DATO: Es el elemento primario de la informacin conformado por smbolos (letras, nmeros, frases) los

cuales son recolectados para un caracterstica en una investigacin. Solo o aislado el dato no posee relevancia,
pero obtenido con tcnicas de muestreo estadstico nos puede inducir al razonamiento y llevarnos a una
conclusin. Slo cuando un conjunto de datos se examina conjuntamente a la luz de un enfoque, hiptesis o
teora se puede apreciar la informacin contenida en dichos datos. Los datos pueden consistir en nmeros,
estadsticas o proposiciones descriptivas. Los datos convenientemente agrupados, estructurados e
interpretados se consideran que son la base de la informacin humanamente relevante que se pueden utilizar
en la toma de decisiones, la reduccin de la incertidumbre o la realizacin de clculos. Con el auge de los
software estadsticos (SPSS, SAS, STATISTIC, R, S, EXCEL entre otros, facilitan los anlisis, univariados,
bivaridos y multivariados en una investigacin cientfica. Ejemplo: la altura de un terreno, nombre, fecha de
nacimiento, colores de cabello, niveles de estudio, estrato social, nmero de hermanos, resistencia, ph, uso,
entre otros. Todos surgen de la observacin y la experiencia.

VARIABLE: Una variable es una propiedad que puede fluctuar y cuya variacin es susceptible de adoptar
diferentes valores, los cuales pueden medirse u observarse. Las variables adquieren valor cuando se
relacionan con otras variables, es decir, si forman parte de una hiptesis o de una teora. En este caso se las
denomina constructos o construcciones hipotticas.

1. Variables cuantitativas: Son las variables que toman como argumento, cantidades numricas, son variables
matemticas. Las variables cuantitativas se clasifica en:
1.1 Variable discreta: Es la variable que presenta separaciones o interrupciones en la escala de
valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre
los distintos valores especficos que la variable pueda asumir. Ejemplo: El nmero de hijos (1, 2,
3, 4, 5).
1.2 Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo
especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg,...) o la altura (1,64 m, 1,65
m, 1,66 m,...), o el salario. Solamente se est limitado por la precisin del aparato medidor, en
teora permiten que exista un valor entre dos variables.
2. Variables cualitativas: Son el tipo de variables que como su nombre lo indica expresan distintas
cualidades, caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o categora, y la
medicin consiste en una clasificacin de dichos atributos. La variable cualitativa puede ser dicotmicas cuando
slo pueden tomar dos valores posibles, como s y no, hombre y mujer o ser politmicas cuando pueden
adquirir tres o ms valores. Existen dos tipos de variables cualitativas
2.1 Variable cualitativa ordinal: como el nombre de la variable lo dice requiere un orden (ordinal).
Por ejemplo el grado de estudio. Esta variable exige que para ser profesional debe haber tenido

bachillerato, para hacer el postgrado debi tener un ttulo profesional, luego para describir esta
variable se debe organizar en un orden.
2.2 Variable cualitativa nominal: como el nombre de la variable lo dice infiere una nominacin
(nominal) y no requiere criterio de orden para describir en una tabla, como por ejemplo los
colores, color ojos, color cabello, sexo, estado civil entre otros
Otro tipo de clasificacin que se maneja en estadstica es segn la influencia que asignemos a unas variables
sobre otras, podrn ser:
Variables independientes: Una variable independiente es aquella cuyo valor no depende de otra variable. La
variable independiente se representa en el eje de abscisas. Son las que el investigador escoge para establecer
agrupaciones en el estudio, clasificando intrnsecamente a los casos del mismo. Un tipo especial son las
variables de control, que modifican al resto de las variables independientes y que de no tenerse en cuenta
adecuadamente pueden alterar los resultados por medio de un sesgo. Es aquella caracterstica o propiedad que
se supone ser la causa del fenmeno estudiado. En investigacin experimental se llama as a la variable que el
investigador manipula.
Variables dependientes: Una variable dependiente es aquella cuyos valores dependen de los que tomen otra
variable. La variable dependiente en una funcin se suele representar por Y. La variable dependiente se
representa en el eje ordenadas. Son las variables de respuesta que se observan en el estudio y que podran estar
influidas por los valores de las variables independientes.
Variables intervinientes: Son aquellas caractersticas o propiedades que, de una manera u otra, afectan el
resultado que se espera y estn vinculadas con las variables independientes y dependientes.
POBLACIN ESTADISTICA: El concepto de poblacin en estadstica va ms all de lo que comnmente se
conoce como tal. Una poblacin se precisa como un conjunto finito o infinito de personas, objetos, opiniones
que presentan caractersticas comunes.
Destacamos algunas definiciones:
"Una poblacin es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos
sacar conclusiones". Levin & Rubin (1996).
"Una poblacin es un conjunto de elementos que presentan una caracterstica comn". Cadenas (1974).
El tamao que tiene una poblacin es un factor de suma importancia en el proceso de investigacin estadstica y
en nuestro caso social, y este tamao vienen dado por el nmero de elementos que constituyen la poblacin,
segn el nmero de elementos la poblacin puede ser finita o infinita.
1- Poblacin infinita: Cuando el nmero de elementos que integra la poblacin es muy grande, por
ejemplo; el conjunto de todos los nmeros positivos.
2- Poblacin finita: es aquella que est formada por un limitado nmero de elementos, por ejemplo; el
nmero de habitantes de una comarca.
Cuando la poblacin es muy grande, es obvio que la observacin y/o medicin de todos los elementos se
multiplica la complejidad, en cuanto al trabajo, tiempo y costos necesarios para hacerlo. Para solucionar este
inconveniente se utiliza una muestra estadstica.

MUESTRA ESTADISTICA: La muestra es una representacin significativa de las caractersticas o variables

de una poblacin, que bajo, la asuncin de un error (generalmente no superior al 5%, al 10%) obteniendo
mediante muestro estadsticos conjunto de datos mucho menor que la poblacin global.
"Se llama muestra a una parte de la poblacin a estudiar que sirve para representarla". Murria R. Spiegel
(1991).
"Una muestra es una coleccin de algunos elementos de la poblacin, pero no de todos". Levin & Rubin
(1996).
"Una muestra debe ser definida en base de la poblacin determinada, y las conclusiones que se obtengan de
dicha muestra solo podrn referirse a la poblacin en referencia", Cadenas (1974).
Por ejemplo estudiamos los valores sociales de una poblacin de 5000 habitantes aprox., entendemos que
sera de gran dificultad poder analizar los valores sociales de todos ellos, por ello, la estadstica nos dota de
una herramienta que es la muestra para extraer un conjunto de poblacin que represente a la globalidad y
sobre la muestra realizar el estudio. Una muestra representativa contiene las caractersticas relevantes de la
poblacin en las mismas proporciones que estn incluidas en tal poblacin.
Los expertos en estadstica recogen datos de una muestra. Utilizan esta informacin para hacer referencias
sobre la poblacin que est representada por la muestra. En consecuencia muestra y poblacin son conceptos
relativos. Una poblacin es un todo y una muestra es una fraccin o segmento de ese todo.
TIPOS DE MUESTREO: Existen dos mtodos para seleccionar muestras de poblaciones.
1- Muestreo No Probabilstico: no aleatorio o de juicio. Una muestra seleccionada por muestreo de juicio
se basa en la experiencia de alguien con la poblacin. Algunas veces una muestra de juicio se usa como
gua o muestra tentativa para decidir cmo tomar una muestra aleatoria ms adelante.
2- Muestreo Probabilstico. Todos los elementos de la poblacin tienen la oportunidad de ser escogidos en
la muestra. Existen varias tcnicas: Muestro aleatorio, Muestreo Sistemtico, Muestreo Estratificado y
Muestreo por Conglomerados.
ESTADSTICA: es una ciencia formal basada en procedimientos matemticos para analizar un conjunto de
datos provenientes de una o ms VARIABLES de una muestra representativa o poblacin, que sirve para
describir e infererir sobre las poblaciones. Estudia el uso y los anlisis provenientes de una muestra
representativa de datos, para explicar las correlaciones y dependencias de un fenmeno fsico o natural, de
ocurrencia en forma aleatoria o condicional. Sin embargo, la estadstica es ms que eso, es decir, es la
herramienta fundamental que permite llevar a cabo el proceso relacionado con la investigacin cientfica.
Puede ser transversal o longitudinal.
Se utiliza en una amplia variedad de disciplinas, fsica, matemtica, qumica, las ciencias sociales, derecho,
medicina, paramdicas, ingenieras, tecnologas, control de calidad, seguridad en el trabajo, ergonoma, en
negocios, en las instituciones gubernamentales entre otras. La estadstica se divide en dos grandes reas:
1- Estadstica descriptiva: Se dedica a la descripcin, visualizacin y resumen de datos originados a partir
de los fenmenos de estudio. Los datos pueden ser resumidos numrica o grficamente. Ejemplos
bsicos de parmetros estadsticos son: la media y la desviacin estndar. Algunos ejemplos grficos
son: histograma, pirmide poblacional, grfico circular, entre otros.
2- Estadstica inferencial: Se dedica a la generacin de los modelos, inferencias y predicciones asociadas a
los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar
patrones en los datos y extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias pueden
tomar la forma de respuestas a preguntas s/no (prueba de hiptesis), estimaciones de unas caractersticas
numricas (estimacin), pronsticos de futuras observaciones, descripciones de asociacin (correlacin)

o modelamiento de relaciones entre variables (anlisis de regresin). Otras tcnicas de modelamiento

incluyen anlisis de varianza, series de tiempo, minera de datos, anlisis multivariados entre otros.
Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. La estadstica inferencial, por su
parte, se divide en estadstica paramtrica y estadstica no paramtrica.
TABLA DE DISTRIBUCION DE UNA VARIABLE: Es la agrupacin de datos de datos en categoras
mutuamente excluyentes consta de 5 o 6 columnas dependiendo del tipo de variable que se analiza.
Nombre de la
variable

fa

fr

Fa

Fr

Frecuencia absoluta: es el nmero de veces que se repite una observacin o valor de la variable y la
representamos por fa.
Frecuencia relativa: es el cociente entre la frecuencia absoluta y el nmero total de observaciones (n)
realizadas y se representa fr.
f
fr= a
n
Frecuencia absoluta acumulada: Es la suma de las frecuencias absolutas de todos los valores inferiores o
iguales al valor considerado. Se representa por Fa
Frecuencia relativa acumulada: Es la suma de las frecuencias relativas de todos los valores inferiores o
iguales al valor considerado. Se representa por Fr
CONSTRUCCIN de TABLA Y GRFICAS de Variable CUALITATIVA.
Datos de la Variable cualitativa (ESTADO CIVIL)
Casado, Casado, Soltero, Divorciado, Soltero, Soltero, Soltero, Soltero, Soltero, Soltero, Divorciado,
Viudo, Casado, Casado, Soltero, Separado, Soltero, Soltero, Casado, Soltero, Soltero, Casado, Casado,
Soltero, Soltero, Casado, Casado, Soltero, Viudo, Soltero, Divorciado, Soltero, Casado, Soltero, Casado,
Casado, Soltero, Casado, Soltero, Soltero, Casado, Casado, Casado, Casado, Soltero, Divorciado, Soltero,
Soltero, Soltero, Casado, Divorciado, Casado, Separado, Casado, Casado, Soltero, Soltero, Casado,
Casado, Casado, Casado, Casado, Casado, Casado, Casado, Casado, Viudo, Casado, Casado, Divorciado,
Soltero, Soltero, Casado, Casado, Divorciado, Soltero, Soltero, Casado, Divorciado, Viudo, Separado,
Casado, Casado, Casado, Soltero, Soltero, Soltero, Soltero, Casado, Casado, Soltero, Casado, Casado,
Casado, Casado, Soltero, Casado, Divorciado, Casado, Separado.
Tabla 1. Estado civil.
Estado
civil
Soltero
Casado
Divorciad
o
Viudo

fa
37
46

Fr
0,37
0,46

Fa
37
83

Fr
0,37
0,83

9
4

0,09
0,04

92
96

0,92
0,96

Separado
total=

4
n=100

0,04

100

Grafico 1. Distribucin de probabilidad del estado civil

Viudo; 4%

S eparado; 4%

Divorciado; 9%

Soltero; 37%

Casado; 46%

Grfico 2. Distribucin de probabilidad del estado civil

Frecuencia relativa

0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0

0.46
0.37

0.09
0.04

0.04

CONSTRUCCIN de TABLA Y GRFICAS de Variable cuantitativa DISCRETA

Datos de la Variable cuantitativa discreta (NMERO DE HERMANOS)
5, 0, 2, 5, 1, 1, 5, 3, 2, 5, 1, 3, 0, 0, 3, 1, 2, 4, 5, 3, 4, 5, 2, 4, 2, 1, 1, 2, 2, 0, 1, 2, 1, 3, 3, 1, 5, 2, 2, 3, 5, 3, 3, 3, 4,
3, 1, 1, 1, 3, 3, 2, 2, 3, 2, 3, 5, 3, 3, 3, 2, 1, 1, 2, 0, 3, 2, 1, 1, 5, 3, 4, 1, 2, 2, 1, 0, 0, 3, 3, 3, 2, 2, 2, 2, 1, 0, 5, 1, 0,
3, 4, 3, 2, 0, 3, 1, 2, 2
Tabla 2. Nmero de Hermanos.
No.
Hermanos
0
1
2
3
4
5
total=

fa
10
21
25
26
7
11
100

fr
0,1
0,21
0,25
0,26
0,07
0,11
1

Fa
10
31
56
82
89
100

Fr
0,10
0,31
0,56
0,82
0,89
1,00

Grfico 3. Distribucion de variable Nmeros hermanos.

30

25

25

26

21

20
Frecuencia absoluta

15

11

10

10

5
0
0

Nmero de Hermanos.

Grfico 4. Distribucin de Probabilidad acumulada de la variable nmero de hermanos.

1.20
1.00
0.80
Frecuencia relativa

0.82

0.89

1.00

0.60
0.56

0.40
0.31

0.20
0.00
0

0.10
1 2

Nmero de hermanos

CONSTRUCCIN de TABLA Y GRFICAS de Variable cuantitativa CONTINUA

Datos de la variable continua (EDAD)
52, 43, 52, 53, 34, 33, 24, 22, 21, 26, 74, 58, 32, 40, 42, 48, 39, 27, 38, 29, 29, 67, 57, 21, 21, 55, 35, 26, 81, 73,
65, 68, 35, 30, 47, 58, 57, 29, 53, 48, 23, 36, 24, 61, 49, 55, 53, 33, 26, 63, 38, 30, 37, 49, 23, 59, 47, 31, 55, 74,
49, 40, 40, 42, 55, 48, 70, 21, 57, 59, 38, 33, 53, 45, 41, 25, 26, 57, 57, 66, 39, 43, 30, 48, 45, 45, 32, 22, 33, 69,
43, 31, 31, 26, 55, 45, 55, 63, 63, 37
1) Xmin=21 Xmax=81
2) Rango=R= Xmax- Xmin= 81-21=60
3) Nmero de filas de la tabla = m
Estticamente se acepta entre 3 a 15 filas para un trabajo de investigacin
Se pueden calcular como sigue:
#filas=1-3,3log (n)
ley de storges
n
#filas =
Para este caso se utiliza
#filas= 100=10
4) Calcular la amplitud de los intervalos
C=

Intervalo de
Yi
Yi-1
21
27
27
33
33
39

Rango R 60
= = =6
filas m 10

Edad
24
30
36

Marca de clase
fa
Fr
17
0,17
15
0,15
11
0,11

Fa
17
32
43

Fr
0,1
0,3
0,4

39
45
51
57
63
69
75

45
51
57
63
69
75
81

42
48
54
60
66
72
78
Total=

13
9
17
8
5
4
1
n=10

0,13
0,09
0,17
0,08
0,05
0,04
0,01
1

56
65
82
90
95
99
100

0,5
0,6
0,8
0,9
0,9
0,9
1

Grfico 4. Histograma Edad de los entrevistados

18
16
14
12
10
Frecuencia absolula
8
6
4
2
0

17

17
15
13
11
9

8
5

4
1

24 30 36 42 48 54 60 66 72 78
Edad

Grfico 5. Distribucin de Probabilidad de la edad de los entrevistados

Frecuencia relativa o Probablidiad

0.170.17
0.18
0.15
0.16
0.13
0.14
0.11
0.12
0.09
0.1
0.08
0.08
0.05
0.06
0.04
0.04
0.01
0.02
0

Edad

Grfica 7. Distribucion relativa acumulada de la edad del entrevistado

1.2

1 1 1 1
0.950.99
0.9
0.82

1
0.8
Frecuencia relativa

0.65
0.56
0.43
0.32

0.6
0.4
0.2

0.17
0

0
21 24 30 36 42 48 54 60 66 72 78 81100
Edad

MEDIDAS DE TENDENCIA CENTRAL

Las medidas de tendencia central son medidas estadsticas que pretenden resumir en un solo valor a un
conjunto de valores. Representan un centro en torno al cual se encuentra ubicado el conjunto de los datos.
Generalmente se utilizan 4 de estos valores tambin conocidos como estadgrafos, la media aritmtica, la
mediana, la moda y al rango medio.
La Moda es el valor de un conjunto de datos que aparece con mayor frecuencia. No depende de valores
extremos, pero es ms variables que la media y la mediana.

Se representa como Md
Calculo de la Moda para datos NO AGRUPADOS: es el dato que ms se repite.
0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,5,5,5,5,5,5,5,5,5,5.
Md=3
La mayora de los entrevistados tiene 3 hermanos
Calculo de la Moda para datos AGRUPADOS: es la marca de clase con la mayor frecuencia absoluta o
relativa.
Marca de clase
3

fa
26

fr
0,26

Md=3
La mayora de los entrevistados tiene 3 hermanos.
Ejercicio: Obtener la moda para la edad y estado civil
MEDIA ARITMTICA: es la medida de posicin utilizada con ms frecuencia. Si se tienen n valores de
observaciones, la media aritmtica es la suma de todos los valores dividida entre el total de valores ( n). Si los
n valores de las observaciones se obtienen por tcnicas de muestro aleatorio, tal como se designa a los
individuos de una poblacin estadstica, se llamar media muestral y se convertir en uno de los principales
estadsticos muestrales.
DESVENTAJA: la Media Aritmtica es AFECTADA por aquellos VALORES EXTREMOS, es decir, los
valores muy altos tienden a aumentarla y por el contrario, aquellos demasiado bajos tienden a reducirla, lo
cual, por supuesto, resulta bastante perjudicial ya que la misma puede dejar de ser representativa.

Calculo de la Media Aritmtica para datos NO AGRUPADOS

n
X
X = i
i=1 n
n

X =
i=1

Xi
5+ 0+,+5+1+1,+5+3+ 2 + 2+ 0+3+2+2
=2,32
=
100
n

En promedio los encuestados tienen 2,32 hermanos

Calculo de la Media Aritmtica para datos AGRUPADOS
n

y if a
y =

I=1

= y if r
i=1

y if a

y = I=1

= y if r
i=1

010+121+225+326+ 47+511
y =
= 00,1+10,21+ 20,25+30,26+ 40,07+50,11=2,32
100
i=1

En promedio los encuestados tienen 2,32 hermanos

MEDIA ARITMETICA PARA VARIABLE ALEATORIA

VARIABLE ALEATORIA
CONTINUA
VARIABLE ALEATORIA
DISCRETA
Ejercicio calcular la media aritmtica para la edad.

MEDIANA: es el valor que ocupa la posicin central en un conjunto de datos, que deben estar ordenados, de
esta manera que la mitad de las observaciones es menor que la mediana y la otra mitad es mayor que la
mediana, resulta muy apropiada cuando se poseen observaciones extremas. Se representa por Me

Calculo de la Mediana para datos NO AGRUPADOS

0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,5,5,5,5,5,5,5,5,5,5.
n/2=100/2=50
Nmero de Datos pares
Daton /2 + Dato n
Me=

( +1)
2

2+2
=2
2

La mitad de los encuestados tiene menos de 2 hermanos y la otra mitad tiene ms de 2 hermanos.
Nmero Datos impares

Me=Daton /2

Calculo de la Mediana para datos AGRUPADOS

Variable discreta
No.
Hermanos
0

Y i1
1

Fi1

Yi

56

Me=

Fa
10

3
4
5

31

Y i+Y i1
2

Cuando esta se

calcula

Fi

Me=Y i

82
89
100

Cuando no esta se

Variable Continua
Yi1
27

Yi
21
27
33

Y45
i1
51
57
63
69
75

39

33
39
45
51
57
63
69
75
81

Fa
17
15
11
13

f9i

17
8
5
4
1

Fa
17
32
43
F56
i1

Fi
65
82
90
95
99
100

Me=Y i1
Cuando esta se lee

{ }

n
F i1
2
Me=Y i1 +C
fi
calcula

{5043
13 }

Me=39+6

=42,23

CUARTILES DECILES Y PERCENTILES

EJERCICIO calcular el los cuartiles para la edad.
-El decil 3 y 9 para la edad y nmero de hermanos
- El percentil 31 y 73 para la edad y nmero de hermanos

MEDIDAS DE DISPERSIN

Cuando no esta se

Las medidas de dispersin, tambin llamadas medidas de variabilidad, muestran la variabilidad de una
distribucin, indicando por medio de un nmero, si las diferentes puntuaciones de una variable estn muy
alejadas o muy cerca de la media aritmtica. Las medidas de variabilidad ms importantes son la Varianza,
desviacin tpica y el coeficiente de variacin.
Varianza:
En
teora
de
probabilidad,
la
varianza
(se
representarse
como
2
, variazna de una poblacio y S para representar la varianza de una poblacin ) de una variable aleatoria es
una medida de dispersin definida como la Esperanza del cuadrado de la desviacin de dicha variable respecto a
su media. En otras palabras es un promedio cuadrtico de las distancias que existen entre un dato observado y la
media aritmtica.
Calculo de la varianza para datos NO AGRUPADOS
X
X i

i=1

s 2=
EJERCICIO Realizar un ejemplo para datos no agrupados
Calculo de la varianza para datos AGRUPADOS.
Y
Y i

2fa

Y
Y i

i=1

s 2=

(02,32)210+ ( 12,32 )221+ ( 22,32 )225+ (32,32 )226+ ( 42,32 )27 + ( 52,32 )211
s =
100
2

s 2= 2.0376
EJERCICIO Calcular la varianza para la variable cuantitativa continua EDAD

VARIANZA PARA LA VARIABLE ALEATORIA

VARIABLE ALEATORIA
CONTINUA
VARIABLE ALEATORIA
DISCRETA

MEDIDAS DE FORMACIN
Asimetra
El coeficiente de asimetra de Fisher CAF evala la proximidad de los datos a su media x. Cuanto mayor sea la
suma (xix)3, mayor ser la asimetra.
n

Si

( y iY )3f a

CAF= I=1

G1

>0 distribucin asimtrica

positiva
G1
Si
=0 distribucin simtrica.

nS3

(02,32) 10+ ( 12,32 ) 21+ ( 22,32 ) 25+ ( 32,32 ) 26+ ( 42,32 ) 7+ ( 52,32 ) 11
CAF=
3
100(2.0376)
CAF=

Apuntamiento
La curtosis (o apuntamiento) es una medida de forma que mide cun escarpada o achatada est una curva o
distribucin. Este coeficiente indica la cantidad de datos que hay cercanos a la media, de manera que a mayor
grado de curtosis, ms escarpada (o apuntada) ser la forma de la curva.

La curtosis se mide promediando la cuarta potencia de la diferencia entre cada elemento del conjunto y la
media, dividido entre la desviacin tpica elevada tambin a la cuarta potencia.
n

G2 a
( y i SiY )4f
>3

G3= I =1

G 3=

distribucin apuntada o

4
leptocrtica
nS
G2
Si
=3 distribucin normal o

(02,32) 10+ ( 12,32 ) 21+ ( 22,32 ) 25+ ( 32,32 ) 26+ ( 42,32 ) 7+ ( 52,32 ) 11
4
100(2.0376)

G3=

Grfico 3. Distribucion de variable Nmeros hermanos.

30

25

25

26

21

20
Frecuencia absoluta

15

11

10

10

5
0
0

Nmero de Hermanos.

PROBABILIDAD
SE DEFINE COMO la posibilidad que existe entre varias posibilidades, que un hecho o condicin se
produzcan. La probabilidad, entonces, mide la frecuencia con la cual se obtiene un resultado (xito) en
oportunidad de la realizacin de un experimento sobre el cual se conocen todos los resultados posibles gracias
a las condiciones de estabilidad que el contexto supone de antemano.
La gran aliada de la probabilidad es la llamada teora de la probabilidad, ya que gracias a lo que esta postula y
sostiene, es que los seres humanos podemos anticiparnos a que algunos sucesos potenciales ocurran finalmente.
La teora de la probabilidad es un modelo matemtico que se ocupa de analizar los fenmenos aleatorios;
esto implica la contraposicin respecto de los fenmenos ya determinados, que son aquellos en los cuales el
resultado del experimento que se realiza, atendiendo a determinadas condiciones, produce un resultado nico y
previsible, que se repetir la cantidad de veces que ste vuelva a hacerse, siempre y cuando se respeten las
mismas condiciones.
Los fenmenos aleatorios, que son de los que se ocupa la teora de la probabilidad, podrn realizarse miles
de veces bajo las mismas circunstancias pero siempre tendrn como resultado un variado conjunto de
alternativas.
Un clarsimo ejemplo resulta ser las diversas posibilidades y combinaciones que permite el lanzamiento de
dados cuando se est jugando a la generala.

Esto parece abstracto para nuestra vida cotidiana; sin embargo, la probabilidad est absolutamente inmersa en
nuestro da a da como parte integrante de una sociedad y comunidad determinada, ya que en el anlisis de
riesgos y en el comercio de materias primas, la probabilidad, tiene una incidencia y una importancia vital.
La probabilidad mide la mayor o menor posibilidad de que se d un determinado resultado (suceso o evento)
cuando se realiza un experimento aleatorio. Estadsticamente es el grado de certeza que se tiene sobre la
ocurrencia de un suceso. Se calcula como
xcitos
pI =
Casos Posibles

Para calcular la probabilidad de un evento se toma en cuenta todos los casos posibles de ocurrencia del mismo;
es decir, de cuntas formas puede ocurrir determinada situacin.

Los casos favorables de ocurrencia de un evento (#xitos) sern los que cumplan con la condicin que
estamos buscando.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y 100%):
El valor cero corresponde al suceso imposible;
ejemplo: lanzamos un dado al aire y la probabilidad de que salga el nmero 7 es cero.
El valor uno corresponde al suceso seguro,
ejemplo: lanzamos un dado al aire y la probabilidad de que salga cualquier nmero del 1 al 6 es igual a uno
(100%).
El resto de sucesos tendr probabilidades entre cero y uno: que ser tanto mayor cuanto ms probable sea
que dicho suceso tenga

MTODOS DE MEDICIN DE PROBABILIDAD

Estadsticamente es el grado de certeza que se tiene sobre la ocurrencia de un suceso. Uno de los mtodos ms
utilizados es aplicando la Regla de Laplace: define la probabilidad de un suceso como el cociente entre casos
favorables y casos posibles.:
P i=

f
xcitos
= a
Casos Posibles n

Ejemplos: a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable (#xitos) es tan slo
uno (que salga el dos), mientras que los casos posibles (n) son seis (puede salir cualquier nmero del uno al
seis).
P i=

fa 1
= =0.166 en lenguaje comn 16,6
n 6

b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso los casos favorables (fa) son tres
(que salga el dos, el cuatro o el seis), mientras que los casos posibles (n) siguen siendo seis. Por lo tanto:
P i=

fa 3
= =0.5 en lenguaje comn50
n 6

c) Probabilidad de que al lanzar un dado salga un nmero menor que 5: en este caso tenemos cuatro casos
favorables (fa) (que salga el uno, el dos, el tres o el cuatro), frente a los seis casos posibles. Por lo tanto:

Pi =

fa 4
= =0.666 en lenguaje comn66,6
n 6

d) Probabilidad de ganarse el premio mayor de una lotera en la que juegan 100.000 nmeros nos: tan slo un
caso favorable (fa), el nmero que jugamos, frente a los 100.000 casos posibles (n). Por lo tanto:
f
1
Pi= a =
=0.00001 en lenguaje comno , 0001
n 100.000
e) Probabilidad al lanzar una moneda de 20 dolares, con un guila en una cara y una estatua de libertad en la
otra. Hay dos casos posibles (n) de ocurrencia (o cae guila o cae estatua de la libertad) y slo un caso favorable
(fa) de que pueda caer guila (pues slo hay un guila en la moneda).

P i=

fa 1
= =0.5 en lenguaje comn50
n 2

Existe una probabilidad del 50% de obtener un guila al tirar una moneda.
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos requisitos:
a) El nmero de resultados posibles (sucesos eventos) tiene que ser finito. Si hubiera infinitos resultados, al
aplicar la regla "casos favorables dividido por casos posibles" el cociente siempre sera cero.
b) Todos los sucesos o eventos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas caras
tuvieran mayor probabilidad de salir que otras, no podramos aplicar esta regla.
A la regla de Laplace tambin se le denomina "probabilidad a priori", ya que para aplicarla hay que conocer
antes de realizar el experimento cuales son los posibles resultados y saber que todos tienen las mismas
probabilidades. Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las
probabilidades de los diversos posibles sucesos empiezan a converger hacia valores determinados, que son sus
respectivas probabilidades.
TECNICAS DE CONTEO

1) REGLA DE LA MULTIPLICACIN. El principio multiplicativo es aplicable cuando el experimento

se puede descomponer en un conjunto de acciones secuenciales o independientes, de modo que cada
resultado del experimento se conforma con una posibilidad de cada una de esas acciones.
Ejemplo 1. DADOS. Considere el experimento consistente en lanzar dos dados y observar las caras que quedan
hacia arriba. El primer dado puede caer de 6 maneras diferentes (1, 2, 3, 4, 5, 6) y el segundo dado tambin
puede caer de 6 maneras diferentes. Entonces, el nmero de maneras en que pueden caer ambos dados
simultneamente es: 6X6 = 36.

Ejemplo 2. POZOS EXPLORATORIOS. Considere el experimento consistente en observar el resultado de la

perforacin de cuatro pozos exploratorios. El resultado del primer pozo puede presentarse de 2 maneras (0
: seco, 1: productor), el resultado del segundo, tercero y cuarto pozos tambin puede presentarse de 2 maneras.
Entonces, el nmero de maneras en que puede observarse el conjunto, indicando el resultado de los cuatro
pozos simultneamente es: 2X2X2X2 = 16

.
Ejemplo 3. PLACAS. Las placas para automvil en el D. F. estn formadas por 6 caracteres: los tres primeros
son dgitos y los tres ltimos son letras del alfabeto. Cuntas placas diferentes se pueden hacer?
Primero vamos a analizar los dgitos:
El primero se puede escoger de 10 maneras diferentes, el segundo de 10 maneras y el tercero de 10 maneras;
as que, el nmero de maneras en que se puede formar la primera parte de la placa es: 10X10X10 = 1000.
Ahora bien, si se considera que el arreglo 000 no es vlido, entonces habr que restarle 1 al valor obtenido, con
lo que quedan 999 maneras en que se puede formar la primera parte de la placa.
La segunda parte de la placa se forma con tres letras: la primera se puede escoger de 26 maneras diferentes (A,
B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V, W, X, Y, Z), la segunda de 26 maneras y la tercera de
26 maneras; as que el nmero de maneras en que se puede formar la segunda parte de la placa es:
26X26X26=17,576. Finalmente, el nmero total de placas diferentes que se pueden formar es:
999X17.576 = 17558,424

2) DIAGRAMAS DE RBOL.
Diagramas de rbol
Un diagrama de rbol es una herramienta grfica que permite enumerar todas las posibles maneras de realizar
un conjunto de acciones secuenciales o independientes.
El rbol se construye a partir de un nodo, que representa la primera accin a efectuar; de ste se desprenden
tantas ramas como maneras diferentes se pueda realizar esa accin; en las terminales de cada rama se dibujan
otros nodos, que representan la segunda accin a efectuar y de los que se desprenden tantas ramas como
maneras lgicas diferentes pueda realizarse esa segunda accin, considerando la manera en que se realiza la
primera. Y as, sucesivamente
Ejemplo 1 MONEDAS. Considere el experimento consistente en lanzar una moneda de $20 dlares tres
veces consecutivas y observar, cada vez, la cara que queda hacia arriba. La primera vez que se lanza la moneda,
la cara que queda hacia arriba puede ser guila o estatua; la segunda vez que se lanza, tambin la cara que queda
hacia arriba puede ser guila o estatua, sin importar lo que haya cado la primera vez; lo mismo puede ocurrir la
tercera vez que se lanza la moneda. Entonces, el diagrama de rbol correspondiente es:

El nmero de maneras en que puede caer la moneda tres veces consecutivas es: 2X2X2 = 8= 2

= 2

El principio fundamental del conteo, combinado con la definicin de factorial de un nmero, permite
establecer una serie de frmulas generales, que facilitan, de manera significativa, el clculo del espacio muestral

Factorial de un nmero.

El factorial de un nmero es el producto consecutivo de todos los nmeros enteros, desde el uno hasta el
nmero dado n, inclusive. Notacin: n!
n !=1 2 3 (n1) n
Por as convenir, invocando la propiedad conmutativa de la multiplicacin, la frmula se escribe ms
comnmente como:
n !=n ( n1 ) ( n2 ) 3 21
Considerando que: ( 1 n !=( n1 ) ( n2 ) 3 2 1 e invocando ahora la propiedad asociativa de la
multiplicacin, la frmula se puede escribir:
n !=n ( n1 )
que es la llamada frmula fundamental del factorial.

Para que esta expresin tenga validez para cualquier n N se define =1

El factorial de un nmero se puede generalizar para cualquier nmero real n mediante la funcin gamma,
definida como:

n != t n et dt = (n1)
0

Ejemplo FACTORIAL. Realice las siguientes operaciones:

a) 6!=6 5 4 3 2 1 =120
b) 7!/3!= 7 6 5 4 3!/3! =7 6 5 4= 840
c) 5!/ 2!3!= 5 4 3!/ (2 1 3!)= 5 4/ (2 1)= 20/ 2 =10
Cabe sealar, sin embargo, que el uso de tales frmulas no se debe hacer en forma indiscriminada, tratando
de adivinar cul de todas ser la que nos permite resolver un problema en particular.
Es esencial considerar la formulacin del problema, en trminos del principio fundamental del conteo,
identificando cundo es aplicable el principio multiplicativo y cundo el aditivo, cuando importa el orden de
los resultados y cundo no, y cundo es permisible repetir resultados y cundo no
3) PERMUTACIONES
Se llaman permutaciones de n objetos a las diferentes maneras en que se pueden ordenar esos n objetos; todas
las permutaciones constan de los mismos n elementos, pero se consideran diferentes, por el orden en que se
Pn
colocan stos. Notacin:
Para calcular el nmero de permutaciones que se pueden formar con los n objetos, se hacen las siguientes
consideraciones: la eleccin del primer objeto se puede hacer de n maneras diferentes; la eleccin del segundo
objeto se puede hacer de (n - 1) maneras diferentes,..., y la eleccin del n-simo objeto slo se puede hacer de
una manera. Ahora, invocando el principio fundamental del conteo se tiene:

Pn=n ( n1 ) ( n2 ) 3 2 1
lo que nos conduce a la definicin de factorial:

Pn=n !

Ejemplo 1 LIBROS. Si en el librero de tu casa hay 15 diferentes libros, 6 de los cuales son de matemticas,
4 son de qumica y 5 son de fsica,
a) De cuntas maneras diferentes puedes acomodarlos en el librero?
b) De cuntas maneras diferentes puedes acomodarlos en tu librero, si los de cada materia deben quedar
juntos?
El considerar que los libros de cada materia deben quedar juntos implica distinguir las 3 materias como 3
objetos que se pueden permutar: el primer objeto es el grupo de libros de matemticas, el segundo objeto es el
grupo de libros de qumica y el tercer objeto es el grupo de libros de fsica.
Pn=3 !=6
El nmero de maneras en que se pueden permutar estos 3 objetos es:
Los 6 libros de matemticas se pueden permutar de
pueden permutar de

P4 =4 !=24

P6=6 !=720

maneras; los 4 libros de qumica se

maneras; y los 5 libros de fsica se pueden permutar de

P5=5 !=120

maneras. Por el principio fundamental del conteo, el nmero total de maneras en que se pueden colocar los 15
libros en el librero, haciendo que los de cada materia queden juntos es:
P3 ( P 6 P 4 P5 )=3 ! 6 ! 4 ! 5 !=6 720 24 120=12.441 .600

Maneras.

Permutaciones circulares
Se llaman permutaciones circulares de n objetos a las diferentes maneras en que se pueden colocar esos n
objetos alrededor de un crculo; en este tipo de permutaciones, lo que importa son las posiciones relativas de los
objetos con respecto a ellos mismos y no las posiciones absolutas de los objetos en el crculo. Notacin:
PC n

Existen n permutaciones lineales que, al ser colocadas en crculo, conducen a una misma permutacin circular,
porque cada objeto queda en la misma posicin relativa respecto a los (n 1) objetos restantes; de manera que
por cada permutacin circular hay n permutaciones lineales equivalentes.
Entonces, para calcular el nmero de permutaciones circulares de n objetos, se divide el nmero de
permutaciones lineales de n objetos entre las n permutaciones equivalentes:
PC n=

Pn n !
= =( n1)!
n
n

Ejemplo 1. JUNTA DE COMIT. De cuntas maneras diferentes se pueden colocar 6 personas, para una junta
de comit?
P6=6 !=720 maneras
a) En fila:
b) En fi la, si dos personas deben quedar juntas:

P5 P2 =5! 2 !=120 2=240 maneras

c) Alrededor de una mesa:

PC 6= (61 ) !=5!=120 maneras

d) Alrededor de una mesa, si dos personas deben quedar siempre juntas:

PC 5 P 2= ( 51 ) ! 2 !=24 2=48

Permutaciones con grupos de objetos iguales

Se llaman permutaciones de n objetos, con r grupos de objetos iguales a las diferentes maneras distinguibles en
n1
n2
que se pueden ordenar esos n objetos, de manera que los
objetos iguales entre s, los
objetos
iguales entre s,..., y los los

nr

objetos iguales entre s, al permutarse entre ellos por grupo, no pueden

distinguirse unos de otros. Notacin:

Pnn n
1

2 ..

nr

De manera que por cada permutacin distinguible hay

permutacin distinguible hay
nr

hay

n2

n1

permutaciones lineales equivalentes, por cada

permutaciones lineales equivalentes,..., y por cada permutacin distinguible

permutaciones lineales equivalentes.

Entonces, para calcular el nmero de permutaciones distinguibles de n objetos, se divide el nmero de

n1 !
n2 !
permutaciones lineales de n objetos entre las
permutaciones equivalentes, entre las
permutaciones equivalentes,..., y entre las
Pnn n
1

2 ..

nr

nr !

permutaciones equivalentes:

n!
n1 ! n2 ! nr !

Ejemplo 1. TORNILLOS. Si para fijar una placa se cuenta con 7 tornillos: 2 son de acero al carbn, son de
acero inoxidable y 2 son de bronce. De cuntas maneras diferentes se pueden colocar tales tornillos, si se
distingue el material del que estn hechos?
P2,3,2
7 =

7!
5040
=
=210 maneras
2 ! 3! 2!
24

Ejemplo 2. TELGRAFO. Cuntos mensajes telegrficos diferentes se pueden enviar utilizando exactamente
4 puntos y 5 rayas?
4,5

P9 =

9!
362880
=
=126 mensajes
4!5!
2880

Permutaciones de n objetos en r diferentes maneras

Se llaman ordenaciones de n objetos de orden r a las diferentes maneras de escoger secuencialmente r objetos
de entre n posibles, de modo cada una de las ordenaciones es distinta de las dems, si difiere en alguno de sus
objetos o en el orden de ellos. Notacin:
Prn

Para calcular el nmero de ordenaciones de r objetos que se pueden formar con los n objetos disponibles, se
hacen las siguientes consideraciones: la eleccin del primer objeto se puede hacer de n maneras diferentes; la
eleccin del segundo objeto se puede hacer de (n - 1) maneras diferentes,..., y la eleccin del r-simo objeto se
puede hacer de (n r + 1) maneras diferentes. Ahora, invocando el principio fundamental del conteo se tiene:
r

Pn=n ( n1 ) ( n2 ) ( nr +2)(nr +1)

Expresin que al multiplicar y dividir por (n r)! conduce a:
n ( n1 )( n2 ) (nr +2)(nr+ 1)(nr )!
Prn=
(nr )!
e invocando la frmula fundamental del factorial, tenemos:
n!
r
P n=
( nr )!
Para la deduccin de esta frmula, se ha considerado implcitamente que el nmero r de objetos a elegir es
menor o igual que el nmero de objetos disponibles: r n , lo que equivale a no permitir la repeticin de
objetos en una misma ordenacin. El caso particular en el que r = n, conduce a la obtencin de las ordenaciones
de n objetos tomados todos a la vez, es decir, a la obtencin de la permutaciones de los n objetos:
r

P n=

n!
n!
= =n !=Pn
( nn ) ! 0!

Ejemplo 1 SALN DE CLASE. De cuntas maneras diferentes se pueden sentar los 52 alumnos del grupo de
Probabilidad en un saln que dispone de 60 plazas?
El primer alumno que entra al saln puede escoger su lugar de entre 60 posibles, el segundo puede escoger lugar
de entre 59 posibles,... y as, sucesivamente, hasta el alumno nmero 52, que puede escoger lugar de entre 9
posibles. Evidentemente, 8 de los 60 lugares quedarn vacos; se trata de calcular las ordenaciones de 60
objetos de orden 52:
60 !
60 ! 60 59 58 . 9 ! 8 !
P52
=
=
!=2.06374 10 77 maneras diferentes
60=
8!
( 6052 ) ! 8 !
4) COMBINACIONES
Se llaman combinaciones de n objetos de orden r a los distintos grupos que se pueden formar al escoger
secuencialmente r objetos de entre n posibles, de modo cada una de las combinaciones es distinta de las dems,
si difiere en uno de sus objetos por lo menos, sin importar el orden. Notacin:
Crn = n
r

()

Para calcular el nmero de combinaciones de r objetos que se pueden formar con los n objetos disponibles, se
considera que, por cada combinacin de r objetos, existen r! ordenaciones equivalentes de r objetos; en efecto,
cada combinacin de r objetos se puede permutar de r! maneras diferentes, generando r! ordenaciones. De
modo que basta con dividir el nmero de ordenaciones de n objetos de orden r, entre las permutaciones de r
objetos para obtener las combinaciones de n objetos de orden r:

n!
Crn = n =
r r ! (nr)!

()

Ejemplo 1 BARAJA INGLESA. Cuntas manos diferentes le pueden tocar a un jugador de poker?
Una mano de poker es de 5 cartas y la baraja inglesa consta de 52; por ende, en cada mano se obtiene, de una en
una, la muestra de 5 cartas distintas; para efectos de conteo, a esta manera de tomar la muestra se le denomina
muestreo sin reemplazamiento. La primera carta puede ser cualquiera de la 52, la segunda puede ser cualquiera
de las 51 restantes,..., y la quinta, que puede ser cualquiera de las 48 que quedan.
El orden en el que salen las carta no importa y evidentemente no se permite la repeticin; por lo tanto, son
combinaciones de 52 objetos tomados de 5 en 5
.
52 !
52 51 50 49 48 47 ! 52 51 50 49 48 311.875 .200
5
C52= 52 =
=
=
=
5! 47 !
5!
120
5
5 ! (525)!

( )

C552= 52 =2.598 .960

5

( )

Supongamos que una placa de automvil consta de dos letras diferentes seguidas de tres dgitos de los cuales el
primero no es cero. Cuntas placas diferentes pueden grabarse?
25 25 9 10 10= 585.000