_ ESTADISTICA APLICADA
A LA ADMINISTRACION
Y ALA ECONOMIA
Tercera edicion Leonard J. Kazmier
Incluye 531 problemas resueltos y totalmente explicados
Abarca todos los conceptos y métodos de estadistica, incluyendo
una introduccién a la administracién de calidad total
Lo mas parecido a tener un profesor en casa
PARA USARSE EN LOS CURSOS DE:
* Introdiccién a la estadistica
* Estadistica aplicada a administracién y economia
& Basico
& Intermedio
@ Avanzado 3/b. 07
k29T
ESTADISTICA APLICADA
A LA ADMINISTRACION
Y ALA ECONOMIA ESTADISTICA APLICADA
A LA ADMINISTRACION
Y ALA ECONOMIA
Tercera edicién
Leonard J. Kazmier
Profesor of Decision and Information Systems
Arizona State University
Revision Técnica _
ALEJANDRO ALEGRIA HERNANDEZ
Maestro en Estadisica
TIMAS, UNAM
Profesor Titular
Departamento de Estadistica
Instituto Tecnolgico Auténomo de México
McGRAW-HILL
MEXICO + BUENOS AIRES » CARACAS * GUATEMALA « LISBOA » MADRID
NUEVA YORK * SAN JUAN * SANTAFE DE BOGOTA » SANTIAGO + SAO PAULO
AUCKLAND * LONDRES + MILAN * MONTREAL * NUEVA DELHI
‘SAN FRANCISCO + SINGAPUR « ST. LOUIS « SIDNEY « TORONTO Gerente de producto: Ricardo del Bosque Alayén
Supervisor de edicién: Noé Islas Lépez
Supervisor de produccién: Zeferino Garcfa Garcia
ESTAD{STICA APLICADA A LA ADMINISTRACION Y A LA ECONOMIA 3a. ed.
Prohibida la reproducci6n total o parcial de esta obra,
por cualquier medio, sin autorizacién escrita del editor.
DERECHOS RESERVADOS © 1998, respecto a la tercera edicién en espafiol
McGRAW-HILL INTERAMERICANA EDITORES, S. A. de C. V.
Una Divisién de The McGraw-Hill Companies, Inc.
Cedro Nim. 512, Col. Atlampa
Delegacién Cuauhtémoc
06450 México, D. F.
Miembro de la Cémara Nacional de la Industria Editorial Mexicana, Reg. Nim. 736
ISBN 970-10-1963-6 tercera edici6n
(ISBN 970-10-0399-3 primera edicién)
(ISBN 970-10-0961-4 segunda edicién)
Traducido de la tercera edicién en inglés de
SCHAUMSS OUTLINES BUSINESS STATISTICS
Copyright © MCMXCVI, by McGraw-Hill, Inc., U.S.A.
ISBN 970-10-1962-8
3456789012 0876543219
Impreso en México Printed in Mexico
Esta obra se termin6 de
imprimir en Mayo de 1999 en
Litografica Ingramex
Centeno Nam. 162-1
Col. Granjas Esmeralda
Delegacién iztapalapa
(09810 México, O-F.
Se tiraron 4500 ejemplares Prefacio
Este libro cubre los métodos bésicos de descripeién estadistica, inferencia, control de procesos y anilisis de
decisién que suelen incluirse en cursos introductorios intermedios.
Los conceptos y métodos estadisticos se presentan en forma clara y concisa, y las explicaciones se han
reducido al minimo en favor de la exposicién de ejemplos concretos. Dado que este libro esta especificamente
dirigido a quienes se interesan en particular en la aplicacién de técnicas estadisticas, se han omitido derivaciones
matematicas.
Esta edicién ha sido completamente puesta al dia y entre sus novedades incluye un amplio tratamiento del
control estadistico de procesos en el capitulo 20 y una introduecién al concepto, atin mas general, de la adminis-
tracién de calidad total (ACT). Todos los resultados en computadora de esta ediciGn se derivaron haciendo uso de
‘computadoras personales, no de macrocomputadoras. El contenido de esta nueva edicién ha mejorado en virtud
de! software disponible en la actualidad, gracias al cual fue posible perfeccionar en particular la presentacign y
explicacién de los métodos de pronéstico en el capitulo 16.
Este volumen sirve de apoyo para la comprensién de libros més complejos; como manual de referencia para
este propésito, su uso es més sencillo que el de muchos otros libros de texto. Asimismo, su contenido basta para
ue se le emplee como libro de ensefianza. Los temas se han agrupado en consonancia con la mayoria de los
libros de texto de estadistica aplicada a la administracién y la economia
Agradezco a Minitab, In., la autorizacién para incorporar en este libro resultados de Minitab versién 10 y a
Duxbury Press la autorizacién para emplear resultados de Execustat 3.0, Aunque estos programas de software
¢estadistico fueron creados para interfaces de Windows, siempre que nos fue posible usamos versiones con co-
tmandos para ilustrar la logica del software. MINITAB es marca registrada de Minitab, Inc. (3081 Enterprise
Drive, State College, Pensilvania 16801-3008, Estados Unidos; Tel. 814-238-3280, fax 814-238-4383),
EXECUSTAT es marca registrada de Strategy Plus, Inc, yes dstribuido por Duxbury Press, ello de Ia Wadsworth
Publishing Company (10 Davis Drive, Belmont, California 94002, Estados Unidos, Tel. 1-800-334-9706), Si
bien no se les us6 en este libro, también las versiones vigentes de los programas de hoja de céleulo EXCEL
(copyright Microsoft, Inc.) y LOTUS 1-2-3 (copyright Lotus Development Corporation) inclayen rutinas de
anilisis estadistico.
Finalmente, agradezco al Longman Group UK Ltd., en nombre del ejecutor testamentario del desaparecido
SirRonald A. Fisher, FR.S.,y al doctor Frank Yates, ERS, la autorizacién para adaptar y reproducir las tablas ITT
YIV de su libro Statistical Tables for Biological, Agricultural, and Medical Research, 68. edicién (1974),
LEONARD J. KAZMIER Al estudiante
Este libro se escribié con la intencién de eliminar cualquier clase de palabreria y fijar a atencién en los
Conceptos y écnicas bésicos asocindos con la aplicacién de métodos estadisticos a la administracion y la ccone-
‘mia, Por lo tanto, puede servirle para dos propésitos diferentes,
Primero, puede servile como excelente complemento de cursos de estaditica aplicada ala economia Orga
Se obtienen con casi cualquier paquete de software. Puede leer los capitulos de este libro antes 0 después de los
Capitulos equivalentes de su libro de texto, ya sea para adquirir una visién general del tema o para repasar los
{temas mis importantes, Los numerosos ejemplos y problemas resueltos favorecerén su comprensién del conten.
do y le servirin de modelo para la resolucién en casa de problemas de su libro de texto,
Segundo, descubriré que este volumen es un excelente libro de referencia que podra seguir utilizando en el
futuro, El desarrollo modular de los temas faclita la bisqueda de procedimientos en un grado mayor al oftecido
‘por muchos otros libros de texto, al tiempo que el contenido es més amplio que el de la mayoria de los textos
introductorios. De cualquier forma, este libro también puede ser adoptado como texto de clase, Contenido
Capitulo? ANALISIS DE DATOS ECONOMICOS Y ADMINISTRATIVOS . 1
1.1 Definicién de estadistica aplicada a la administracién y la economia 1
1.2 Estadistica descriptiva e inferencial . A 1
1.3 Tipos de aplicaciones en administracian y economia 1
14 Variables discretas y continuas . a
1.5 Obtencién de datos por observacién directa contra encuestas Zz
1.6 Métodos de muestreo aleatorio .... wi 2
1.7 Otros métodos de muestreo . 3
1.8 Uso de software de cémputo para la generacién de nimeros aleatorios 4
‘Capitulo 2 REPRESENTACIONES ESTADISTICAS Y ANALISIS DE GRAFICAS 9
2.1 Distribuciones de frecuencias 9
2.2 Intervalos de clase. 7 9
2.3. Histogramas y poligonos de frecuencias 10
24 — Curvasde frecuencias ... a n
25. Distribuciones de frecuencias acumuladas ..... 2
2.6 Distribuciones de frecuencias relativas B
2.7 Distribucién de frecuencias de tipo “y menor que” 14
28 Diagramas de tallo y hojas . 4
2.9 Diagramas de puntos .. 15
2.10 Diagramas de Pareto... 15
2.11 Diagramas de barra y grificas de lineas 16
2.12 Grificas de corridas ‘ 7
2.13 Diagramas circulares 18
Capitulo 3 DESCRIPCION DE DATOS ECONOMICOS Y ADMINISTRATIVOS:
MEDIDAS DE POSICION . sateeeeeee 39
3.1 Medidas de posicién en conjuntos de datos . 39
3.2. Media aritmética . 39
3.3. Media ponderada 39
34 Mediana 40
3.5 Moda 40
3.6 Relacién entre media y mediana ...... : 4
3.7 Criterios matematicos satisfechos por a mediana y la media. 4l
3.8 Uso de media, mediana y moda 2
3.9 Uso de la media en el control estadistico de procesos 2
3.10 Cuartiles, deciles y percentiles .. 7 43
3.11 Resultados en computadora B
Capitulo 4 DESCRIPCION DE DATOS ECONOMICOS Y ADMINISTRATIVOS:
MEDIDAS DE VARIABILIDAD .
4.1 Medidas de variabilidad en conjuntos de datos
42 — Rango r
st
SI
sl CONTENIDO
4.3. Rangos modificados sl
44° Diagramas de caja 5 32
4.5. Desviacién media absoluta (DMA) . 3
4.6 Varianza y desviacién estindar .. 3
4.7 Caleulos simplificados de la varianza y la desviacién estindar 34
4.8. Criterio matematico asociado con la varianza y la desviacién esténdar 55
4.9 Uso de la desviacién estindar en la descripciGn de datos .. 56
4.10 Uso del rango y la desviacién estandar en el control estadistico
See ROR 56
4.11 Coeficiente de varia oc 37
4.12 Coeficiente de asimeria de Pearson... 58
4.13 Resultados en computador ......0.00 00005 58
Capitulo S$ PROBABILIDAD ......00.scssnesecsereseesastencesnsersaesesen 68
5.1, Definiciones basicas de probabilidad ..... 68
5.2. Expresin de la probabilidad .......... 2 9
5.3. Eventos mutuamente excluyentes y no excluyentes 70
54 — Reglas de la adicién 70
5.5 Eventos independientes, eventos derenients Y probabilidad
condicional : n
5.6 Reglas de la multipticacién n
5.7 Teorema de Bayes "
5.8 Tablas de probabilidades conjuntas 6
5.9 Permutaciones ie 6
5.10 Combinaciones n
Capitulo 6 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES
ALEATORIAS DISCRETAS: BINOMIAL,
HIPERGEOMETRICA Y DE POISSON «....+.0++++ es 4
6.1 {Qué es una variable aleatoria? : 94
6.2 Descripeién de una variable aleatoria discreta......... 94
63. Distribucién binomial a 96
64 Expresién de la variable binomial por medio de proporciones 97
6.5 Distribucién hipergeométrica . 98
6.6 Distribucién de Poisson 9
6.7 Aproximacin de Poisson de probabilidades binomiales 100
68 Aplicaciones de cémputo rma 101
Capitulo 7 DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS
CONTINUAS: NORMAL Y EXPONENCIAL «0. ..0eseeeereeeseesrees 114
7.1 Variables aleatorias continuas 1g
72 Distribucién normal de probabilidad 114
73. Puntos percentiles para variables con distibucién normal 7
7.4 Aproximacién normal de probabilidades binomiales 18
7.5. Aproximacién normal de probabilidades de Poisson .... . 19
7.6 Distribucién exponencial de probabilidad 120
7.7 Aplicaciones de cémputo 121 CONTENIDO
Capitulo $ | DISTRIBUCIONES DE MUESTREO E INTERVALOS
DE CONFIANZA PARA LAMEDIA ......... m 133
8.1 Estimacién puntual de un parimetro de la potion ode proceso 133
8.2 Concepto de distribucién de muestreo ..... a 133
8.3 Distribucién de muestreo de la media 134
8.4 Teorema central del limite . 135
8.5. _Determinacién de probabilidades para la media muestal 136
8.6 _Intervalos de confianza para la media con el uso de la distribucién
normal .... Bs 137
8.7 _Determinacién del tamafto de muestra requerido para la estimacién
delamedia .... : 138
8.8 Distribucién ¢e intervalos de confianza para la media 139
8.9 Tabla de resumen de la estimacién por intervalo de la media
de la poblacion . Sear 140
8.10 Resultados en computadora 140
Capitulo 9 OTROS INTERVALOS DE CONFIANZA .... ot 150
9.1. Intervalos de confianza para la diferencia entre dos medias con el uso
dela distribucién normal ...... 150
9.2 Distribucién ¢¢ intervalos de confianza para la diferencia entre
dos medias . 1st
9.3 Intervalos de confianza para la proporcién de la poblacion . 152
9.4 Determinacién del tamafio de muestra requerido para la estimacién
de la proporcién . >... i 152
9.5 Intervalos de confianza para la diferencia entre dos proporciones 153
9.6 Distribucién ji cuadrada e intervalos de confianza para la varianza
yy la desviacion estindar . 154
9.7 Resultados en computadora 155
Capitulo 10 PRUEBAS DE HIPOTESIS REFERENTES AL VALOR DE LA MEDIA.
DE LA POBLACION ........ seeeeeeeeee 163
10.1 Introduecién 163
10.2 _Pasos bisicos de Ia prueba de hipétesis con el método del valor eritico 163
10.3 Prueba de una hipstesis referente a la media usando la distribucién
normal... . 164
10.4 Exrores tipo Ly tipo Il en prucbas de hipdtesis 167
10.5 Determinacién del tamatio de muestra requerido para probar la media 169
10.6 Prueba de una hipétesis referente a la media usando la distribucién ¢ 170
10.7 Método del valor P para pruebas de hipétesisreferentes ala media
dela poblacion eee. ce ee een: m
10.8 Método de intervalos de confianza para pruebas de hipdtesis referentes
ala media : Im
10.9 Pruebas respecto de la media del proceso en el control estadistico
de procesos 2
10.10. Tabla de resumen de la prueba de un valor hipotético dela media 173 aii
‘CONTENIDO
Capitulo /J_ OTRAS PRUEBAS DE HIPOTESIS . se etesaeaesenneeseeeeeesee 186
11.1 Prueba de la diferencia entre dos medias usando la distribucién normal 186
11.2 Prueba de la diferencia entre medias usando la distribucién ¢ 188
11.3 Prueba de la diferencia entre medias con base en observaciones
apareadas 188
11.4 Prueba de una hipétesis referente al valor de la proporcién
de la poblacién 190
11.5 Determinacién del tamafio de muestra requerido para probar
a proporcién 191
11.6 Pruebas respecto de la proporcién del proceso en el contol estadistico
de procesos. .... 191
11.7 Prueba de la diferencia entre dos proporciones poblacionales 192
11.8 Prueba de un valor hipotético de la varianza usando la distribucion
jicuadrada . 193
11.9 Pruebas respecto de la variabilidad del proceso en el control estadistico
de procesos 193,
11.10. Distribucién F y prucba de Ia igualdad de dos varianzas poblacionales 194
11.11 Otros métodos para la prueba de hip6tesis nulas 195
11.12. Resultados en computadora 195
Capitulo 12. LA PRUEBA JI CUADRADA .....0...csssceeeeseeneetteeeneetsees 206
12.1 Propésito general de la prueba ji cuadrada 206
12.2 Pruebas de bondad de ajuste 206
123 Prueba de independencia de dos variables categéricas (prueba
con tabla de contingencias) 208
124 Pruebas de hipdtesis referentes a proporciones 210
12.5 Resultados en computadora m 213
Capitulo 13, ANALISIS DE VARIANZA ....- seeeeeeusenseeeenenes 228
13.1 Razonamiento bésico asociado con la prueba de las diferencias entre
varias medias poblacionales 228
13.2 Diseio completamente aleatorizado de un factor (ANOVA con un
criterio de clasificacién) 229
13.3 _Anilisis de varianza con dos eiterios de clasificacién én(ANOVA
on dos criterios de clasificacién) Fc 230
134 Disefo aleatorizado en bloques (ANOVA con ds eriterios
de clasificacién, una observacién por celda) 230
13.5 _Diseito completamente aleatorizado de dos factores (ANOVA
‘con dos criterios de clasificacién, n observaciones por celda) 231
13.6 Consideraciones adicionales 232
13.7 Aplicaciones de cémputo 233
Capitulo 14. ANALISIS DE REGRESION Y CORRELACION LINEAL 4.200005 248
14.1. Objetivos y supuestos del andlisis de regresién . 248
14.2 Diagrama de dispersién 248 CONTENIDO xi
14.3 Método de minimos cuadrados para el ajuste de una linea de regresién 249
144 Residuales y grificas de residuales .............. hs 250
14.5. Error estindar del estimador sewn a i. 250
14.6 _Inferencias sobre la pendiente .. . 251
14.7 _Intervalos de confianza para la media condicional 2 251
14.8 _Intervalos de prediccién para valores individuales dela variable
dependiente as 282
¥14.9 _ Objetivos y supuestos del andlisis de correlacién : 282
14.10 Coeficiente de determinacién fontscat Paginie 253
14.11 Coeficiente de correlacién : 254
14.12, Uso de la covarianza para la comprensiGn del coeficiemte de correlacién 255
14.13 Prueba de significancia respecto del coeficiente de correlacién ...... 255
14.14 Peligtos y limitaciones asociados con el andlisis de regresién
y correlacién — . 256
14.15 Resultados en computadora 2.0.0.0. 0.0, : 256
Capitulo 15 REGRESION Y CORRELACION MULTIPLE .. seeee ” 268
15.1 Objetivos y supuestos del analisis de regresién lineal snipe 268
15.2. Conceptos adicionales del andlisis de regresién miiltiple ........., 268
15.3 Uso de variables indicadoras (ficticias) ; 5 269
15.4 Residuales y grificas de residuales .... ae 270
15.5 Anilisis de varianza en el andlisis de regresion lineal... |... 270
15.6 Objetivos y supuestos del anilisis de correlacién miltiple 2m
18.7 Conceptos adicionales del anilisis de correlacién miitiple a m
15.8 Peligros y limitaciones asociados con el anilisis de regresién
¥ correlacién miiltiple oe : : 273
159 Resultados en computadora . . eee : 223
Capitulo 16 ANALISIS DE SERIES DE TIEMPO Y PRONOSTICOS.
ECONOMICOS ...... maswew wees so 282
16.1 Modelo clésico de series de tiempo... = : 282
16.2 Anélisis de tendencias aie on oe 283
16.3 Andlisis de variaciones ciclicas : : 284
164 —Medicién de variaciones estacionales : 284
16.5 Aplicacién de ajustes estacionales : 285
16.6 Prondsticos basados en factores de tendencia y estacionales ‘ 285
16.7 Pronésticos, ciclos e indicadores econémicos .... sh 286
16.8 Pronésticos basados en promedios movies ......... 02... 287
16.9. La suavizacién exponencial como método de prondstico 287
16.10 Otros métodos de prondstico con suavizacién 288
16.11 Resultados en computadora TF bees 289
Capitulo 17 NUMEROS iNDICE PARA DATOS ECONOMICOS
YADMINISTRATIVOS .......0200ce0ceseee eorentsveeee 304
17.1 Introduccion _ — 304
17.2 Elaboracién de indices simples... a fe 304
17.3 Blaboracién de indices agregados de precios . 304 CONTENIDO
17.4 Relativos eslabonados 305
17.5 Cambio del periodo base 305
17.6 Fusién de dos series de mimeros indice 305
17.7 El indice de precios al consumidor (IPC) = 306
17.8 Poder de compra y deflacién de los valores de series de tiempo . 306
17.9 indice de precios al productor (IPP) : 306
17.10. Los promedios de precios bursitiles de Dow Jones 306
17.11 indice de produccién industrial ........ 307
Capitulo 78 ANALISIS DE DECISION: TABLAS DE PAGOS Y ARBOLES
DE DECISION .. 315
18.1 Estructura de las tablas de pagos ..... : 315
182 Toma de decisiones con base tinicamente en probabilidades 316
183 Toma de decisiones con base tinicamente en consecuencias econémicas 317
184 Toma de decisiones con base tanto en probabilidades como en
consecuencias econémicas:criterio del pago esperado 319
18.5 Anilisis de drboles de decisin 320
18.6 Lautilidad esperada como criterio de decision 321
Capitulo 19. ANALISIS DE DECISION: USO DE INFORMACION MUESTRAL ... 335
19.1 Valor esperado de Ia informacién perfecta (VEIP) 335
19.2 Distribuciones de probabilidad inicial y posterior 336
19.3 Valor de informacién muestral ya obtenida 3 337
19.4 Valor esperado de la informacién muestral (VEIM) antes del muestre0 339
19.5 Ganancia neta esperada del muestreo (GNEM) y tamafio éptimo 342
19.6 Anilisis de decisién contra procedimientos clisicos de decisién 344
Capitulo 20 CONTROL ESTADISTICO DE PROCESOS 382
20.1 Administracién de calidad total... 352
20.2 Control estadistco de calidad 352
20.3 Tipos de variacién en procesos 353
204° Grificas de control . 354
20.5 Grificas de control para la media del proceso: graficas 355
20.6 Pruebas estindar para la interpretacion de grificas X 356
20.7 Graficas de control para la desviacin estindar del proceso: grificas s 357
20.8 Grificas de control para el rango del proceso: grificas R 358
20.9 Gréficas de control para la proporcién del proceso: gréficas p 359
Capitulo 21 ESTADISTICA NO PARAMETRICA . para TN RRM AaT 3n
21.1 Escalas de medicién 372
21.2 Métodos estadisticos paramétricos contra no paramétricos 3n
21.3 Prueba de corridas para aleatoriedad 373
21.4 Una muestra: prueba de los signos . 373
21.5 Una muestra: prueba de Wilcoxon 374 CONTENIDO
21.6 Dos muestrasindependients: prucha de Mann-Whitney a4
21.7 Observaciones apareadas: prueba de los signos 375
21.8 Observacionesapareadas: prueba de Wileoxon : 376
21.9. Varias muestras independiente: prueba de Kruskal-Wallis 376
Apéndice! TABLA DE NUMEROS ALEATORIOS ........... Ae am pens 387
Apéndice 2 PROBABILIDADES BINOMIALES . _ 388
Apéndice 3 VALORES DE e* . eee wee eens oo 301
Apéndice 4 PROBABILIDADES DE POISSON . oerertrs . (392
Apéndice 5 PROPORCIONES DE AREA PARA LA DISTRIBUCION NORMAL
ESTANDAR ..... aneenee . ateeceveceees 396,
Apéndice6 — PROPORCIONES DE AREA PARA LA DISTRIBUCION 1 ..... 397
Apéndice 7 PROPORCIONES DE AREA PARA LA DISTRIBUCION 7? «....-.. 398
Apéndice 8 YALORES DE F EXCEDIDOS CON PROBABILIDADES DESY 1% ... 399
Apéndice 9 _ FACTORES PARA GRAFICAS DE CONTROL ........ 402
Apéndice 10 VALORES CRITICOS DE TEN LA PRUEBA DE WILCOXON beweeeee 403
Apéndice 11 ESTADISTICA PARA NEGOCIOS CON EXCEL 50... . 405
INDICE sees . 41 Capitulo 1
is de datos econémicos y administrativos
1.1 DEFINICION DE ESTADISTICA APLICADA A LA ADMINISTRACION Y LA ECONOMIA
La estadistica es el conjunto de técnicas que se emplean para la recoleccién, organizacién, anilisis e inter-
pretacién de datos. Los datos pueden ser cuantitativos, con valores expresados numéricamente, 0 cualitativos, en
cuyo caso se tabulan las caracteristicas de las observaciones. La estadistica sirve en administracién y economia
Para tomar mejores decisiones a partir de la comprensién de las fuentes de variaci6n y de la deteccién de patrones
y relaciones en datos econdmicos y administrativos.
1.2 ESTADISTICA DESCRIPTIVA E INFERENCIAL
La estadistica descriptiva comprende las técnicas que se emplean para resumir y describir datos numéricos.
Estos métodos pueden ser grificos o implicar andlisis computacional (véanse capitulos 2, 3 y 4).
EJEMPLO 1. El volumen mensual de ventas de un producto durante el aio anterior puede describirse y cobrarsignifica-
do elaborando un diagrama de barras o una grifica de lineas (tal como se les describe en la seccién 2.11). Las ventas relativas
por mes pueden resaltarse calculando un nimero indice para cada mes, con lo que la desviacién respecto de 100 de cualquier
‘mes indicaria Ia desviacién porcentual de ventas de ese mes en comparacién con las ventas mensuales promedio durante todo
clan,
La estadistica inferencial comptende las técnicas con las que, con base tinicamente en una muestra sometida
a observacién, se toman decisiones sobre una poblacién o proceso estadisticos. Dado que estas decisiones se
toman en condiciones de incertidumbre, suponen el uso de conceptos de probabilidad. Mientras que a las carac-
(eristicas medidas de una muestra se les llama estadisticas muestrales, a las caracteristicas medidas de una pobla-
cidn estadistica, o universo, se les llama pardmetros de la poblacién. El procedimiento para la medicién de las
caracteristicas de todos los miembros de una poblacién definida se llama censo. Cuando la inferencia estadistica
se usa en el control de procesos, al muestreo le interesa en particular el descubrimiento y control de las fuentes de
variacién en la calidad de la produccidn. Los capitulos 5 a 7 se ocupan de conceptos de probabilidad, y la mayorta
de los capitulos posteriores de la aplicacién de esos conceptos a la inferencia estadistica. El capitulo 20 se dedica
exclusivamente al control estadistico de procesos.
EJEMPLO 2. Para estimar el voltaje requerido para provocar falas en un dispositivo eléctrico, una muestra de estos
Aispositivos puede someterse a votajes crecientes hasta que fle cada uno de ellos. Con base en estos resultados muestrales,
puede estimarse Ia probabilidad de fallaa varios niveles de voltae de los dems dispositivos de la poblacién muestreada,
1.3. TIPOS DE APLICACIONES EN ADMINISTRACION ¥ ECONOMIA.
Los métodos de la estadistica clisica fueron desarrollados para el andlisis de datos muestreados (objetivos),
asi como para propésitos de inferencia sobre la poblacién de la que se seleccioné la muestra. Esto representa la
cexclusin explicita de juicios personales sobre los datos y el supuesto implicito de que el muestreo procede de
‘una poblacién estitica (estable). Los métodos del andlisis de decisién se concentran en la incorporacién al andli-
sis estadistico de juicios administrativos (véanse capitulos 18 y 19). Los métodos del control estadistico de
rocesos se emplean sobre Ia premisa de que el producto de un proceso puede no ser estable. Mis bien, el proveso
puede ser dindmico, con causas atribuibles asociadas con la variacién de la calidad del producto en el tiempo
(véase capitulo 20), a ANALISIS DE DATOS ECONOMICOS Y ADMINISTRATIVOS [cart
EJEMPLO 3. Empleando el enfoque clisico de la inferenciaestadistca, el incierto nivel de ventas de un nuevo producto
se estimaria con base en estudios de mercado realizados en consonancia con los equerimientos del muestreo cientifico. En el
enfoque de andlisis de decisin, los juicios de los administradores se cuantficarian e incorporarian al andlisis, El control
estadistico de procesos se centraria en particular en el patron de ventas en una secuencia de periodos temporales durante fa
comercializacién de prueba del producto.
1.4 VARIABLES DISCRETAS ¥ CONTINUAS.
‘Una variable discreta puede tomar valores observados tinicamente en puntos aislados a lo largo de una
escala de valores. En la estadistica aplicada a administracién y economia, estos datos ocurren usualmente por
medio del proceso de conteo de ahi que por lo general los valores se expresen como niimeros enteros. Una
variable continua puede adoptar un valor en cualquier punto fraccionario a lo largo de un intervalo especificado
de valores. Los datos continuos se generan mediante el proceso de medicién.
EJEMPLO 4. Son ejemplos de datos diseretos el nimero de personas por hogar, las unidades de un articulo en inventario
yy el mimero de componentes ensamblados descubiertos como defectuosos. Son ejemplos de datos continuos el peso de un
‘embarque, el tiempo transcurrido antes de la primera flla de un aparato y el nimero promedio de personas por hogar en una
‘comunidad extensa. Nétese que un nimero promedio de personas puede ser un valor fraccionario, y ser por lo tanto una
variable continua a pesar de que el ntimero por hogar sea una variable discreta.
1.5 OBTENCION DE DATOS POR OBSERVACION DIRECTA CONTRA ENCUESTAS
Uno de los medios para la obtencién de datos es la observacion directa, sta es la base de las acciones que se
emprenden en el control estadistico de procesos, en el cual se evaliian sisteméticamente muestras de produccin.
tra forma de observacién directa es el experimento estadistico, 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.
EJEMPLO 5. Dos métodos de ensamble de un componente podrian compararse haciendo que un grupo de empleados
aplicara uno de los métodos y un segundo grupo el otro. Los miembros del primer grupo deben coincidir estrechamente con
Jos miembros del segundo en términos de factores como edad y experiencia
En algunas situaciones no es posible recolectar datos directamente; la informacién debe obtenerse en fuen-
tes individuales. Una encuesta estadistica es el proceso de recoleccién de datos mediante la solicitacién de éstos
a individuos, Los datos pueden obtenerse con métodos como entrevistas personales, entrevistas telefénicas 0
cuestionarios por escrito.
EJEMPLO 6. Un analista de un departamento estatal de Seguridad Econémica puede verse precisado a determinar los
incrementos o decrementos en el nivel de empleo planeados por las empresas de Ia entidad. Un método estindar para la
lbtencién de esos datos es Ia realizacién de una encuesta entre las empresas involueradas,
1.6 METODOS DE MUESTREO ALEATORIO
El muestreo aleatorio es un tipo de muestreo en el que todos los elementos de la poblacién de interés, 0
‘poblacién objetivo, tienen na oportunidad conocida, usualmente igual, de ser elegidos para su inclusién en la
‘muestra. Disponer de esta muestra garantiza que sus integrantes sean seleccionados sin sesgos de ninguna espe-
cie y offrece la base estadistica para determinar la confianza que puede asociarse con las inferencias (véanse
capitulos 8 y9). A tina muestra aleatoria también se le denomina muestra probabilistca 0 muestra cientifica. Los
cuatro métodos principales de muestreo aleatorio son los métodos de muestreo simple, sistemitico,estratificado
¥ por conglomerados.
‘Una muestra aleatoria simple es aquella cuyos elementos se seleccionan individualmente de la poblacién
‘objetivo entera con base en el azar. Esta selecci6n al azar es semejante ala extraccién aleatoria de nimeros en un
sorteo. Sin embargo, en el muestreo estadistico suele emplearse una tabla de niimeros aleatorios o un programa CAR 1] ANALISIS DE DATOS ECONOMICOS Y ADMINISTRATIVOS 3
de cémputo generador de mimeros aleatorios para identficar los elementos numerados de la poblacion que
serdn seleccionados para la muestra,
EJEMPLO 7. El apéndice 1 es una tabla abreviada de niimeros aleatorios. Supongamos que nos interesa tomar una
‘muestra aleatoria simple de 10 cuentas por cobrar de una poblacién de 90 cuentas de este tipo, numeradas del 01 al 90,
Consultariamos “a ciegas” Ia tabla de nimeros aleatorios, cerrando literalmente los ojos y seialando un punto de parida,
Después leeriamos los dgitos en grupos de dos en cualquier direccién para elegir las cuentas de nuestra muestra. Suponga
‘mos que empezamos a leer mimeros (en pares) a partir del que se encuentra en la linea 6, columna 1. Los 10 nimeros de
‘cuentas para la muestra serian 66, 06, $9, 94, 78, 70, 08, 67, 12 y 65. Pero como sélo hay 90 cuentas, no podemos incluir el
nimero 94. Incluimos entonces en la muestra el nimero siguiente (11). Si alguno de los nimeros seleccionades se repitira,
lo incluiremos en la muestra slo una ver.
Una muestra sistemética es una muestra aleatoria cuyos elementos se seleccionan de la poblacién a un
intervalo uniforme en una lista ordenada, como seria el caso de la eleccién de cada décima cuenta por cobrat para
Ja muestra. La primera de las 10 cuentas por incluiren la muestra se elegiria al azar (consultando quiza una tab
«de miimeros aleatorios). Una preocupacién particular del muestreo sistematico es la existencia de factores peri
dicos, o ciclicos, en el listado de la poblacién que pudiera dar lugar a un error sistemitico en los resultados
muestrales.
EJEMPLO 8. Si en una comunidad, donde cada decimosegunda casa ocupa una esquina se realizara un estudio para
RANDOM 30 DIGITS, PUT IN C1;
‘SUBC > INTEGERS FROM 1 TO 435.
MTB > NAME Cl ‘SAMPLE’
MTB > PRINT C1
SAMPLE
350 234 «313-125 240202514092 33166
228 «417717616272, 176 96 3100179134 52
288 «389320290 47102 40 12
MTB > STOP
Fig. 1-1 Resultados de Minitab, CAP. 1] ANALISIS DE DATOS ECONOMICOS Y ADMINISTRATIVOS 7
Problemas complementarios
ESTADISTICA DESCRIPTIVA E INFERENCIAL
Indique cudtes de los siguientes términos u operaciones se refieren a una muestra 0 muestteo (M) y cules a una
poblacién (P): a) universo,b) medidas grupales llamadas esiadistcas, c)aplicacién de conceptos de probabilida, d)
inspeccién de cada articulo ensamblado, e) inspeccién de cada décimo articulo ensamblado.
Resp. a)®.b)M, c) M,d)P.e)M
TIPOS DE APLICACIONES EN ADMINISTRACION Y ECONOMIA
112
Indique cuales de los siguientes tipos de informacion podrian usarse mis ficilmente en inferencia estadisica clésica
(AC), andtisis de decision (AD) 0 control estadistico de procesos (CP): a) respuestas a un cuestionario obtenidas de
luna muestra de miembros activos de una organizacién profesional, 6) calificaciones de consumidores sobre un de
Partamento de servicios automovilistcos recolectadas mensualmente,c)clasificaciones de analistas de inversiGn de
“compafias nuevas y emergentes”,d) datos de salarios y sueldos recolectados de una muestra de empleadores en un
‘rea metropolitana,
Resp. a) IC, b) CP, e) AD, d) IC
VARIABLES DISCRETAS ¥ CONTINUAS
113
En los siguientes tipos de valores, designe variables diseretas (D)y variables continuas (C) a) nimero de unidades de
tun articulo en existencia, b) razén de activos circulantes contra pasivos citculantes, c) tonelaje total embarcado, d)
cantidad embarcada, en unidades,e) volumen de trfico en una carretera de paga, /) asistencia a la asamblea anual de
tuna compafi,
Resp. a)D,)C,c)C,d)D,e)D,)D
OBTENCION DE DATOS POR OBSERVACION DIRECTA CONTRA ENCUESTAS,
114
Indique cudles de los siguentes procedimientos de recoleccién de datos serian considerados como un experimento
) y cuéles como una encuesta (EN): a) comparacién de los resultados de un nuevo método de capacitacién de
agentes de boletos de aerolineas con los del método tradicional, 5) evaluacién de dos conjuntos diferentes de instruc-
ciones de armado de un juguete haciendo que dos grupos comparables de nfios lo armen siguiendo las distntas
instrucciones, ) envio a los suscriptores de una revista de evaluacién de productos de un cuestionario para la califi-
cacién de los productos que han adquirido recientemente.
Resp. a) E,B)E,c) EN
METODOS DE MUESTREO ALEATORIO.
1s
116
‘dentifique sien los siguientes casos se usa el método de muestreo aleatorio simple (A) osistemitico (S): a) empleo
de un tabla de nimeros aleatorios para seleccionar una muestra de personas asistentes a un parque de diversiones y
entrevista de cada centésima persona que asstea un parque de diversiones, comenzando aleatoriamente por la 55a,
Persona en entrar al parque,
Resp. a)A,b)S
En las siguientes situaciones de muestreo de grupos, identfique si se usara el método de muestreo estratificado (E)
© por conglomerados (C): a) estimacién 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 segtin edad y sexo.
Resp. a)C,b)E 8 ANALISIS DE DATOS ECONOMICOS Y ADMINISTRATIVOS [CAP.1
OTROS METODOS DE MUESTREO-
1.17 Indique cules de los siguientes tipos de muestras ejemplifican mejor o estin relacionados con una muestra de juicio
((), una muestra accesible (A) 0.con el método de subgrupos racionales (R): a) un valuador de bienes raices seleccio~
ha ‘una muestra de casas vendidas en una localidad, la cual parece representativa de las casas ubicadas abi, para
‘deducir una estimacién del nivel del valor de las casas en ese rumbo, b) en una planta fabricante de baterias, el ciclo
de vida de éstas se vila cada media hora para garantizar que el producto satisfaga las especificaciones, c) en un
cestablecimiento de comida répida empleados de la compafifaevalan un nuevo emparedado de pollo en términos de
sabor y valor percibido.
Resp. a) 1,6) RA
USO DE SOFTWARE DE COMPUTO PARA LA GENERACION DE NUMEROS ALEATORIOS.
1.18 Unauiditor desea tomar una muestra aleatoria simple de tamafio 50 de 5 250 cuentas por cobrar de una gran empresa
‘Las cuentas se numeran secuencialmente del 0001 al 5 250. Usee! software de cémputo a su disposicién para obtener
una lista de Los $0 nimeros aleatorios requeridos. Capitulo 2
Representaciones estadisticas y andlisis de graficas
2.1 DISTRIBUCIONES DE FRECUENCIAS
Una distribucién de frecuencias ¢s una tabla en la cual se agrupan en clases valores posibles de una variable
y donde se registra el nimero de valores observados correspondientes a cada clase, Los datos organizados en una
distribucién de frecuencias se llaman datos agrupados. En contraste con ello, en el caso de datos no agrupados
se enlistan todos los valores observados de la variable aleatora,
EJEMPLO 1. Ena abla 2.1 aparece una distribucion de frecuencias de salar semanales, Obsérvese que las cantidades
tran sido consignadas de acuerdo con el délar més cercano, Cuando el residuo por redondear es de “exactamente 0.5" (exac-
‘tamente $0.50 en este caso), | provedimiento convencional esredondear al nimero par mis cercano. Asi, un salario semanal
de $259.50 se redondearia a $260 como parte del proceso de agrupamiento de datos.
semanales de 100 trabajadores no calificados
Namero de trabajadores
Salario semanal 0
8240-259 7
260-279 20
280-299 3
300-319 25
320-339 "1
340-359 4
Total 100
2.2 INTERVALOS DE CLASE
En cada una de las clases de una distribucin de frecuencia, los limites nominales de clase inferior y supe-
rior indican los valores incluidos dentro de la clase. (Véase la primera columna de la tabla 2,1.) A diferencia de
ello, los limites exactos de clase, 0 fronteras de clase, son los puntos especificos que sirven para separar clases
aadyacentes en una escala de medicin de variables continuas. Los limites exactos de clase pueden determinarse
‘dentificando los puntos intermedios entre los limites nominales de clase superior e inferior, respectivamente, de
clases adyacentes. El intervalo de clase identifica el rango de valores incluidos dentro de una clase y puede
determinarse restando de limite exacto de clase superior de la clase el limite exacto de clase inferior. Cuando no
es posible identficar limites exactos, el intervalo de clase puede determinarse restando del limite nominal infe-
rior de la clase el limite nominal inferior de Ia clase adyacente inferior. Finalmente, para ciertos propésitos es
ccomiin que los valores de una clase sean representados por el punto medio de clase, el cual puede determinarse
sumando la mitad del intervalo de clase al limite exacto inferior dela clase.
EJEMPLO 2. En la tabla 2.2 se presentan los limites exactos de clase y los puntos medios de clase de la dstribucién de
frecuencias de la tabla 2.1 10 REPRESENTACIONES ESTADISTICAS Y ANALISIS DE GRAFICAS [CAP 2
‘Tabla 2.2 Salarios semanales de 100 trabajadores no ealificados
Salario semanal | Limitesexactos_ | Puntomedio | Numero de
imites de clase) de clase* declase | trabajadores
8240-259 $8239,50-259.50 $249.50 7
260-279 259,50-279.50 269.50 20
280-299 279,50-299.50 289.50 3
300-319 299,50-319.50 309.50 25
320-339 319.50-339.50 329.50 110
340-359 339.50-359.50 349.50 4
Total 100
* En general, en los limites exacos de clase séo se expresa un digit adicional signifiatvo,
«en comparacién con los limites nominal de clase. Sin embargo, dado que en el caso de las
luidedes monetarias [a unidad de medida mais precisa relativa al “lar més cercano”suele
\etinirse como "el centavo més cercano”,conviene expres ds dgiosadicionales,
EJEMPLO 3. Calculado con los dos métodos, el intervalo de clase de la primera clase de la tabla 2.2 es $259.50 —
‘$239.50 = $20 (resta del limite exacto de clase inferior al limite exacto de clase superior de la clase) $260 $240 = $20 (resta
do limite nominal de clase inferior de la clase al limite nominal de clase inferior de la clase adyacente superior)
Para efectos de cileulo, por fo general es deseable que todos los intervalos de clase de una distribucién de
frecuencias dada sean iguales, La siguiente férmula puede emplearse para determinar elintervalo de clase aproxi-
mado por usar:
[mayor valor en datos | _ [ menor valor en datos
L__ no agrupados no agrupados
iniimero de clases deseadas
Intervalo aproximado = Qn
EJEMPLO 4. En referencia a los datos originales no agrupados que se agruparon en la tabla 2.1, supongamos que el
Salario observado mas alto fue de $358 y el salatio observado mis bajo de $242, Dado que el objetivo es disponer de seis
clases con igualesintervalos de clase,
358-242
6
Intervalo aproximado
Asi, el tamaiio de clase conveniente més cercano al valor caleulado es $20,
En el caso de datos distribuidos en forma notoriamente no uniforme, como los datos del sueldo anual para
‘una amplia variedad de ocupaciones, pueden ser requeridos intervalos desiguales de clase. En este caso, los
intervalos de clase mayores se utilizan para los rangos de valores con relativamente escasas observaciones.
2,3 HISTOGRAMAS Y POLIGONOS DE FRECUENCIAS
Un histograma es una gréfica de barras de una distribucién de frecuencias. Tal como se indica en la figura
2-1, se acostumbra colocar los limites exactos de clase en el eje horizontal de la grifica y los nimetos de obser-
vaciones en el eje vertical. Sin embargo, también se usan puntos medios de clase en lugar de limites de clase para
identificar las clases, CAP. 2) REPRESENTACIONES ESTADISTICAS Y ANALISIS DE GRAFICAS. W
&
Namero de trabajadores
; Cs —
23950 28950 -279.80——«289.50—«319S0—~—«S9RD «RDO
Salarios semanales, en délares
Fig. 2-1
EJEMPLO 5. Ena figura 2-1 se muestra un histograma de la distribucién de frecuencias de los salarios semanales de la
tabla 22,
Un poligono de frecuencias es una gréfica de lineas de una distribucién de frecuencias. Tal como se indica
cen la figura 2-2, los dos ejes de esta gréfica son similares a los del histograma, salvo que en el eje horizontal suele
identficarse el punto medio de cada clase. El nimero de observaciones de cada clase se representa con un punto
Por encima del punto medio de la clase, puntos que se unen después con una serie de segmentos lineales para
formar un poligono o “figura de muchos lados”.
EJEMPLO 6. Ens figura 2-2 se muestra un poligono de ftecuencias de la dstribucién de salarios semanales de la tabla
22.
ao
Niimero de trabajadores
L L L L L
22950 24950 —268.80——289.50 «30980 ===) ~=~«CWOSYS~S*C«ODSO
Salarios semanales, en délares
Fig. 2-2
24 CURVAS DE FRECUENCIAS,
Una curva de frecuencias es un poligono de frecuencias suavizado.
EJEMPLO 7. La figura 2-3 es una curva de frecuencias de la distribucién de saarios semanales de la tabla 2.2
En términos de asimetria, una curva de frecuencias puede ser: 1) asimétrica negativa: no simétrica con la
“cola” a la izquierda; 2) asimétrica positiva: no simétrica con la “cola” a la derecha, 0 3) simétrica. 2 REPRESENTACIONES ESTADISTICAS Y ANALISIS DE GRAFICAS (CAR2
240
3x
smb
§
2»
z
‘| 1 1 1 1 1 1
mos 2050 2050 ~~— 5;
sarap | “apsraee ; a
diay | sosoase 6 i
440-469, 439.50-469.50 | 13 34
anae,| ees 3 a
saree | snseseae % Fa
ores | Susesace 2 Hd
sos | Sonsosoras S| ‘8
590-619 589.50-619.50 | 16 188
mo | Bae i ie
| rat 0_|
349.50 379.0 409.50 439.50 469.90 499.50 529.50 £50.50 569.50 619.50 649.50
Tasa de renta (limites exactos de clase), en délares
Fig. 2-15
2.7 Enla tabla 2.7 se enlistan los tiempos requeridos para la conclusién de una tarea de ensamble para una
‘muestra de 30 empleados que presentaron su solicitud de ascenso a un puesto de ensamble de precisicn,
‘Supongamos que nos interesa organizar estos datos en cinco clases de igual tamaiio. Determine el tamafio
de intervalo correspondiente,
[imaersnoren aes) - ie valor en datos
Intervalo aproximado = +0 asrupados mo perupelis
niimero de clases deseadas
8-9
5
=1.80
En este caso, es conveniente redondear el intervalo en 2.0,
‘Tabla 2.7 Tiempos de ensamble de 30 empleados, en minutos 2 REPRESENTACIONES ESTADISTICAS Y ANALISIS DE GRAFICAS. {CAR 2
2.8 — Elabore una distribucién de frecuencias de los datos de la tabla 2.7 con un intervalo de clase de 2.0 para
todas las clases y fijando en 9 minutos el limite nominal inferior de la primera clase.
Ladistribucién requerida aparece en la tabla 2.8.
Tabla 2.8 Distribucion de frecuencias
de los tiempos de ensamble
Tiempo, en min | _Nimero de empleados
9-10 4
m2 8
13414 8
15-16 1
118 3
Total 30
2.9 Remitase a la clase con el menor mimero de empleados de la tabla 2.8 ¢ identifique a) sus limites exactos,
5) su intervalo y ¢) su punto medio.
a) 165-185, 6) 18.5— 16:
2.0,) 16.5-+2.02= 17.5
2.10. Elabore un histograma con la distribucién de frecuencias de la tabla 2.8.
El histograma se presenta en la figura 2-16,
0
a5 5 2S 14S 165 18S
Tiempo, en minutos
Fig. 216
2.11 labore un poligono de frecuencias y una curva de frecuencias con los datos de la tabla 2.8
El poligono de frecuencias y la tabla de frecuencia aparecen en la figura 2-17.
212 Describa la curva de frecuencias de la figura 2-17 en términos de su asimetria,
Esta curva de frecuencias es casi simétrica, aunque con una ligera asimetria postiva CAP.2]
REPRESENTACIONES ESTADISTICAS Y ANALISIS DE GRAFICAS 23
7S 9S SS
‘Tiempo, en minutos
Fig. 2.17
188175
198
2.13 Elabore una distribucién de frecuencias acumuladas con la distribucién de frecuencias de tiempos de
ensamble de Ia tabla 2.8; emplee limites exactos para identificar cada clase e incluya en Ia tabla tanto
poreentajes acumulados como frecuencias acumuladas.
\Véase la tabla 2.9 para la distribucién de frecuencia acumuladas,
‘Tabla 2.9 Distribucién de frecuencias acumuladas
de los tiempos de ensamble
Tiempo,enmin | f | fa | %acumulado
asios | 4] 4 133
wos-2s | 8 | 12 400
2545 | 8 | 20 66.7
145-165 7 | 27 900
165-185 | 3 | 30 100.0
2.14 Remitase a la distribucién de frecuencias acumuladas de la tabla 2.9.
a)
6)
°
a
>)
9
‘Trace la ojiva de porcentajes de estos datos
En qué punto percentil se encontraria un tiempo de ensamble de 15 minutos?
{Cuil es el tiempo de ensamble del 200. percentil de la distribucién?
La ojiva se presenta en la figura 2-18,
Tal como se dediuce de las lineas punteadas en la scocién superior de la figura, el percentil aproximado corres-
Pondiente a 15 minutos de tiempo de ensamble es 72.
Tal como se deduce de las lineas punteadas de la seccién inferior de la figura, el tiempo aproximado del 200,
percentiles 11 minutos, 4 REPRESENTACIONES ESTADISTICAS Y ANALISIS DE GRAFICAS. [CAP. 2
85
ws 2S MS 16S IBS
‘Tiempo, en minutos
Fig. 218,
FORMAS DE CURVAS DE FRECUENCIAS
2.15 Dada la curva de frecuencias a) de la figura 2-19, la cual es simétrica y mesoctirtica, describa las curvas
5), ©), d),e)y,f) en términos de asimetria y curtosis.
La curva b) es simétrica y leptocirtica; la curva c), asimétrica postiva y mesocintica; la curva d) asimétrica
negativa y mesocirtica; Ia curva e),simétrica y platitrtica, y la curva f) asimétrica positiva y leptocitica.
DISTRIBUCIONES DE FRECUENCIAS RELATIVAS
2.16 Siguiendo las instrucciones de la seccién 2.6, determine a) las frecuencias relativas y 6) las proporciones
acumuladas de los datos de la tabla 2.10.
Las frecuencias relativas y las proporciones acumuladas de Ios datos de Ia tabla 2.10 aparecen en la tabla 2.11, car 2| REPRESENTACIONES ESTADISTICASY ANALISIS DE GRABICAS, 2B
‘Tabla 2.10 Nimero promedio de accidentes por millar
de horas-hombre en una industria
‘Niimero promedio de accidentes Niimero
por millar de horas-hombre de empresas
154.7 3
18-20 2
21-23 4
24.26 9
27-29 1
30-32 5
0
Total
Tabla 2.11 Frecuencias retativas y proporciones acumula
You might also like
- Her Body and Other Parties: StoriesFrom EverandHer Body and Other Parties: StoriesRating: 4 out of 5 stars4/5 (821)
- The Sympathizer: A Novel (Pulitzer Prize for Fiction)From EverandThe Sympathizer: A Novel (Pulitzer Prize for Fiction)Rating: 4.5 out of 5 stars4.5/5 (122)
- A Heartbreaking Work Of Staggering Genius: A Memoir Based on a True StoryFrom EverandA Heartbreaking Work Of Staggering Genius: A Memoir Based on a True StoryRating: 3.5 out of 5 stars3.5/5 (231)
- Team of Rivals: The Political Genius of Abraham LincolnFrom EverandTeam of Rivals: The Political Genius of Abraham LincolnRating: 4.5 out of 5 stars4.5/5 (234)
- On Fire: The (Burning) Case for a Green New DealFrom EverandOn Fire: The (Burning) Case for a Green New DealRating: 4 out of 5 stars4/5 (74)
- The World Is Flat 3.0: A Brief History of the Twenty-first CenturyFrom EverandThe World Is Flat 3.0: A Brief History of the Twenty-first CenturyRating: 3.5 out of 5 stars3.5/5 (2259)
- The Unwinding: An Inner History of the New AmericaFrom EverandThe Unwinding: An Inner History of the New AmericaRating: 4 out of 5 stars4/5 (45)
- Devil in the Grove: Thurgood Marshall, the Groveland Boys, and the Dawn of a New AmericaFrom EverandDevil in the Grove: Thurgood Marshall, the Groveland Boys, and the Dawn of a New AmericaRating: 4.5 out of 5 stars4.5/5 (266)
- Hidden Figures: The American Dream and the Untold Story of the Black Women Mathematicians Who Helped Win the Space RaceFrom EverandHidden Figures: The American Dream and the Untold Story of the Black Women Mathematicians Who Helped Win the Space RaceRating: 4 out of 5 stars4/5 (897)
- Elon Musk: Tesla, SpaceX, and the Quest for a Fantastic FutureFrom EverandElon Musk: Tesla, SpaceX, and the Quest for a Fantastic FutureRating: 4.5 out of 5 stars4.5/5 (474)
- Shoe Dog: A Memoir by the Creator of NikeFrom EverandShoe Dog: A Memoir by the Creator of NikeRating: 4.5 out of 5 stars4.5/5 (537)
- The Emperor of All Maladies: A Biography of CancerFrom EverandThe Emperor of All Maladies: A Biography of CancerRating: 4.5 out of 5 stars4.5/5 (271)
- The Hard Thing About Hard Things: Building a Business When There Are No Easy AnswersFrom EverandThe Hard Thing About Hard Things: Building a Business When There Are No Easy AnswersRating: 4.5 out of 5 stars4.5/5 (345)
- Grit: The Power of Passion and PerseveranceFrom EverandGrit: The Power of Passion and PerseveranceRating: 4 out of 5 stars4/5 (589)
- The Yellow House: A Memoir (2019 National Book Award Winner)From EverandThe Yellow House: A Memoir (2019 National Book Award Winner)Rating: 4 out of 5 stars4/5 (98)
- Never Split the Difference: Negotiating As If Your Life Depended On ItFrom EverandNever Split the Difference: Negotiating As If Your Life Depended On ItRating: 4.5 out of 5 stars4.5/5 (842)
- The Little Book of Hygge: Danish Secrets to Happy LivingFrom EverandThe Little Book of Hygge: Danish Secrets to Happy LivingRating: 3.5 out of 5 stars3.5/5 (401)
- Electronica AplicadaDocument166 pagesElectronica AplicadaFerney Adrian Ramirez Gonzalez100% (4)
- TESIS-Gestión InmobiliariaDocument106 pagesTESIS-Gestión InmobiliariaAnonymous Wlckj6No ratings yet
- The Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good LifeFrom EverandThe Subtle Art of Not Giving a F*ck: A Counterintuitive Approach to Living a Good LifeRating: 4 out of 5 stars4/5 (5806)
- The Gifts of Imperfection: Let Go of Who You Think You're Supposed to Be and Embrace Who You AreFrom EverandThe Gifts of Imperfection: Let Go of Who You Think You're Supposed to Be and Embrace Who You AreRating: 4 out of 5 stars4/5 (1091)
- Maleta DidácticaDocument39 pagesMaleta DidácticaAnonymous Wlckj6No ratings yet
- Cubicación de MaterialesDocument2 pagesCubicación de MaterialesAnonymous Wlckj6No ratings yet
- Matematicas Financieras ActualesDocument236 pagesMatematicas Financieras ActualesAnonymous Wlckj6No ratings yet
