P. 1
Estadística Aplicada a la Administración y la Economía - Leonard J. Kazmier

Estadística Aplicada a la Administración y la Economía - Leonard J. Kazmier

5.0

|Views: 32,615|Likes:
Published by juanmigue

More info:

Published by: juanmigue on Jan 17, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/20/2015

pdf

text

original

.

STADISTICAAP A LA ADMIIMIST Y A LA EC
".
^" " v •.

Tercera edición

Leonard J. Kazmier

Incluye 531 problemas resueltos y totalmente expli Abarca todos los conceptos y métodos de estadística, incluyend una introducción a la administración de calidad total
* . -" * * - /•, v , . 17' ."'7-.,-•' -'*"• ^i-

Lo más parecido a tener un profesor en casa
PARA USARSE EN LOS • Introducción a la al • Estadística aDlicaÉ
SDE:

' ,

Intermedio Avanzado

^
L*

Excel para Windows

ESTADÍSTICA APLICADA A LA ADMINISTRACIÓN Y A LA ECONOMÍA

•>.,

.

•..

,.

. -

.!

ESTADÍSTICA APLICADA A LA ADMINISTRACIÓN Y A LA ECONOMÍA
Tercera edición Leonard J. Kazmier
Profesor of Decisión and Information Systems Arizona State University

Revisión Técnica ALEJANDRO ALEGRÍA HERNÁNDEZ
Maestro en Estadística
IIMAS, UNAM

Profesor Titular Departamento de Estadística

Instituto Tecnológico Autónomo de México

McGRAW-HILL
MÉXICO * BUENOS AIRES * CARACAS * GUATEMALA * LISBOA • MADRID NUEVA YORK * SAN JUAN • SANTAFE DE BOGOTÁ • SANTIAGO • SAO PAULO AUCKLAND • LONDRES • MILÁN • MONTREAL • NUEVA DELHI SAN FRANCISCO • SINGAPUR • ST. LOUIS • SIDNEY • TORONJO

Gerente de producto: Ricardo del Bosque Alayón Supervisor de edición: Noé Islas López Supervisor de producción: Zeferino García García

ESTADÍSTICA APLICADA A LA ADMINISTRACIÓN Y A LA ECONOMÍA 3a. ed Prohibida la reproducción total o parcial de esta obra, por cualquier medio, sin autorización escrita del editor.

DERECHOS RESERVADOS © 1998, respecto a la tercera edición en español McGRAW-HILL INTERAMERICANA EDITORES, S. A. de C. V. Una División de The McGraw-Hül Companies, Inc. Cedro Núm. 512, Col.Atlampa Delegación Cuauhtémoc 06450 México, D. F. •i Miembro de la Cámara Nacional de la Industria Editorial Mexicana, Reg. Núm. 736 ISBN 970-10-1963-6 tercera edición (ISBN 970-10-0399-3 primera edición) (ISBN 970-10-0961-4 segunda edición)
j

Traducido de la tercera edición en inglés de SCHAUM'S OUTLINES BUSINESS Sf ATISTICS Copyright © MCMXCVI, by McGraw-Hill, Inc., U.S.A.
ISBN 970-10-1962-8
3456789012
impreso en México Esta obra se terminó de imprimir en Mayo de 1999en Litográfica Ingramex Centeno Núm. 162-1 Col. Granjas Esmeralda (Delegación Iztapalapa 09810 México, D.F.

0876543219
Printed in México

Se tiraron 4500 ejemplares

Tel.R. KAZMIER . Finalmente. en nombre del ejecutor testamentario del desaparecido Sir Ronald A. Asimismo. Aunque estos programas de software estadístico fueron creados para interfaces de Windows. control de procesos y análisis de decisión que suelen incluirse en cursos introductorios e intermedios. se han omitido derivaciones matemáticas. fax 814-238-4383). F. F. y es distribuido por Duxbury Press. MINITAB es marca registrada de Minitab. Si bien no se les usó en este libro. Inc. la autorización para incorporar en este libro resultados de Minitab versión 10 y a Duxbury Press la autorización para emplear resultados de Execustat 3.. no de macrocomputadoras..0. también las versiones vigentes de los programas de hoja de cálculo EXCEL (copyright Microsoft. de la administración de calidad total (ACT). Dado que este libro está específicamente dirigido a quienes se interesan en particular en la aplicación de técnicas estadísticas. El contenido de esta nueva edición ha mejorado en virtud del software disponible en la actualidad. su contenido basta para que se le emplee como libro de enseñanza. EXECUSTAT es marca registrada de Strategy Plus. inferencia. Tel. Los conceptos y métodos estadísticos se presentan en forma clara y concisa. and Medica! Research. State College. gracias al cual fue posible perfeccionar en particular la presentación y explicación de los métodos de pronóstico en el capítulo 16. y al doctor Frank Yates. agradezco al Longman Group UK Ltd. Belmont. siempre que nos fue posible usamos versiones con comandos para ilustrar la lógica del software.S. Inc. edición (1974). California 94002. 814-238-3280.. Los temas se han agrupado en consonancia con la mayoría de los libros de texto de estadística aplicada a la administración y la economía. Todos los resultados en computadora de esta edición se derivaron haciendo uso de computadoras personales. Este volumen sirve de apoyo para la comprensión de libros más complejos.S. Estados Unidos. Estados Unidos. como manual de referencia para este propósito. Inc.) y LOTUS 1-2-3 (copyright Lotus Development Corporation) incluyen rutinas de análisis estadístico. sello de la Wadsworth Publishing Company (10 Davis Drive. (3081 Enterprise Drive. la autorización para adaptar y reproducir las tablas III y IV de su libro Statistical Tablesfor Biológica!. 1-800-354-9706). y las explicaciones se han reducido al mínimo en favor de la exposición de ejemplos concretos.R. su uso es más sencillo que el de muchos otros libros de texto. aún más general. Pensilvania 16801-3008. Agricultura!.Prefacio Este libro cubre los métodos básicos de descripción estadística. Agradezco a Minitab. Inc. Fisher.. LEONARD J. Esta edición ha sido completamente puesta al día y entre sus novedades incluye un amplio tratamiento del control estadístico de procesos en el capítulo 20 y una introducción al concepto. 6a.

De igual modo. . El desarrollo modular de los temas facilita la búsqueda de procedimientos en un grado mayor al ofrecido por muchos otros libros de texto. Segundo. Organización de temas y formulaciones se han seleccionado para que correspondan a las de los principales libros de texto de la materia. Los numerosos ejemplos y problemas resueltos favorecerán su comprensión del contenido y le servirán de modelo para la resolución en casa de problemas de su libro de texto. descubrirá que este volumen es un excelente libro de referencia que podrá seguir utilizando en el futuro. ya sea para adquirir una visión general del tema o para repasar los temas más importantes. al tiempo que el contenido es más amplio que el de la mayoría de los textos introductorios. este libro también puede ser adoptado como texto de clase. De cualquier forma. Puede leer los capítulos de este libro antes o después de los capítulos equivalentes de su libro de texto. puede servirle para dos propósitos diferentes. Primero. los resultados en computadora son representativos del tipo de resultados que se obtienen con casi cualquier paquete de software. puede servirle como excelente complemento de cursos de estadística aplicada a la economía.Al estudiante Este libro se escribió con la intención de eliminar cualquier clase de palabrería y fijar la atención en los conceptos y técnicas básicos asociados con la aplicación de métodos estadísticos a la administración y la economía. Por lo tanto.

.9 Diagramas de puntos 2.8 Uso de software de cómputo para la generación de números aleatorios .4 Variables discretas y continuas 1.5 Moda 3.3 Media ponderada 3.2 Media aritmética 3.11 Resultados en computadora é 39 39 39 39 40 40 41 41 42 42 43 43 Capítulo 4 DESCRIPCIÓN DE DATOS ECONÓMICOS Y ADMINISTRATIVOS: MEDIDAS DE VARIABILIDAD 4.9 Uso de la media en el control estadístico de procesos 3.5 Obtención de datos por observación directa contra encuestas 1.11 Diagramas de barras y gráficas de lineas 2..2 Rango 51 51 .8 Uso de media.10 Cuartiles.2 Intervalos de clase 2.1 Medidas de posición en conjuntos de datos 3. . deciles y percentiles 3.3 Tipos de aplicaciones en administración y economía 1.7 Distribución de frecuencias del tipo "y menor que" 2.2 Estadística descriptiva e inferencial 1. mediana y moda 3.4 Mediana 3.7 Criterios matemáticos satisfechos por la mediana y la media 3.4 Curvas de frecuencias 2.10 Diagramas de Pareto 2. 1.1 Distribuciones de frecuencias 2.Contenido Capítulo 1 ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS 1.6 Métodos de muestreo aleatorio 1.8 Diagramas de tallo y hojas 2.13 Diagramas circulares y 9 9 9 10 11 12 13 14 14 15 15 16 17 18 • Capítulo 3 DESCRIPCIÓN DE DATOS ECONÓMICOS Y ADMINISTRATIVOS: MEDIDAS DE POSICIÓN 3. 2.3 Histogramas y polígonos de frecuencias 2.12 Gráficas de corridas 2.6 Distribuciones de frecuencias relativas 2.1 Medidas de variabilidad en conjuntos de datos 51 4. * - 1 1 1 1 2 2 2 3 4 Capítulo 2 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS .6 Relación entre media y mediana 3.5 Distribuciones de frecuencias acumuladas 2.7 Otros métodos de muestreo 1.1 Definición de estadística aplicada a la administración y la economía .

4 4.12 4. HIPERGEOMÉTRICA Y DE POISSON 6.11 4.3 4.6 Distribución exponencial de probabilidad 7.10 Combinaciones 68 68 69 70 70 71 72 74 75 76 77 Capítulo 6 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS: BINOMIAL.13 Rangos modificados Diagramas de caja Desviación media absoluta (DMA) Varianza y desviación estándar Cálculos simplificados de la varianza y la desviación estándar Criterio matemático asociado con la varianza y la desviación estándar .5 Aproximación normal de probabilidades de Poisson 7. eventos dependientes y probabilidad condicional 5.7 4.5 Distribución hipergeométrica 6.8 4.7 Teorema de Bayes 5.5 4.6 Reglas de la multiplicación 5.2 Expresión de la probabilidad 5.3 Puntos percentiles para variables con distribución normal 7.3 Distribución binomial 6.8 Tablas de probabilidades conjuntas 5.9 Permutaciones 5.6 Distribución de Poisson 6.2 Descripción de una variable aleatoria discreta 6.6 4.1 Definiciones básicas de probabilidad 5.3 Eventos mutuamente excluyentes y no excluyentes 5.7 Aproximación de Poisson de probabilidades binomiales 6.1 Variables aleatorias continuas 7.4 Reglas de la adición 5.1 ¿Qué es una variable aleatoria? 6.10 4.5 Eventos independientes.4 Expresión de la variable binomial por medio de proporciones 6.4 Aproximación normal de probabilidades binomiales 7.CONTENIDO 4.9 4.8 Aplicaciones de cómputo 94 94 94 96 97 98 99 100 101 Capítulo 7 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS CONTINUAS: NORMAL Y EXPONENCIAL 7. Uso de la desviación estándar en la descripción de datos Uso del rango y la desviación estándar en el control estadístico de procesos Coeficiente de variación Coeficiente de asimetría de Pearson Resultados en computadora 51 52 53 53 54 55 56 56 57 58 58 Capítulo 5 i PROBABILIDAD 5.2 Distribución normal de probabilidad 7.7 Aplicaciones de cómputo 114 114 114 117 118 119 120 121 .

10.4 Teorema central del límite 8.6 Prueba de una hipótesis referente a la media usando la distribución t .2 Pasos básicos de la prueba de hipótesis con el método del valor crítico .1 Estimación puntual de un parámetro de la población o del proceso .5 Determinación de probabilidades para la media muestral 8.5 Determinación del tamaño de muestra requerido para probar la media . .1 Intervalos de confianza para la diferencia entre dos medias con el uso de la distribución normal 9.1 Introducción 10.7 Método del valor P para pruebas de hipótesis referentes a la media de la población 10.3 Distribución de muestreo de la media 8.2 Concepto de distribución de muestreo 8.4 Errores tipo I y tipo II en pruebas de hipótesis 10. 10.9 Pruebas respecto de la media del proceso en el control estadístico de procesos 10. .2 Distribución t e intervalos de confianza para la diferencia entre dos medias 9.8 Distribución t e intervalos de confianza para la media 8. .9 Tabla de resumen de la estimación por intervalo de la media de la población 8. 8.5 Intervalos de confianza para la diferencia entre dos proporciones 9.4 Determinación del tamaño de muestra requerido para la estimación de la proporción .CONTENIDO Capítulo 8 DISTRIBUCIONES DE MUESTREO E INTERVALOS DE CONFIANZA PARA LA MEDIA 8.10 Resultados en computadora 133 133 133 134 135 136 137 138 139 140 140 Capítulo 9 OTROS INTERVALOS DE CONFIANZA 9. . 10. .8 Método de intervalos de confianza para pruebas de hipótesis referentes a la media 10.6 Distribución ji cuadrada e intervalos de confianza para la varianza y la desviación estándar 9.7 Determinación del tamaño de muestra requerido para la estimación de la media 8. •? 9.3 Prueba de una hipótesis referente a la media usando la distribución normal 10.10 Tabla de resumen de la prueba de un valor hipotético de la media 163 163 163 164 167 169 170 171 172 172 173 .6 Intervalos de confianza para la media con el uso de la distribución normal 8.3 Intervalos de confianza para la proporción de la población 9.7 Resultados en computadora 150 150 151 152 152 153 154 155 Capítulo 10 • PRUEBAS DE HIPÓTESIS REFERENTES AL VALOR DE LA MEDIA DE LA POBLACIÓN 10.

4 Diseño aleatorizado en bloques (ANOVA con dos criterios de clasificación.2 Prueba de la diferencia entre medias usando la distribución t 11.12 Resultados en computadora 186 186 1 188 190 191 191 192 193 193 194 195 195 Capítulo 12 LAPRUEBA JI CUADRADA 12.xn T T CONTENIDO Capítulo 11 OTRAS PRUEBAS DE HIPÓTESIS 11.6 Consideraciones adicionales 13. una observación por celda) 13.2 Pruebas de bondad de ajuste 12.4 Prueba de una hipótesis referente al valor de la proporción de la población 11.3 Análisis de varianza con dos criterios de clasificación (ANOVA con dos criterios de clasificación) 13.7 Prueba de la diferencia entre dos proporciones poblacionales 4 11.2 Diagrama de dispersión 248 248 248 . n observaciones por celda) 13.6 Pruebas respecto de la proporción del proceso en el control estadístico de procesos 11.5 Resultados en computadora 206 206 206 208 210 213 Capítulo 13 ANÁLISIS DE VARIANZA 13.1 Razonamiento básico asociado con la prueba de las diferencias entre varias medias poblacionales 13.4 Pruebas de hipótesis referentes a proporciones 12.3 Prueba de independencia de dos variables categóricas (prueba con tabla de contingencias) 12. 11.9 Pruebas respecto de la variabilidad del proceso en el control estadístico de procesos 11.1 Propósito general de la prueba ji cuadrada 12.11 Otros métodos para la prueba de hipótesis nulas 11.1 Objetivos y supuestos del análisis de regresión 14.5 Diseño completamente aleatorizado de dos factores (ANOVA con dos criterios de clasificación.8 Prueba de un valor hipotético de la varianza usando la distribución ji cuadrada 11.3 Prueba de la diferencia entre medias con base en observaciones apareadas 11.7 Aplicaciones de cómputo 228 228 229 230 230 231 232 233 Capítulo 14 ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL 14.2 Diseño completamente aleatorizado de un factor (ANOVA con un criterio de clasificación) 13.5 Determinación del tamaño de muestra requerido para probar la proporción 11.1 Prueba de la diferencia entre dos medias usando la distribución normal 11.10 Distribución F y prueba de la igualdad de dos varianzas poblacionales .

1 Modelo clásico de series de tiempo 16.3 Uso de variables indicadoras (ficticias) 15.3 Elaboración de índices agregados de precios 304 304 304 304 .9 La suavización exponencial como método de pronóstico 16.CONTENIDO ** * XÜÍ 14.3 14.11 14.15 Método de mínimos cuadrados para el ajuste de una línea de regresión .7 Pronósticos.8 Pronósticos basados en promedios móviles 16.14 14.6 Objetivos y supuestos del análisis de correlación múltiple 15.13 14.9 Resultados en computadora 268 268 268 269 270 270 272 272 273 273 Capítulo 16 ANÁLISIS DE SERIES DE TIEMPO Y PRONÓSTICOS ECONÓMICOS 16.9 14.4 14.3 Análisis de variaciones cíclicas 16.5 14.2 Conceptos adicionales del análisis de regresión múltiple 15.4 Medición de variaciones estacionales 16.6 Pronósticos basados en factores de tendencia y estacionales 16.4 Residuales y gráficas de residuales 15. ciclos e indicadores económicos 16.5 Aplicación de ajustes estacionales 16.1 Objetivos y supuestos del análisis de regresión lineal múltiple 15.1 Introducción 17.12 14.8 Peligros y limitaciones asociados con el análisis de regresión y correlación múltiple 15.2 Elaboración de índices simples 17.11 Resultados en computadora 282 282 283 284 284 285 285 286 287 287 288 289 Capítulo 17 NÚMEROS ÍNDICE PARA DATOS ECONÓMICOS Y ADMINISTRATIVOS 17.6 14.10 14.7 14.10 Otros métodos de pronóstico con suavización 16.5 Análisis de varianza en el análisis de regresión lineal 15. Residuales y gráficas de residuales Error estándar del estimador Inferencias sobre la pendiente Intervalos de confianza para la media condicional Intervalos de predicción para valores individuales de la variable dependiente Objetivos y supuestos del análisis de correlación Coeficiente de determinación Coeficiente de correlación Uso de la covananza para la comprensión del coeficiente de correlación Prueba de significancia respecto del coeficiente de correlación Peligros y limitaciones asociados con el análisis de regresión y correlación Resultados en computadora • 249 250 250 251 251 252 252 253 254 255 255 256 256 Capítulo 15 REGRESIÓNY CORRELACIÓN MÚLTIPLE 15.8 <* 14.2 Análisis de tendencias 16.7 Conceptos adicionales del análisis de correlación múltiple 15.

5 Una muestra: prueba de Wilcoxon 372 372 372 373 373 374 .6 Pruebas estándar para la interpretación de gráficas X 20. 19.5 Gráficas de control para la media del proceso: gráficas^ 20.8 Gráficas de control para el rango del proceso: gráficas R 20. .11 Relativos eslabonados Cambio del periodo base Fusión de dos series de números índice El índice de precios al consumidor (IPC) Poder de compra y deflación de los valores de series de tiempo índice de precios al productor (IPP) Los promedios de precios bursátiles de Dow Jones índice de producción industrial 305 305 305 306 306 306 306 307 Capítulo 18 ANÁLISIS DE DECISIÓN: TABLAS DE PAGOS Y ÁRBOLES DE DECISIÓN 18.6 17.10 17.2 Toma de decisiones con base únicamente en probabilidades 18.5 Ganancia neta esperada del muestreo (GNEM) y tamaño óptimo 19._ 20.6 La utilidad esperada como criterio de decisión 315 315 316 317 319 320 321 Capítulo 19 ANÁLISIS DE DECISIÓN: USO DE INFORMACIÓN MUESTRAL .1 Administración de calidad total 20.1 Escalas de medición 21.2 Control estadístico de calidad 20.1 Valor esperado de la información perfecta (VEIP) 19.4 Valor esperado de la información muestral (VEIM) antes del muestreo 19. .1 Estructura de las tablas de pagos 18.4 17.5 Análisis de árboles de decisión 18.9 17.6 Análisis de decisión contra procedimientos clásicos de decisión 335 335 336 337 339 342 344 Capítulo 20 CONTROL ESTADÍSTICO DE PROCESOS 20.3 Toma de decisiones con base únicamente en consecuencias económicas 18.7 Gráficas de control para la desviación estándar del proceso: gráficas s 20.XIV CONTENIDO 17.8 17.4 Toma de decisiones con base tanto en probabilidades como en consecuencias económicas: criterio del pago esperado 18.5 17.9 Gráficas de control para la proporción del proceso: gráficas/? 352 352 352 353 354 355 356 357 358 359 Capítulo 21 ESTADÍSTICA NO PARAMÉTRICA 21.3 Valor de información muestral ya obtenida 19.3 Prueba de corridas para aleatoriedad 21.7 17.2 Distribuciones de probabilidad inicial y posterior 19.2 Métodos estadísticos paramétricos contra no paramétricos 21.4 Gráficas de control _.3 Tipos de variación en procesos 20.4 Una muestra: prueba de los signos 21.

FACTORES PARA GRÁFICAS DE CONTROL VALORES CRÍTICOS DE T EN LA PRUEBA DE WILCOXON Apéndice 11 ESTADÍSTICA PARA NEGOCIOS CON EXCEL 5.7 21.0 ÍNDICE 411 . . .8 21.6 21.9 Dos muestras independientes: prueba de Mann-Whitney Observaciones apareadas: prueba de los signos Observaciones apareadas: prueba de Wilcoxon Varias muestras independientes: prueba de Kruskal-Wallis 374 375 376 376 Apéndice 1 Apéndice 2 Apéndice 3 TABLA DE NÚMEROS ALEATORIOS PROBABILIDADES BINOMIALES VALORES DE e~K 387 388 391 392 Apéndice 4 Apéndice 5 PROBABILIDADES DE POISSON PROPORCIONES DE ÁREA PARA LA DISTRIBUCIÓN NORMAL ESTÁNDAR PROPORCIONES DE ÁREA PARA LA DISTRIBUCIÓN t 396 397 398 399 402 403 405 Apéndice 6 Apéndice 7 Apéndice 8 Apéndice 9 Apéndice 10 PROPORCIONES DE ÁREA PARA LA DISTRIBUCIÓN tf VALORES DE F EXCEDIDOS CON PROBABILIDADES DE 5 Y 1 % .CONTENIDO xv 21.

con causas atribuibles asociadas con la variación de la calidad del producto en el tiempo • (véase capítulo 20).2 ESTADÍSTICA DESCRIPTIVA E INFERENCIAL La estadística descriptiva comprende las técnicas que se emplean para resumir y describir datos numéricos. Esto representa la exclusión explícita de juicios personales sobre los datos y el supuesto implícito de que el muestreo procede de una población estática (estable). El procedimiento para la medición de las características de todos los miembros de una población definida se llama censo. suponen el uso de conceptos de probabilidad. El capítulo 20 se dedica exclusivamente al control estadístico de procesos. así como para propósitos de inferencia sobre la población de la que se seleccionó la muestra. Los capítulos 5 a 7 se ocupan de conceptos de probabilidad. La estadística inferencial comprende las técnicas con las que. La estadística sirve en administración y economía para tornar mejores decisiones a partir de la comprensión de las fuentes de variación y de la detección de patrones y relaciones en datos económicos y administrativos. 3 y 4). con valores expresados numéricamente. Para estimar el voltaje requerido para provocar fallas en un dispositivo eléctrico. Los métodos del control estadístico de procesos se emplean sobre la premisa de que el producto de un proceso puede no ser estable.Capítulo 1 Análisis de datos económicos y administrativos 1. . organización.11). Estos métodos pueden ser gráficos o implicar análisis computacional (véanse capítulos 2. 1. una muestra de estos dispositivos puede someterse a voltajes crecientes hasta que falle cada uno de ellos. con lo que la desviación respecto de 100 de cualquier mes indicaría la desviación porcentual de ventas de ese mes en comparación con las ventas mensuales promedio durante todo el año. se toman decisiones sobre una población o proceso estadísticos. al muestreo le interesa en particular el descubrimiento y control de las fuentes de variación en la calidad de la producción. 13 TIPOS DE APLICACIONES EN ADMINISTRACIÓN Y ECONOMÍA Los métodos de la estadística clásica fueron desarrollados para el análisis de datos muestreados (objetivos). Las ventas relativas por mes pueden resaltarse calculando un número índice para cada mes. o cualitativos. con base únicamente en una muestra sometida a observación. o universo. El volumen mensual de ventas de un producto durante el año anterior puede describirse y cobrar significado elaborando un diagrama de barras o una gráfica de líneas (tal como se les describe en la sección 2. Con base en estos resultados muéstrales puede estimarse la probabilidad de falla a varios niveles de voltaje de los demás dispositivos de la población muestreada. análisis e interpretación de datos. Mientras que a las características medidas de una muestra se les llama estadísticas muéstrales. Los datos pueden ser cuantitativos. EJEMPLO 2. a las características medidas de una población estadística. Los métodos del análisis de decisión se concentran en la incorporación al análisis estadístico de juicios administrativos (véanse capítulos 18 y 19). Dado que estas decisiones se toman en condiciones de incertidumbre. se les \\amaparametros de la población. Más bien.1 DEFINICIÓN DE ESTADÍSTICA APLICADA A LA ADMINISTRACIÓN Y LA ECONOMÍA La estadística es el conjunto de técnicas que se emplean para la recolección. EJEMPLO 1. el proceso puede ser dinámico. Cuando la inferencia estadística se usa en el control de procesos. y la mayoría de los capítulos posteriores de la aplicación de esos conceptos a la inferencia estadística. en cuyo caso se tabulan las características de las observaciones.

En la estadística aplicada a administración y economía. sistemático. EJEMPLO 4. tienen una oportunidad conocida. Una variable continua puede adoptar un valor en cualquier punto fraccionario a lo largo de un intervalo especificado de valores. 1. en el muestreo estadístico suele emplearse una tabla de números aleatorios o un programa .ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS [CAP. Son ejemplos de datos continuos el peso de un embarque. El control estadístico de procesos se centraría en particular en el patrón de ventas en una secuencia de periodos temporales durante la comercialización de prueba del producto. . de ser elegidos para su inclusión en la muestra. la información debe obtenerse en fuentes individuales. Esta selección al azar es semejante a la extracción aleatoria de números en un sorteo. En algunas situaciones no es posible recolectar datos directamente. 1. Una encuesta estadística es el proceso de recolección de datos mediante la solicitación de éstos a individuos. Un analista de un departamento estatal de Seguridad Económica puede verse precisado a determinar los incrementos o decrementos en el nivel de empleo planeados por las empresas de la entidad. y ser por lo tanto una variable continua a pesar de que el número por hogar sea una variable discreta. A una muestra aleatoria también se le denomina muestraprobabilística o muestra científica. el incierto nivel de ventas de un nuevo producto se estimaría con base en estudios de mercado realizados en consonancia con los requerimientos del muestreo científico. EJEMPLO 5. en el cual se evalúan sistemáticamente muestras de producción. Una muestra aleatoria simple es aquella cuyos elementos se seleccionan individualmente de la población objetivo entera con base en el azar. 1.4 VARIABLES DISCRETAS Y CONTINUAS Una variable discreta puede tomar valores observados únicamente en puntos aislados a lo largo de una escala de valores. el tiempo transcurrido antes de la primera falla de un aparato y el número promedio de personas por hogar en una comunidad extensa. Sin embargo. Disponer de esta muestra garantiza que sus integrantes sean seleccionados sin sesgos de ninguna especie y ofrece la base estadística para determinar la confianza que puede asociarse con las inferencias (véanse capítulos 8 y 9). los juicios de los administradores se cuantificarían e incorporarían al análisis. estos datos ocurren usualmente por medio del proceso de conteos de ahí que por lo general los valores se expresen como números enteros. Nótese que un número promedio de personas puede ser un valor fraccionario. Otra forma de observación directa es el experimento estadístico. Un método estándar para la obtención de esos datos es la realización de una encuesta entre las empresas involucradas. Son ejemplos de datos discretos el número de personas por hogar. estratificado y por conglomerados. Empleando el enfoque clásico de la inferencia estadística. entrevistas telefónicas o cuestionarios por escrito. Los datos continuos se generan mediante el proceso de medición. o población objetivo. En el enfoque de análisis de decisión. las unidades de un artículo en inventario y el número de componentes ensamblados descubiertos como defectuosos. Dos métodos de ensamble de un componente podrían compararse haciendo que un grupo de empleados aplicara uno de los métodos y un segundo grupo el otro. 1 EJEMPLO 3. EJEMPLO 6. Los datos pueden obtenerse con métodos como entrevistas personales. Ésta es la base de las acciones que se emprenden en el control estadístico de procesos. Los miembros del primer grupo deben coincidir estrechamente con los miembros del segundo en términos de factores como edad y experiencia. usualmente igual. Los cuatro métodos principales de muestreo aleatorio son los métodos de muestreo simple.5 OBTENCIÓN DE DATOS POR OBSERVACIÓN DIRECTA CONTRA ENCUESTAS Uno de los medios para la obtención de datos es la observación directa. en el que se ejerce un control deliberado de algunos o todos los factores que pueden influir en la variable bajo estudio a fin de identificar posibles causas.6 MÉTODOS DE MUESTREO ALEATORIO El muestreo aleatorio es un tipo de muestreo en el que todos los elementos de la población de interés.

y obtener los índices salariales que se pagan a los empleados de estas compañías. enteros. El muestreo por conglomerados es un tipo de muestreo aleatorio en el que los elementos de la población ocurren naturalmente en subgrupos. donde cada decimosegunda casa ocupa una esquina se realizara un estudio para efectos de una adecuada iluminación pública. . Este plan de muestreo puede servir para garantizar la representación proporcional en la muestra de varios subgrupos de la población. Incluimos entonces en la muestra el número siguiente (11). Si un analista de un departamento estatal de Seguridad Económica debe estudiar los índices salariales por hora que se pagan en un área metropolitana. cerrando literalmente los ojos y señalando un punto de partida. las cuales representan conglomerados de empleados. Así. el tamaño de muestra requerido para alcanzar un nivel dado de precisión suele ser menor que en el caso del muestreo aleatorio simple.7 OTROS MÉTODOS DE MUESTREO Aunque es posible que una muestra no aleatoria resultara ser representativa de la población. Si en una comunidad. Una preocupación particular del muestreo sistemático es la existencia de factores periódicos. lo que reduce los costos del muestreo. 67. El grado de representatividad de la población de esta muestra depende así del juicio de tal individuo y no puede evaluarse estadísticamente. el analista podría tomar una muestra aleatoria simple de las empresas identificadas. numeradas del 01 al 90. 1. Después. EJEMPLO 8. una muestra sistemática incluiría un sesgo sistemático si en la encuesta se incluyera cada decimosegundo hogar. lo incluiremos en la muestra sólo una vez. de cada estrato se toma por separado una muestra aleatoria simple o sistemática. i En el muestreo estratificado los elementos de la población son primeramente clasificados por el investigador en distintos subgrupos.CAP. 12 y 65. 78. todos o ninguno de los hogares encuestados se hallaría en una esquina. en el listado de la población que pudiera dar lugar a un error sistemático en los resultados muéstrales. Supongamos que nos interesa tomar una muestra aleatoria simple de 10 cuentas por cobrar de una población de 90 cuentas de este tipo. como sería el caso de la elección de cada décima cuenta por cobrar para la muestra. o cíclicos. EJEMPLO 7. En cambio. El apéndice 1 es una tabla abreviada de números aleatorios. se muestrean aleatoriamente subgrupos. Pero como sólo hay 90 cuentas. En un estudio sobre las actitudes de los estudiantes respecto de habitar en e! campus. 08. 94. sobre la base de una o más características importantes. 1] ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS de cómputo generador de números aleatorios para identificar los elementos numerados de la población que serán seleccionados para la muestra. Los 10 números de cuentas para la muestra serían 66. columna 1. Sí alguno de los números seleccionados se repitiera. o conglomerados. hombres graduados y mujeres graduadas. Supongamos que empezamos a leer números (en pares) a partir del que se encuentra en la línea 6. Una muestra sistemática es una muestra aleatoria cuyos elementos se seleccionan de la población a un intervalo uniforme en una lista ordenada. 06. Después leeríamos los dígitos en grupos de dos en cualquier dirección para elegir las cuentas de nuestra muestra. no podemos incluir el número 94. 70. sería difícil obtener un listado de todos los receptores de salarios en la población objetivo. Una muestra de juicio es aquella en la que un individuo selecciona los elementos por incluir en la muestra. ~ EJEMPLO 9. 59. EJEMPLO 10. De este modo. debería considerarse un plan de muestreo estratificado para la toma por separado de una muestra aleatoria simple de los cuatro estratos: hombres no graduados. tendríamos razones para creer en la posible existencia de diferencias importantes entre estudiantes aún no graduados y graduados y entre estudiantes de género masculino y femenino. En este caso. podría obtenerse más fácilmente una lista de las empresas de esa zona. Consultaríamos "a ciegas" la tabla de números aleatorios. o estratos. mujeres no graduadas. Así pues. es difícil suponer de antemano que carecerá de sesgos o expresar estadísticamente la confianza que podría asociarse con las inferencias a partir de esa muestra. Además. La primera de las 10 cuentas por incluir en la muestra se elegiría al azar (consultando quizá una tabla de números aleatorios).

b) M. en el entendido de que hay que estar alertas a cualesquiera razones conocidas de que este esquema de muestreo conduzca a resultados sesgados. Grupos de cuatro paquetes de papas fritas son muestreados y pesados a intervalos regulares de tiempo en un proceso de empacamiento para determinar el cumplimiento de las especificaciones de peso mínimo. A este esquema de muestreo se le conoce como método de subgrupos racionales. Estos datos muéstrales son tratados como si en cada punto temporal se hubieran tomado muestras aleatorias. un contador las selecciona para una auditoría muestral con base en el juicio de que es probable que esos tipos particulares de partidas sean representativos de las partidas en general. y de aquellas otras que se encuentran en secciones de la plaza no consideradas en el muestreo. de aquellas que. d) M TIPOS DE APLICACIONES EN ADMINISTRACIÓN Y ECONOMÍA * r 1. Para poder advertir cambios que estén teniendo lugar en la calidad del producto en proceso. Estos subgrupos racionales ofrecen la base estadística para determinar si el proceso es estable y está bajo control o si existe una variación inusual en la secuencia de pesos muéstrales que obligue a la identificación y corrección de una causa atribuible. decidan no participar en la encuesta. EJEMPLO 13. ya que sólo es posible inspeccionar con relativa facilidad los artículos o transacciones más a la mano. se toman muestras pequeñas a intervalos regulares de tiempo. 1.8 USO DE SOFTWARE DE COMPUTO PARA LA GENERACIÓN DE NÚMEROS ALEATORIOS Se puede disponer fácilmente de software de cómputo para generar dígitos aleatoriamente seleccionados en cualquier rango específico de valores. encontrándose en la plaza. análisis de decisión (AD) o control estadístico de procesos (CP): a) juicios administrativos sobre el probable nivel de ventas de un nuevo producto. a las que se tiene acceso más fácilmente. y a) P. b) adscripción de cada quincuagésimo automóvil ensamblado a una exhaustiva evaluación de calidad. EJEMPLO 12. Una muestra aleatoria estricta no suele ser factible en el control estadístico de procesos. Problemas resueltos ESTADÍSTICA DESCRIPTIVA E INFERENCIAL 1. c) resultados de una encuesta para una . En lugar de elegir aleatoriamente las partidas por auditar. tal como su nombre lo sugiere. Ciertamente es improbable que los resultados de la encuesta reflejen la actitud de las personas que no se encuentran en la plaza. Una oficina de desarrollo comunitario emprende un estudio de la actitud pública frente a una nueva plaza comercial céntrica mediante la realización de una encuesta de opinión en una de las entradas de la plaza. u observaciones.ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS [CAP. d) juicio sobre la calidad de un embarque de fruta recién recibido mediante la inspección de varios de los huacales del gran número de ellos incluidos en el embarque.2 Indique cuáles de los siguientes tipos de información podrían usarse más fácilmente en inferencia estadística clásica (IC). Una muestra por conveniencia incluye las medidas. 1 EJEMPLO 11.1 Indique cuáles de los siguientes términos u operaciones se refieren a una muestra o muestreo (M) y cuáles a una población (P): d) medidas grupales llamadas parámetros^ b) uso de estadística inferencia!.10 ilustra el uso de este tipo de software. c) realizar un censo. No hay manera de evaluar estadísticamente la probabilidad de sesgo en esa muestra o el grado en que los resultados muéstrales se aproximan a la población. El problema 1. c) P.

d) D. En ausencia de confiabilidad. d) número de individuos en un área geográfica que reciben beneficios de desempleo. Un instrumento confiable es consistente en las mediciones repetidas producidas.CAP. b) C. o sesgo.) 1./) D. ¿El hecho de que un instrumento sea confiable garantiza por lo tanto que sea válido? La confiabilidad de un instrumento de medición no garantiza que sea válido para un propósito particular.4 Indique cuáles de los siguientes procedimientos de recolección de datos serían considerados como un experimento (E) y cuáles como una encuesta (EN): a) un sondeo político de intenciones de voto individuales en elecciones próximas. orificios de balas ampliamente dispersos indicarían falta de confiabilidad. la validez (precisión) podría mejorar ajustando la mira para que los orificios de las balas coincidan subsecuentemente en el centro del blanco. Sin embargo. fí)AD. e) número promedio de clientes prospectivos contactados por representante de ventas durante el mes anterior. si un cuestionario ofrece resultados similares tras ser contestado por dos grupos equivalentes de informantes. b) clientes de un centro comercial entrevistados acerca del motivo de que hagan sus compras ahí. d) verificación de los saldos de cuentas en un banco para una muestra aleatoria sistemática de cuentas. cuando son grandes en relación con las unidades de cienes discretas por lo general se les trata como datos continuos. En cambio. c) comparación de dos métodos para la comercialización de una póliza anual mediante la aplicación de cada método en áreas geográficas comparables. 6) CP. 1 ] ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS muestra aleatoria simple de personas que compraron un modelo específico de automóvil. Una analogía con un tiro de rifle puede ilustrar este concepto. c) IC. es de desear una muestra representativa. En este caso. Orificios de balas estrechamente aglomerados en un blanco serían indicativos de la confiabilidad (consistencia) de los disparos del rifle. e) C.7 Para efectos de inferencia estadística. condición en la cual ningún ajuste en la mira podría producir un puntaje alto. b) diámetro de un cojinete. designe variables discretas (D) y variables continuas (C): a) peso del contenido de un paquete de cereal.5. a) EN.) OBTENCIÓN DE DATOS POR OBSERVACIÓN DIRECTA CONTRA ENCUESTAS 1. ¿) IC VARIABLES DISCRETAS Y CONTINUAS 1. c) E 1. común.5 En el área de las mediciones estadísticas. Lo más que podemos hacer es evitar sesgos consistentes o sistemáticos mediante el empleo del muestreo aleatorio (probabilístico). Así. pero todas las mediciones podrían incluir un componente de error.3 En los siguientes tipos de valores. J) monto de ventas en dólares. la confiabilidad se refiere a la consistencia del instrumento de medición y la validez a su precisión. ¿Un instrumento de encuesta no confiable puede tener validez para un propósito particular? Un instrumento no confiable no puede ser válido para ningún propósito particular. ¿Por qué? Ningún método de muestreo puede garantizar una muestra representativa. c] D. c) número de artículos defectuosos producidos. b) EN. Aunque es raro que . puede describírsele como confiable. los métodos de inferencia estadística sólo requieren la obtención de una muestra aleatoria.6 Remítase al problema resuelto 1. no habrá consistencia en los resultados que se obtengan. (Véase el siguiente problema resuelto. (Nota: Aunque los montos monetarios son discretos. a} C. MÉTODOS DE MUESTREO ALEATORIO 1. como las representadas por cuestionarios.

1-1 Resultados de Minitab. sexo o edad para tomar después una muestra aleatoria simple o sistemática de cada estrato definido.ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS [CAP. Las empresas son identificadas con números secuenciales de identificación del 001 al 435. MTB SUBC MTB MTB > > > > RANDOM 30 DIGITS. cualquiera de estos números hubiera ocurrido más de una vez. Para una muestra por conglomerados. empezando aleatoriamente entre los primeros cinco nombres. el uso de este procedimiento garantiza que únicamente factores debidos al azar explicarían las diferencias entre la muestra y la población. c) un investigador de opinión al servicio de un candidato político conversa con personas de varias localidades del distrito con base en la apreciación de que tales individuos parecen representativos de los votantes del distrito. podría contactarse a cada enésima (cada quinta. habrían tenido que obtenerse números adicionales para sustituir esos duplicados a. podemos clasificar a los propietarios de acuerdo con el tipo de automóvil. INTEGERS FROM 1 TO 435. Para una muestra aleatoria simple. una muestra por conveniencia (A) o con el método de subgrupos racionales (R): a) muestras de cinco focos cada una se toman cada 20 minutos en un proceso de producción para determinar su resistencia al alto voltaje. En la figura 1-1 aparecen los comandos de software de Minitab y los números de identificación resultantes de las 30 empresas para la muestra aleatoria. podríamos optar por entrevistar a todos los propietarios de autos registrados residentes en cuadras aleatoriamente seleccionadas del área de prueba.fin de identificar una muestra de 30 compañías diferentes. USO DE SOFTWARE DE CÓMPUTO PARA LA GENERACIÓN DE NÚMEROS ALEATORIOS 1. 1. . ÑAME Cl ^SAMPLE' PRINT Cl SAMPLE 350 228 288 MTB 234 177 313 176 320 389 125 116 290 240 272 47 120 176 102 251 96 40 409 310 12 271 179 33 134 166 52 > STOP Fig. y después podrían seleccionarse los individuos por ser muestreados empleando una tabla de números aleatorios. 1 una muestra aleatoria sea exactamente representativa de la población objetivo de la que se le obtuvo. Para una muestra estratificada. b) una compañía fabricante de bebidas evalúa la respuesta de los consumidores al sabor de una nueva cerveza sin contenido alcohólico mediante pruebas de preferencia en bares ubicados en la misma ciudad en la que se encuentran las oficinas generales. también podríamos llamarla muestra de área. Si.9 • Indique cuáles de los siguientes tipos de muestras ejemplifican mejor o están relacionadas con una muestra de juicio (J).8 Una compañía petrolera desea determinar los factores que influyen en la elección de gasolinerías por parte de los consumidores en un área de prueba.10 Un analista económico gubernamental desea obtener una muestra aleatoria simple de 30 empresas comerciales de una lista de 435 de cierta región geográfica. motivo por el cual ha obtenido tanto nombres y direcciones como la información personal disponible de todos los propietarios de automóviles registrados residentes en esa área. OTROS MÉTODOS DE MUESTREO •- 1. por azar. los nombres enlistados podrían numerarse secuencialmente. Describa cómo podría obtenerse una muestra de esta lista usando cada uno de los cuatro métodos de muestreo aleatorio mencionados en este capítulo. Para una muestra sistemática. Dado que la base de este tipo de muestra por conglomerados sería geográfica. por ejemplo) persona de la lista. el valor del auto. Use el software de cómputo a su disposición para obtener los 30 números de identificación de las empresas por incluir en el estudio. PUT IN Cl.

b) razón de activos circulantes contra pasivos circulantes. c) envío a los suscriptores de una revista de evaluación de productos de un cuestionario para la calificación de los productos que han adquirido recientemente.y) asistencia a la asamblea anual de una compañía. e) inspección de cada décimo artículo ensamblado. b) CP. designe variables discretas (D) y variables continuas (C): a) número de unidades de un artículo en existencia. b) medidas grupales llamadas estadísticas. b) calificaciones de consumidores sobre un departamento de servicios automovilísticos recolectadas mensualmente. e) volumen de tráfico en una carretera de paga. a) A. en unidades. a} IC. c) EN MÉTODOS DE MUESTREO ALEATORIO 1.J) D OBTENCIÓN DE DATOS POR OBSERVACIÓN DIRECTA CONTRA ENCUESTAS 1. Resp. Resp.13 En los siguientes tipos de valores. ¿>) E . identifique si se usaría el método de muestreo estratificado (E) o por conglomerados (C): a) estimación de las preferencias de voto de personas de distintas localidades y b) estudio de las actitudes de los consumidores con la sospecha de diferencias importantes según edad y sexo. persona en entrar al parque. a) C.12 Indique cuáles de los siguientes tipos de información podrían usarse más fácilmente en inferencia estadística clásica (IC). d) cantidad embarcada.CAP.15 Identifique si en los siguientes casos se usa el método de muestreo aleatorio simple (A) o sistemático (S): a) empleo de una tabla de números aleatorios para seleccionar una muestra de personas asistentes a un parque de diversiones y b) entrevista de cada centésima persona que asiste a un parque de diversiones. 1] ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS Problemas complementarios ESTADÍSTICA DESCRIPTIVA E INFERENCIAL 1. comenzando aleatoriamente por la 55a. c) M. e) M TIPOS DE APLICACIONES EN ADMINISTRACIÓN Y ECONOMÍA 1.11 f Indique cuáles de los siguientes términos u operaciones se refieren a una muestra o muestreo (M) y cuáles a una población (P): a) universo. Resp. c) C. d) inspección de cada artículo ensamblado. c) tonelaje total embarcado. a} P. Resp. d) IC VARIABLES DISCRETAS Y CONTINUAS 1. c) aplicación de conceptos de probabilidad. Resp. análisis de decisión (AD) o control estadístico de procesos (CP): a) respuestas a un cuestionario obtenidas de una muestra de miembros activos de una organización profesional. d) P. e) D. b) M. ¿>) S 1. b) C. c) AD. b) E. b) evaluación de dos conjuntos diferentes de instrucciones de armado de un juguete haciendo que dos grupos comparables de niños lo armen siguiendo las distintas instrucciones.16 En las siguientes situaciones de muestreo de grupos. c) clasificaciones de analistas de inversión de "compañías nuevas y emergentes". d) D. a) D.14 Indique cuáles de los siguentes procedimientos de recolección de datos serían considerados como un experimento (E) y cuáles como una encuesta (EN): a) comparación de los resultados de un nuevo método de capacitación de agentes de boletos de aerolíneas con los del método tradicional. Resp. d) datos de salarios y sueldos recolectados de una muestra de empleadores en un área metropolitana. a) E.

a)J. c) en un establecimiento de comida rápida empleados de la compañía evalúan un nuevo emparedado de pollo en términos de sabor y valor percibido. Use el software de cómputo a su disposición para obtener una lista de los 50 números aleatorios requeridos. la cual parece representativa de las casas ubicadas ahí. 6)R.ANÁLISIS DE DATOS ECONÓMICOS Y ADMINISTRATIVOS [CAP. una muestra accesible (A) o con el método de subgrupos racionales (R): a) un valuador de bienes raíces selecciona una muestra de casas vendidas en una localidad. 1 OTROS MÉTODOS DE MUESTREO 1. c)A USO DE SOFTWARE DE CÓMPUTO PARA LA GENERACIÓN DE NÚMEROS ALEATORIOS 1. Resp. b) en una planta fabricante de baterías. .18 Un auditor desea tomar una muestra aleatoria simple de tamaño 50 de 5 250 cuentas por cobrar de una gran empresa. Las cuentas se numeran secuencialmente del 0001 al 5 250. el ciclo de vida de éstas se vigila cada media hora para garantizar que el producto satisfaga las especificaciones.17 Indique cuáles de los siguientes tipos de muestras ejemplifican mejor o están relacionados con una muestra de juicio (J). para deducir una estimación del nivel del valor de las casas en ese rumbo.

Los límites exactos de clase pueden determinarse identificando los puntos intermedios entre los límites nominales de clase superior e inferior.1 Distribución de frecuencias de salarios semanales de 100 trabajadores no calificados Número de trabajadores Salario semanal $240-259 260-279 280-299 300-319 320-339 340-359 Total 7 20 33 25 11 1 00 2. En la tabla 2.1 aparece una distribución de frecuencias de salarios semanales. el cual puede determinarse sumando la mitad del intervalo de clase al límite exacto inferior de la clase. En contraste con ello.50 en este caso). los límites nominales de clase inferior y superior indican los valores incluidos dentro de la clase.2 se presentan los límites exactos de clase y los puntos medios de clase de la distribución de frecuencias de la tabla 2.1 DISTRIBUCIONES DE FRECUENCIAS Una distribución defrecuencias es una tabla en la cual se agrupan en clases valores posibles de una variable y donde se registra el número de valores observados correspondientes a cada clase. El intervalo de clase identifica el rango de valores incluidos dentro de una clase y puede determinarse restando del límite exacto de clase superior de la clase el límite exacto de clase inferior. para ciertos propósitos es común que los valores de una clase sean representados por el punto medio de clase. el intervalo de clase puede determinarse restando del límite nominal inferior de la clase el límite nominal inferior de la clase adyacente inferior. son los puntos específicos que sirven para separar clases adyacentes en una escala de medición de variables continuas. Obsérvese que las cantidades han sido consignadas de acuerdo con el dólar más cercano. EJEMPLO 1.) A diferencia de ello. o fronteras de clase.1.50 se redondearía a $260 como parte del proceso de agrupamiento de datos. un salario semanal de $259. en el caso de datos no agrupados se enlistan todos los valores observados de la variable aleatoria.5" (exactamente $0. En la tabla 2.2 INTERVALOS DE CLASE En cada una de las clases de una distribución de frecuencias. los límites exactos de clase. Los datos organizados en una distribución de frecuencias se llaman datos agrupados. respectivamente. (Véase la primera columna de la tabla 2. Así.Capítulo 2 Representaciones estadísticas y análisis de gráficas 2. Finalmente. Cuando no es posible identificar límites exactos. Cuando el residuo por redondear es de "exactamente 0.1. . EJEMPLO 2. de clases adyacentes. el procedimiento convencional es redondear al número par más cercano. Tabla 2.

Intervalo aproximado = 358 .50-339. pueden ser requeridos intervalos desiguales de clase. como los datos del sueldo anual para una amplia variedad de ocupaciones.50-259.50-359. En referencia a los datos originales no agrupados que se agruparon en la tabla 2. 2.50 $239. 2 Tabla 2. En este caso.50-319. en comparación con los límites nominales de clase.$240 = $20 (resta del límite nominal de clase inferior de la clase al límite nominal de ciase inferior de la clase adyacente superior) Para efectos de cálculo. EJEMPLO 3.10 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.50 289. el tamaño de clase conveniente más cercano al valor calculado es $20.50 279.3 HISTOGRAMAS Y POLÍGONOS DE FRECUENCIAS Un histograma es una gráfica de barras de una distribución de frecuencias.50 339.0 295 269. supongamos que el salario observado más alto fue de $358 y el salario observado más bajo de $242. En el caso de datos distribuidos en forma notoriamente no uniforme.1.2 es $259.50 = $20 (resta del límite exacto de clase inferior al límite exacto de clase superior de la clase) $260 . Sin embargo. el intervalo de clase de la primera clase de la tabla 2.50 319.309. dado que en el caso de las unidades monetarias la unidad de medida más precisa relativa al "dólar más cercano" suele definirse como "el centavo más cercano". La siguiente fórmula puede emplearse para determinar el intervalo de clase aproximado oor usar: 'mayor valor en datos " no agrupados ' menor valor en datos' no agrupados Intervalo aproximado número de clases deseadas (2.50 349.33 Así. también se usan puntos medios de clase en lugar de límites de clase para identificar las clases. Sin embargo. por lo general es deseable que todos los intervalos de clase de una distribución de frecuencias dada sean iguales.50-279.50 329. Calculado con los dos métodos.2 Salario semanal (límites de clase) $240-259 260-279 280-299 300-319 320-339 340-359 Salarios semanales de 100 trabajadores no calificados Límites exactos de clase* $239. Dado que el objetivo es disponer de seis clases con iguales intervalos de clase.50-299. los intervalos de clase mayores se utilizan para los rangos de valores con relativamente escasas observaciones.242 -$19. se acostumbra colocar los límites exactos de clase en el eje horizontal de la gráfica y los números de observaciones en el eje vertical.50 Número de trabajadores .1) EJEMPLO 4.50 259.50 Total 7 20 33 25 110 4 100 * En general. conviene expresar dos dígitos adicionales.50 Punto medio de clase $4. en los límites exactos de clase sólo se expresa un dígito adicional significativo. .50 299. Tal como se indica en la figura 2-1.

en dólares Fig.2. 2-2 2. En la figura 2-1 se muestra unhistograma de la distribución de frecuencias de los salarios semanales de la tabla 2. o 3) simétrica.50 329. EJEMPLO 6. 40 .50 Salarios semanales. salvo que en el eje horizontal suele identificarse el punto medio de cada clase.2. puntos que se unen después con una serie de segmentos lineales para formar un polígono o "figura de muchos lados". los dos ejes de esta gráfica son similares a los del histograma. 2) asimétrica positiva: no simétrica con la "cola" a la derecha.50 259.50 309. 2.50 349. Tal como se indica en la figura 2-2.50 279.50 Salarios semanales. 2-1 EJEMPLO 5.50 269.50 289. EJEMPLO 7.50 339.CAP.50 359. La figura 2-3 es una curva de frecuencias de la distribución de salarios semanales de la tabla 2. una curva de frecuencias puede ser: 1) asimétrica negativa: no simétrica con la "cola" a la izquierda.50 249. . En la figura 2-2 se muestra un polígono de frecuencias de la distribución de salarios semanales de la tabla O •I B ^ u.50 369. Un polígono de frecuencias es una gráfica de líneas de una distribución de frecuencias.50 319.0 os es es' 30 •o 20 O Sí '3 E 10 O 229.50 299.4 CURVAS DE FRECUENCIAS Una curva de frecuencias es un polígono de frecuencias suavizado. El número de observaciones de cada clase se representa con un punto por encima del punto medio de la clase. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 11 40 •o <S O '51 30 es •O \HP Oí 20 e E 10 O 239. en dólares Fig.2 En términos de asimetría.

2-4 EJEMPLO 9.50 269.50 289. v 1) Platicurtica \ X X 2) Mesocúrtica 3) Liptocúrtica Fig.50 369. con las observaciones distribuidas en forma relativamente pareja entre las clases. con las observaciones concentradas en un estrecho rango de valores. En términos de curtosis. 2-5 2. una curva de frecuencias puede ser: 1) platicúrtica: plana. 2) leptocúrtica: afilada.50 349.50 249.12 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAR 2 Sfl •o tí •^MI e 40 «' 30 X) es •O O OJ CU 20 10 S O 229. X X 1) Asimétrica negativa 2) Simétrica 3) Asimétrica positiva Fig. o 3) mesocúrtica: ni plana ni afilada en términos de la distribución de los valores observados. Las frecuencias acumuladas de una clase . En la figura 2-5 aparecen los diversos tipos de curvas de frecuencias en términos de curtosis.50 Salarios semanales. en dólares Fig.5 DISTRIBUCIONES DE FRECUENCIAS ACUMULADAS 4 Una distribución de frecuencias acumuladas identifica el número acumulado de observaciones incluidas bajo el límite exacto superior de cada clase de la distribución. El concepto de asimetría de las curvas de frecuencias se ilustra gráficamente en la figura 2-4. 2-3 EJEMPLO 8.50 309.50 329.

50 Salarios semanales. Tabla 2. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 13 pueden determinarse sumando las frecuencias observadas de esa clase a las frecuencias acumuladas de la clase anterior.50 279.50 339. 2-6 2. El cálculo de las frecuencias acumuladas se ilustra en la tabla 2.50 359. 100 •o es 3 U 80 60 40 « «J 9 g 20 O 239. En la figura 2-6 se observa una ojiva de la distribución acumuladade la tabla 2. En el caso de distribuciones acumuladas del tipo "y menor que". EJEMPLO 11. se obtiene la curva llamada ojiva.3.50 339.50 319.2 Salario semanal $240-259 260-279 280-299 300-319 320-339 340-359 Límite exacto de clase superior $259.50 279.3 Cálculo de las frecuencias acumuladas de ios datos de salarios semanales de la tabla 2.50 299. Si esa gráfica de líneas se suaviza. esta gráfica indica las frecuencias acumuladas bajo cada límite exacto de clase de la distribución de frecuencias.50 259.50 Total f Número de trabajadores (/) 7 20 33 25 11 4 Frecuencias acumuladas 06) 7 20+ 7 = 27 33 + 27 = 60 25 + 60 = 85 1 1 + 85 = 96 4 + 9 6 = 100 1 00 La gráfica de una distribución de frecuencias acumuladas se llama ojiva.50 299. en dólares Fig.3.50 319.6 DISTRIBUCIONES DE FRECUENCIAS RELATIVAS Una distribución de frecuencias relativas es aquella cuyo número de observaciones asociadas con cada clase se ha convertido en una frecuencia relativa dividiendo entre el número total de observaciones de toda la distribu- .50 359. EJEMPLO 10.CAP.

) 2. La figura 2-7 es el diagrama de tallo y hojas de ese puntaje. Se trata de una técnica común en el análisis exploratorio de datos. incluidos resultados obtenidos por computadora. sin incluir a éste. En consecuencia. pero menos de 25. Por ejemplo. la denominación "tallo y hojas" alude al hecho de que el primer dígito es el tallo. el análisis confirmatorio de datos incluye los principales métodos de inferencia estadística contenidos en la mayor parte de este libro. un individuo de 24 años de edad tiene 24 como mínimo. dedicado a la estimación estadística. esta técnica sólo es aplicable y significativa si el primer dígito de la medición.7 DISTRIBUCIÓN DE FRECUENCIAS DEL TIPO "Y MENOR QUE" Los límites de clase de las distribuciones de frecuencias obtenidas por computadora suelen ser del tipo "y menor que". Cuando únicamente se usa el primer dígito para agrupar las medidas. Adviértase que. Aunque muy semejante a un histograma. por ejemplo. Así. los límites nominales de clase son al mismo tiempo los límites exactos que definen la clase. los dos valores de 2 de las hojas representan a los dos puntajes de 62 incluidos en la tabla 2. También las distribuciones de frecuencias y técnicas gráficas asociadas expuestas en las secciones anteriores de este capítulo suelen emplearse con este propósito. En la línea correspondiente al tallo de 6. la edad de las personas se registra por lo general en correspondencia con su aniversario anterior. cada frecuencia relativa es una proporción. el análisis exploratorio de datos es un conjunto de técnicas de análisis preliminar de datos para la detección de patrones y relaciones. En la tabla 2. no con el próximo. mientras que cada una de las medidas con valor a partir de ese primer dígito pasa a ser una hoja en el contexto de esta representación. sirve efectivamente de base para la separación de los datos en grupos.14 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP. EJEMPLO 12.4. 2 ción.4 se presenta el puntaje obtenido por 50 estudiantes en un examen de contabilidad financiera de 100 puntos. este tipo de distribución también suele representar un modo más "natural" de recolección de datos. también es posible observar el puntaje individual. . Una de las ventajas de la elaboración de distribuciones de frecuencias relativas es que su distribución acumulada y su ojiva indican la proporción acumulada (o porcentaje) de observaciones hasta los diversos valores posibles de la variable. En los problemas resueltos 2. En cambio. además del patrón general del puntaje. De este modo.24 se presentan varias distribuciones de frecuencias del tipo "y menor que". a partir del capítulo 8. la cual puede convertirse en un porcentaje multiplicándola por 100. Como su nombre lo indica.14 y 2. El análisis confirmatorio de datos persigue la extracción de conclusiones estadísticas definitivas sobre patrones y relaciones presentes en los datos.20. No obstante. Los valores agrupados en cualquier clase son iguales a o mayores que el límite de clase inferior y hasta el valor del límite de clase superior. En estos límites.21 a 2.8 DIAGRAMAS DE TALLO Y HOJAS Un diagrama de tallo y hojas es una modalidad relativamente simple de organización y presentación de medidas en un formato de gráfica de barras jerárquicamente ordenado. cada grupo es análogo a una clase o categoría en una distribución de frecuencias. pues los valores específicos no se pierden por efecto de su agrupamiento en clases definidas. o quizá los dos primeros.16 a 2. un diagrama de tallo y hojas se diferencia de éste en que es más fácil de elaborar y en que muestra los valores reales de los datos. Un valorpercentil es el porcentaje acumulado de observaciones hasta un valor designado de una variable. 2. Un medio descriptivo para la presentación de estos límites de clase es: 5 y menor que 8 8 y menor que 11 Además de ser más fácil de aplicar en software de cómputo. (Véanse problemas 2.

Esta disposición da como resultado la ubicación de las categorías más importantes de datos. Los diagramas de Pareto se usan en el control de procesos para tabular las causas asociadas con variaciones de causas atribuibles en la calidad del producto del proceso. El problema resuelto 2. en lugar de agruparse en clases.27 incluye un diagrama de puntos que ilustra la comparación gráfica de dos subconjuntos de datos. Sin embargo. Es común que solamente unas cuantas categorías de causas se asocien con la mayoría de los problemas .CAP. 2. Los diagramas de puntos se aplican preferentemente a pequeños conjuntos de datos.10 DIAGRAMAS DE PARETO Un diagrama de Pareto se asemeja a un histograma. en las posiciones iniciales de la gráfica. se diferencia de éste en que los valores se representan individualmente. según su frecuencia de ocurrencia. en cuyo caso no se garantiza el agrupamiento de valores en clases de una distribución de frecuencias. Las barras de la gráfica.9 DIAGRAMAS DE PUNTOS Un diagrama de puntos se asemeja a un histograma en el sentido de que consiste en una representación gráfica de una distribución de los valores de los datos. Son particularmente útiles en la comparación de dos conjuntos de datos diferentes. no de datos cuantitativos agrupados en clases. excepto que es una gráfica de barras de frecuencias de una variable cualitativa. o de dos subgrupos de un conjunto de datos. 2. que pueden representar frecuencias o frecuencias relativas (porcentajes) se organizan en orden descendente de izquierda a derecha.4 Puntajes obtenidos por 50 estudiantes en un examen de contabilidad financiera 58 74 85 65 88 69 91 66 65 63 81 81 86 72 78 66 59 84 96 88 85 65 80 92 100 84 77 76 87 96 90 71 82 73 74 63 97 82 72 76 98 94 78 82 83 62 100 62 75 99 Tallo Hojas 8 9 2 2 3 3 5 5 5 6 6 9 7 2 2 3 4 4 5 6 6 7 8 8 0 1 1 2 2 2 3 4 4 5 5 6 7 8 8 0 1 2 4 6 6 7 8 9 10 O O Fig. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 15 Tabla 2. 2-7 Diagrama de tallo y hojas.

tales como datos de producción o ventas.0 79.) Una gráfica de líneas contiene cantidades de series de tiempo unidas entre sí por segmentos lineales. la gran mayoría de fallas en inspección se deben a defectos en el ensamble y el acabado de laca.0 89. obtenida con Minitab..- :.0 95. En un diagrama de barras. cada barra de la figura 2-9 podría subdividirse en distintas partes (tal vez diferenciadas con colores) para indicar la contribución relativa de cada segmento de la empresa a las ganancias netas de cada año.. EJEMPLO 13. Se encontró que los refrigeradores que no fueron aprobados en la inspección final en una planta ensambladura de aparatos eléctricos durante el último mes tenían defectos debidos a las siguientes causas: ensamble. . tanto los diagramas de barras como las gráficas de líneas son de gran utilidad. ' O Defecto Conteo Porcentaje % acumulado Ensamble 98 Laca 60 Eléctrico 20 Abolladuras 12 Otros 10 49.. Por ejemplo. acabado de laca.0 5.. En el diagrama de barras de la figura 2-9 se recoge la información de ganancias netas (en millones de dólares) de un importante banco comercial durante una secuencia de años codificados. fallas eléctricas. Como puede verse. „.- M^ V'. .29.16 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.' -. . abolladuras u otras causas..••• ^ " :-: • . es el diagrama de Pareto para la representación gráfica tanto de las frecuencias como de las frecuencias relativas de cada causa de falla en inspección.0 Fig. 20 1 t -: • •• •• O e . Para efectos de representación gráfica.. -. 2 de calidad._. Diagrama de Pareto de: Defectos 200 100 SO 4» 01 o 60 100 40 G O 'e? *e o. ' <-. una serie de barras representa cantidades de una serie de tiempo.. La figura 2-8. • EJEMPLO 14.0 30. En un diagrama de barras de componentes se marcan subdivisiones en las barras del diagrama. 2-8 2. durante una serie de periodos temporales secuencialmente ordenados.0 100.11 DIAGRAMAS DE BARRAS Y GRÁFICAS DE LINEAS Una serie de tiempo es un conjunto de valores observados..0 49. de modo que los diagramas de Pareto permiten que tanto equipos de trabajadores como gerentes se concentren en las áreas más importantes en las que se necesitan acciones correctivas. En el capítulo 16 se describen métodos especiales de análisis de datos de este tipo.0 10...0 6. -. 1 .. o "-. (Véase problema resuelto 2.

se le llama gráfica de control. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 17 170160150• • J2 *S 140- § "'¡ Ü 130120- 110100901 1 1 ^ • 1 1 1 1 2 1 3 1 4 1 5 1 6 Año Fig. La determinación de esos límites y el uso de las gráficas de control en el control estadístico de calidad se explican e ilustran en el capítulo 20. . EJEMPLO 15. Los valores trazados pueden ser valores observados individuales o valores compendiados. como en el caso de una serie de medias muéstrales.CAP.12 GRÁFICAS DE CORRIDAS Una gráfica de corridas es una gráfica de valores de datos en el orden secuencial temporal en que fueron observados. 2-10 Gráfica de líneas. Cuando a una gráfica de este tipo se le agregan los límites inferior y superior del muestreo de aceptación.3 *S e e a O « 130120110- 100- 90- I 1 I 2 ! 3 I 4 I 5 I 6 Año Fig. 2-9 Diagrama de barras. 2. 170- 160150140- . Los datos de la figura 2-9 se presentan en forma de gráfica de líneas en la figura 2-10.

80.96.05. La determinación de si considerar o no como una desviación significativa a cualquiera de las desviaciones de estas medias muéstrales respecto de la norma de peso especificada se expondrá ampliamente en el capítulo 20.0^ ^"^^ •a a» en s o 14. países en desarrollo y nichos de oportunidad. 2. problemas resueltos 20. 14.07 y 15.18 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.1- 15.5. La figura 2-12 es un diagrama circular en el que se describen los ingresos y el porcentaje de ingresos totales de Xerox Corporation durante un año reciente de acuerdo con las categorías actividad principal (que Xerox denomina "zona de importancia decisiva").01.24.5.04. 15.8! í 10 Muestra 5 15 Fig. En la figura 2-11 se muestra una gráfica de corridas de la secuencia de pesos medios de muestras de cuatro paquetes de papas fritas tomadas en 15 momentos distintos con el método de muestreo de subgrupos racionales (véase capítulo 1. 14.91. mercados en crecimiento. 15. .95. como podría serlo la distribución de las ventas en dólares de una compañía. 15. La especificación de peso neto promedio por empacar en el proceso es de 15. ejemplo 13). 15.99. 2-11 Gráfica de corridas.14.02 onzas.00. 15. 14.8%) Nichos (1. 15.13 y 20.02.08. La secuencia de pesos medios de las muestras fue la siguiente: 14.98. 15.65. 14.1%) Mercados en crecimiento (4.13 DIAGRAMAS CIRCULARES Un diagrama circular es una figura en forma de pastel cuyas piezas representan divisiones de una cantidad total. Ingresos de Xerox Corporation(en miles de millones de dólares) Principal (10.0%) Fig. Un diagrama circular de porcentajes es aquel cuyos valores han sido convertidos a porcentajes para facilitar su comparación. 14. 15. 14.1%) En desarrollo (1. 2 EJEMPLO 16. 2-12 Diagrama circular. EJEMPLO 17.00 onzas.84.9- 14.

¿Cuál es el tamaño de este intervalo? d) ¿cuál es el punto medio de la primera clase? e) ¿cuáles son los límites exactos inferior y superior de la clase en la que fue tabulado el mayor número de tasas de renta por departamento? /) supongamos que se reportara una tasa de renta mensual de $439. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 19 Problemas resueltos DISTRIBUCIONES DE FRECUENCIAS./) $440 y $469. (Nota: Como en el ejemplo 2.2 Elabore un histograma con los datos de la tabla 2. $379. Identifique los límites nominales inferior y superior de la clase en la que sería contabilizada esta observación.50 y $379.5 Distribución de frecuencias de tasas de renta mensual por departamento de 200 departamentos-estudios Número de departamentos 3 8 10 13 33 40 35 30 16 12 Tasa de renta $350-379 380-409 410-439 440^69 470-499 500-529 530-559 560-589 590-619 620-649 Total 200 a) ¿cuáles son los límites nominales inferior y superior de la primera clase? b) ¿cuáles son los límites exactos inferior y superior de la primera clase? c) el intervalo de clase aplicado es igual en todas las clases de la distribución.$349.50 + $15.1 En referencia a la tabla 2. el dólar más cercano. (Nota: $439.50 + 30/2 .CAP.50 e) $499.1. situación esta última que suele ser más común en los límites exactos de clase en comparación con los límites nominales de clase.$350 = $30 (resta del límite nominal de clase inferior de la clase al límite nominal de clase inferior de la clase adyacente superior) rf) $349.50 = $30 (resta del límite exacto de clase inferior al límite exacto de clase superior de la clase) $380 .50.) c) Si nos atenemos al intervalo de los valores de la primera clase.50 y $529. .50. En la figura 2-13 aparece un histograma de los datos de la tabla 2. a) b) $350 y $379 $340.5. Tabla 2. en este caso se expresan dos dígitos adicionales en lugar de uno solo.50 .$364. INTERVALOS DE CLASE Y MÉTODOS GRÁFICOS CORRESPONDIENTES 2.5.50 se redondea primeramente en $440.50 .) 2.$349.5. de acuerdo con la regla de números pares descrita en la sección 2.00 .

50 454.6.3 Elabore un polígono de frecuencias y una curva de frecuencias con los datos de la tabla2.50 649. •o 4» 20 £ 4* S 10 O 334. La ojiva de los datos de la tabla 2.50 604.50 499.5.6 por medio de una ojiva. La curva de frecuencias parece corresponder al tipo asimétrico negativo.50 424.50 664. 2-13 2.50 469. 2 40 I •O •o V 20 10 O 349.50 409.4 Describa la curva de frecuencias de la figura 2-14 desde el punto de vista de su asimetría.50 439.50 574.6 aparece en la figura 2-15.20 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.50 529. 2-14 2.50 379.50 634. en dólares Fig.50 484.50 514. en dólares Fig. Véase tabla 2. La figura 2-14 es una representación gráfica del polígono de frecuencias y la curva de frecuencias de los datos de la tabla2.5 Elabore una distribución de frecuencias acumuladas con los datos de la tabla 2.6 Represente gráficamente la distribución de frecuencias acumuladas de la tabla 2.50 394. 2.50 Tasa de renta (límites exactos de clase).50 589.5.50 544.50 364.5. 2.50 619. ACOTACIONES W) e e o» 40 Polígono de frecuencias 30 Curva de frecuencias IM es D.50 559.50 Tasa de renta (puntos medios de clase). .

50-379.50 409.50-529.50 589.50-439.50-619.50 469.7 se enlistan los tiempos requeridos para la conclusión de una tarea de ensamble para una muestra de 30 empleados que presentaron su solicitud de ascenso a un puesto de ensamble de precisión.50 499. Intervalo aproximado = mayor valor en datos no agrupados 18-9 menor valor en datos no agrupados número de clases deseadas = 1.50 589.6 Distribución de frecuencias acumuladas de tasas de rentas de departamentos Fronteras de clase $349.50 439.50 619.50 649.50-559.50-499.50-409.50 559.50 469.CAP.50 499. 2-15 2.50 Tasa de renta (límites exactos de clase).50 619. Determine el tamaño de intervalo correspondiente.50 559. Supongamos que nos interesa organizar estos datos en cinco clases de igual tamaño.50-649.50 379. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 21 Tabla 2. en minutos 10 16 15 9 12 11 14 12 18 15 10 16 15 14 9 11 17 12 13 11 14 13 16 14 17 13 14 11 12 15 .80 En este caso. es conveniente redondear el intervalo en 2.50 439. en dólares Fig.50-469.50 529.50-589.7 Tiempos de ensamble de 30 empleados.0. Tabla 2.50 379.50 Total Número de departamentos 3 8 10 13 33 40 35 30 16 12 Tasa de renta $350-379 38CM09 410-439 440-469 470-499 500-529 530-559 560-589 590-619 620-649 Frecuencias acumuladas 3 11 21 34 67 107 142 172 188 200 200 fa 200 150 100 50 O 349.7 En la tabla 2.50 529.50 409.

8 Distribución de frecuencias de los tiempos de ensamble Tiempo. La distribución requerida aparece en la tabla 2. a) 16.0 para todas las clases y fijando en 9 minutos el límite nominal inferior de la primera clase.16.5 Tiempo.5 .8.5. Tabla 2.8 e identifique a) sus límites exactos.8 Elabore una distribución de frecuencias de los datos de la tabla 2.10 Elabore un histograma con la distribución de frecuencias de la tabla 2. b) 18. en minutos Fig. 2. 2-16 2.5 16. 2.5 + 2.9 Remítase a la clase con el menor número de empleados de la tabla 2.5 12.5-18.12 Describa la curva de frecuencias de la figura 2-17 en términos de su asimetría. aunque con una ligera asimetría positiva.5. El polígono de frecuencias y la tabla de frecuencias aparecen en la figura 2-17. Esta curva de frecuencias es casi simétrica. en min Número de empleados 4 8 8 7 3 Total 30 9-10 11-12 13-14 15-16 17-18 2.5 . / 10 8 8.5 10.5 14. c) 16.0/2 = 17.2. El histograma se presenta en la figura 2-16.8.8.11 Elabore un polígono de frecuencias y una curva de frecuencias con los datos de la tabla 2. .7 con un intervalo de clase de 2.0.22 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP. b) su intervalo y c) su punto medio. 2 2.5 18.

.3 40.5 15. el percentil aproximado correspondiente a 15 minutos de tiempo de ensamble es 72. Véase la tabla 2.8.5 16. en minutos Fig.5-18. ¿>) ¿En qué punto percentil se encontraría un tiempo de ensamble de 15 minutos? c) ¿Cuál es el tiempo de ensamble del 20o. emplee límites exactos para identificar cada clase e incluya en la tabla tanto porcentajes acumulados como frecuencias acumuladas.5-12.0 100. percentil es 11 minutos. 2-17 2.5 13. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 23 / 10 8 7.5-16.5 / 4 fa 4 12 20 27 30 % acumulado 8 8 7 3 13. percentil de la distribución? a) b) c) La ojiva se presenta en la figura 2-18.5 10.5 Tiempo.5 12.5-14. Tal como se deduce de las líneas punteadas en la sección superior de la figura.7 90.5-10.5 11.CAP.5 9.5 19.0 2. Tal como se deduce de las líneas punteadas de la sección inferior de la figura. en min 8. a) Trace la ojiva de porcentajes de estos datos.9 Distribución de frecuencias acumuladas de los tiempos de ensamble Tiempo.5 17.13 Elabore una distribución de frecuencias acumuladas con la distribución de frecuencias de tiempos de ensamble de la tabla 2.5 14. Tabla 2.9 para la distribución de frecuencias acumuladas.9.14 Remítase a la distribución de frecuencias acumuladas de la tabla 2. el tiempo aproximado del 20o.0 66.

15 Dada la curva de frecuencias d) de la figura 2-19. la curva e). y la curvay) asimétrica positiva y leptocúrtica.5 18. X x e} X X Fig.5 14.24 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.5 Tiempo. 2-18 FORMAS DE CURVAS DE FRECUENCIAS 2. simétrica y platicúrtica.6. la curva c\ asimétrica positiva y mesocúrtica. c\ d). 2-19 DISTRIBUCIONES DE FRECUENCIAS RELATIVAS 2.16 Siguiendo las instrucciones de la sección 2. la curva d) asimétrica negativa y mesocúrtica. determine a) las frecuencias relativas y b) las proporciones acumuladas de los datos de la tabla 2. la cual es simétrica y mesocúrtica.11.10.5 16.10 aparecen en la tabla 2. Las frecuencias relativas y las proporciones acumuladas de los datos de la tabla 2.5 10.5 12. e) yj) en términos de asimetría y curtosis. . describa las curvas b). 2 100 - 80 60 - 40 - 8. La curva b) es simétrica y leptocúrtica. en minutos Fig.

25 Número promedio de accidentes Fig.06 0. 2-20 6) Véase figura 2-21. elabore a) un histograma de la distribución de frecuencias relativas y b) una ojiva de las proporciones acumuladas.0 2.95 3.2 Total Número de empresas 3 12 14 9 7 5 50 Tabla 2.11 Frecuencias relativas y proporciones acumuladas del número promedio de accidentes Número de empresas a) Frecuencias relativas b) Proporciones acumuladas Número promedio de accidentes por millar de horas-hombre 1.10 Total 100 0.90 1.5-1.1-2.06 0.0-3.9 3.0-3.11. 30 20 .REPRESENTACIONES ESTADÍSTICAS\ Tabla 2.2 3 12 14 9 7 5 Total 50 0.14 0.00 2.0 2.17 En referencia a la tabla 2.7 1.4-2.58 0.05 2J5 2.75 2.8-2.8-2.5-1.2 U «n u.10 Número promedio de accidentes por millar de horas-hombre en una industria Número promedio de accidentes por millar de horas-hombre 1.76 0.30 0.9 3.4-2.45 1. . E g 10 o 1.65 2.1-2.24 0.6 2.7-2.6 2.7 1.28 0.3 2.18 0.3 2.7-2. a) Véase figura 2-20.

En referencia a la figura 2-21. percentil? a) 90o.12. b) 2.35.5 accidentes? b) ¿Cuál es el número promedio aproximado de accidentes en el 50o.11.50 en el eje horizontal.26 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.18 a) En referencia a la tabla 2. ¿qué proporción de empresas pertenecen a la categoría de un promedio de al menos 3. 2. (Éste es el punto aproximado en el eje horizontal que corresponde a la altura de 0.21 Identifique los límites exactos de clase de los datos de la tabla 2.50 de la ojiva. percentil. b) 6% + 24% = 30% 2. 2-21 2.20 Por interpolación gráfica en una ojiva podemos determinar los percentiles aproximados de diversos valores de la variable y viceversa.) 2.95 (aproximadamente 3.0 accidentes por cada mil horas-hombre? o) 0.12 Tiempo requerido para procesar y preparar pedidos postales Tiempo. 2 100 - 1.45 Número promedio de accidentes Fig.12. ¿cuál es el valor percentil asociado con un promedio de 2. en min 5 y menor que 8 8 y menor que 11 11 y menor que 14 Número de pedidos 10 17 12 14 y menor que 17 17 y menor que 20 Total 6 2 47 Con base en la tabla 2. (Ésta es la altura aproximadade la ojiva correspondiente a 2.10.11.0) accidentes por cada mil horas-hombre? b) ¿Cuál es el número promedio de accidentes en el 58o.0 accidentes por cada mil horas-hombre? b) ¿Qué porcentaje de empresas se hallan en o por debajo de un promedio de 2.) DISTRIBUCIÓN DE FRECUENCIAS DEL TIPO "Y MENOR QUE" 2. Tabla 2. d) ¿Cuál es el percentil aproximado asociado con un promedio de 2.19 a) En referencia a la tabla 2.25. percentil. . percentil? d) b) 65o.

2-22 2.0-11.CAP. (En el caso de los datos reportados.0 14.13 El polígono de frecuencias aparece en la figura 2-22.0 y 11. en la que se enlistan los tiempos en minutos para la realización de una tarea de ensamble en una muestra de 30 empleados.5 21. b) 10. Se trata de una distribución de frecuencias del tipo "y menor que". Determine el tamaño del intervalo de clase.0.0-17.5 15.0 8. pero no a los de 11 minutos.0 12 6 2 17. c) En referencia a los puntos medios de dos clases adyacentes: 12 .0 11. en minutos Fig. Esto se ilustra en la solución del inciso d). Identifique el punto medio de la primera clase.23 Use software de cómputo para construir una distribución de frecuencias y producir un histograma de los datos de la tabla 2. d) 9 y menor que 11.13 Tiempo requerido para procesar y preparar pedidos postales (con límites exactos de clase) Límites exactos de clase Número de pedidos 10 17 Tiempo. más adelante.5 12.0-14. Determine los límites exactos de clase inferior y superior de la primera clase. a) b) c) d) é) a) Describa el tipo de la distribución de frecuencias encontrada. esto incluiría a todos los tiempos reportados de 9 y 10 minutos.5 6.0 Total 47 2. 18 •o 5 O 12 O )H E O a» 3.) e) 9.8. En la figura 2-23 se presenta el histograma obtenido por computadora. identifique los límites nominales de clase inferior y superior de la primera clase. . enmin 5 y menor que 8 8 y menor que 11 11 y menor que 14 14 y menor que 17 17 y menor que 20 5.10^2.5 Tiempo requerido (puntos medios).5 9.5 18. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 27 Tabla 2.0.0-20.7.22 Elabore un polígono de frecuencias de la distribución de frecuencias de la tabla 2.

0. 9. Realice de nuevo el análisis con la especificación de que el punto medio de la primera clase debe fijarse en 9. 2. Se trata de una distribución de frecuencias del tipo "y menor que". Identifique los límites nominales de clase inferior y superior de la primera clase. Determine el tamaño del intervalo de clase.0 y se debe emplear un intervalo de clase de 1. 4- i • 1 a 3i 1 9 1 10 1 11 1 12 1 13 1 14 1 15 1 16 1 17 1 18 Tiempo Fig. Identifique el punto medio de la primera clase. Determine los límites exactos de clase inferior y superior de la primera clase.24 obtenida en Minitab. 2-24 Solución del problema 2. a) b) c) d) e) a) b) c) Describa el tipo de la distribución de frecuencias encontrada. 2-23 Solución del problema 2.23 obtenida en Minitab. -1 _ 2 1 -1 0- I 10 f 12 ! 14 I 16 I 18 Tiempo Fig.24 Remítase al problema anterior.28 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAR 2 8 7- 6Gfl 3t c 3 54- u. En referencia a los puntos medios de dos clases adyacentes: 10-9= 1. . 5 En la figura 2-24 se presenta el histograma obtenido por computadora.

y que los tres primeros troncos contienen un total de 24 puntajes.5 y menor que 9.) 8. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 29 d) e) 8. N. Los tres primeros números en sentido descendente indican que el primer tronco contiene dos puntajes. el primero y segundo troncos contienen un total de 12 puntajes. (15).14 Temperaturas más alta y más baja de 40 ciudades estadunidenses Más alta Albany. 94 76 78 82 75 74 93 94 67 70 70 62 76 81 69 78 67 63 85 69 El diagrama de tallo y hojas aparece en la figura 2-25. N. considerados en conjunto. El diagrama de tallo y hojas aparece en la figura 2-26. Minitab incluye entre sus resultados una columna adicional con información de frecuencias acumuladas.4. indica que ese tronco contiene dos puntajes. Compare sus resultados con el diagrama de tallo y hojas de la figura 2-7. Tabla 2. . El cuarto número. Richmond Roche ster.25 En la tabla 2. Elabore un diagrama de tallo y hojas de las temperaturas registradas más altas. Anchorage Atlanta Austin Birmingham Boston Buffalo Casper Chicago Cleveland Columbia. DIAGRAMAS DE TALLO Y HOJAS 2. Ore. Y St. Tronco 5 Hojas 8 6 7 " 8 9 0 2 3 3 4 7 7 9 9 9 0 0 0 1 1 2 4 4 5 5 6 6 6 6 6 6 7 8 8 1 2 2 4 4 5 6 3 4 4 Fig. Louis San Antonio San Diego San Francisco Seattle Syracuse Tampa Washington D. Y. indica que el primero y segundo troncos de abajo hacia arriba incluyen un total de 11 puntajes. aparece entre paréntesis. Los números restantes de la columna se leen en sentido ascendente. mientras que el número inmediatamentesuperior. 11.C. 2-25 Diagrama de tallo y hojas.5. Dallas Detroit Forth Wayne Green Bay Honolulú Houston Jacksonville Kansas City 69 60 76 82 76 64 63 58 76 70 74 71 86 71 76 75 84 84 77 72 Más baja 39 47 46 66 42 53 44 51 45 40 47 40 68 43 37 38 65 67 50 59 Más alta Las Vegas Más baja 63 61 51 67 48 50 64 74 44 53 46 42 58 69 62 55 50 43 59 52 Los Ángeles Memphis Miami Beach Milwaukee Ciudad de Nueva York Palm Springs Phoenix Pittsburgh Portland.5 y 9. 2. Columbus. que. S. lo que indica que este tronco contiene el puntaje medio del grupo tras la ordenación de los 50 puntajes reportados e incluye 15 puntajes reportados.14 aparece un listado de las temperaturas más alta y más baja registradas el 15 de mayo de un año reciente en 40 ciudades estadunidenses seleccionadas. Oh. 2. Además de valores de tallo y hojas.5. C.26 Use software de cómputo para obtener un diagrama de tallo y hojas de los puntajes incluidos en la tabla 2. esto incluiría simplemente a todos los tiempos reportados de 9 minutos. El número que aparece más abajo. (En el caso de los datos reportados.CAP.

1 = M) 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 Ritmo cardiaco (0 = no.30 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP. 2-26 Resultados en Minitab.50 Leaf Unit = 1. de 30-35 años de edad ¿Fumador habitual? Género (0 = F. 1 = sí) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 82 68 78 80 62 60 62 76 74 74 68 68 64 76 88 70 78 80 74 82 80 90 64 74 70 74 84 72 92 64 94 80 78 88 60 68 90 89 68 72 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 . Tabla 2.0 2 12 24 (15) 11 2 5 6 7 8 9 10 89 2233555669 122344566788 011222344556788 012466789 00 Fig. 2 Stem-and-leaf of Scores N .15 Ritmos cardiacos en estado de reposo de una muestra de adultos.

-4- _.09 4. Interprete el diagrama de puntos que obtenga.0 84. DIAGRAMAS DE BARRAS Y GRÁFICAS DE LINEAS 2.00 El diagrama de barras aparece en la figura 2-28.42 1. respectivamente.27 En la tabla 2.16 Utilidades por acción de operaciones.72 1. Tabla 2. aunque con la misma escala a fin de facilitar la comparación.20 2. Use software de cómputo para elaborar un diagrama de puntos que facilite la comparación entre el ritmo cardiaco de los no fumadores y de los fumadores de esta muestra.09 0. 2.CAP.89 1.0 PULSE 98.35 Dividendos Año Utilidades retenidas $0.92 2.0 Fig.16. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 31 DIAGRAMAS DE PUNTOS 2.28 La tabla 2.16 incluye algunos de los resultados financieros reportados por una compañía generadora de energía eléctrica durante seis años consecutivos.61 2.__ i — — i .60 3. SMOKER O PULSE SMOKER 1 + 63 O h -. 2-27 Resultados en Minitab.29 Elabore un diagrama de barras de componentes con los datos de la tabla 2. la muestra de fumadores habituales deja ver que el ritmo cardiaco de éstos es ligeramente superior al de los no fumadores. de la estimación de la diferencia entre parámetros de la población y de la prueba de diferencias en parámetros de la población. En la figura 2-27 se presenta un diagrama de puntos en el que los dos subgrupos de personas aparecen por separado. Tal como lo indica a su vez la dispersión de cada subconjunto de datos.30 Elabore una gráfica de líneas de las utilidades por acción reportadas en la tabla 2.45 0.0 91. 2. La gráfica de líneas aparece en la figura 2-30. Tal como se desprende de la concentración de las respectivas distribuciones. los fumadores presentan mayor variabilidad en su ritmo cardiaco que los no fumadores. Elabore un diagrama de barras verticales en la que se describan las utilidades anuales por acción de esta compañía correspondientes a los años codificados.0 77.35 1 2 3 4 5 6 $1.16 en tal forma que indique la división de utilidades por acción entre dividendos (D) y utilidades retenidas (R) en cada año.16.52 1. dividendos y utilidades retenidas de una compañía generadora de energía eléctrica Utilidades $1. .15 se presentan los ritmos cardiacos en estado de descanso de una muestra de 40 adultos.17 2.56 0.48 3.02 4. 70. que se ocupan. La consideración acerca de si estas diferencias muéstrales pueden interpretarse como indicativas de diferencias reales en la población será tratada en los capítulos 9 y 11. f En la figura 2-29 se presenta un diagrama de barras de componentes de los datos de la tabla 2. la mitad de los cuales no fuman (código 0) en tanto que la otra mitad la componen fumadores regulares (código 1).

.

2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 33 GRÁFICAS DE CORRIDAS 2.3.03.03 - 0. En relación con 20 muestras secuenciales de 100 canjes de cupones cada una. tal como se le obtuvo con el empleo del software de cómputo Minitab. 2. .1 y 4. 2. 1. 3. O. Tabla 2. una auditoría revela que el número de errores encontrados en las muestras de subgrupos racionales es: 2.06 0.2.31 Cuando un proceso de canje de cupones se halla bajo control. 6. i 0.04 0. de modo que la proporción máxima aceptable de errores es de 0.07 - 0. 6.00 - Muestra i 5 I 10 I 15 I 20 Fig. 2-31 Gráfica de corridas.U. Convierta en proporciones estos números de errores por muestra de 100 y elabore la gráfica de corridas de las proporciones de los errores observados.CAP.01 0.4. 7.32 En la tabla 2. 5.05 - £ o. 3.17 aparecen los montos de portafolios de inversiones en varias zonas geográficas de un fondo de inversión de acciones globales.17 Distribución de inversiones: Fondo de acciones globales (en millones de dólares) E. 3. y América del Norte Japón y Extremo Oriente Europa continental Inglaterra $231 158 84 53 Total $526 El diagrama circular se presenta en la figura 2-32. Elabore un diagrama circular de porcentajes con esta información. 8.02 0. 5. La gráfica de corridas aparece en la figura 2-31. DIAGRAMAS CIRCULARES 2. un máximo de 3% de las deducciones se realizan incorrectamente. 0.08 0.4.

10.43.18 Kilometraje automovilístico de 25 viajes de vehículos empresariales Kilómetros por litro 24.0-35.95.18 es una distribución de frecuencias del kilometraje por gasolina obtenida con base en una muestra de 25 viajes de vehículos de una compañía.0 y 35.34 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.95.0 y 29.33 La tabla 2.9 28.9%) Inglaterra (53. c) 2.0.0%) Europa (84. 9.9 Número de viajes 3 5 10 4 2 1 Total 25 2. Resp.30.9 34. 2-32 Diagrama circular. d) 34. Elabore un polígono de frecuencias y una curva de frecuencias con los datos de la tabla 2.34 2. 2 Distribución de inversiones (en millones de dólares) América del Norte (231.9 30.0-27.9 32.18 . INTERVALOS DE CLASE Y MÉTODOS GRÁFICOS CORRESPONDIENTES 2.35 Elabore un histograma con los datos de la tabla 2.0-25.0%) Fig.95 y 35. e) 28. b) 33. Indique los límites inferior y superior de la clase en la que fue incluido este resultado.0-29.9. a) ¿Cuáles son los límites nominales inferior y superior de la última clase? b) ¿Cuáles son los límites exactos inferior y superior de la última clase? c) ¿Qué intervalo de clase se usó? d) ¿Cuál es el punto medio de la última clase? e) Supongamos que el kilometraje por litro de un viaje específico fue de 29.16.18.0-33.1%) Extremo Oriente (158.0-31. a) 34.9 Tabla 2. Problemas complementarios DISTRIBUCIONES DE FRECUENCIAS.9 26.

Resp. b) leptocúrtica.41 en términos de su asimetría.45 Elabore una tabla de frecuencias relativas a partir de la distribución de frecuencias presentada en la tabla 2. como corresponda: a) una curva de frecuencias con una cola a la derecha.18 y elabore una ojiva para la represen tación gráfica de esta distribución.39 y trace una ojiva con estos datos. b) una curva de frecuencias relativamente afilada. 237 Forme una distribución de frecuencias acumuladas con los datos de la tabla 2. 2.19 se presentan las cantidades de 40 préstamos personales utilizados para financiar la compra de muebles y aparatos eléctricos. c) platicúrtica. En la tabla 2. Elabore un histograma de la distribución de frecuencias formada en el problema 2.20. . d) una curva de frecuencias con cola a la izquierda. Elabore un polígono de frecuencias y una curva de frecuencias de la distribución de frecuencias formada en el problema 2. Se trata evidentemente de una curva de frecuencias asimétrica positiva.19 Cantidades de 40 préstamos personales $932 515 452 1900 $1000 554 1200 1278 2540 586 1 650 1219 973 660 720 1388 851 329 1423 727 $356 1 190 300 1610 1525 1000 1 890 935 592 655 $2227 954 2112 445 784 870 630 3000 334 1590 239 2.44 Describa las siguientes curvas en términos de asimetría o curtosis. Resp.39. 2] REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS 35 236 Describa la curva de frecuencias resultante del problema 2. FORMAS DE CURVAS DE FRECUENCIAS 2.39. Resp.35 desde el punto de vista de su asimetría. a) Asimétrica positiva.19 iniciando la primera clase con un límite de clase inferior de $300 y aplicando un intervalo de clase de $400. d) asimétrica negativa DISTRIBUCIONES DE FRECUENCIAS RELATIVAS 2. Esta curva de frecuencias parece ser del tipo asimétrico positivo. $400 238 Tabla 2.40 2.41 2. Describa la curva de frecuencias resultante del problema 2. c) una curva de frecuencias relativamente plana.CAP. ¿cuál sería el intervalo de clase más conveniente para esta distribución de frecuencias? Resp.43 Elabore una distribución de frecuencias acumuladas de la distribución de frecuencias formada en el problema 2. Supongamos que nos interesa ordenar estas cantidades en una distribución de frecuencias con un total de siete clases.42 Elabore una distribución de frecuencias con los datos de la tabla 2. Partiendo del supuesto de intervalos de clase iguales.

por medio de interpolación gráfica: a) el periodo de vida de las herramientas en el 50o. Resp.46 2.52 En referencia a la distribución de frecuencias de la tabla 2. á) 74. = 75 hr. En referencia a la tabla resultante del problema 2.21. percentil DISTRIBUCIÓN DE FRECUENCIAS DEL TIPO "Y MENOR QUE 2.48 2. a) ¿Qué periodo de vida de las herramientas se asocia con el 26o. a) 18. b) 69o.9 100.0. e) el punto medio de la primera clase.9 125.51 Elabore una ojiva con las proporciones acumuladas determinadas en el problema 2. d) el límite exacto superior de la primera clase.0 Tabla 2.0-124.20 Periodo de vida de herramientas cortantes en un proceso industrial Número de herramientas 2 4 12 30 18 4 Horas antes de remplazo 0. aproximadamente.45.36 REPRESENTACIONES ESTADÍSTICAS Y ANÁLISIS DE GRÁFICAS [CAP.0 Total 70 2. En referencia a la tabla 2.50 2.0-99. a) 6%. e) 19. percentil 2. percentil de la distribución? b) ¿Cuál percentil se asocia con un periodo de vida de herramientas de aproximadamente 100 horas? Resp.9 50. b) aproximadamente el 16o.9 25. d) 20. b) el percentil asociado con un periodo de vida de herramientas de 60 horas. Resp.9 75. b) 20. ¿?) el límite nominal superior de la primera clase. b) 31% 2. Remítase a la ojiva elaborada en el problema 2. a) Aproximadamente 89 hr.0. c) 18.0-149.20.48.95 hr.47 Elabore un histograma de la distribución de frecuencias relativas del problema 2.0-24. 2 Tabla 2.50 y determine los siguientes valores. c) el límite exacto inferior de la primera clase.49 Elabore una tabla de proporciones acumuladas con la distribución de frecuencias de la tabla 2.0-74. a) ¿Qué porcentaje de herramientas cortantes duró al menos 125 horas? b) ¿Qué porcentaje de herramientas cortantes tuvo un periodo de vida de al menos 100 horas? Resp.21 Edades de una muestra de candidatos a un programa de capacitación Edad 1 8 y menor que 20 20 y menor que 22 22 y menor que 24 24 y menor que 26 26 y menor que 28 28 y menor que 30 30 y menor que 32 Total Número de candidatos 5 18 10 6 5 4 2 50 .48.20.0-49. percentil de la distribución. determine a) el límite nominal inferior de la primera clase.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->