. Se denota por

o por

dependiendo del valor que se utilice para promediar. Se divide entre

promedia entre

), cuando se considera que se tienen todos lo datos posibles

(poblacin), y se divide entre

cuando se tiene solo una fraccin de los datos

(muestra). La frmula para la variancia es:

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

(se

Probabilidad y Estadstica

Tema I

Pg.

12

Cuando los datos agrupados tienen una distribucin que se aproxima a una
campana, entonces la desviacin estndar puede aproximarse mediante el rango
dividido entre 4, esto es:
o bien:
Para los datos del ejemplo 1.1 se tiene:

En el ejemplo 1.1, se tiene una muestra de 50 alumnos, por lo que se debe

de obtener

, aunque para valores mayores o iguales que 30 el resultado es muy

parecido, y por eso algunos autores siguieren utilizar

, cuando

. Con los

Coeficiente de Variacin. El coeficiente de variacin de un conjunto de datos es

una medida de la dispersin en relacin con la media de los datos, no tiene
unidades y se define mediante el cociente de la desviacin estndar entre la media.

datos del ejemplo se tiene:

se utiliza la desviacin estndar adecuada,
El inconveniente de utilizar la variancia como medida de dispersin se encuentra
en sus unidades, puesto que queda en unidades cuadradas. Para evitar esta
complejidad, la medida de dispersin ms utilizada es la desviacin estndar.

, y puede utilizarse un

subndice en el coeficiente de variacin para reconocer entre qu se promedi para

obtener la desviacin estndar.
Para los datos del ejemplo 1.1 se tiene:

Desviacin estndar. La desviacin estndar de un conjunto de datos es la raz

cuadrada de la variancia. Se denota por

o por

, dependiendo de si se

obtiene la desviacin estndar de una muestra o de toda la poblacin.

Es claro que para calcular la desviacin estndar debe calcularse la variancia
primero, de forma que :

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Rango intercuartlico. El rango intercuartlico de un conjunto de datos es la

diferencia entre el tercer y el primer cuartil.

Probabilidad y Estadstica

Tema I

Rango semi-intercuartlico. El Rango semi-intercuartlico es el promedio del rango

intercuartlico, esto es:

variancia

Pg.

13

. Los momentos con respecto a la media pueden calcularse con

momentos con respecto al origen, al desarrollar las sumas. Las primeras relaciones
son:

Rango Percentil. El rango percentil de un conjunto de datos, es la diferencia entre

el percentil 90 y el percentil 10, esto es:

Medidas de forma
Sesgo. El sesgo de un conjunto de datos es una medida del grado de simetra (o
Las medidas de forma de un conjunto de datos son el sesgo y la curtosis. Para
poder definir a las medidas de forma, es necesario definir primero los momentos.

asimetra) de los datos. Se denota por

o por

, y se define mediante:

Momentos con respecto al origen.

El r-simo momento con respecto al origen se define mediante:

donde

es el tercer momento con respecto a la media y

es la desviacin

estndar.
El sesgo se compara con cero. Cuando el coeficiente de sesgo es menor que
cero se dice que los datos tienen una distribucin sesgada a la izquierda o con
sesgo negativo. Cuando el coeficiente de sesgo es positivo, se dice que los datos
tienen una distribucin sesgada a la derecha o con sesgo positivo. Si el coeficiente
de sesgo es cero, entonces los datos tienen una distribucin simtrica o insesgada.
Y el r-simo momento con respecto a la media se define mediante:

media

Debe observarse que el primer momento con respecto al origen

es la

, mientras que el segundo momento con respecto a la media

es la

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Figura 5. Sesgo positivo

Probabilidad y Estadstica

Tema I

Pg.

14

y para los datos agrupados se tiene

En resumen:

Figura 6. Distribucin simtrica

Al utilizar la relacin de las medidas de tendencia central con los datos
agrupados del ejemplo 1.1, se observa que

, puesto que

, por lo que se tiene un sesgo negativo, como

ya se haba calculado.
En la prctica cuando se requiere saber el signo del sesgo, pero no es
determinante su magnitud, basta con realizar la comparacin de las medidas de
tendencia central.
Figura 7. Sesgo negativo
Curtosis. El coeficiente de curtosis de un conjunto de datos mide el grado de
Debe observarse la relacin de la medidas de tendencia central: media, mediana
y moda, con el signo del sesgo cuando los datos se encuentran agrupados.

aplanamiento relativo de la distribucin de los datos. Se denota mediante

bien,

, o

. Se define mediante la expresin:

Sesgo positivo:
Sesgo negativo:
Insesgado:

donde

es el cuarto momento con respecto a la media y

es la desviacin

estndar.
Para los datos de ejemplo 1.1 se tiene, para datos sin agrupar:
La curtosis se compara contra tres, porque tres es la curtosis de la

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Probabilidad y Estadstica

Tema I

Pg.

15

distribucin normal, que se estudiar en el tema 4 y es ampliamente utilizada en

la probabilidad y la estadstica.

Si los datos tienen una distribucin ms puntiaguda que la distribucin

normal

, entonces se dice que los datos tienen una distribucin

leptocrtica. Si los datos tienen una distribucin como la normal,

entonces se dice que la distribucin es mesocrtica. Si los datos tienen una

distribucin aplanada,

, entonces se les llama platicrticos.

Figura 10. Distribucin leptocrtica

Con los valores del ejemplo 1.1 se tiene, para datos sin agrupar:

y para datos agrupados:

Figura 8. Distribucin platicrtica

en resumen:

Puede observarse que los datos del ejemplo 1.1 tienen una distribucin
mesocrtica.

S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.2
Los datos siguientes sealan el tiempo de funcionamiento (en das) hasta que
Figura 9. Distribucin mesocrtica

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

se presenta la primera falla de

radio transmisores-receptores:

Probabilidad y Estadstica

a)
b)

Tema I

16

224

16

80

96

536

400

80

392

576

128

56

656

224

40

32

358

384

256

246

328

464

448

716

304

16

72

80

72

56

608

108

194

136

224

80

16

424

264

156

216

168

184

552

72

184

240

438

120

308

32

272

152

328

480

60

208

340

104

72

168

40

152

360

232

40

112

112

288

168

352

56

72

64

40

184

264

96

224

168

168

114

280

152

208

160

176

Pg.
401
451
501
551
601
651
701

450
500
550
600
650
700
750

400.5
450.5
500.5
550.5
600.5
650.5
700.5

450.5
500.5
550.5
600.5
650.5
700.5
750.5

425.5
475.5
525.5
575.5
625.5
675.5
725.5

3
2
1
2
1
1
1

16

0.034
0.023
0.011
0.023
0.011
0.011
0.011

Debe observarse que el valor en el que se inicia la tabla es una frontera,

puesto que los datos no tiene el valor 0.5.

S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.3

Utilizar el rango para aproximar el valor de la desviacin estndar.

Obtener una distribucin de frecuencias con 15 clases de longitud 50
comenzando con 0.5

De los resultados en un examen de antecedentes de probabilidad, aplicado

a los alumnos que cursan estadstica, se obtuvo la siguiente tabla de
distribucin de frecuencias

Resolucin
a)
Utilizando la frmula par aproximar el rango se tiene:

b)

La tabla queda:
Lmites

Fronteras

1 - 50
51 - 100
101 - 150
151 - 200
201 - 250
251 - 300
301 - 350
351 - 400

0.5 - 50.5
50.5 - 100.5
100.5 - 150.5
150.5 - 200.5
200.5 - 250.5
250.5 - 300.5
300.5 - 350.5
350.5 - 400.5

Marcas de
clase
25.5
75.5
125.5
175.5
225.5
275.5
325.5
375.5

frecuencia

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

11
16
8
15
10
6
5
6

frecuencia
relativa
0.125
0.182
0.091
0.170
0.114
0.068
0.057
0.068

Obtener:
a)
La media, la mediana y la moda.
b)
La variancia.
c)
Con los resultados obtenidos en el inciso (a), indicar si la distribucin
de las calificaciones tiene un sesgo positivo, negativo o no tiene
sesgo.
Resolucin
a)

La media es

Probabilidad y Estadstica

Tema I

Pg.

17

En la siguiente tabla, se tienen los tiempos medidos en horas con un decimal

que necesit un transbordador para cruzar de la Ciudad de Mazatln a La
Paz, en 60 viajes sucesivos.
La mediana se obtiene mediante interpolacin, por lo que se tiene:
La moda se calcula con la expresin

de donde
a)

b)

8.7
8.4
9.3
8.7
8.3
9.0
9.2
8.2
8.6
8.8
9.0
8.6
9.4
8.3
8.2
8.3
9.1
8.9
8.5
8.7
8.5
9.5
8.4
8.6
8.6
8.7
9.2
8.5
8.1
9.8
8.9
9.6
8.8
8.6
8.2
8.5
8.6
8.8
8.8
8.7
8.7
8.5
9.0
8.5
8.9
9.3
8.3
8.7
9.2
8.5
8.6
8.5
9.1
8.5
9.0
8.7
9.2
9.0
8.4
8.9
Construir una tabla de frecuencias de la duracin de los viajes, con 6
intervalos.
Dibujar el histograma de frecuencias relativas.
Calcular la media.
Calcular la mediana.
Calcular la moda.
Calcular la desviacin estndar.
Investigar si la distribucin emprica es o no simtrica.
Clasificar la distribucin emprica por su grado de aplanamiento.

o bien, se puede aproximar con la marca de clase del intervalo modal,

con lo que

b)
c)
d)
e)
f)
g)
h)

La variancia est dada por

Resolucin
a)

El rango de los datos es: 9.8 - 8.1 = 1.7

Dividiendo en 6 intervalos, con

por lo que

se tiene:

c)

Puesto que la

se tiene un sesgo positivo.

S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.4

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

y comenzando en 8.05,

Probabilidad y Estadstica
Lm ites

8.1
8.4
8.7
9.0
9.3
9.6

8.3
8.6
8.9
9.2
9.5
9.8

Tema I

Fronteras

8.05
8.35
8.65
8.95
9.25
9.55

8.35
8.65
8.95
9.25
9.55
9.85

M arca de
clase

frecuencia

8.2
8.5
8.8
9.1
9.4
9.7

8
19
16
11
4
2

frecuencia
relativa

Frec.
relat.
acum .

0.1333
0.3166
0.2666
0.1833
0.0666
0.0334

0.1333
0.4499
0.7165
0.8998
0.9664
1

Pg.

f)

Datos sin agrupar:

Datos agrupados:
g)

Para determinar si la distribucin es simtrica o no, se calcula el

sesgo.
Datos sin agrupar:

b)

Datos agrupados:

La distribucin tiene un ligero sesgo positivo.

h)

Para determinar el aplanamiento se calcula la curtosis.

Para datos sin agrupar:

c)

Datos sin agrupar:

Ligeramente leptocrtica.
Para datos agrupados:

Datos agrupados:
d)

Ligeramente platicrtica.

Datos sin agrupar:

Datos agrupados (interpolando):
8.65

27
30

8.95

43

De donde
e)

Datos sin agrupar:

Datos agrupados:

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

18

S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.5
Determinar cmo se relacionan la media y la mediana muestrales de las
con las

para cada uno de los siguientes casos.

Probabilidad y Estadstica
a)

Tema I

Si se agrega una constante

a cada una de las

Pg.

en una muestra,
a)

dando

19

De los datos se obtiene

b)

Si cada

se multiplica por una constante

a)

Resolucin
Para la media

, dando

No sorprendera la afirmacin debido a que el valor es muy cercano

al observado en la muestra.
b)

Para la mediana
b)

Para la media

Y la variancia muestral es

Para la mediana

de donde
y

S))))))))))))))))))))))))))))))))))))))
Ejemplo 1.6
Los valores observados de las cantidades

en el estudio

de la vida til, en horas, de las bateras de litio para cierta calculadora son:
y
a)

b)

Sorprendera la afirmacin de que la duracin media de las bateras

de litio usadas en esa calculadora es de 1270 horas? Responder y
explicar utilizando solamente estadstica descriptiva.
Calcular la variancia y la desviacin estndar muestrales de estos
datos.

S))))))))))))))))))))))))))))))))))))))

MANEJO DE DATOS BIVARIADOS

La mayora de las ramas de las matemticas se dedica a estudiar variables que
estn relacionadas de manera determinstica, esto es, que una vez que se sabe el
valor de

, el valor de

muchas variables

puede conocerse por completo, sin embargo, existen

que no estn relacionadas determinsticamente, por

ejemplo:

La estatura y el peso de una persona

Consumo de un artculo y su precio

Coeficiente de inteligencia y rendimiento de una persona

Resolucin
Para estudiar estos casos, se utiliza el anlisis de regresin.

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Probabilidad y Estadstica

Tema I

La regresin, proporciona la posible relacin entre las variables mediante una

ecuacin, con el objetivo de predecir una de ellas(variable dependiente o variable
de salida) en funcin de la otra u otras variables (variable(s) independiente(s) o
variable(s) de entrada). Existen dos tipos de regresin en general:

Regresin simple
Regresin mltiple
de donde

La regresin simple, se utiliza cuando se relacionan dos variables mientras que la

mltiple para ms de dos. En este curso, se estudiar la regresin simple, en la
cual, el tipo de curva puede ser lineal, polinomial, exponencial etc., nos
limitaremos al estudio particular de la regresin lineal simple, haciendo lo que se
llama anlisis estadstico bivariado, denominado as por el manejo de dos conjuntos
de datos . El caso ms comn de anlisis estadstico bivariado es el ajuste por
mnimos cuadrados.

AJUSTE POR MNIMOS CUADRADOS

Partiendo de que se desea obtener un modelo lineal para la variable independiente
en funcin de la variable dependiente

donde

o bien:

, se escribe

es un error que se obtiene debido al modelo.

Sin considerar el error el modelo se puede escribir como

donde la pendiente y la ordenada al origen tiene un acento circunflejo para indicar

que se trata de aproximaciones de los verdaderos parmetros.
Considerando el valor real y el aproximado para cada punto, se puede obtener la
suma de los errores cuadrados, esto es:
si se simplifica la notacin, mediante:

obteniendo el mnimo de

en funcin de

se tiene:

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Pg.

20

Probabilidad y Estadstica

Tema I

Pg.

21

Covariancia
La covariancia de dos conjuntos de datos, es una medida de la dispersin promedio
entonces:

de los datos con respecto a sus medias. Se denota por

son estimadores (aproximaciones) insesgados de

, que son los

, y se define mediante:

donde

parmetros que se desea obtener.

Cabe aclarar que la ecuacin de regresin que se obtenga es vlida solo para
parejas de valores comprendidos en el rango donde se ha experimentado.

Coeficiente de determinacin

Diagrama de Dispersin
Una vez que se ha determinado la ecuacin de regresin, es til la representacin
grfica de los puntos de datos en el plano

El coeficiente de determinacin

de la muestra es:

en lo que se denomina diagrama de

dispersin. Cuando la regresin aplicada es lineal, los puntos deben mostrar esa
tendencia, aunque no debe esperarse que los puntos se ubiquen exactamente en una
recta.
y proporciona el porcentaje de explicacin de una variable en trminos de la otra.
De un conjunto de datos muestrales apareados

se puede obtener un

ajuste por mnimos cuadrados, pero qu tan bueno es el ajuste? Qu tanto sirve
para explicar el comportamiento de
independiente de la
cada valor real

Figura 11. Diagrama de dispersin

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

el saber el valor de

? Si el valor de

, entonces el valor ms representativo de

se obtendra un error con respecto de

sera

es

, y para

Probabilidad y Estadstica

Tema I

Pg.

22

y la suma de errores al cuadrado es

Es claro que

es una proporcin menor o igual que uno, e indica la

variacin que el modelo no aclara. Si

, entonces

y los puntos

experimentales u observados estn contenidos todos sobre la recta de ajuste, por

La suma de estos errores al cuadrado est dado por

lo que no existe variacin no explicada. Si

entonces

recta obtenida es un horizontal que coincide con

mientras que al realizar el ajuste a una recta por mnimos cuadrados, el error se
obtiene con la recta de ajuste

y la

. Por lo que el modelo no

explica nada adicional al promedio. De lo anterior se define el coeficiente de

determinacin.

Definicin
El coeficiente de determinacin muestral

se obtiene mediante

y representa la proporcin de variacin de

observada que se explica

mediante el modelo de regresin.

Cuando

es muy cercano a 1, el modelo explica en un mayor porcentaje

el comportamiento de la variable independiente, pero si

es cercana a 0,

entonces el modelo proporcione muy poca explicacin.

Para calcular las sumas de cuadrados, del error y sobre

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

, se pueden utilizar las

Probabilidad y Estadstica

Tema I

siguientes frmulas operativas:

Pg.

de la variable independiente, aumenta (disminuye) tambin el valor de la variable

dependiente. Si la correlacin toma el valor de 1 se tiene correlacin positiva
perfecta.

Coeficiente de correlacin
El coeficiente de correlacin proporciona el grado de asociacin lineal de las
variables

. El coeficiente de correlacin que se estudia en este curso es de

tipo simple, es decir, considera solo dos variables asociadas en forma lineal.
Fig 12. Correlacin Positiva
El coeficiente de correlacin

de la muestra es:

donde

Por la relacin que guardan las variables, existen tres tipos de correlacin:
Correlacin directa o positiva: Se obtiene cuando al aumentar (disminuir) el valor

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

23

Figura 13. Correlacin Positiva Perfecta

Probabilidad y Estadstica

Tema I

Correlacin inversa o negativa: Se obtiene cuando al aumentar (disminuir) el

valor de la variable independiente, disminuye (aumenta) el valor de la variable
dependiente. Si la correlacin toma el valor de -1 se tiene correlacin negativa
perfecta.

Pg.

24

Correlacin nula: Se da cuando no existe relacin lineal entre las variables.

Figura 16. Correlacin Nula

S))))))))))))))))))))))))))))))))))))Q
Figura 14. Correlacin Negativa

Ejemplo 1.7
Emplear el mtodo de mnimos cuadrados para ajustar los siguientes puntos
a una recta.

a)

Cules son la estimaciones de

b)
Obtener el coeficiente de correlacin.
Resolucin
a)

Figura 15. Correlacin Negativa Perfecta

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

de mnimos cuadrados?

Probabilidad y Estadstica

Tema I

Pg.

a)

b)

La ecuacin de la recta de mnimos cuadrados es:

b)

El coeficiente de correlacin es:

S))))))))))))))))))))))))))))))))))))Q
Ejemplo 1.8
Los siguientes datos representan el nmero de horas de estudio ( ) y la
calificacin obtenida ( ) en un examen para una muestra de 6 estudiantes.

a)
b)
c)
d)

Estudiante

Horas

12

Calificacin
71
71
74
80
80
86
Representar los datos en un diagrama de dispersin.
Ajustar a los datos un modelo lineal de regresin empleando el
criterio de mnimos cuadrados.
Si estudia 5 horas, cul calificacin esperara?
Calcular la covariancia y el coeficiente de correlacin. Interpretar los
resultados de la relacin de las variables.

Resolucin

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

71

71

5041

71

142

5041

74

16

296

5476

80

16

320

6400

80

49

560

6400

12

86

144

1032

7396

Sumas
30
De donde:

462

230

2421

35754

25

Probabilidad y Estadstica

Tema I

Pg.

26

Chou, Ya-Lun .- Anlisis Estadstico .-McGraw-Hill.- Segunda Edicin.- Mxico,

1990.
c)

Utilizando la recta de regresin

Weimer, Richard C.- Estadstica.- CECSA.- Mxico, 1996.

Aguilar Jurez, Isabel Patricia.- Apuntes de clase.
Mendenhall, William, et al.- Estadstica Matemtica con Aplicaciones.- Grupo
Editorial Iberoamrica.- Mxico, 1994.

d)

Hines, William W. y Montgomery, Douglas C et. al. - Probabilidad y Estadstica

para Ingeniera y Administracin.- Cuerta edicin.- CECSA.- Mxico, 2005.
Walpole, Ronald E., et al..- Probabilidad y Estadstica para Ingenieros.- Prentice
Hall.- Octava Edicin.- Mxico, 2007.

Por lo que:

Scheaffer, Richard L y McClave, James T.- Probabilidad y Estadstica para

Ingeniera.- Grupo Editorial Iberoamrica.- Mxico 1993.
Canavos, George C.- Probabilidad y Estadstica Aplicaciones y Mtodos.McGraw-Hill.- Mxico, 1988.

Las variables tienen una buena relacin lineal, puesto que

S))))))))))))))))))))))))))))))))))))))

BIBLIOGRAFA
Spiegel, Murray R.- Estadstica.- McGraw-Hill.- Segunda edicin.- Mxico, 1991.
Devore, Jay. L.- Probabilidad y Estadstica para ingeniera y ciencias.- Cengage.Sptima edicin.- Mxico, 2008.
Bonilla, Gildaberto,- Mtodos Prcticos de Inferencia Estadstica.- Trillas.Mxico, 1991.

S)))))))))))))))))))))))))))))))))))))))
A.L.B.S./ N.M.G.

Borras Garca, Hugo E., et al.- Apuntes de Probabilidad y Estadstica.-Facultad

de Ingeniera, Mxico 1985.