UNIVERSIDAD AUTONOMA DE CHIHUAHUA

FACULTAD DE INGENIERIA

ESTADISTICA

Alan Rene Lpez Jimnez: 282147

Miguel Angel Hernandez Tarango: 278658
Rodrigo Cardenas Torres: 291444
Grupo: 4CV4

Docente: Gregorio Arturo Madrid Ramirez

04 de Octubre del 2016

Antecedentes de la estadstica.
La estadstica desde su origen y a lo largo de la historia ha mostrado un
respetable prestigio en las estrategias de hacer uso de la informacin recopilada
con la finalidad de analizar la informacin contenida en datos.
Es comn sorprenderse de los resultados que predice la estadstica, tan es as
que en ocasiones resulta difcil pensar en que una estadstica no ha funcionado,
aunque tambin es importante considerar que siempre existe el error estadstico o
el error humano cometido al realizar una extraccin.
En la actualidad el hombre ha hecho uso de la estadstica en casos que van desde
el clculo ms sencillo hasta el ms complejo. En la vida diaria se pueden
observar ejemplos del uso de la estadstica; ya que el uso de sta es tan amplio
que se extiende desde un simple clculo hasta los mtodos utilizados para el
conocimiento cientfico y de la sociedad.

Desde los comienzos de la civilizacin han existido formas sencillas de estadstica,

pues ya se utilizaban representaciones grficas y otros smbolos en pieles, rocas,
palos de madera y paredes de cuevas para contar el nmero de
personas, animales o cosas.
Hacia el ao 3000 a.C. los babilonios usaban pequeas tablillas de arcilla para
recopilar datos sobre la produccin agrcola y sobre los gneros vendidos o
cambiados mediante trueque. En el siglo XXXI a.C., mucho antes de construir las
pirmides, los egipcios analizaban los datos de la poblacin y la renta del pas.
Los libros bblicos de Nmeros y Crnicas incluyen, en algunas partes, trabajos de
estadstica. El primero contiene dos censos de la poblacin de Israel y el segundo
describe el bienestar material de las diversas tribus judas.
En China existan registros numricos similares con anterioridad al ao 2000 a.C.
Los griegos clsicos realizaban censos cuya informacin se utilizaba hacia el 594
a.C. para cobrar impuestos. El Imperio fue el primer gobierno que recopil una
gran cantidad de datos sobre la poblacin, superficie y renta de todos los
territorios bajo su control. Los reyes carolingios Pipino el Breve y Carlomagno

ordenaron hacer estudios minuciosos de las propiedades de la Iglesia en los aos

758 y 762 respectivamente. Despus de la conquista normada de Inglaterra en
1066, el rey Guillermo I de Inglaterra encarg la realizacin de un censo. La
informacin obtenida con este censo, llevado a cabo en 1086, se recoge en el
Domesday Book. El registro de nacimientos y defunciones comenz en Inglaterra
a principios del siglo XVI, y en 1662 apareci el primer estudio estadstico notable
de poblacin, titulado Observations on the London Bills of Mortality -Comentarios
sobre las partidas de defuncin en Londres. Un estudio similar sobre la tasa de
mortalidad en la ciudad de Breslau, en Alemania, realizado en 1691, fue utilizado
por el astrnomo ingls Edmund Halley como base para la primera tabla de
mortalidad.
En el siglo XIX, con la generalizacin del mtodo cientfico para estudiar todos los
fenmenos de las ciencias naturales y sociales, los investigadores aceptaron la
necesidad de reducir la informacin a valores numricos para evitar la
ambigedad de las descripciones verbales. En nuestros das, la estadstica se ha
convertido en un mtodo efectivo para describir con exactitud los valores de datos
econmicos, polticos, sociales, psicolgicos, biolgicos o fsicos, y sirve como
herramienta para relacionar y analizar dichos datos.
El trabajo del experto estadstico no consiste ya slo en reunir y tabular los datos,
sino sobre todo en el proceso de "interpretacin" de esa informacin.
El desarrollo de la teora de la probabilidad ha aumentado el alcance de las
aplicaciones de la estadstica. Muchos conjuntos de datos se pueden aproximar,
con gran exactitud, utilizando determinadas distribuciones probabilsticas; los
resultados de stas se pueden utilizar para analizar datos estadsticos. La
probabilidad es til para comprobar la fiabilidad de las inferencias estadsticas y
para predecir el tipo y la cantidad de datos necesarios en un determinado estudio
estadstico.
La Estadstica es una ciencia matemtica que trata de la recoleccin, clasificacin
y presentacin de los hechos sujetos a una apreciacin numrica y se utiliza para
describir, analizar e interpretar ciertas caractersticas de un fenmeno o conjunto
de individuos llamado poblacin.

Conceptos de estadstica.
Significa descripciones numricas. Es el estudio de los fenmenos aleatorios. Es
la obtencin de conclusiones basada en los datos experimentales.
George C. Canavaros.
Es la ciencia cuyo objetivo es reunir una informacin cuantitativa concerniente a
individuos, grupos, series de hechos, etc. Y deducir de ellos gracias al anlisis de
estos datos unos significados precisos o unas previsiones para el futuro.
En general es la ciencia que trata de la recopilacin, organizacin, presentacin,
anlisis e interpretacin de datos numricos con el fin de realizar una toma de
decisin ms efectiva.
David Ruiz Muoz.
La estadstica estudia los mtodos cientficos para recoger, organizar, resumir y
analizar datos, as como para sacar conclusiones vlidas y tomar decisiones
razonables basadas en tal anlisis.
Murria R. Spegiel.
Objetivo de la estadstica.
La estadstica como ciencia se encarga de recopilar, e interpretar datos que en el
futuro servirn para proyectar posibles problemticas futuras, consiguiendo segn
estos datos, la solucin ms viable y rpida.
El objetivo bsico de la estadstica es hacer inferencia acerca de una poblacin
con base a la informacin contenida en una muestra, qu significa esto?
Inferir significa inducir una cosa de otra, llevar consigo, conducir a un resultado.
Es decir se pretende establecer inferencia acerca de una poblacin, entendiendo a
la poblacin como un conjunto de individuos, organismos o entes inanimados de
los cuales queremos conocer alguna o algunas caractersticas para que nos
ayuden a tomar una decisin u obtener alguna conclusin de suma importancia, y

nada sabemos sobre la distribucin, existencia, ubicacin, valor de esta o estas

caractersticas que nos interesa saber.
Estadstica (concepto formulado).
Es la ciencia que trata de la recopilacin, organizacin, anlisis e interpretacin de
datos numricos con el fin de realizar una toma de decisiones ms efectiva.
Aplicaciones de la estadstica en la ingeniera.
Ingeniera mecnica:
-Calor transferido por unidad de tiempo a travs de un material aislante.
-Fiabilidad de mquinas herramientas.
- Estudio de fatiga de metales.
-Normalizacin de ajustes y tolerancia en las partes que conforman una mquina.
-Prever las averas de un taller y disear el equipo de mantenimiento.
-Estudios de corrosin, etc.
Ingeniera Civil:
-Las muestra que se realizan en la recepcin de ridos.
-Los ensayos a realizar en las probetas de hormign.
-Los muestreos en los ensayos de suelos.
-En control de compactacin de terraplenes.
-Ensayos de adherencia en pinturas.
Ingeniera en minas:
-Clculo de explosivos.
-Equipo de bombeo.
-Clculo de mineral extrado.
Ingeniera industrial:

-Muestreo de lotes de produccin.

-Aplicaciones para mejorar los tiempos de ejecucin.
-Prevenir fallas en las mquinas de las lneas de produccin mediante anlisis
estadsticos.
-Relaciones costo-tiempo.
-Grficos de control para estar informados como fluyen los procesos de
produccin.
-Medidas de tendencia central para llevar un control y equilibrio de nuestros
procesos de produccin.
Universo.
En estadstica es el nombre especifico que recibe particularmente la investigacin
social la operacin dentro de la delimitacin del campo de investigacin que tienen
por objeto la determinacin del conjunto de unidades de observaciones del
conjunto de unidades de observacin que van a ser investigadas. Para muchos
investigadores l termino universo y poblacin son sinnima. En general, el
universo es la totalidad de elementos o caractersticas que conforman el mbito de
un estudio o investigacin.
Poblacin.
En estadstica el concepto de poblacin va ms all de lo que comnmente se
conoce como tal. En trminos estadsticos, poblacin es un conjunto finito o infinito
de personas, animales o cosas que presentan caractersticas comunes, sobre los
cuales se quiere efectuar un estudio determinado. En otras palabras, la poblacin
se define como la totalidad de los valores posibles (mediciones o conteos) de una
caracterstica particular de un grupo especificado de personas, animales o cosas
que se desean estudiar en un momento determinado. Una poblacin es un
conjunto de todos los elementos que estamos estudiando, acerca de los cuales
intentamos sacar conclusiones. Levin & Rubin (1996).

Una poblacin es un conjunto de elementos que presentan una caracterstica

comn. Cadenas (1974).
El tamao que tiene una poblacin es un factor de suma importancia en el proceso
de investigacin estadstica y en nuestro caso social, y este tamao vienen dado
por el nmero de elementos que constituyen la poblacin, segn el nmero de
elementos la poblacin puede ser finita o infinita. Cuando el nmero de elementos
que integra la poblacin es muy grande, se puede considerar a esta como una
poblacin infinita, por ejemplo; el conjunto de todos los nmeros positivos.
Una poblacin finita es aquella que est formada por un limitado nmero de
elementos, por ejemplo; el nmero de habitantes de una comarca.
Cuando la poblacin es muy grande, es obvio que la observacin y/o medicin de
todos los elementos se multiplica la complejidad, en cuanto al trabajo, tiempo y
costos necesarios para hacerlo. Para solucionar este inconveniente se utiliza una
muestra estadstica.
Muestra.
Un subconjunto cualquiera de la poblacin. Para que la muestra nos sirva para
extraer conclusiones sobre la poblacin deber ser representativa, lo que se
consigue seleccionando sus elementos al azar, lo que da lugar a una muestra
aleatoria. Es una parte o porcin extrada de un conjunto por mtodos que
permiten considerarla como representativa del mismo. Entonces, una muestra no
es ms que una parte de la poblacin que sirve para representarla. La muestra
debe obtenerse de la poblacin que se desea estudiar; una muestra debe ser
definida sobre la base de la poblacin determinada, y las conclusiones que se
obtengan de dicha muestra slo podrn referirse a la poblacin en referencia.
Agrupamiento de datos.
Existen mtodos para resumir los datos medidos u observados.

Cuando se trata de variables cualitativas donde las categoras estn

determinadas, lo nico que hay que hacer es contabilizar el nmero de casos
pertenecientes a cada categora y normalizar en relacin al nmero total de casos,
calculando una proporcin, un porcentaje o una razn.
En cambio, cuando se trata de variables cuantitativas, el resumen de los datos
consiste en organizar tablas que sintetizan los datos originales y se denominan
distribuciones de frecuencia.
https://estad...datos/
Tabla de distribucin de frecuencias.
La tabla de distribucin de frecuencias ayuda a agrupar cualquier tipo de dato
numrico.
Las tablas de distribucin de frecuencias se utilizan cuando se recolectan datos,
con ellas se pueden representar los datos de manera que es ms fcil analizarlos.
Se pueden elaborar tablas de distribucin de frecuencias para datos no agrupados
y para datos agrupados. Estas ltimas se utiliza cuando se tienen muchos datos.
Primero que nada una tabla de distribucin de frecuencias es una manera de
organizar los datos recolectados, esto es muy til ya que permite analizar con
mayor facilidad un grupo de datos sin que se tenga que considerar individualmente
cada dato.
Antes de comenzar con la formacin de una tabla de frecuencias debemos
conocer sus componentes:
Dato menor (dm): el dato ms pequeo entre todos
Dato mayor (DM): dato ms grande entre todos los dems
Rango: Es la diferencia que existe entre el dato mayor y el menor de una lista de
datos ordenados.
Se obtiene de la siguiente manera:
R= DM-dm

Numero de clases: Se determina sacando la raz cuadrada del tamao de la

muestra. Si la raz no es exacta se redondeara al entero positivo siguiente.
Se obtiene de la siguiente manera:
C=N
N es igual al nmero total de datos
Tamao o anchura del intervalo: nmero de datos agrupados en una clase o
categora
Se obtiene de la siguiente manera:
Tamao o anchura del intervalo= RC
Intervalo de clase: es un conjunto de valores que toma una magnitud entre 2
limites dado.
Clase o categora: divisin organizada en que los datos se agrupan.
Frecuencia: nmero de veces que ha aparecido un dato
Frecuencia total: nmero total de datos
Lmite inferior de clase: valor mnimo de una clase en especfico
LRI= (LIn+LSn+1)/2
Lmite superior de clase: valor mximo de una clase en especfico
LRS= (LIn+LSn-1)/2
Marca de clase: es el valor que representa a todo el intervalo para el clculo de
algunos parmetros como la media aritmtica o la desviacin tpica
Se obtiene de la siguiente manera:
X= (LIMITE INFERIORN+LIMITE SUPERIORN)/2
Frecuencia Relativa: Es el porcentaje que representa la frecuencia absoluta de
determinado intervalo con respecto al total de datos proporcionados.
Se obtiene de la siguiente manera:
Fi=Ni/N

Donde:
Fi= Frecuencia Relativa
N= Tamao de muestra
Ni= Frecuencia absoluta
Frecuencia Acumulada: Es la suma acumulativa de las frecuencias absolutas de
cada uno de los intervalos.
Frecuencia Relativa Acumulada: Es el cociente entre la frecuencia absoluta
acumulada y el nmero total de datos.
Para comenzar, hay algunos datos que debemos calcular, estos son: el RANGO,
NUMERO DE CLASES y TAMAO O ANCHURA DE INTERVALO.
Estos datos los podemos calcular mediante frmulas, y utilizando los datos que se
nos presentan.
http://est...frecuencias/
Representaciones grficas.
Histograma.
Un Histograma es un tipo especial de grfica de barras que despliega la
variabilidad dentro de un proceso, tambin toma datos variables (tales como
alturas, pesos, densidades, tiempo, temperaturas, etc.) y despliega su
distribucin. Un histograma es una representacin grfica de una variable en
forma de barras, donde la superficie de cada barra es proporcional a la frecuencia
de los valores representados. En el eje vertical se representan las frecuencias, y
en el eje horizontal los valores de las variables, normalmente sealando las
marcas de clase, es decir, la mitad del intervalo en el que estn agrupados los
datos.
Figura 1, Histograma y polgono.
Polgono de frecuencias.

El polgono de una variable cuantitativa corresponde al diagrama de lneas. Se

construye a partir del histograma de frecuencias.
Para esto se unen los puntos medios de cada una de las barras con un segmento
recta. Para que la grfica sea un polgono, es necesario construir un segmento
recta que inicie en el eje horizontal y termine en el punto medio de la barra, De
forma similar, se debe hacer en la ltima barra que la figura que se obtenga
cerrada.
Para construir el polgono de frecuencia se toma la marca de clase que
coincide con el punto medio de cada rectngulo de un histograma.
Figura 1, Histograma y polgono.
Ojiva.
La representacin grfica de un cuadro de frecuencia acumulada son
curvas llamadas ojivas. En la grfica de ojiva, el ltimo intervalo no se
une con el eje horizontal.
La ojiva apropiada para informacin que presente frecuencias mayores
que el dato que se est comparando tendr una pendiente negativa
(hacia abajo y a la derecha) y en cambio la que se asigna a valores
menores, tendr una pendiente positiva. Una grfica similar al polgono
de frecuencias es la ojiva, pero sta se obtiene de aplicar parcialmente
la misma tcnica a una distribucin acumulativa y de igual manera que
stas, existen las ojivas mayor que y las ojivas menor que.
Figura 2, Ojiva. Anexos1, 2.
http://graficosde...
Medidas de tendencia central para datos agrupados.
Moda.

La moda es el valor que tiene mayor frecuencia absoluta .

Se representa por M o .

Se calcula:

L i es el lmite inferior de la clase modal.

f i es la frecuencia absoluta de la clase modal.
f i - - 1 es la frecuencia absoluta inmediatamente inferior a la

en

clase modal.
f i - + 1 es la frecuencia absoluta inmediatamente posterior a la clase
modal.
a i es la amplitud de la clase.
Mediana.
Es el valor que ocupa el lugar central de todos los datos cuando
stos estn ordenados de menor a mayor .
La mediana se representa por M e .
La mediana se puede hallar slo para variables cuantitativas .
Calculo:
La mediana se encuentra en el intervalo donde la frecuencia
acumulada llega hasta la mitad de la suma de las frecuencias
absolutas.

Es decir tenemos que buscar el intervalo en el que se encuentre

L i es el lmite inferior de la clase donde se encuentra la mediana

es la semisuma de las frecuencias absolutas.

F i - 1 es la frecuencia acumulada anterior a la clase mediana.
a i es la amplitud de la clase.
La mediana es independiente de las amplitudes de los intervalos.
Media aritmtica.
es el smbolo de la media aritmtica .

Calculo:

Varianza.
La varianza es la media aritmtica del cuadrado de las desviaciones respecto
a la media de una distribucin estadstica.

Para simplificar el clculo de la varianza vamos o utilizar las siguientes

expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Desviacin estndar.
La desviacin estndar es la raz cuadrada de la varianza.

Para simplificar el clculo vamos o utilizar las siguientes

expresiones que son equivalentes a las anteriores.

Anexos 3,4.

http://www.dit...centralizacion.html
Intervalos de confianza.
Un intervalo de confianza es un rango de valores, derivado de los estadsticos de
la muestra, que posiblemente incluya el valor de un parmetro de poblacin
desconocido. Debido a su naturaleza aleatoria, es poco probable que dos
muestras de una poblacin en particular generen intervalos de confianza idnticos.
Se calcula:

Distribucin normal.
Sin duda, la distribucin continua de probabilidad ms importante, por la
frecuencia con que se encuentra y por sus aplicaciones tericas, es la distribucin
normal, gaussiana o de Laplace-Gauss. Fue descubierta y publicada por primera
vez en 1733 por De Moivre. A la misma llegaron, de forma independiente, Laplace
(1812) y Gauss (1809), en relacin con la teora de los errores de observacin
astronmica y fsica.
Est caracterizada por dos parmetros: la media, y la desviacin tpica, .
La curva normal adopta un nmero infinito de formas, determinadas por sus
parmetros y .
Tiene forma de campana, es asinttica al eje de las abscisas (para x = ) Los
puntos de inflexin tienen como abscisas los valores . Simtrica con respecto
a la media () donde coinciden la mediana (Mn) y la moda (Mo).
Figura 3, Campana de Gauss
Tipos de muestreo.
Muestreo aleatorio simple.

Para obtener una muestra, se numeran los elementos de la poblacin y se

seleccionan al azar los n elementos que contiene la muestra.
Muestreo aleatorio sistemtico.
Se elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los
dems hasta completar la muestra.
Muestreo aleatorio estratificado.
Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un
nmero de individuos de cada estrato proporcional al nmero de componentes de
cada estrato.

Distribucin muestral.
Un muestreo puede hacerse con o sin reposicin, y la poblacin de partida puede
ser infinita o finita.
En todo nuestro estudio vamos a limitarnos a una poblacin de partida infinita o a
muestreo con reposicin.
Si consideremos todas las posibles muestras de tamao n en una poblacin, para
cada muestra podemos calcular un estadstico (media, desviacin estndar,
proporcin,...) que variar de una a otra.
As obtenemos una distribucin del estadstico que se llama distribucin muestral.
Estimacin de tamao de muestra.
Determinar el tamao de la muestra que se va a seleccionar es un paso
importante en cualquier estudio de investigacin. Por ejemplo, un investigador
desea determinar la prevalencia de problemas oculares en nios en edad escolar
y quiere realizar una encuesta.
La pregunta importante que debe ser contestada en todas las encuestas de
muestra es: "Cuntos participantes deben ser elegidos para una encuesta?" Sin

embargo, la respuesta no puede ser dada sin tener en cuenta los objetivos y
circunstancias de las investigaciones.
La eleccin del tamao de la muestra depende de consideraciones no estadsticas
y estadsticas. Las consideraciones no estadsticas pueden incluir la disponibilidad
de los recursos, la mano de obra, el presupuesto, la tica y el marco de muestreo.
Las consideraciones estadsticas incluirn la precisin deseada de la estimacin
de la prevalencia y la prevalencia esperada de los problemas oculares en nios en
edad escolar.
Para determinar el tamao adecuado de las muestras es necesario seguir los tres
criterios:
1. Nivel de precisin
El nivel de precisin, tambin llamado error de muestreo, es el rango en donde se
estima que est el valor real de la poblacin. Este rango se expresa en puntos
porcentuales. Por lo tanto, si un investigador descubre que el 70% de los
agricultores de la muestra han adoptado una tecnologa recomendada con una
tasa de precisin de ~+mn~ 5%, el investigador puede concluir que entre el 65% y
el 75% de los agricultores de la poblacin han adoptado la nueva tecnologa.
2. Nivel de confianza
El intervalo de confianza es la medida estadstica del nmero de veces de cada
100 que se espera que los resultados se encuentren dentro de un rango
especfico.
Por ejemplo, un intervalo de confianza de 90% significa que los resultados de una
accin probablemente cubrirn las expectativas el 90% de las veces.
La idea bsica descripta en el Teorema del lmite central es que cuando una
poblacin se muestrea muchas veces, el valor promedio de un atributo obtenido es
igual al valor real de la poblacin. En otras palabras, si un intervalo de confianza

es del 95%, significa que 95 de 100 muestras tendrn el valor real de la poblacin
dentro del rango de precisin.
3. Grado de variabilidad
Dependiendo de la poblacin objetivo y los atributos a considerar, el grado
de variabilidad vara considerablemente. Cuanto ms heterognea sea una
poblacin, mayor deber ser el tamao de la muestra para obtener un nivel ptimo
de precisin. Ten en cuenta que una proporcin de 55% indica un nivel ms alto
de variabilidad que un 10% o un 80%. Esto se debe a que 10% y 80% significa
que una gran mayora no posee o posee el atributo en cuestin.
Existen muchos enfoques para determinar el tamao de la muestra, incluyendo el
uso de un censo en el caso de poblaciones ms pequeas, el uso de tablas
publicadas, imitar un tamao de muestra de estudios similares y aplicar frmulas
para calcular un tamao de la muestra.
http://explorable...muestra

Anexos.

Figura 1

Figura 2.

Figura 3.
Anexo 1.
Los siguientes datos son los coeficientes que obtuvieron 50 estudiantes en una
prueba de matemticas
73 65 82 70 45 50 70 54 32 75
75 67 65 60 75 87 83 40 72 64
58 75 89 70 73 55 61 78 89 93
43 51 59 38 65 71 75 85 65 85
49 97 55 60 76 75 69 35 45 63
Rango = 97-32 = 65
Regla de struges= K= 1+3.3 log (50) = 6.64
Tamao de intervalo = 65/6.64 = 9.79

Clase

Fi

fac

fr

frc

lr

Mc

32-41
42-51
52-61
62-71
72-81
82-91
92-101

4
6
8
12
11
7
2

4
10
18
30
41
48
50

0.08
0.12
0.16
0.24
0.22
0.14
0.04

0.08
0.12
0.36
0.60
0.82
0.96
1

31.5-41.5
41.5-51.5
51.5-61.5
61.5-71.5
71.5-81-5
81.5-91.5
92.5-

35.5
45.5
55.5
65.5
75.5
85.5
95.5

101.5

14
12
10
8

FI

6
4
2
0

LR

Histograma

31.5

41.5

51.5

61.5

71.5

81.5

91.5

OJIVA
1.2
1
0.8

FRC

0.6
0.4
0.2
0
36.5

46.5

56.5

66.5

76.5

86.5

96.5

LR
OJIVA

Anexo 2.
A 40 estudiantes se investig que estimen el nmero de horas que habran de
estudiar la semana pasada obtenindose los siguientes resultados
Rango= 65-30 = 35
Regla de struges= K= 1+3.3 log (40) = 6.31
Tamao de intervalo = 35/6.31= 5.54
Clase

FI

FAC

FRC

LR

30-35
36-41

8
6

8
14

0.2
0.35

29.5-35.5 32.5
35.5-41.5 38.5

8
14

42-47

19

0.457

41.5-47-

44.5

19

48-53
54-59

7
11

26
37

0.65
0.925

5
47.5-53.5 50.5
53.5-59.5 56.5

26
37

60-65

40

59-5-

40

65.5

MC

62.5

FAC

12
10
8

FI

6
4
2
0

LR

Histograma
29.5

35.5

41.5

47.5

53.5

59.5

OJIVA
1.2
1
0.8

FRC

0.6
0.4
0.2
0
32.5

38.5

40.5

50.5

LR
OJIVA

56.5

62.5

Anexo 3.
En la siguiente tabla se muestran los pesos en libras de 150 personas que
utilizaron un elevador.

Clase
75-89
90-104
105-119
120-134
135-149
150-164
165-179
180-194
195-209
210-224

Fi
10
11
23
26
31
23
9
9
6
2

Fac
10
21
44
70
101
124
133
142
148
150

x
82
97
112
127
142
157
172
187
202
217

Fx
820
1067
2576
3302
4402
3611
1548
1683
1212
934

|M-x|
55.7
40.7
25.7
10.7
4.3
19.3
34.3
49.3
64.3
79.3

=20655

Media: M=

Fx
N

M=20655/150

Fi(M-x)2
31024.9
18221.39
15191.27
2976.74
573.19
8567.27
10588.41
21874.41
24806.94
12576.98
=146401.5

M=

137.7

Mediana= Lxi + (

N
FaA
2
)i
Fc

=135+ ((150/2-70)/31)) (15)

Med=

137.41
Moda= Lxi + (d1/d1+d2) i
S2 =Fi (M-x)2 /n

= 135+ (5/5+8) (15)

S2 =146401.5/150

Moda= 140.76
S2=976.01

S=

976.01

S=31.24

Histograma
35
30
25
20

Fi

15
10
5
0

82

97

112

127

142

157

172

187

202

Mc

Ojiva
1.2
1
0.8

FRC 0.6
0.4
0.2
0
89.5 104.5 119.5 134.5 149.5 164.5 179.5 194.5 209.5 224.5

LR

217

Anexo 4.
Los siguientes datos son los pesos neonatales en libras de 200 bebes prematuros.
Clase
0.5-0.9
1.0-1.4
1.5-1.9
2.0-2.4
2.5-2.9
3.0-3.4
3.5-3.9
4.0-4.4

Fi
10
19
24
27
29
34
40
17

Fac
10
29
53
80
109
143
183
200

x
0.7
1.2
1.7
2.2
2.7
3.2
3.7
4.2

Fx
7
22.8
40.8
59.4
78.3
108.8
148
71.4

|M-x|
1.98
1.48
0.98
0.48
0.02
0.52
1.02
1.52

=536.5
Media: M=

Fx
N

M=536.5/200

Fi(M-x)2
39.20
41.61
23.04
6.22
0.01
9.19
41.61
39.27
=200.15
M=

2.68

Mediana= Lxi + (

N
FaA
2
)i
Fc

=2.5+ ((200/2-80)/29)) (.5)

Med= 2.84
Moda= Lxi + (d1/d1+d2) i
S2 =Fi (M-x)2 /n
S=

1.00075

S=1.00037

= 3.5+ (6/6+23) (.5)

S2 =200.15/200

Moda= 3.60
S2=1.00075

Histograma
45
40
35
30
25
20
15
10
Fi 5
0

LR

Ojiva
1.2
1
0.8
0.6
0.4

FRC

0.2
0

LR

Anexo 5.
Se toma una muestra de 25 sacos de cemento de un camin, la cual arrojo una
media de 50.5kg y una desviacin estndar de 1.5kg, encuentre el intervalo de
confianza a 90%

X =50.5
N =25
=1.5
N.C. = 90%

50

( 1.645 )( 1.5 )
=
25

0.4505
1.65

0.4495
1.64

promedio: 1.645

Intervalo de confianza 50.0065 50.9935

Anexo 6.
Los IQ de una poblacin de 4750 personas se distribuyen con una media de 100, y
una distribucin estndar de 15. Si se selecciona aleatoriamente una de estas
personas cual sera la probabilidad de que su IQ sea:
a)
b)
c)
d)
e)
f)
g)

100 o mas
100 o menos
De 90 108
De 92 97
89 o menos
117 o mas
97 o menos, o 114 o mas

h) De 105 112
Cuantas personas se esperaran que tuvieran IQ de:
i)
j)
k)
l)

120 o mas
De 99 101
91 o mas
108 o menos

Qu porcentaje de personas tienen IQ de?:

m) 127 o mas
n) De 93 96
o) 111 o menos
RESULTADOS:
a) 100 o mas

R: 0.5
b) 100 o menos

R: 0.5

c) De 90 108

R:

108100
=0.67 z=|
=0.53
|90100
|
15
15 |

z=

90 108

0.2486+0.2019= 0.4505

d) De 92 97

=0.53
|92100
15 |

z=

R:
92 97

=0.2
|97100
15 |

z=

0.2019-0.0793=0.1226

e) 89 o menos

R:

=0.73
|89100
15 |

z=

0.5-0.2673=0.2327

f) 117 o menos

R:

=1.13
|117100
15 |

z=

g) 97 o menos o 114 o mas

0.5-0.3708=0.1292

R:

=0.2
|97100
15 |

z=

0.5-0.0793=0.4207

0.5-0.3238=0.1762
h) De 105 112

|105100
|=0.33
15

=0.8
|112100
15 |

z=

z=

105 112

0.2881-0.1293=0.1588

R:

i) 120 o mas

R:

=1.33
|120100
15 |

z=

4750
100
1938.95 40.82

0.4082x100=40.82

1939 Personas

j) De 99 101

R:

=0.07
|99100
15 |

z=

5.94 282.15
100

4750

|101100
|=0.07
15

z=

283 Personas

|114100
|=0.93
15

z=

k) 91 o mas

R:

=0.6
|91100
15 |

z=

0.2257+0.5=0.7257

72.57 3447.07
100

4750

3448 Personas

l) 108 o menos

R:

|108100
|=0.53
15

z=

0.2019

20.19 959.025
100

4750

m) 127 o mas

960 Personas

R:

=1.8
|127100
15 |

z=

0.5-0.4641=0.0359

3.59%

n) De 93 96

R:

=0.46
|93100
15 |

z=

0.1626-0.3238=0.1612

0.3238

=0.26
|96100
15 |

z=

0.1026

16.12%

o) 111 o mas

R:

=0.73
|111100
15 |

z=

0.2673

0.5-0.2673=0.2327

23.27%
Anexo 7.
De que tamao debera de ser la muestra con un 95% de nivel de confianza, si se
sabe que la desviacin de un experimento es de 120 y se desea que el error de la
media sea de 20 con respecto a la media real.

zD
n ( E )

n((1.96x120)/20)2 138.2979

139.

Anexo 8.
Se desea realizar una investigacin para estimar el peso medio de los recien
nacidos de madres fumadoras, se admite un error de 50gr. con un nivel de
confianza del 95%, si por estudios anteriores se sabe que la desviacin del peso
medio de tales recien nacidos es de 400gr. Qu tamao minmo de muestra se
necesita en la investigacin?

zD 2
(
n E )

n((1.96x400)/50)2 245.86

246.

Referencias.
Libros:
Probabilidad y estadistica, aplicaciones y metodos. Autor: George C Canavaros.
Manual de estadistica. Autor: David Ruz Muoz.
Estadstica, segunda edicion, Mc Graw Hill. Autor: Murray R. Spiegel.
Enlaces:
https://estadisticohouse.wordpress.com/tag/agrupamiento-de-datos/
https://estadistik.wordpress.com/2011/05/02/5-tablas-y-distribucion-de-frecuencias/
http://graficosdeexperimentosalaetorios.blogspot.mx/2013/05/histograma-poligonode-frecuencia-y.html
http://www.ditutor.com/estadistica/medidas_centralizacion.html

https://explorable.com/es/tamano-de-la-muestra