3B-3 MÓDULO DE APRENDIZAJE UNIDAD ACADÉMICA DE ESTUDIOS GENERALES ESTADÍSTICA Autores: Mg. Agustina Ramírez Torres Mg.
Views 110 Downloads 6 File size 2MB
3B-3 MÓDULO DE APRENDIZAJE UNIDAD ACADÉMICA DE ESTUDIOS GENERALES
ESTADÍSTICA
Autores: Mg. Agustina Ramírez Torres Mg. Gonzalo Juan Fernández Romero Mg. Dina Ñuflo Valdivia
Lima – Perú
2019
Módulo de Aprendizaje Estadística
1
Director Mg. Jorge Antonio Gonzales Miranda
Coordinadora Mg. Agustina Ramírez Torres
Autores: Mg. Agustina Ramírez Torres Mg. Gonzalo Juan Fernández Romero Mg. Dina Ñuflo Valdivia
Corrección de estilo: Lic. Aram Roosell Simangas Villalobos ÍNDICE GENERAL Página
UNIDAD I: CONCEPTOS BÁSICOS DE ESTADISTICA 1.
Conceptos Básicos y Variables
05
2.
El muestreo
11
3.
Instrumento de recolección y elaboración de la matriz de datos
14
UNIDAD II: ESTADISITCA DESCRIPTIVA UNIDIMENSIONAL 4.
Tabla de frecuencias y gráficas
17
5.
Medidas de tendencia central y posición
26
6.
Medidas de dispersión
35
7.
Medidas de forma de distribución de datos
8.
Ejercicios de repaso para el examen 1
39 40
UNIDAD III: ESTADÍSTICA BIDIMENSIONAL Y REGRESIÓN LINEAL SIMPLE
2
9.
Tablas y gráficas bidimensionales
44 10. Asociación de variables categóricas
50
11. Correlación lineal
53
12. Regresión Lineal simple
56
UNIDAD IV: TEORÍA DE PROBABILIDADES 13. Probabilidad de eventos simples y condicional
63
14. Probabilidad total y teorema de Bayes
66
15. Trabajo de investigación formativa
69
BIBLIOGRAFÍA
70
ANEXOS
Introducción La estadística contribuye con el análisis estadístico de datos que requieran las instituciones gubernamentales, educativas, empresarial, ingenierías, investigación científica. En este sentido, el propósito de la Guía de práctica de Estadística es que el estudiante adquiera la competencia para aplicar las técnicas estadísticas en el tratamiento y análisis de datos cuantitativos a nivel básico. El contenido de este módulo está dividido en cuatro unidades de aprendizaje de acuerdo a los temas del contenido del sílabo. La Primera unidad corresponde a la identificación conceptos básicos. Medición y clasificación de variables. Población, muestra y muestreo. Métodos de recolección de datos para realizar un estudio. En la segunda unidad se realiza el análisis descriptivo de datos con una sola variable, cuyos resultados se presentan en tablas de frecuencias, gráficas y estadísticos de resumen los que describen la frecuencia de ocurrencia de la característica en estudio. La tercera unidad corresponde al análisis descriptivo bidimensional, con la finalidad de estudiar la asociación de variables en tablas de contingencia, gráficos de barras agrupadas y los estadísticos de asociación como el coeficiente de correlación de Pearson. Formulación del modelo de regresión lineal simple para estimar la ocurrencia de nuevos valores de la variable dependiente. La cuarta unidad hace una introducción a las probabilidades para estimar la ocurrencia de ciertos fenómenos aleatorios, mediante la probabilidad de un evento simple, probabilidad condicional y teorema de Bayes. Los resultados se obtienen con el complemento de Excel MegaStat, los cuales se redactarán en Word y se trabajará en equipo como también en forma individual.
Los autores Lima, Marzo 2019
3
Tema 1 Conceptos Básicos y Variables 1.1. Competencia a desarrollar Utiliza los conceptos de básicos de estadística para determinar la población, muestra, unidad de estudio y clasifica las variables según su naturaleza y escala de medición. 1.2. Contenido del tema 1 Estadística Es la ciencia que proporciona un conjunto de métodos, técnicas y procedimientos para recolectar, procesar, organizar, presentar y analizar datos con el fin de describirlas características de un estudio, realizar estimaciones o generalizaciones válidas (Córdova M. 2003). Según el objetivo de análisis estadístico tenemos: Estadística descriptiva y la estadística inferencial. Estadística Descriptiva Son métodos y técnicas relacionados a la recolección, organización, presentación e interpretación de resultados, que permiten describir apropiadamente las características de un conjunto de datos. Comprende el uso de gráficos, tablas, diagramas y criterios para el análisis. Estadística Inferencial Son métodos y técnicas que hacen posible la estimación de una o más características de una población para tomar decisiones, basadas en el resultado de muestras. Estas conclusiones tienen cierto margen de error y probabilidad de ocurrencia. Población Es el conjunto de todas las unidades de estudio que contienen características observables de naturaleza cualitativa o cuantitativa que se pueden medir relacionado a un tema de estudio. La población de estudio lo conforman todos los sujetos, elementos o entes con características similares en quienes se tiene interés en estudiarlo considerando el lugar y periodo de tiempo. Esta población puede ser un conjunto finito o infinito. Por ejemplo la población de estudiantes ingresantes de una universidad en el periodo 2019-I. Muestra Es un grupo de unidades de debidamente seleccionados de una población con el propósito de investigar determinadas características de la población. Unidad de estudio Es el sujeto de interés que va a ser investigado y es único, posee características medibles determinado por el objetivo del estudio. Dato Es el valor nominal o numérico que se obtiene al medir la característica de la unidad de estudio. Variable
4
Es una característica medible, observable en una unidad de estudio y el valor medido varían en cada unidad de una población o muestra, por ejemplo: sexo, sector económico, edad, grado de instrucción, talla, peso, hijos por familia, etc. Clasificación de las variables Según la naturaleza de recolección de datos se clasifican en: • Variables cualitativas; Llamadas también categóricas, expresan atributos sin orden cuyos valores se miden en escala nominal, y atributos con orden que se miden en escala ordinal. •
Variables cuantitativas; Llamadas también numéricas, son valores que expresan cantidades y se mide en escala de intervalo o proporción, se clasifican en continuas y discretas.
Escala de medición de las variables La medición de las variables se hace con un instrumento que asigna valores (categorías o números) a una variable estadística, el cual permite la obtención de datos en las unidades de estudio. Las escalas de medición son: Nominal, ordinal, intervalo y proporción Escala nominal Admite dos o más valores a una variable, el cual permite percibir las diferencias y semejanzas entre las unidades de estudio que se van a medir, como por ejemplo, la variable sexo tiene dos valores: masculino y femenino. Escala ordinal Los valores asignados a la variable expresan orden o grados en forma ascendente o descendente, el cual permite comparar en niveles como “mayor que” o “menor que” a cada categoría medida en la unidad de estudio, como por ejemplo, la variable grado de instrucción toma los valores ordinales: primaria, secundaria y superior. Escala de intervalo Los valores numéricos asignados a la variable permiten comprobar cuantas veces es diferente entre dos valores medidos. Esta medición puede ser un número positivo, número negativo y el valor cero indica medición de la variable, que es un “cero relativo” como por ejemplo, la temperatura: 24°C, 0°C, -8°C. Escala de razón Mide valores numéricos a partir de cero y números positivos, donde el valor cero indica el inicio de medición (cero absoluto) u origen, por ejemplo, el peso de una persona es 50 kg. Ejemplo 1 Un importador de juguetes realizó una encuesta a 85 clientes en diciembre del 2018 para conocer el perfil del comprador de sus productos en la siguiente campaña navideña. Las variables a medir son: la edad del niño, sexo, calidad del producto, cantidad de juguetes que compra, etc. a.
De acuerdo al texto identifica:
Población de estudio
Todos los clientes que visitaron la tienda del importador en diciembre 2018
Muestra
Los 85 clientes que visitaron la tienda del importador en diciembre 2018
Unidad de estudio
Cada cliente que visitó la tienda del importador en diciembre 2018
5
b.
Clasifica las variables según su naturaleza y escala de medición. Variables
Tipo de variable
Escala de medición Valores (datos)
Edad del niño
Cuantitativa continua
Razón
Sexo
Cualitativa nominal
Nominal
Calidad del juguete
Cualitativa ordinal
Ordinal
Cantidad de juguetes comprados
Cuantitativa discreta
1 año 5 años Masculino Femenino Mala Regular Buena 0, 1, 2, 12,….
Razón
1.3. Preguntas de aplicación Problema 01: El gerente de la Administradora de Fondos de Privado de Pensiones de Jubilación SECURITEX S.A (AFP), sabe que cuentan con una cartera de 985 537 asegurados. Ante la aprobación de nuevas leyes por el estado, es necesario realizar un estudio sobre algunas características importantes para fidelizar a sus afiliados y no retiren sus fondos ante nuevas políticas de inversión. Para el estudio, se seleccionó una muestra representativa de 654 clientes para aplicarles una encuesta, y algunas de las variables consideradas fueron el número de miembros por afiliado, el tipo de seguro, pago mensual del seguro, edad, sexo, satisfacción por la inversión de sus fondos y grado de instrucción. De acuerdo al texto contestar el siguiente cuestionario. 1. Se pide identificar los conceptos estadísticos relacionando las frases y colocando la letra que corresponda. a) Del total de afiliados, el número promedio de miembros por familia de cada afiliado es de 5 miembros.
( h ) Variable
b) De los 654 afiliados seleccionados para el estudio, el 25% cuenta con un seguro de vida. c) Se observó que el Sr. Pérez, uno de los 654 clientes elegidos, tiene grado de instrucción superior. d) Según los resultados del estudio en los 654 afiliados de la AFP, el gerente estima que la pensión promedio mensual de jubilación de todos los asegurados que cumplieron los 65años fue de 870 soles.
( a ) Parámetro ( g ) Muestra ( e ) Población
2.-
( f ) Unidad de estudio
e) La AFP SECURITEX cuenta con 985 537 afiliados.
( d ) Inferencia
f) El Sr. Pérez es uno de los afiliados de la AFP SECURITEX.
( c ) Dato
g) Se ha seleccionado a 654 afiliados que participen de una encuesta.
( b ) Estadístico
h) El grado de instrucción de los afiliados.
Con la información recolectada a través de las características de las unidades de estudio seleccionadas se elaboró una matriz de datos, como se muestra a continuación: Tabla 1. Matriz de datos de los afiliados de la AFP SECURITEX N°
Edad del afiliado
Sexo
Miembros por familia
Tipo de Pago mensual seguro (S/)
1
35
M
3
Salud
2
24
F
1
Vida
Estudios
Retira su fondo
Satisfacción por inversión de fondos
60
Superior
Si
Insatisfecho
54
Superior
No
Muy satisfecho
6
3
42
F
1
Salud
55
Secundaria
Si
Poco satisfecho
:
:
:
:
:
:
:
:
:
120
40
M
4
Salud
80
Primaria
No
Poco satisfecho
:
:
:
:
:
:
:
:
:
654
55
F
2
Salud
65
Superior
Si
Insatisfecho
De la matriz de datos se pide clasificar las variables según su naturaleza y escala de medición.
Variable
Tipo de variable
Escala de medición
Edad del afiliado
Cuantitativa continua
Razón
Sexo
Cualitativa nominal
Nominal
Miembros por familia
Cuantitativa discreta
Razón
Tipo de seguro
Cualitativa nominal
Nominal
Pago mensual
Cuantitativa continua
Razón
Estudios
Cualitativa ordinal
Ordinal
Retira su fondo
Cualitativa nominal
Nominal
Satisfacción por inversión de fondos
Cualitativa ordinal
Ordinal
Problema 02: Clasifica las variables según su naturaleza y escala de medición en las casillas que están en blanco. Nº 1 2 3 4
5
6
7
8 9 1 0
Variable Edad de los congresistas Estatura de los deportistas de un club Sueldo de los empleados de una empresa Profesión de los empresarios de Gamarra Distrito de residencia de los estudiantes
Grado de instrucción de los clientes de un banco
Nivel de satisfacción de los usuarios de ESSALUD
Peso de recién nacidos en un hospital Tiempo de tratamiento con un antidepresivo Número de hijos de los trabajadores de una empresa
Tipo de variable
Escala de medida
Cuantitativa continua
Razón
Cuantitativa continua
Razón
Cuantitativa continua
Razón
Cualitativa nominal
Nominal
Cualitativa nominal
Nominal
Cualitativa ordinal
Ordinal
Cualitativa ordinal
Ordinal
Cuantitativa continua
Razón
Cuantitativa continua
Razón
Cuantitativa discreta
Razón
Valores (Ej. Datos) 35 años 68 años 1.70 m 1.88 m 750 soles 1200 soles Administrador Economista Contador Jesús María Pueblo libre Rímac Santa Anita Secundaria Superior Universidad Insatisfecho Poco satisfecho Satisfecho Muy satisfecho 1.5 kg 4.2 kg 5 semanas 12 semanas 1, 2, 3, 4 y 5
7
Problema 03: La gerente de Recursos Humanos de una empresa ha elaborado una prueba de aptitud (evaluados en una escala de 1 a 100) para los 5 puestos de trabajo ofertados; los que obtengan las mejores calificaciones serán los mejores candidatos para cubrir la plaza de dos secretarias, uno para seguridad, un administrador y un contador. Respondiendo al llamado se presentaron 21 postulantes aptos según el perfil requerido, los resultados de la prueba de aptitud en promedio fueron de 73 puntos, uno de los postulantes tiene estudios de Doctorado y 20 años de experiencia. a.
b.
De acuerdo al texto, identifique lo siguiente: Población de estudio
21 postulantes
Muestra
21 postulantes
Unidad de estudio
Cada uno de los postulantes al trabajo de secretariado,etc
Estadístico
Los resultados en promedio fueron de 73 puntos
Identifica las variables mencionadas en el estudio y clasifique según su naturaleza y escala de medición Variable
Tipo de variable
Estudios universitarios para los puestos de trabajo ofertados Años de experiencia
Calificacion
Escala de medida
Cualitativa nominal
nominal
Cuantitativa continua
Razón
Cuantitativa discreta
intervalo
Valores Seguridad Administración Contabilidad 2 años 4 años 20 años 1 punto 2 puntos 73 puntos
Problema 04: Un grupo de investigadores tienen el propósito de conocer cuáles son las condiciones socioeconómicas de las familias residentes en el distrito de Ventanilla. Para el estudio se ha determinado entrevistar a 300 familias elegidas aleatoriamente. La encuesta se realizó en distintas zonas del distrito y algunas características estudiadas son: Tamaño familiar: Número de miembros en la familia Ingresos: Ingreso familiar mensual Estudios: Grado de instrucción alcanzado por el jefe de familia Vivienda: Tipo de material de la vivienda (Prefabricado, material noble, Quincha) a.
Complete las casillas en blanco identificando en enunciado del problema lo siguiente:
Población de estudio
Todas las familias en condiciones socioeconómicas residentes en el distrito de ventanilla
Muestra
300 familias en condiciones socioeconómicas en el distrito de ventanilla
Unidad de Estudio
Cada una de las familias residentes en el distrito de ventanilla
b.
Identifica las variables, luego clasifica según su naturaleza y escala de medición. Variable
N° de miembros en la familia Ingresos Estudios
Tipo de variable Cuantitativa discreta Cuantitativa continua Cualitativa
Escala de medida Razón
Valores 0,1,2,4,5
Razón
0,20,50,100
nominal
Arquitecto, ingeniero, albañil
8
Vivienda(tipo de material de la vivienda)
nominal Cualitativa ordinal
ordinal Madera,prefaabricado,material noble
Problema 05: Bendezú Vilma y Chirinos Claudia realizaron una investigación en 76 adolescentes embarazadas nuevas y continuadoras de 132, cuyo objetivo es determinar las características sociodemográficas, culturales y familiares de adolescentes embarazadas atendidas en los consultorios externos de Gineco-Obstetricia del Hospital Daniel Alcides Carrión del Callao en los meses de enero a marzo del 2015. Entre algunos resultados muestran que el 40.9% tuvo 16 años de edad, el 80.3% no asistieron a ningún programa de educación sexual y planificación familiar, la edad de inicio de relaciones sexuales del 60.5% fue a los 15 años de edad, el 68.4% mencionan que sus padres no le prestan atención y el 81.6% declaran haber sufrido violencia por parte de sus padres. a. Identifica los conceptos estadísticos y relaciona las frases colocando la letra que corresponda a) Todas las adolescentes embarazadas atendidas en consultorios de Gineco( g ) Variable obstetricia durante el periodo de estudio. b) De las 76 adolescentes participantes en el estudio, el 81.6% declara haber ( d ) Parámetro sufrido violencia por sus progenitores. c) Se observó que una adolescente de las 76 estudiadas, no asistió al programa ( e ) Muestra de educación sexual y planificación familiar. d) Del total de adolescentes atendidas en consultorios de Gineco-obstetricia, ( a ) Población ( f ) Unidad de estudio ( c ) Dato ( b ) Estadístico
68.4% refieren que sus padres no les prestan atención. e En el periodo de estudio se atendió a 132 adolescentes embarazadas. ) f) La joven Alisson es una adolescente atendida en el periodo de estudio. g Edad de inicio de relaciones sexuales de las adolescentes ) embarazadas.
1.4 Bibliografía 1. Ávila, RB. (2010). Estadística Elemental. Lima: Estudios y ediciones R.A. 2. Córdova, M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.). Lima: Moshera. 3. Newbold, P., Carlson, WL., Tghorne, B. (2008). Estadística para Administración y Economía. (6ª ed.). España: Edit. Pearson Educación S.A. P: 1-13. 4. Black, K. (2008). Estadística en los negocios. (2ª ed.). México: Grupo Editorial Patria S.A.
9
Tema 2 El Muestreo
2.1
Competencia a desarrollar Determina el tipo de muestreo en la selección de muestras probabilísticas y no probabilísticas que se debe aplicar en un estudio.
2.2
Contenido del tema 2 Cuando una población de estudio no se puede estudiar todas las unidades, ya sea por la gran cantidad de unidades o por el costo que implica la investigación, se debe seleccionar una muestra representativa utilizando un método de selección llamado muestreo. Muestreo Es el proceso de seleccionar los individuos o elementos (unidades de estudio) que conformarán la muestra representativa de una determinada población de estudio con el propósito de hacer inferencias. Esta selección se hace utilizando un muestreo probabilístico o no probabilístico según el diseño de la investigación. Tipos de muestreo • Muestreo probabilístico Son métodos probabilísticos que se basan en el principio que cada unidad de estudio de la población tenga igual probabilidad de ser seleccionado en la muestra para asegurar la representatividad de la muestra extraída, de tal modo que sea útil para hacer inferencias sobre dicha población. Estos métodos de muestreos probabilísticos pueden realizarse de forma manual o mediante software y son: Muestreo aleatorio simple, muestreo sistemático, muestreo estratificado y muestreo por conglomerados. • Muestreo no probabilístico Es útil para estudios exploratorios y cuando el muestreo probabilístico es muy costoso. La muestra extraída no da certeza de representatividad, debido a que no todos los sujetos de la población tienen la misma probabilidad de ser elegidos. Por lo general, la selección de las unidades de la muestra se hace bajo determinados criterios del investigador, procurando en la medida de lo posible que sea representativa. Entre los métodos de muestreo no probabilísticos más utilizados son: Accidental, por selección de criterio, por cuotas y bola de nieve. Ejemplo 2 Un candidato a la alcaldía de cierto distrito, solicita los servicios de una encuestadora para que realicen un estudio con la finalidad de estimar el gasto promedio mensual en alimentación en las familias de su comuna. El responsable del estudio ha seleccionado aleatoriamente del listado general, cada 15 a 200 familias residentes en el distrito; los resultados revelan que las familias en promedio gastan en alimentación 650 soles mensuales. Determinar la población, muestra, muestreo, unidad de estudio, variables, estadístico y parámetro: Solución Población de estudio: Todas las familias que son residentes del distrito Unidad de estudio: Cada una de las familias que vive en el distrito Muestra: 200 familias residentes del distrito Variable de estudio: Gasto mensual en alimentación Tipo de variable: Cuantitativa continua Escala de medición: Razón Muestreo: Aleatorio sistemático Estadístico: Gasto promedio en alimentación de las 200 familias es 650 soles. Parámetro: Gasto promedio estimado en alimentación de las familias del distrito es de 650 soles.
1.3
Preguntas de aplicación Problema 01: El departamento de control de calidad de ANCORP S.A. ante las quejas de sus clientes, decide investigar si sus productos cumplen con las especificaciones de peso exacto en el etiquetado de bolsas de arroz superior de 5kg. Para comprobar la sospecha, selecciona al azar 5 bolsas de un lote de producción durante 3 semanas consecutivas y registra su peso luego de ser pesadas en una balanza calibrada. Si se
10
comprueba la veracidad de la sospecha la máquina de llenado debe ser regulada. Los resultados revelan que el peso medio fue de 4999 gr. Se pide determinar: Variable Control de calidad de peso exacto de las bolsas de arroz de 5 kg
Tipo de variable Cuantitativa continua
Escala de medición Razón
Valores 0kg 5000kg 6000kg 2500kg
a. Población: las bolsas de arroz superior de 5kg b. Muestra: 5 bolsas de un lote c. Unidad de estudio: cada bolsa de arroz mayor de 5 kg d. Tipo de muestreo: probabilístico aleatorio simple Problema 02: En las oficinas administrativas del MINSA, en el área de Logística trabajan 150 personas, se desea saber sobre el manejo del estrés laboral. El encargado del estudio tiene que seleccionar una muestra representativa de 30 trabajadores, y luego se debe aplicar el cuestionario para recolectar datos. Se pide presentar el listado de los números seleccionados utilizando un muestreo aleatorio simple y la tabla de números aleatorios considerando como arranque fila 5 y columna 3. Población de estudio: 150 personas del área de logística del minsa Muestra de estudio: Listado de los 30 números seleccionados utilizando muestreo aleatorio simple: 1 119 11 110 21
078
2
085
12
071
22
061
3
011
13
055
23
091
4
056
14
018
24
012
5
150
15
132
25
074
6
069
16
118
26
063
7
143
17
100
27
101
8
127
18
104
28
092
9
042
19
133
29
016
10
047
20
103
30
025
Problema 03: El alcalde de Lima está interesado en evaluar el nivel de satisfacción sobre el servicio de transporte urbano “Corredor Azul” de Lima, para sustentar la continuidad del contrato. El encargado del estudio realizó una encuesta a 375 personas, quienes fueron seleccionados según el grupo de edad, 150 jóvenes, 175 adultos y 50 adultos mayores. Se pide identificar: Variable(s) Nivel de satisfacción sobre el servicio de transporte urbano “corredor azul”
Tipo de variable Cualitativa ordinal
Escala de medición Ordinal
Valores insatisfecho poco satisfecho satisfecho
a. Población: todas las personas que usan el servicio de transporte urbano “corredor azul” b. Muestra: 375 personas que usan el servicio de transporte urbano “corredor azul” c. Unidad de estudio: cada uno de las personas que usan el servicio de transporte urbano “corredor azul” d. Tipo de muestreo: POR CUOTAS
11
Problema 04: El4 de octubre del 2014, IPSOS Perú realizó una encuesta de opinión sobre la intención de voto, respecto a las preferencias políticas para ocupar la alcaldía de Lima, la cual reveló que el 46.6% votaría por Luis Castañeda. Este resultado proviene de una muestra de 2140 electores hábiles, seleccionados por muestreo bietápico de los 42 distritos de la provincia de Lima. Se pide determinar: Variable Las preferencias políticas para ocupar la alcaldía de Lima
Tipo de variable cualitativa nominal
Escala de medición
Valores
nominal
36.5 46.6 50.3
a. Población: todos los electores hábiles del distrito de Lima b. Unidaddeestudio: cada elector hábil encuestado del distrito de Lima c. Muestreo: BIETAPICO (CONGLOMERADOS) d. Muestra: 2140 electores hábiles Problema 05: Se tiene el listado de 30 estudiantes que participaron de un curso virtual en cierta institución. Se pide seleccionar una muestra aleatoria sistemática de 8 estudiantes que deben participar en un estudio de Focus Group con el propósito de conocer la satisfacción del curso desarrollado. N° DE POBLACION: 30 estudiantes K= N/n 30/8 N° DE MUESTREO: 3.75: 3 suma + 3
N° DE MUESTRA: 8 estudiantes
1
Rocío
11
Alejandro
21
José
2
Gustavo
12
Norma
22
Luis
3
Javier
13
Jacobo
23
Ana Luisa
4
Tomás
14
Natalia
24
Viviana
5
Ana
15
Susana
25
Santiago
6
Lucía
16
Edith
26
Ulamer
7
Ernesto
17
Samuel
27
Marcos
8
Celinda
18
Roberto
28
Lely
9
Jorge
19
Carlo
29
Antonieta
10
Willian
20
Rousse
30
Pablo
Indique el arranque y el listado de los 8 estudiantes seleccionados utilizando un muestreo aleatorio sistemático. 1. 2. 3. 4. 5. 6. 7. 8.
2.4
JAVIER ANA CELINDA NORMA SUSANA ROBERTO VIVIANA ANTONIETA
Bibliografía 1. Ávila, RB. (2010). Estadística Elemental. Lima: Estudios y ediciones R.A. 2. Córdova, M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.). Lima: Moshera.
12
3. Black, K. (2008). Estadística en los negocios. (2ª ed.). México: Grupo Editorial Patria S.A. 4. Martínez, C. (2005). Estadística y Muestreo. (12ª ed.) Colombia. Editorial Eco Ediciones.
Tema 3 Instrumento de recolección y elaboración de la base de datos
3.1
Competencia a desarrollar Elabora la matriz de datos en Excel con las variables consideradas en el instrumento de recolección de datos.
3.2
Contenido del tema 3 Técnicas de recolección de datos Requiere la elección de una técnica y de un instrumento que permita medir las características de las unidades de estudio en una muestra o población. De acuerdo con Hernández, Fernández y Baptista (2010), “Recolectar datos implica elaborar un plan detallado de procedimientos que nos conduzca a reunir datos con un propósito específico” (p.198). Entre las técnicas de recolección tenemos:
Encuesta
Información proporcionada por los mismos sujetos sobre opiniones, conocimientos de un tema de interés.
Documentos
Se obtiene Información de historias clínicas, registros físicos o electrónicos para investigar un tema de interés.
Entrevista
Información proporcionada por los mismos sujetos sobre opiniones con un moderador sobre un tema de interés.
Observación
El investigador recopila datos de manera sistemática observando la ocurrencia de los hechos.
Instrumentos Recurso que usa el investigador para registrar información y son: cuestionarios, guías de observación, inventario y escalas. Todo instrumento de medición debe comprobarse la confiabilidad y validez, con la finalidad de garantizar datos útiles y confiables. La elaboración del instrumento se hace en base al cuadro de operacionalización de variables. Con los datos obtenidos de los sujetos implicados en el estudio, es necesario organizar la información recolectada para el procesamiento de datos, la misma que puede hacerse de forma manual o con el uso de un software como Excel, SPSS, Stata, Statgraphics, Minitab, entre otros. El uso de software para el procesamiento de datos, nos permite el manejo de muestras o poblaciones con gran número de unidades y la obtención de los resultados con mayor velocidad. Elaboración de la base de datos Es el traslado de la información recogida mediante los instrumentos de recolección de datos a un software estadístico o Excel, ello le permite al investigador procesar y obtener resultados que describan la magnitud del problema en estudio. Una base de datos contiene todos los registros de la muestra o población en estudio lista para ser procesada en cualquier momento. Para el procesamiento de datos se realizará usando el complemento MegaStat de Excel. 3.3
Preguntas de aplicación
13
Problema 01: El Director del Centro Geriátrico RENACER del distrito del Rímac, ha realizado un estudio con el propósito de describir el estado nutricional y las enfermedades más frecuentes que presentan los pacientes que fueron atendidos en el primer trimestre del año 2016. Se elaboró una ficha de datos para recolectar información de las historias clínicas de cada paciente como se muestra a continuación: Centro Geriátrico RENACER- Rímac FICHA DE DATOS SERVICIO: Enfermería ACTIVIDAD: Estado nutricional de pacientes hospitalizados 1. Sexo:
1) Masculino
2) Femenino
2. Peso………………………. 3. Talla………………………. 4. Edad………………………. 5. Diagnóstico:
1) Enfermo Mental
6. Lugar de Destino: 3) Fallecido
2) Físicamente enfermo
1) Hogar de familiares
4) Hospital
3) Retrasado mental
2) No ha dejado el Geriátrico
5) Sanatorio particular
6) Otro Geriátrico
Se pide a usted que elabore una base de datos en Excel y debe grabar como Pacientes Geriátricos. Base de datos de pacientes del Centro geriátrico Renacer Nº 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Sexo Masculino Masculino Femenino Masculino Femenino Femenino Femenino Femenino Masculino Masculino Femenino Masculino Masculino Femenino Femenino Femenino Masculino Femenino Femenino Masculino Femenino Masculino Femenino Masculino Masculino Femenino Femenino Femenino Femenino Masculino Femenino Femenino Masculino Masculino Masculino Femenino Femenino Femenino Masculino Femenino
Peso 72 67 52 74 54 48 55 51 55 53 62 60 51 55 55 52 67 52 48 65 48 68 57 70 59 68 59 57 51 61 52 65 57 57 68 46 48 51 75 64
Talla
Edad
1.68 1.68 1.55 1.72 1.57 1.55 1.60 1.60 1.63 1.68 1.55 1.66 1.54 1.59 1.57 1.57 1.69 1.59 1.56 1.68 1.56 1.69 1.62 1.72 1.67 1.68 1.60 1.53 1.61 1.68 1.57 1.64 1.66 1.58 1.73 1.54 1.52 1.58 1.73 1.65
29 35 34 36 25 20 31 89 42 41 47 41 87 56 50 28 35 23 39 42 72 52 31 35 42 29 61 18 64 51 30 35 40 76 59 71 62 65 51 18
Diagnóstico
Destino
Enfermo mental Enfermo mental Físicamente enfermo Enfermo mental Retrasado mental Enfermo mental Físicamente enfermo Físicamente enfermo Retrasado mental Enfermo mental Físicamente enfermo Físicamente enfermo Enfermo mental Retrasado mental Retrasado mental Físicamente enfermo Retrasado mental Físicamente enfermo Retrasado mental Enfermo mental Enfermo mental Enfermo mental Físicamente enfermo Físicamente enfermo Físicamente enfermo Enfermo mental Retrasado mental Enfermo mental Retrasado mental Físicamente enfermo Físicamente enfermo Retrasado mental Físicamente enfermo Retrasado mental Físicamente enfermo Enfermo mental Enfermo mental Enfermo mental Retrasado mental Retrasado mental
Hogar de familiares No ha dejado el Geriátrico No ha dejado el Geriátrico No ha dejado el Geriátrico No ha dejado el Geriátrico No ha dejado el Geriátrico No ha dejado el Geriátrico Fallecido No ha dejado el Geriátrico No ha dejado el Geriátrico No ha dejado el Geriátrico Hogar de familiares No ha dejado el Geriátrico Fallecido No ha dejado el Geriátrico Otro Geriátrico No ha dejado el Geriátrico No ha dejado el Geriátrico Hospital No ha dejado el Geriátrico Sanatorio particular No ha dejado el Geriátrico No ha dejado el Geriátrico Otro Geriátrico No ha dejado el Geriátrico Hogar de familiares No ha dejado el Geriátrico Hospital No ha dejado el Geriátrico No ha dejado el Geriátrico Hogar de familiares No ha dejado el Geriátrico Sanatorio particular Hospital No ha dejado el Geriátrico Sanatorio particular No ha dejado el Geriátrico Hospital No ha dejado el Geriátrico Otro Geriátrico
Fuente: Enfermería, Renacer
14
Problema 02: El Director de recursos humanos de la empresa Credisa Philco S.A. ha diseñado un cuestionario, con el propósito de conocer como es la relación entre compañeros de trabajo. La aplicación de la encuesta se hizo enviando al correo de los trabajadores, luego será devuelto con los datos llenos de cada trabajador. El cuestionario fue el siguiente: Cuestionario de opinión referente a la relación entre compañeros Estimado colaborador, con la finalidad de mejorar la relación entre compañerismo, responda el siguiente cuestionario con toda sinceridad indicando la opción que usted considere correcta. 1) Edad..………… 2) ¿Cuántos años de educación concluidos tiene?………….. 3) Género Masculino Femenino 4) Ingreso semanal…………...…..………. 5) Tiempo que fue ascendido a ocupar un cargo superior……………….. 6) Área de trabajo Administración Ventas Producción 7) Relación de compañerismo Muy buena Buena Regular Mala Base de datos de pacientes de los empleados CREDISA PHILCO
15
Fuente: Recursos Humanos Credisa Philco S.A.
Se pide elaborar la
Emplead o
Edad
Años_Edu c
Género
Ingresos
Promoció n
Area
Compañerism o
1
35
20
Masculin o
783
1
Administración
Regular
2
64
14
Femenino
257
5
Ventas
3
33
15
Femenino
405
5
Producción
Mala
4
23
14
Masculin o
202
1
Producción
Regular
5
33
12
Femenino
252
1
Ventas
Mala
6
60
14
Masculin o
357
3
Administración
Mala
7
37
14
Femenino
150
2
Ventas
Mala
8
25
13
Femenino
180
5
Ventas
Regular
9
39
18
Masculin o
608
4
Administración
10
35
16
Masculin o
384
3
Ventas
Regular
11
35
12
Femenino
310
2
Ventas
Buena
12
49
13
Masculin o
766
5
Administración
Mala
13
34
12
Femenino
333
1
Producción
14
50
14
Femenino
158
1
Ventas
Buena
15
49
4
Masculin o
275
4
Producción
Mala
16
39
16
Masculin o
642
1
Producción
Mala
17
61
12
Femenino
320
5
Producción
Mala
18
59
16
Femenino
266
2
Producción
Mala
19
25
16
Masculin o
331
1
Ventas
Mala
20
20
11
Masculin o
105
1
Ventas
Mala
21
37
13
Femenino
357
4
Ventas
Buena
22
24
12
Femenino
243
1
Producción
Regular
23
33
10
Masculin o
333
2
Producción
Mala
24
30
16
Femenino
300
2
Ventas
Regular
25
43
13
Masculin o
252
1
Ventas
Mala
26
56
16
Femenino
361
1
Ventas
Mala
27
35
15
Masculin o
427
2
Producción
Mala
28
35
16
Masculin o
147
1
Ventas
29
42
16
Femenino
237
5
Ventas
Mala
30
34
12
Femenino
313
4
Ventas
Regular
31
50
14
Femenino
241
2
Ventas
32
34
12
Femenino
303
2
Producción
33
41
13
Masculin o
164
5
Ventas
34
44
16
Femenino
179
5
Producción
Regular
35
27
17
Femenino
204
2
Producción
Regular
36
40
13
Masculin o
263
1
Ventas
Regular
37
33
16
Femenino
216
4
Ventas
Mala
38
38
19
Masculin o
487
1
Producción
Mala
39
41
15
Masculin o
184
4
Ventas
Buena
40
32
12
Femenino
148
2
Ventas
Buena
41
58
14
Masculin o
537
5
Administración
Regular
42
28
16
Femenino
170
1
Ventas
43
18
12
Masculin o
115
2
Ventas
44
33
16
Femenino
177
5
Ventas
Mala
45
34
9
Femenino
118
2
Ventas
Regular
46
48
17
Femenino
328
4
Administración
Regular
47
21
14
Femenino
163
3
Ventas
Mala
48
26
16
Femenino
447
3
Producción
Mala
49
39
18
Masculin o
756
5
Administración
Mala
50
29
17
Femenino
501
1
Producción
Buena
Mala
Mala
Muy buena
Regular
Mala Regular Mala
Mala Muy buena
16
base de datos en Excel correspondiente a los empleados de Credisa Philco S.A. 3.4
Bibliografía 1. Ávila, RB. (2010). Estadística Elemental. Lima: Estudios y ediciones R.A. 2. Álvarez, R. (2007). Estadística aplicada a las ciencias de la salud. Madrid: Díaz de Santos. 3. Daniel W. (2009). Bioestadística - Base para el Análisis de las Ciencias de la Salud. (4ª ed.) México: Editorial Limusa S.A. 4. Balzarini, M., Tablada, M. (2011). Introducción a la Bioestadística. Brujas: Córdova.
17
Tema 4 Tablas de frecuencias y gráficas 4.1 Competencia a desarrollar Elabora e interpreta tablas de frecuencias y gráficas de variables cuantitativas o cualitativas. 4.2 Contenido del tema 4 Organización y presentación de datos Los métodos para organizar y presentar los resultados son las tablas de frecuencias y las gráficas, las mismas que sirven para resumir y ver la tendencia de los datos, para que el investigador pueda analizar y tomar decisiones. Tablas de distribución de frecuencias Es una tabla de distribución de los datos agrupados en categorías o clases mutuamente excluyentes de acuerdo a la escala de medición de los valores. Cada clase o categoría indica el número de observaciones conocido como frecuencias y son: Frecuencia absoluta simple (fi).- es la cantidad de datos pertenece a una clase o categoría. Frecuencia relativa simple (hi).-representa la proporción de datos que pertenecen a una clase y se obtiene:
Frecuencia porcentual (hi%).- es la frecuencia relativa simple multiplicada por 100% y se calcula: hi% = hix100% Una tabla de distribución de frecuencias de tener las siguientes partes: Número de la tabla, encabezados de las columnas, cuerpo y fuente. Por ejemplo:
La suma de las frecuencias absolutas simples es el total de la muestra (n). La suma de las frecuencias relativas simples es igual a 1y la suma de las frecuencias porcentuales suma 100%. Gráficas estadísticas Es la representación de datos en forma visual llamado gráfica, para ello se debe considerar el tipo de la variable y su escala de medición de los valores, tales como: Variables cualitativas: gráfico de barras, gráfico de sectores Variables cuantitativas discretas: gráfico de bastones Variables cuantitativas continuas: histograma de frecuencias, polígono de frecuencias, ojivas, líneas, diagrama de cajas y bigotes, gráfico de dispersión, etc. Distribución de frecuencias para variables cualitativas
18
Si los datos fueron medidos en escala nominal la tabla de frecuencias contiene las categorías, las frecuencias absolutas y las frecuencias relativas. Ejemplo 3 La clínica Vargas realizó un estudio a 54 pacientes que fueron dados de alta durante el mes de febrero 2018 y cancelaron los servicios médicos con tarjeta de crédito como: Visa (V), Mastercard (M), Dinner (D) y Otras (O). Los datos son: V
V
M
D
M
M
V
D
V
V
V
V
D
V
O
V
V
V
V
D
V
O
V
D
M
D
M
O
M
M
O
M
V
V
D
M
V
M
M
V
O
M
M
O
D
D
M
D
V
V
D
O
V
V
a) Elabora una tabla de frecuencias. b) Interpreta las frecuencias: f2, h3, h1% c) elabore un gráfico de barras. Solución a) Tabla de frecuencias
Tabla 2. Distribución de pagos de los pacientes con alta según tarjeta de crédito Frecuencias Frecuencias Frecuencia Tarjetas absoluta (fi) relativas (hi) porcentual (hi%) MASTERCARD 14 0.26 26% VISA
22
0.41
41%
DINNER
11
0.20
20%
OTROS
7
0.13
13%
Total Fuente: Clínica Vargas
54
1.00
100%
b) Interpretación de frecuencias Interpretación de la segunda frecuencia absoluta f2 = 22; 22 de 54 clientes que fueron dados de alta usaron tarjeta VISA para cancelar los servicios médicos de la clínica. Interpretación de la tercera frecuencia relativa (proporción) h3 = 0.20; El 0.20 de 54 clientes que fueron dados de alta pagaron con tarjeta VISA los servicios médicos de la clínica. Interpretación de la primera frecuencia relativa porcentual h1% = 26%; El 26% de 54 clientes que fueron dados de alta cancelaron con tarjeta VISA los servicios médicos de la clínica.
c) Gráfico de barras
19
Gráfico 1. Pago de pacientes con alta según tipo de tarjeta de crédito
50 % 41% 40% 30%
26% 20%
20%
13%
10% 0% MASTERCARD
VISA
DINNER
OTROS
Fuente: Clínica Vargas Ejemplo 4 Un estudio ejecutado por el Pew Research Center's Internet & American Life Project (http://www.pewinternet.org), el objetivo fue analizar la actitud de los jóvenes en EEUU ante las redes sociales y su configuración en la privacidad de su perfil. Para ello se ha llevado a cabo una encuesta a 586 usuarios de Facebook y los resultados de los datos de dicho estudio se muestra la siguiente gráfica. Gráfico de sectores Gráfico 2. Modalidad de configuración respecto al perfil de Facebook en jóvenes de EEUU
Fuente: Pew Research Center's Internet & American Life Pr
a) b)
Interpreta los resultados de la gráfica. ¿Cuántos encuestados ha configurado como privado su perfil de Facebook?
20
Solución a) Interpretación: En la gráfica 2 se observa que el 60% de usuarios de Facebook ha configurado su perfil como público, el 26% privado y el 14% parcialmente privado. b) Datos: Total de encuestados: n = 586. Perfil configurado como privado es el 26%:
nx0.26 = 586x0.26 = 152.36 = 152
Respuesta: 152 encuestados han configurado su perfil de Facebook como privado. Distribución de frecuencias para variables cuantitativas discretas El resumen de los datos cuantitativos discretos debe presentarse en una tabla de frecuencias y su representación gráfico es bastones. Ejemplo 5 Los siguientes datos corresponden a una encuesta realizada por StatMark a un grupo de padres de familia de una comunidad, la muestra está conformada por 88 familias. Una de las preguntas fue ¿cuántos hijos vivos tiene usted en su familia? las respuestas se muestran en la siguiente tabla: Tabla 3. Cantidad de hijos familia Hijos
Frecuencia
1
7
2
22
3
31
4
15
5
10
6
3
Total
88
a. Elabora el gráfico de bastones
Gráfico 3. Distribución de hijos por familia de la comunidad
Fuente: Elaboración propia Distribución de frecuencias para variables cuantitativas continuas
21
El resumen de los datos cuantitativos continuos correspondiente a una sola variable debe presentarse en una tabla de frecuencias agrupadas en intervalos o llamado también clases y su gráfica se representa con histograma de frecuencias, polígono de frecuencias, ojivas, diagrama de cajas simple. 1. Elaboración de una tabla de distribución de frecuencias agrupadas en intervalos El procedimiento es el siguiente: 1)
Calcular el rango (R) o recorrido de los datos, el cual se define:
R = Valor máximo – valor mínimo 2)
Determinar el número de clases o intervalos (K) por el método de Sturges:
K = 1+3.32* log(n) 3)
Determinar la Amplitud o anchura (C) de los intervalos, definido como: 𝑪=
4)
𝑹 𝑲
Determinar los límites de cada intervalo o clase, se recomienda entre 5 y 20 intervalos. Ejemplos de intervalos que se puede utilizar: [10 - 20] [10 – 20>
1,517
3
0.10
3
0.10
[ 1,634 - 2,102 >
1,751
5
0.17
8
0.27
[2,102 - 1,634 >
1,985
10
0.33
18
0.60
[ 1,400 - 2,336 >
2,219
5
0.17
23
0.77
[ 2,336 - 2,570 >
2,453
5
0.17
28
0.93
[ 2,570 - 2,804 >
2,687
2
0.07
30
1.00
30
1.00
Total Fuente: Recursos Humanos, BIGDATA Marca de clase = Xi= (1,400+1,634)/2
2. Elaboración de tablas de frecuencias y gráficas de variables cualitativas, usando el complemento d Excel MegaStat. En Excel encontraremos el símbolo del complemento MegaStat en el menú DATOS y aparecerá el siguiente cuadro de diálogo, se debe seguir la siguiente secuencia:
23
Ingresar rango de datos que están en Excel (sin la etiqueta)
Seleccionamos las categorías de la variable cualitativa digitadas en una columna aparte 2. Elaboración de tablas de frecuencias agrupadas y gráficas de variables cuantitativas, usando el complemento de Excel MegaStat, se debe seguir la siguiente secuencia:
Ingresar rango de datos que están en Excel (Sin la etiqueta)
24
4.3 Preguntas de aplicación Problema 01: El Higher Education Research Institute de UCLA cuenta con estadísticas sobre las áreas que son más elegidas por los estudiantes de nuevo ingreso. Las cinco más elegidas son arte y humanidades (A), administración de negocios (N), ingeniería (I), política (P) y ciencias sociales (S) (The New York Times Almanac, 2006). Otras áreas (O) son biología, física, ciencias de la computación y educación se agruparon todas en una sola categoría. Se ha seleccionado una muestra de 64 estudiantes de recién ingreso y los datos se muestra a continuación: S O N A
P O A I
P O S N
O N O I
N S I A
I O A A
O N N P
I O O O
P A S O
O O S I
O I O O
N O O N
O I I N
O O N O
O N O P
A P N N
a) b) c) d)
Elabore una tabla de frecuencia. Elabore una gráfica de barras. ¿Qué porcentaje de estudiantes de nuevo ingreso elige ingeniería? ¿Cuál es el área más elegida por los estudiantes de nuevo ingreso? ¿Qué porcentaje de los estudiantes de nuevo ingreso elige esta área? Problema 02: Con los datos del problema 01 de la página 17 [Pacientes Geriátricos]. xls. procesar y presentar los resultados entablas y gráficas con su respectiva interpretación en un documento Word, considerando el siguiente cuestionario: 1. 2. 3. 4.
Elabore una gráfica de barras para la variable Diagnóstico médico e interprete los resultados. Elabore una tabla de frecuencias agrupadas en tres intervalos () de la variable Edad e interpretar la frecuencia relativa de mayor valor. ¿Qué porcentaje de pacientes tiene más de 60 años? Elabore una tabla de frecuencias agrupadas en intervalos de igual amplitud utilizando el método de Sturges de la variable Talla. ¿Cuál es la talla más frecuente? Elabore un histograma de frecuencias y analice la simetría de la distribución de datos de la variable Talla.
25
5. Obtener el estado nutricional de cada paciente: primero calcular el índice de masa corporal (IMC) para cada paciente; segundo categorizar dicho IMC en una nueva variable, considerando los siguientes intervalos y etiquetas (agrupar: muy obeso); esta nueva variable será el ESTADO NUTRICIONAL. 6. Elaborar un gráfico para la variable estado nutricional. ¿Qué porcentaje de pacientes se encuentran con sobrepeso? ¿Cuántas personas están con bajo peso? 7. Elabore una gráfica para la variable Lugar de destino. ¿Cuántos pacientes fallecieron en el centro geriátrico? 8. Elabore un polígono de frecuencias para la variable peso y analice la forma de distribución de datos. 9. Elabore un diagrama de cajas para el IMC de los pacientes y analice la forma de distribución de la variable. 10. Describa tres conclusiones. Problema 03: Con los datos del problema 02 de la página 17 [CredisaPhilco]. xls. procesar y presentar tablas de frecuencias y gráficas con su respectiva interpretación de resultados en un documento Word, debe considerar las siguientes preguntas del cuestionario: 1. 2.
¿Qué porcentaje de empleados son mujeres? Elabore una gráfica de barras para la variable relación de compañerismo. ¿Qué porcentaje de personas tienen buena relación entre compañeros de trabajo? 3. Elabore una tabla de frecuencias agrupadas en 4 intervalos para la edad. ¿Qué porcentaje de empleados tiene más de 50 años? 4. Elabore una tabla de frecuencias agrupadas en tres intervalos ([4 a 11], [12 a 16], [17 a 20]) para la variable años de educación. ¿Cuántas personas tienen más de 17 años de educación? ¿Qué porcentaje de personas tienen menos de 11 años de estudios? 5. Elabore una tabla de frecuencias agrupadas en intervalos de igual amplitud por el método de Sturges de la variable ingresos. ¿Qué porcentaje de personas tienen ingresos superiores a 700 soles? ¿Qué porcentaje de trabajadores tienen entre 300 a 500 soles? 6. ¿Qué tipo de simetría presenta la variable edad? Sustentar con una gráfica. 7. Analizarla simetría de la distribución de datos del tiempo (años) para ser ascendido a un cargo superior con un histograma de frecuencias. 8. Analizar la simetría de la distribución de datos de la variable ingresos mediante un diagrama de cajas y polígono de frecuencias. 9. Elabore una gráfica para la variable área de trabajo. ¿Qué porcentaje de trabajadores son vendedores? ¿Cuántos trabajadores son administrativos? 10. Describa tres conclusiones. Problema 04: El siguiente histograma corresponde a la distribución de litros de yogurt, elaborado por la planta productora Dos Patitos SAC. En un periodo de 2 meses (60 días). Considere como valor mínimo y máximo el límite inferior y límite superior, se pide:
a) b) c) d)
Elaborar la tabla de frecuencias agrupadas en intervalos. ¿Qué porcentaje de días se elaboraron más de 500 mil litros de yogurt? ¿Cuántos días se elaboraron entre 420 a 640 mil litros de yogurt? ¿Qué tipo de distribución presentan los datos?
26
Días
20 18 16 14 12 10 8 6 4 2 0
17 15 10 8
7
3
200 -310 310 - 420 420 - 530 530 - 640 640 - 750 750 - 860
Litros de yogurt (miles) Problema 05: El gerente de logística de una empresa industrial, ha observado que el pago por energía consumida en la planta de producción de la zona de Lima este se ha incrementado. En tal sentido, se solicitó al jefe de la planta que realice un informe sobre el consumo diario de energía durante el mes de agosto en el 2016. Se sabe que el consumo máximo de energía fue de 20 KW/hr (kilowatts por hora), los datos del consumo diario de energía en KW/hr se detalla en la siguiente tabla: Tabla 2. Consumo de energía de la planta de producción de Lima este Consumo de energía Marca de clase Frecuencia Porcentaje en KW/hr Xi fi hi% 10 - 14 4 14 - 18 6 18 - 22 12 22 - 25 8 Total 30 Fuente: Elaboración propia a) b) c)
Fi
Hi
Completar la tabla de frecuencias Interpretar las frecuencias: f3, h4%, F2 y H3% ¿Qué porcentaje de días sobrepasó el historial de consumo de energía en la planta?
4.4 Bibliografía 1. Córdova, M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.) Lima: Moshera. 2. Samuels, M, Witmer, J. (2012). Fundamentos de Estadística para las ciencias de la vida. (4ª ed.) California: Pearson. 3.INEI: INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMATICA. “Manual para la presentación de gráficos estadísticos”. [Internet]. Lima-Perú. Talleres de la Oficina Técnica de Administración (OTA) del Instituto Nacional de Estadística e Informática;Agosto 2009. [Citado en Marzo del 2016]. Disponible en: http://www.inei.gob.pe/media/MenuRecursivo/metodologias/libro.pdf 4.INEI: INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMATICA. “Manual para la presentación de cuadros estadísticos”. [Internet]. Lima-Perú. Talleres de la Oficina Técnica de Administración (OTA) del Instituto Nacional de Estadística e Informática; Mayo 2006. [Citado en Marzo del 2016]. Disponible en: http://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/Lib0933/Libro.pdf Tema 5 Medidas descriptivas de tendencia central y posición 5.1 Competencia a desarrollar Calcula las medidas descriptivas de tendencia central y de posición demostrando su capacidad de interpretación y análisis de resultados de los datos. 5.2 Contenido del tema 5
27
Medidas de descriptivas de resumen Las medidas de resumen descriptivas de una variable numérica (también se denomina estadísticos descriptivos), tiene como propósito resumir los datos de una muestra con un solo valor, se obtiene por procedimientos matemáticos y es útil para aproximar los parámetros. Las medidas de resumen descriptivas se dividen en cuatro grupos: Medidas de tendencia central: Media, mediana y moda. Medidas de Posición: Percentiles o cuantiles. Medidas de dispersión: Rango, varianza, desviación estándar y coeficiente de variación Medidas de forma: coeficiente de asimetría y coeficiente de curtosis. 5.2.1Medidas de tendencia central Las medidas de tendencia central son valores calculados que tienden a ubicarse en la parte central de las observaciones y describen el centro de la distribución de datos. Las medidas de tendencia central más usuales son: a) Media aritmética o promedio. - Es un valor que representa el centro a un conjunto de datos en una muestra o población, medido en escala de intervalo o razón. Se obtiene mediante la suma de todos los datos y se divide entre el tamaño de la muestra. Es sensible a la presencia de valores extremos (dato atípico) porque altera el valor del promedio representativo. La fórmula de la media para datos no agrupados es:
n xi
Promedio muestral X i1
n Pr omedio poblacional N
xi i1 N
La fórmula de la media para datos agrupados es: k
x f
i i
Promedio muestral X
i1
n Pr omedio poblacional k i1
xi.fi N
Donde: Xi : Dato (datos no agrupados) o marca de clase (datos agrupados) fi : Frecuencia absoluta de cada clase n : Tamaño de muestra N : Tamaño d la población En Excel usar la función escribiendo: = PROMEDIO(DATOS)
28
Ejemplo 7 En la caseta de peaje en la autopista a Ramiro Prialé, se ha registrado el número de vehículos por hora que ingresaron durante las 7 am hasta 12 pm del 19de septiembre del 2015, con la finalidad de conocer la afluencia de vehículos que recorren esta vía, los datos son: 39, 31, 23, 18, 15 Datos: 39
x1
31 x2
23 x3
18 x4
1 5 x 5
Solución
X n
xi x1 x2 x3 x4 x5 39 31 2318 15 126 25.2 i1
n555 Interpretación.- En la autopista Ramiro Prialé, en promedio circulan 25 automóviles por hora entre las 7 am a 12 pm. a) Mediana (Me).- Es un valor que indica el centro de un conjunto de datos ordenados, cuyos valores son medidos en escala ordinal, intervalo o razón. Es una medida robusta porque no se ve afectada por la presencia de datos atípicos, por eso se utiliza cuando la distribución es asimétrica. El valor de la mediana representa que el 50% de los datos son menores o iguales a dicho valor y el otro 50% son datos mayores al valor mediano. El 50 % de los datos son menores o iguales a la mediana Dato mínimo
El 50% de los datos son mayores a la mediana Dato máximo
MEDIANA
Mediana para datos no agrupados: •
Primero ordenar toda la muestra de datos de menor a mayor
•
la posición de la mediana mediante: Calcular el valor de la mediana con los datos ubicados en la posición central
Ubicar
Mediana para datos agrupados es:
Donde: LI : Límite inferior de la posición de la clase mediana C : Amplitud de clase mediana Fi-1: Frecuencia absoluta acumulada anterior a la clase mediana f Me: Frecuencia absoluta simple de la posición de la clase mediana n : Tamaño de la muestra En Excel usar la función y escriba: = MEDIANA(DATOS) Ejemplo 8 Los datos siguientes corresponden a las estaturas (en metros) de peruanos varones de 18 años de edad. Calcular la estatura mediana.
29
1.78
1.55
1.82
1.60
1.65
1.50
1.70
Solución Como
el tamaño de la muestra n es 7, por tanto “n” es impar
Procedimiento: Primero: Ordenar los datos de menor a mayor 1° 1.5
2° 1.55
3° 1.60
4° 16.5
5° 1.70
6° 1.78
7° 1.82
Segundo: Determinar la posición del valor mediano: La posición de la mediana es 4°
Tercero: Como la posición de la mediana es 4°, entonces el valor Mediano es: Me = 1.65 Interpretación.- El 50% de los 7 peruanos varones con 18 años tienen una estatura menor a 1.65 y el otro 50% tienen una estatura superior a 1.65 metros. Ejemplo 9 Se ha registrado las edades en años cumplidos a 6 estudiantes ingresantes a la escuela de Farmacia en una universidad, cuyos datos son: 20, 21, 25, 20, 18, 27. Se pide calcular la mediana de las edades En
este
caso
la
muestra
es
6
estudiantes,
es
un
número
par
Procedimiento: Primero: Ordenar los datos de menor a mayor
5° 25
1° 6° 18 27
2° 20
3° 20
4 ° 2 1
Segundo: Determinar la posición del valor mediano: La posición de la mediana es la 3° y 4°
Tercero: Como la posición de la mediana es la 3° y 4°, Cuando el tamaño de la muestra es un número par, la mediana se obtiene sumando los datos ubicados en la posición central: calcular el valor de la mediana: Me = (201+21)/2 = 20.5 Interpretación.- El 50% de 6 alumnos, tienen menos de 21 años y el otro50% tiene más de 21 años. b) Moda (Mo).- La moda en un conjunto de datos observados, es el dato que se presenta con más frecuencia. Se calcula para variables medidas en escala nominal, ordinal, intervalo o razón.
a. Si en el conjunto de datos no se repite ningún valor la moda no existe. b. Cuando se repite más veces un solo valor existe una sola moda y su distribución UNIMODAL.
30
c. Cuando se repiten el mismo número de veces dos valores, hay dos modas y la distribución es BIMODAL. d. Cuando se repite el mismo número de veces más de dos valores presenta varias modas, la distribución es MULTIMODAL. La distribución de la variable puede presentar una de las siguientes gráficas 6
5
5
5
5
8
5
6
6
4
4
4 2
2
2
6
4 2
1
2
3
4
5
1
2
3
4
5
3 2
(b) Unimodal
5
4 2
5
5
4
5
3 2
0
0 1
(a) Sin moda
6
5 4
4 2
0
0
5
2
3
4
5
(c) Bimodal
1
2
3
(d) Multimodal
Moda para datos no agrupados: En una muestra o población es el dato que más veces se repite Moda para datos agrupados en intervalos:
Donde: LI : Límite inferior de la posición de la clase modal C : Amplitud de clase modal d1: Frecuencia clase modal menos frecuencia anterior a la clase modal=fmo-fantfmo d2: Frecuencia clase modal menos frecuencia posterior a la clase modal=f mo-fpostfmo n : Tamaño de la muestra En Excel usar la función y escriba: = MODA(DATOS) Ejemplo 10 Los datos siguientes corresponden a las edades en años cumplidos de 10 alumnos ingresantes a la universidad en un periodo académico. 18
29
21
22
21
20 21 20 19 21
¿Cuál es la edad más frecuente de los ingresantes a la universidad en ese periodo académico? El dato que más veces se repite es 21 Entonces la moda es: Mo = 21 Interpretación.- En los 10 alumnos ingresantes a la universidad en el periodo académico, la edad más frecuente fue de 21 años.
5.2.2 Medidas de posición - Cuantiles Las medidas de posición o denominados también cuantiles, son valores que indican la posición de un dato respecto al conjunto de datos ordenados de menor a mayor y se calcula para variables de escala ordinal, intervalo o razón. El número de divisiones que se realice al histograma es a partir de 2, los más utilizados son: cuartiles, quintiles, deciles, percentiles, etc. Los cálculos consisten en hallar la posición del cuantil y luego calcular su valor. En general nos interesa los percentiles y las fórmulas para calcular son: Percentiles para datos no agrupados: En un conjunto de n datos ordenados el valor del centil o percentil se calcula: •
La posición del centil
31
•
Calcular el valor del centil considerando la posición de ubicación.
Percentiles para datos agrupados:
Donde: LI : Límite inferior de la posición de la clase percentil k C : Amplitud de clase percentil k K : posición del percentil k Fi-1: Frecuencia absoluta acumulada anterior a la clase percentil k Pk Frecuencia absoluta simple de la posición de la clase percentil k n : Tamaño de la muestra a) Cuartiles (Qk).- Son tres valores calculados (Q k = 1, 2, 3) que dividen al conjunto de datos en 4 partes iguales y cada una de ellas representa el 25% de total. 25%
25%
25%
Q1
Q2
25% Q3
Donde: Q1 : Es el cuartil 1 cuyo valor calculado representa al 25% de los datos menores o igual al valor encontrado y el 75% son datos mayores. Q2 : Es el cuartil 2 cuyo valor calculado representa al 50% de los datos menores o iguales al valor encontrado y el 50% de datos restante son mayores. Q3 : Es el cuartil 3 cuyo valor calculado representa al 75% de los datos menores o iguales al valor encontrado y el 25% de datos son mayores. En Excel usar la función y escriba: = PERCENTIL(DATOS) Ejemplo 11 Se ha registrado la estatura de 100 personas del sexo masculino que participaron en una maratón de 10k, cuyos datos se muestran en la tabla de frecuencias agrupada. Estatura
fi
hi
Fi
Hi
150 - 155
5
0.5
5
0.5
156 - 162
9
0.9
14
0.14
163 - 169
22
0.22
36
0.36
170 - 176
32
0.32
68
0.68
177 - 183
15
0.15
83
0.83
184 - 190
13
0.13
96
0.96
191 - 196
4
0.4
100
1.0
Total
100
1.0
¿Entre qué estaturas se encuentra el 50% de maratonistas con una estatura estándar? Solución Se debe calcular elquartil1 y cuartil 3 (percentil 25 y percentil 75) Primero se calculará el Q1 1.- Calculando la posición del Q1: k(n/4) = 1(100/4)= 25 2.- Ubicar la posición 25 en la columna de frecuencias absolutas acumuladas, Fi = 36 3.Para reemplazar en la fórmula se necesita: C = 6, LI= 163, fQk = 22
32
Del mismo modo hallamos Q3
En el histograma se observa la posición de Q1 y Q3 Percentiles 25 y 75
Altura (cm) en 100 varones
Interpretación.- El 50% de maratonistas con estatura estándar tienen entre 166 cm a 179 cm. b) Deciles (Dk).- Dividen al conjunto de datos en 10 partes iguales y son 9 valores calculados (D k= 1, 2, 3,…,9), cada una de ellas representa el 10% de los datos. 10%
10% D1
D2
..……. ………..
10% D9
La interpretación del decil 1 y decil 3 es: D1 :Es el decil 1 cuyo valor calculado indica que el 10% de los datos son menores al valor encontrado y el 90% son mayores. D3: Es el decil 3 cuyo valor indica que el 30% de los datos son menores al valor encontrado y el 70% son mayores.
c) Percentiles (Pk).- Dividen al conjunto de datos en 100 partes iguales y son 99 valores calculados (Pk= 1, 2, 3,…, 99), cada una de ellas representa el 1% de un total. 1%
1% P1
P2
..……. ………..
1% P99
Ejemplo 12 Con los datos del ejemplo 9 ¿Cuál es la estatura mínima del 30% de maratonistas con mayor estatura? Se debe calcular el percentil 70
33
P70: El percentil de orden 70 deja por debajo al 70% de las observaciones y por encima queda el 30%.
Reemplazando en la fórmula de percentiles tenemos:
Interpretación.- El 30% de maratonistas con mayor estatura miden más de 177.8 cm. 5.4
Preguntas de aplicación Problema 01: El jefe de recursos humanos de una empresa está interesado en analizar el impacto económico de horas extras de trabajo pagadas a sus empleados de la gestión anterior. Los datos fueron extraídos del registro de control de cada trabajador y son: 2 1 2 3 a. Elabore una
5 4 5 3 4 1 1 5 2 1 3 4 tabla de frecuencias
2 2 1 3
1 2 3 2
4 2 2 1
3 1 2 2
b. En promedio se ha pagado _______ horas extras a los empleados de la empresa. c. ¿Cuántas horas extras como máximo se ha pagado al 50% de empleados?
d. Se ha pagado con frecuencia ____________horas extras de trabajo. Problema 02: Un grupo de investigadores deciden investigar la evolución de los ingresos en las familias de una comunidad. Para ello, se observó los ahorros que tuvieron las familias en alguna entidad bancaria desde enero hasta agosto del 2016. Asumiendo que las familias aumentarían sus ahorros a medida que sus ingresos aumenten. En el estudio fueron consideradas 25 familias que cuentan al menos 400 soles de ahorro, cuyos datos se muestran en la tabla de distribución de frecuencias.
34
Tabla 3. Distribución de los ahorros en las familias de la comunidad Ahorro en soles
Xi
fi
400 - 500
hi
hi%
Fi
Hi
Hi%
0.20
500 - 600
2
600 - 700
6
13
700 - 800
0.12
800 - 900
0.12
900 - 1000
25
Total
25
1.00
Se pide calcular e interpretar lo siguiente: a.
El valor de la frecuencia f3=____________________________________________________________
b.
El valor de la frecuencia H4%=__________________________________________________________
c.
¿Cuántas familias tienen ahorros entre 700 a 900 soles?_____________________________________
d.
Porcentaje de familias que ahorran menos de 600 soles ____________________________________
e.
Porcentaje de familias que ahorran al menos 500 soles _____________________________________
f.
¿Cuál es el promedio de ahorros por familia? ______________________________________________
g.
Cantidad de ahorro más frecuente por familia ____________________________________________
h.
Cantidad máxima de ahorro del 50% de las familias ________________________________________
i.
Cantidad mínima de ahorro del 20% de las familias con mayores ahorros en alguna entidad bancaria es __________________________________________________________________________
j.
Construya el distribución
polígono de frecuencias ¿Qué forma tiene de frecuencias?_________________________________________
esta
12 10 8 6 4 2 0
Problema 03: La compañía AXE S.A. es una distribuidora de diferentes tipos de bebidas peruanas al por mayor. El gerente de ventas desea conocer el comportamiento de las llamadas telefónicas para hacer pedido de productos durante los meses de febrero y marzo del año 2016. Para ejecutar la investigación, delega a su secretaria que registre el número de llamadas por día que hacen sus clientes a la central telefónica. Los datos son los siguientes:
35
a. b. c. d.
30
38
35
36
29
28
30
35
36
37
40
48
50
20
25
56
30
27
52
44
29
46
41
31
31
31
39
28
49
52
56
58
40
39
38
40
27
24
30
32
35
38
26
25
24
60
55
48
37
31
30 22 20 24 26 23 22 28 27 48 Elabore una tabla de frecuencias agrupada en intervalos por el método de Sturges. Calcular e interpretar promedio, Mediana y moda ¿Cuáles son los valores que contienen al 50% del promedio de llamadas recibidas? El 15% de los 60 días tuvieron un máximo de ________________ llamadas
Problema 04: Se ha medido el peso de recién nacidos en el hospital nacional de la ciudad de Arequipa con la finalidad de comparar el peso promedio en los grupos, cuyas madres de estos recién nacidos viven tanto en el área rural y área urbana. Área urbana
1. 2. 3. 4. 5. 6.
2950
3200
3500
3350
3340
3900
3470
3350 2560 3270 3850 2780 3560 3900 4230 4500 3050 4510 3810 2940 3210 3240 3150 3300 3750 3280 3700 2480 Área rural 4220 3930 4030 3280 3080 3460 2600 2870 3230 3590 3700 3620 Calcular e interpretar las medidas de tendencia central de los recién nacidos del hospital de Arequipa. Comparar el peso medio y mediano de los recién nacidos según el área de residencia. ¿Cuál es el valor del peso que divide al 20% de los recién nacidos con menor peso? ¿Cuánto debe ser el peso de cualquier recién nacido para decir que tiene mejor peso que el 80% de la población? Si consideramos como niños con peso normal al 70% de la población ¿Cuáles serían los límites de normalidad del peso? El 10% de recién nacidos alcanzaron un peso máximo de___________________ gramos.
Problema 05: Un equipo de médicos desea investigar la cantidad de Zinc en cierto tipo de preparados infantiles. Se ha tomado 100 gramos de este alimento y se ha evaluado la cantidad de zinc en mg de las principales marcas del mercado, cuyas mediciones se presentan a continuación: 5.1
3.0
3.6
4.2
4.8
5.4
5.7
5.8
5.5
5.8
4.1
3.7
3.5
4.4
4.7
5.0
5.6
5.0
5.5
5.8
3.8
4.6
4.3
5.7
1. 2. 3.
5.4
¿Cuál es el promedio de zinc en los preparados infantiles? ¿Cuál es la cantidad frecuente de zinc de los preparados infantiles? La cantidad máxima de zinc del 50% de los preparados infantiles es de____________________ 4. El 80% de los preparados infantiles tiene una cantidad máxima de __________ gramos de zinc. 5. Si usted desea adquirir uno de estos preparados que tenga la mayor cantidad de zinc y se encuentre por encima del 5% superior ¿Cuál sería la cantidad de zinc para que sea considerado en su compra? 6. ¿Cuánto es el valor máximode zinc del 10% que tienen los preparados infantiles con menor contenido de zinc? Bibliografía 1. Córdova M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.) Lima: Moshera. 2. Black, K. (2008). Estadística en los negocios. (2ª ed.). México: Grupo Editorial Patria S.A. 3. Daniel W. (2002). Bioestadística. Base para el Análisis de las Ciencias de la Salud. México: Editorial Limusa S.A. 4. Samuels, M, Witmer, J. (2012). Fundamentos de Estadística para las ciencias de la vida. (4ª ed.) California: Pearson
36
37
Tema 6 Medidas descriptivas de Dispersión 6.1 Competencia a desarrollar Calcula las medidas descriptivas de dispersión demostrando su capacidad de interpretación y análisis de los datos en un estudio. 6.2 Contenido del tema 6 Medidas de Dispersión Son valores que nos permiten conocer sobre la variabilidad o concentración de los datos, nos indica que tan cercano o lejano están los datos respecto a su valor central, se calcula para variables medidas en escala de intervalo y razón, entre las más importantes tenemos: El rango, Rango intercuartílico, varianza, desviación estándar y el coeficiente de variación. a) Rango (R).- Llamado también amplitud, indica entre que valores se encuentra el conjunto de datos. Es ladiferencia entre el valor mayor y el menorde los datos de la variable, es sensible cuando hay presencia de valores extremos llamado dato atípico. R = XDato máximo –XDato mínimo En Excel usar la función = MAX(datos) – MIN(datos) b) Rango Intercuartílico (RIC).- Concentra al 50% de datos alrededor del promedio eliminando la influencia de los valores extremos, es la diferencia entre el tercer cuartil (Q 3) y el primer cuartil (Q1), no es sensible a datos atípicos. RIC = Q3 – Q1 En Excel usar la función = PERCENTIL(datos,0.75) – PERCENTIL(datos,0.25) c) Varianza (S2).- Mide la variabilidad u homogeneidad de los datos. Es la media de los cuadrados de las diferencias entre cada valor de la variable y la media aritmética de la distribución, es sensible a datos atípicos. La fórmula de la varianza para datos sin agrupar es: n
(X X) i
Varianza muestral S 2
i1
2
n 1
n
(X
i
X)2
Varianza poblacional 2
i1
N La fórmula de la varianza para datos agrupados es: n
(X
i
X)2 fi
Varianza muestral S2
i1
n1 n
(X
i
X)2 fi
38
Varianza poblacional 2 i1
N En Excel usar la función = VAR(datos)
d) Desviación Estándar.-Se conoce también como desviación típica, mide la dispersión o distanciamiento de los datos respecto al valor central. Se obtiene calculando la raíz cuadrada positiva de la varianza.
Desviación muestral S
( xi x ) 2 n 1
Desviación poblacional
( X i X )2 N
En Excel usar la función =
DESVEST(datos)
e) Coeficiente de variación.- Es una medida de dispersión relativa porque carece de unidad de medida, se utiliza cuando se quiere comparar el grado de dispersión de dos conjuntos de datos que no tienen las mismas unidades o cuando las medias son diferentes, el coeficiente de variación de Pearson mide la proporción de dispersión de los datos respecto a su media y se define como el cociente entre la desviación típica y el valor absoluto de la media aritmética.
S Coeficiente de var iación muestral CV *100 X
Coeficiente de var iación poblacional CV *100 X En Excel usar la función = DESVEST(datos)/PROMEDIO(datos) Ejemplo 13 Un profesor ha registrado el tiempo de tardanza en minutos de 10 estudiantes que llegaron después de los 10 minutos de tolerancia a la clase, los datos son los siguientes:
2
5
10
8
15
3
20
7
5
13
Calcule e interprete el rango y el rango intercuartílico Solución
39
El rango R = XDato máximo –XDato mínimo = 20 - 2 = 18. Significa que los 10 estudiantes llegaron entre 2 a 20 minutos tarde después de la tolerancia tiene una amplitud de 18 minutos. El rango intercuartílico = RIC = 12.25 – 5= 7.25 Significa que la dispersión en el 50% de los datos centrales del tiempo de tardanza es igual a 7.25 minutos. Ejemplo 14 Un inversionista sabe que la rentabilidad mensual es importante para seguir creciendo. Ante la oportunidad de abrir un negocio debe tomar una decisión y recoge información de las ganancias mensuales de dos tipos de negocios, la rentabilidad de 6 meses son los siguientes:
a) b) c) d)
Negocio A
245
280
300
286
270
297
Negocio B
102
86
298
265
144
173
Calcule las medidas de dispersión: varianza, desviación estándar y coeficiente de variación ¿En qué negocio, la rentabilidad presenta mayor dispersión? ¿En qué negocio la rentabilidad presenta menor dispersión en el 50% central? ¿Cuál de los negocios ofrecerá mayor ganancia?
Solución a) Calculando los estadísticos tenemos: Estadísticos
Negocio A
Negocio B
Promedio
279.67
178.00
Varianza
409.87
7478.00
Desviación estándar
20.25
86.48
coeficiente de variación
7.24
48.58
b)
El negocio ______ que presenta mayor rentabilidad porque_________________________________
c)
Calculando el rango intercuartílico Estadísticos
Negocio A
Negocio B
Cuartil 1
272.95
114.39
Cuartil 3
294.25
242
RIC 21.3 127.61 El negocio ______ que presenta menor rentabilidad porque________________________________ d)
El negocio ______ presenta mayor ganancia de__________________________________________
6.3 Preguntas de aplicación Problema 01: Se está realizando un estudio de mercado, para lo cual se pretende lanzar una nueva marca de estetoscopio moderno, el cual será vendido por un distribuidor exclusivo desde Lima. Se hizo una encuesta a 200 personas que trabajan en diferentes hospitales de Lima y se preguntó por el precio que estaría dispuesto a pagar por el producto. Los resultados de los datos se muestran en siguiente tabla de frecuencias: Precio(Soles)
Xi
Frecuencias
Fi
Xifi
40
[140 – 180> [180 – 220>
40 45
[220 – 260>
44
[260 – 300>
39
[300 – 340>
32
Total 200 a. Calcular el precio promedio esperado que paguen los encuestados por el producto. b. El precio mínimo que conviene lanzar el producto al mercado es de S/.218 y sólo se importará el producto, si por lo menos la mitad de los encuestados están dispuestos a pagar por lo menos dicho precio. ¿Qué decisión debe tomar el importador según los resultados de la información recolectada por encuesta? c. Calcular e interpretar el coeficiente de variación. ¿Los datos son homogéneos? d. Entre que valores se encuentra el precio medio del producto del 50% de los encuestados. Problema 02: Con los datos del problema 04 de la página 36 referente al peso de recién nacidos en el Hospital Nacional de Arequipa. Se pide: a. Calcular la desviación estándar por cada grupo de recién nacidos, los que provienen del área rural y área urbana. b. En la evaluación de los pesos en recién nacidos cuyas madres residen en el área rural y área urbana ¿Se puede afirmar que los pesos de ambos grupos de recién nacidos son homogéneos? Problema 03: En el problema 02 de la página 17, utilice el archivo de datos [CredisaPhilco.xls] para contestar las siguientes preguntas: a. Calcular e interpretar el promedio de los sueldos por área de trabajo b. El ingreso mensual de los trabajadores por área de trabajo presentan diferencias en la variabilidad de los datos. b. Elabore un diagrama de cajas para el ingreso mensual por área de trabajo. Se observa la presencia de datos atípicos? c. En las edades de los trabajadores de hombres y mujeres ¿En cuál de los grupos existe mayor variabilidad? d. En los años de estudios de los trabajadores de empleados ¿Se puede afirmar que son homogéneos? 6.4 Bibliografía 1. 2.
Ávila RB. (2010). Estadística Elemental. Lima: Estudios y ediciones R.A. Black, K. (2008). Estadística en los negocios. (2ª ed.). México: Grupo Editorial Patria S.A. 3. Córdova M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. 5ª ed. Lima: Moshera. 4. Samuels, M, Witmer, J. (2012). Fundamentos de Estadística para las ciencias de la vida. (4ª ed.) California: Pearson.
Tema 7 Medidas de asimetría y curtosis 7.1 Competencia a desarrollar Calcula e interpreta las medidas descriptivas deasimetría, curtosis y el diagrama de cajas, demostrando su capacidad de análisis en comportamiento de los datos cuantitativos. 7.2 Contenido del tema 7
41
Medidas descriptivas de forma Son valores que nos permite observar el comportamiento o distribución de los datos respecto a su centro. Entre ellos tenemos los índices de asimetría y apuntamiento llamado también curtosis: a) Asimetría.- Indica la distribución del conjunto de datos en forma horizontal,es decir a través del eje X. Compara la forma que tiene los datos a través del histograma con la distribución normal. Una distribución de datos es simétrica cuando la mediana, moda y media aritmética tienen valores similares. Silos datos tienen distribución asimétrica a la derecha, las frecuencias (absolutas o relativas) descienden más lentamente por la derecha. Si las frecuencias descienden más lentamente por la izquierda, la distribución es asimétrica a la izquierda. Entre los índices de asimetría tenemos: Coeficiente de Asimetría de Pearson está dado por la fórmula:
As
3(X Me) S o también
AS 3 Q1 2Me Q Q3 Q1
Si As = 0, la distribución essimétrica Si As > 0, la distribución esasimétrica a la derecha Si As < 0, la distribución esasimétrica a la izquierda. Los tipos de asimetría se observa en las representaciones gráficas:
b) Curtosis.- Indica la distribución del conjunto de datos en forma vertical, es decir, a través del eje Y. Mide el grado de elevación de la distribución de datos. Se definen 3 tipos de distribuciones, según su grado de curtosis: •
Distribución mesocúrtica: presenta un grado de concentración medio, alrededor de los valores centrales de la variable (el mismo que presenta una distribución normal).
•
Distribución leptocúrtica: presenta un elevado grado de concentración alrededor de los valores centrales de la variable. Distribución platicúrtica: presenta un reducido grado de concentración alrededor de los valores centrales de la variable.
•
La fórmula está dado por:
K=
0.263 1(P75 P25) = 0.263
l a l a
ldistribució n ldistribució n
e s e s
leptocúrtica platicúrtica mesocúrtica
42
2(P90 P10) 0.263
l a
ldistribució n
e s
Los tipos de curtosis se observa en las representaciones gráficas:
c) Diagrama de cajas.- Es una gráfica que describe la distribución de un conjunto de datos numéricos tomando como referencia los valores de los cuartiles como medida de posición y el valor del rango intercuartílico como medida de referencia de dispersión, está compuesto por un rectángulo que contiene el 50% de datos centrales y dos líneas extendidas en el lado inferior y superior del rectángulo llamados bigotes. Además, nos permite apreciar visualmente el tipo de distribución de los datos (simétrica o asimétrica) y la identificación de valores extremos (datos atípicos). Dato atípico (outliers).- Son aquellos datos que se encuentran fuera del intervalo [Q 1 - 1,5(RIC); Q3 + 1,5(RIC)]y generalmente están representados por asteriscos. Pasos para trazar un diagrama de cajas 1) Calcularlos cuartiles: Q1, Q2,Q3 2) Trazar un rectángulo con los extremosQ 1 y Q3, dentro de la caja ubicar Q2 y luego trazar una recta vertical que divida en dos el rectángulo. 3) Se ubican los límites mediante el rango intercuartil, • El límite superior está a 1,5(RIC) arriba (o a la derecha) de Q3 • El límite inferior está a 1,5(RIC) debajo (o ala izquierda) de Q1 4) Se trazan los bigotes desde los extremos de las cajas hasta los valores mínimo y máximo dentro de los límites inferior y superior. 5) Se marcan con un asterisco (*) las localizaciones de los valores atípicos. La siguiente figura presenta un diagrama de cajas con datos hipotéticos.
En Excel en el complemento MegaStat, se debe seguir la siguiente secuencia:
43
6.3
Preguntas de aplicación Problema 01: La facultad de administración de una universidad desea conocer quienes ocupan los primeros puestos una vez finalizado el año académico. Por tanto, se ha considerado el promedio ponderado de los estudiantes que culminaron sus estudios en ese periodo académico, cuyas notas se muestran en la siguiente tabla de frecuencias. Rendimiento académico
Xi
fi
09 - 11
2
11 – 14
13
14 – 17
11
17 - 19
4
Total
30
Xi fi
Fi
a) Calcule la nota mínima para estar considerado en el quinto superior. b) ¿Qué tipo de asimetría presentan la distribución de las notas? c) Calcula e interpreta el coeficiente de curtosis. Problema 02: Cierta universidad brinda capacitaciones con cursos presenciales y virtuales a sus docentes con el propósito de mejorar la calidad académica. Para que un docente sea contratado en la próxima convocatoria, Recursos humanos lleva un control de asistencia a la capacitación docente en ambas modalidades, los datos son los siguientes: Virtual
2
3
0
5
2
0
1
1
2
1
3
4
2
2
Presencial 3 5 3 4 1 2 5 5 4 2 1 3 5 4 a) ¿Qué tipo de asimetría presentan las distribuciones del número de capacitaciones por modalidad? b) ¿Cuál de las modalidades tiene mayor presencia homogénea en el número de capacitaciones? c) Calcula e interpreta el coeficiente de curtosis. Problema 03: El administrador de un hospital ordenó un estudio del tiempo que un paciente debe esperar antes de ser tratado por el personal de la sala de urgencias. Los datos que presentamos a continuación fueron tomados durante un día normal.
44
Xi
Tiempo de espera (min) 1 -6 6-11 11-16 16-21 21-26 TOTAL
fi
hi
Fi
Hi
3 12 15 8 2 40
a) Calcule el mínimo de tiempo de espera para estar considerado como tiempo aceptable b) ¿Qué tipo de asimetría presentan la distribución del tiempo de espera? c) Calcular e interpretar el coeficiente de curtosis. Problema 04: En el siguiente diagrama de cajas, muestra la distribución de los ingresos de los directivos de un grupo de empresas.
¿la distribución de los ingresos es homogénea? justifique __________________________________________________________________________________________ __________________________________________________________________________________________ 7.4 Bibliografía 1.Ávila, RB. (2010). Estadística Elemental. Lima: Estudios y ediciones R.A. 2.Córdova, M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.) Lima: Moshera. 3. Samuels, M, Witmer, J. (2012). Fundamentos de Estadística para las ciencias de la vida. (4ª ed.) California: Pearson. 4. Daniel, W. (2002). Bioestadística. Base para el Análisis de las Ciencias de la Salud. México: Editorial Limusa S.A.
Tema 9 Tablas de contingencia y gráficas con dos variables 9.1
Competencia a desarrollar Elabora tablas de contingencias y gráficos de barras agrupadas para describir la relación y/o asociación de dos variables cualitativas con interpretación de resultados.
9.2
Contenido del tema 9 Estadística bidimensional Estudia aquellos problemas en los que intervienen de manera simultánea dos variables (X,Y), buscando algún tipo de relación que puede existir entre la variable independiente (X) con la variable dependiente (Y). Así, por ejemplo, se busca determinar la relación que tiene el hábito de fumar con el cáncer al pulmón. La presentación de resultados para variables cualitativas será con las tablas de frecuencias bidimensionales o llamado tablas de contingencia, gráfica de barras agrupadas, gráfica de barras apiladas.
45
Esta tabla de contingencia contiene: X: variable independiente o factor, toma los valores x1, x2,...,xn, Y: Variable dependiente o resultado, toma los valores, y1, y2,...,yn. Tres totales: total para filas (ni.), total para columnas (n.j) y el total general (n) fij : Distribución de frecuencias absolutas conjuntas hij : Distribución de frecuencias relativas (o porcentual Pij) conjuntas Xi : Categorías o clases de la variable X Yj : Categorías o clases de la variable Y n : total de sujetos de la muestra Distribuciones marginales A partir de una distribución bidimensional se obtiene las distribuciones marginales: - Marginal de X; expresa como se distribuye X en la población total al margen de la variable Y X ni. pi X1
n1.
p1
… xi
… ni.
… pi
… xk
… nk.
… pk
n
1
- Marginal de Y; expresa como se distribuye Y en la población total al margen de la variable X Y n.j pj y1
n.1
p1
… yj
… n.i
… pj
…
…
…
46
yl
n.l
Pl
n
1
Distribución de frecuencias condicionales A partir de una distribución bidimensional en cada fila (o columna) aparecen las distribuciones de frecuencias condicionales: - Distribución de X condicionado a Y X
Yj
X/Y =yj
X1
f1j
f1j/n.j=f1/j
… xi
… fij
… fij/n.j =fi/j
… xk
… fkj
… fkj/n.j=fk/j
n.j
1
- Distribución de Y condicionado a X Y
Xi.
Y/X =xi
y1
fi1
fi1/n1.=f1/i
… yj
… fij
… fij/ni. =fj/i
… yl
… fl.
… fkj/ni.=fl/i
ni.
1
Ejemplo 15 Un grupo de estudiantes investigó el consumo de tabaco en personas adultas entre 30 a 65 años y una de las preguntas fue ¿Usted es fumador de tabaco? y como alternativas son: Fumador, No fumador, Exfumador. Los datos recolectados se presentan en la tabla a continuación:
Tabla1. Consumo de tabaco en personas adultas según hábitos y género Hábito de fumar tabaco (Yj) Sexo (Xi)
Total (ni.)
Fumador
No Fumador
Exfumador
Varón
30
50
20
100
Mujer
30
10
10
50
60
30
150
Total (n.j) 60 Fuente: Grupo investigador Preguntas: a) b) c) d) e) f)
Interprete las frecuencias: f12 , n.1 De los resultados de la tabla 1 complete los espacios en blanco Elabore la tabla de frecuencia relativa conjunta porcentual con respecto al total Elabore la tabla de frecuencia relativa conjunta porcentual con respecto al total de filas Elabore la tabla de frecuencia relativa conjunta porcentual con respecto al total de columnas Construya la gráfica de barras apiladas porcentual
Solución a)
Frecuencias absolutas conjuntas: f12 = 50 ; De las 150 personas encuestadas hay 50 que son varones y no son fumadores n.1 = 60 ; De las 150 personas encuestadas 60 son fumadores
47
b)
Completando los espacios en blanco con resultados de la tabla
El número de personas que son fumadores y son del sexo femenino son_________________ Del total de encuestados,____________________ son exfumadores. c)
Elaboración de una tabla de frecuencias relativas conjunta porcentual con respecto al total general: Pij =(fij*100)/n Tabla 2. Consumo de tabaco en personas adultas según hábitos y género Sexo (Xi)
Hábito de fumar tabaco (Yj)
Total (pi)
Fumador
No Fumador
Exfumador
Varón
20%
33%
13%
66%
Mujer
20%
7%
7%
34%
Total (pj) Interpretación
40% de una
40% frecuencia
relativa
20% conjunta
100% porcentual
p11=(30*100)/150 = 20% De las 150 personas adultas encuestadas, hay un 20% que son varones y son fumadores. Distribuciones frecuencias condicionales 1.
Tabla de frecuencias relativas porcentual respecto al total de filas, es la tabla de frecuencias de Y condicionada a X: pij= (fij*100)/ni Tabla 3. Consumo de tabaco en personas adultas según hábitos por género Hábito de fumar tabaco (Yj) Sexo (Xi)
Total (pi)
Fumador
No Fumador
Exfumador
Varón
30%
50%
20%
100%
Mujer
60%
20%
20%
100%
40% 40% 20% 100% Total (pj) Interpretación p11%=30*100/100 = 30% De 100 varones adultos, hay un 30% que son fumadores. 2.
Tabla de frecuencias relativas porcentual respecto al total de columnas, es la tabla de frecuencias de X condicionada a Y: pij= (fij*100)/nj Tabla 4. Consumo de tabaco en personas adultas según género por hábitos Hábito de fumar tabaco (Yj) Sexo (Xi)
Total (pi)
Fumador
No Fumador
Exfumador
Varón
50%
83%
67%
67%
Mujer
50%
17%
33%
33%
Total (pj) Interpretación
100%
100%
100%
100%
p11=(30*100)/60 = 50% De 60 fumadores adultos, el 50% son varones. Gráfico de barras apiladas porcentual Gráfico1. Consumo de tabaco por género de personas adultas de 30 a 65 años
48
100%
Varón
Mujer
80% 60% 40% 20% 0%
20% 20% Fumador
7% 33%
7% 13%
No Fumador
Exfumador
Fuente: Grupo investigador Ejemplo 16 de un gráfico de barras agrupadas En el gráfico 2, muestra el porcentaje de hogares peruanos con los datos del Censo Nacional de Población y Vivienda del año 1993 y 2007 respectivamente. Los datos fueron obtenidos de los Censos realizados por el INEI. Gráfico 2. Perú: Hogares según sexo del jefe de hogar, 1993 y 2007
Fuente: INEI- Censos Nacionales de población y vivienda Del total de familias peruanas censadas, tiene como jefe de hogar a un hombre en un 76.7% según el censo del año 1993 y en el censo del 2007 es de 71.5%. Elaboración de tablas de contingencia y gráficas con MegaStat La secuencia es como se muestra
Elaboración de tablas de cruzadas usando tablas dinámicas 1. Cada columna corresponde a una variable con sus datos y en la primera fila digitar su nombre. 2. Ubique el cursor en cualquier celda de la matriz de datos.
49
3. Haga clic en la opción Insertar de la barra de menú.
4. Elegir donde crear la tabla di námica: o Nueva hoja de cálculo 5. Arrastre las variables que se encuentran en el cuadro de diálogo: - Una variable en fila: Zona de la ciudad - La otra variable en columna: Forma de pago - Cualquiera de las variables a de valores
Cuenta de Zona de la ciudad Rótulos de fila
Rótulos de columna Contado
6.
Centro
Crédito general 15 19
Norte
10
14
Sur
14
28
Total general
39
61
Total 3 4 2 4 4 2 1 0 0
6. Luego nos muestra la siguiente tabla
7. Para obtener los porcentajes con el total general, o total de fila, o total de columna hacer clic en cualquier celda de la tabla y seleccione Mostrar valores como… % total, o % fila, o % columna. Luego mostrará la tabla en porcentajes.
50
9.3 Preguntas de aplicación Problema 01: Se extrae una muestra aleatoria de 200 habitantes de una ciudad para analizar la actitud frente a un cierto proyecto de alcaldía. El resultado fue el siguiente: Opiniones de los habitantes según área de residencia respecto al proyecto Opinión del proyecto Área de Residencia Urbano 30
Sub-Urbano 35
Rural
Total
A favor En contra
60
25
15
100
Total
90
60
50
200
51
b. c. d. e.
a. Construya la tabla de frecuencias conjunta relativa respecto al total Construya la tabla de frecuencias conjunta relativa respecto al total de las columnas. Construya la tabla de distribución porcentual del área de residencia condicionado a la opinión respecto al proyecto. Interprete la frecuencia conjunta para cada una de las tablas del ítem a, b, c ¿Ud. diría que la opinión es independiente del local de residencia?
Problema 02: Una compañía de seguros analizó la frecuencia con que 2000 asegurados (1000 hombres y 1000 mujeres) usaron el hospital. La información se resume en la tabla: Atención de asegurados según género y uso del hospital Servicio de Hospital Hombres Mujeres
a) b) c) d)
Usaron el hospital
100
150
No usaron el hospital
900
850
Calcule la proporción de hombres entre los individuos que usaron el hospital. De las mujeres ¿Qué porcentaje no usaron el hospital? Construya la distribución porcentual en el uso del hospital condicionado según sexo del asegurado. Elaborar una gráfica de barras agrupadas porcentual con las frecuencias relativas conjuntas.
Problema 03: En una investigación se tiene como propósito conocer la tendencia de los alumnos en continuar sus estudios, según la clase social del encuestado, mostró el siguiente cuadro:
a)
b)
c)
Interés de estudiantes según clase social y continuidad de sus estudios ¿Pretende continuar sus Clase Total estudios? Social Alta Media Baja SÍ 200 220 380 800 NO 100 380 720 1200 Total 300 2000 ¿Usted diría que la distribución de las respuestas afirmativas es igual a la de las respuestas negativas? Compare construyendo una tabla de frecuencia relativa porcentual respecto al total de columnas. Del total de la clase media, ________________________ de estudiantes desean continuar sus estudios (en porcentaje considerando dos decimales) Construya la distribución porcentual de la clase social condicionado a la pretensión de continuidad de los estudios.
Problema 04: El gerente de ventas de la firma ARCOR, encarga la realización de un estudio a una investigadora de mercados con la finalidad de determinar si las ventas de sus cuatro productos Premium dependen al grupo de clientes clasificados en cuatro grupos. La muestra aleatoria de las ventas de productos se observa en la siguiente tabla. Clasificación de consumidores según grupos de clientes y productos Premium Productos Premi um Grupo de Clientes Profesionale s Comerciantes
Obreros Amas de Casa
Total (ni)
1
2
3
4
30
35
55
40
160
1 5 5 130 35
50
125
80
30 15
105 20
50 45
4 1 0 315 115
52
3 215 1000 0 5 Construya la tabla de frecuencias conjunta relativa respecto al total Interpreta las casillas sombreadas en porcentajes, respecto al total, total de fila y total de columna c) Elabora la gráfica de barras agrupadas Total (nj)
a) b)
350
130
Problema 05: Caso ventas de la Distribuidora Éxito El gerente general de la Compañía distribuidora Éxito S.A., ha solicitado al reciente nombrado gerente de ventas un informe sobre el desempeño de los 15 vendedores dentro de su línea de productos de consumo masivo, como: Café y avena. Su mercado objetivo son las cafeterías, restaurantes, panaderías y bodegas de la ciudad. Para el estudio el gerente de ventas se ha planteado los siguientes objetivos: 1. Comparar el promedio de las ventas de café y avena por zona. 2. Describir la tendencia de las ventas por zona y forma de pago 3. Analizar cuál de las zonas presenta menor variabilidad de las ventas de café y avena. La información se recolectó en base a 100 puntos de ventas de la empresa midiendo las siguientes variables: distribuida en diferentes zonas y los datos se muestran en el archivo Distribuidora Éxito.xls. • • • •
Zona de distribución en la ciudad: 1) Norte, 2) Centro, 3) Sur Monto de compra en café: Monto del producto café comprado por punto de venta en soles Monto de compra en avena: Monto del producto avena comprado por punto de venta en soles Forma de pago: Forma de pago del cliente por el producto comprado 1) Contado, 2) Crédito
Se pide lo siguiente: a. Construir una tabla de contingencia para la variable café (X) agrupado en 3 intervalos de igual amplitud con zona de la ciudad (Y), e interpretar las siguientes frecuentas conjuntas: f 22, h13%, h33%, f1., f.2 b. Elabore una tabla de frecuencias relativas de la variable venta café (agrupada 3 intervalos) condicionado a zona de ubicación de la sucursal. En la zona sur ¿Qué porcentaje de puntos de venta vendieron entre 786 a 1483 soles? c. Construir una gráfica de barras agrupadas entre las variables zona de la ciudad y forma de pago. Interprete los resultados. d. Calcular los estadísticos de resumen: media, mediana, desviación estándar y coeficiente de variación por cada zona de la ciudad ¿Cuál de las zonas de la ciudad presenta mayor variabilidad en la venta de café? e. Elabore una tabla de contingencia para las ventas de avena agrupado en 3 intervalos con zona de la ciudad. Interprete una frecuencia conjunta absoluta y una frecuencia relativa. f. Elabore una conclusión para cada objetivo.
9.7.
Bibliografía 1. Webster, A. (2006). Estadística aplicada a los negocios y la economía. (3° ED.) Colombia: MCGRAW HILL. 2. Samuels, M, Witmer, J. (2012). Fundamentos de Estadística para las ciencias de la vida. (4ª ed.) California: Pearson. 3. 4.
Levine, D. (2014). Estadística para la Administración. (6ª ed.) México: Pearson. Montesinos, L, Bayonas, Y, Cerna, E, Llanos, K, Pajuelo, S. (2016). Estadística descriptiva y probabilidad. (1ª ed) Lima: Fondo Editorial USIL.
Tema 10 Asociación de variables cualitativas 10.1 Competencia a desarrollar Determina la asociación de dos variables cualitativas haciendo uso del estadístico Chi cuadrado con interpretación de resultados. 10.2 Contenido del tema 10 Estadístico Chi cuadrado de independencia
53
Se utiliza para determinar la asociación entre variables dos variables cualitativas nominales u ordinales, se calcula organizando los datos en una tabla de contingencia con frecuencias observadas y busca contrastar con hipótesis estadísticas si las categorías de las variables X e Y son independientes. La fórmula del estadístico Chi cuadrado de independencia es: k
l
(f
ij
x2
i1 j1
eij )2
eij
Donde: fij : son las frecuencias observadas de la muestra eij : son las frecuencias esperadas , se obtiene:
f f .j
eij
i.
n
k: número de categorías de la variable en fila l: número de categorías de la variable en columna El proceso para contrastar la independencia de variables X e Y es el siguiente: 1. Formular las hipótesis estadísticas y son dos: Hipótesis nula (Ho), Hipótesis alterna o trabajo (H1) Ho: La variable X es independiente de la variable Y H1: La variable X es dependiente de la variable Y 2. Determinar el nivel de significancia (probabilidad de error): = 0.05 3. Estadistico de prueba: Chi cuadrado de independencia 4. Calcular el P-Valor con MegaStat o cualquier software estadísitco 5. Criterio de Decisión: Si el P-Valor ≤ se rechaza Ho 6. Conclusión; se concluye con la hipótesis que no fue rechazada acompañdo del nivel de significancia Ejemplo 17 El consejo de administración de Comunicatel S.A. quiere determinar si la opinión de sus accionistas respecto a una posible fusión de la empresa es independiente del número de acciones que poseen, las acciones se agrupó por el número de acciones en tres categorías. Una muestra de 500 accionistas proporciona la siguiente tabla:
Distribución de acciones de los socios según opinión a la posible fusión Número de acciones
Opinión respecto a una posible fusión A favor
En contra
Indecisos
Total
54
Menos
25
18
21
64
De 200 a 1000
93
62
67
222
Más de 1000
82
70
62
214
150
150
500
de 200
Total 200 Fuente: Comunicatel S.A.
Contraste la hipótesis respectiva con un nivel de significación del 5%. Solución 1. Formulación de las hipótesis estadísticas Ho: La opinión de los accionistas respecto a una posible fusión es independiente al número de acciones que poseen. H1: La opinión de los accionistas respecto a una posible fusión no es independiente al número de acciones que poseen. 2. Nivel de significancia: = 0.05 3. Estadístico de prueba: Chi cuadrado de independencia = 1.53 El cálculo del estadístico Chi cuadrado con MegaStat se obtiene con la siguiente secuencia:
Selección de los datos organizados en una tabla de contingencia
Luego seleccionar OK y se obtiene el valor de Chi cuadrado como se muestra a continuación
55
4. P-Valor = 0.8218 5. Decisión: Como el P-Valor = 0.8218 > 0.05 NO se rechaza la hipótesis Ho 6. Conclusión: Con un nivel de significación del 5%, la opinión de sus accionistas respecto a una posible fusión del empresa es independiente del número de acciones que poseen. 10.3 Preguntas de aplicación Problema 01: Una encuestadora seleccionó una muestra de 800 votantes y se les clasificó de acuerdo a su nivel de ingresos como: Bajo, Medio, alto, y según su opinión con respecto a una reforma en la constitución política del país de los que están A favor, En contra, Sin decisión. Las frecuencias observadas se dan en la siguiente tabla. Opiniones respecto a la reforma en la constitución política según nivel de ingresos OPINION
INGRESOS Bajo
Medio
Alto
A favor
200
130
70
En contra
60
60
80
Sin decisión
40
60
100
¿Existen dependencia entre las variables? Realice la contrastación de hipótesis a un nivel de significancia de 0.05. Problema 02: Un grupo de estudiantes de Psicología realizaron un estudio sobre el manejo de la ansiedad en las actividades académicas y el nivel de estudios en su carrera profesional. Con la finalidad de conocer esta problemática, se desea comparar la ansiedad de los estudiantes del primer con el sexto ciclo de la facultad de medicina de una universidad. A un nivel se significancia de 5% el manejo de ansiedad está asociado al nivel de estudios. Tabla 2. Niveles de ansiedad de los estudiantes según ciclo de estudios Ciclo
de
estudios
Niveles de ansiedad
Leve Moderada Severa
Primer
Sexto
15 28 36
28 20 18
56
Total 79 66 Problema 03: Un grupo de médicos realizaron un estudio con la finalidad de evaluar el hábito de fumar como factor de riesgo del cáncer del pulmón, se seleccionan 2 muestras aleatorias, una de pacientes con esta enfermedad y la otra de personas sin esta condición y se les preguntó si fueron fumadores o no. A continuación se brinda la información obtenida: Distribución de personas con cáncer al pulmón según hábito de fumar Cáncer de pulmón
Hábito de fumar
Sí
No
Total
Si
11
13
24
No
10
46
56
Total
21
59
80
Contrastar la hipótesis si la proporción de fumadores difiere en enfermos con cáncer al pulmón y no enfermos. Considere un nivel de significancia de 5%. Problema 04: Se hizo un estudio en niños de 10 a 12 años, que consiste en experimentar la efectividad de dos métodos de higiene bucal en la prevención de caries, el método A y el método B. Después de un año, se observó el desarrollo de caries, en el estudio participaron un total de 200 niños. Según los resultados observados de los tratamientos fueron clasificados por la cantidad de caries en tres categorías: Bajo, moderado, alto como se muestra en la siguiente tabla.
Tratamientos
D esarrollo de car Bajo Moderado
ies Alto
TOTAL
A
8
40
34
82
B
84
22
12
118
TOTAL
92
62
46
200
A un nivel de significancia de 5% se puede afirmar que el desarrollo de caries está relacionado al tipo de tratamiento. 10.4 Bibliografía 1. Webster, A. (2006). Estadística aplicada a los negocios y la economía. (3°ed.) Colombia: MCGRAW HILL. 2. Véliz, C.(2011).Estadística para la administración y los negocios. 1° ed., México; Prentice Hall. Pearson. 3. Levine, D. (2014). Estadística para la Administración. (6ª ed.) México: Pearson. 4. Estadística descriptiva bidimensional. [Acceso: 15 de diciembre del 2017.]. Disponible en: http://www.um.es/docencia/plucas/manuales/mat/mat9.pdf.
Tema 11 Correlación lineal simple 11.1 Competencia a desarrollar Determina la asociación de variables con gráficas y el coeficiente de correlación de Pearson, demostrando su capacidad de interpretación de resultados en un estudio correlacional. 11.2 Contenido del tema 11 Correlación Cuando se realiza un estudio de correlación entre dos variables cuantitativas medidas en escala de intervalo o razón, se tiene interés en determinar en qué medida sus valores se relacionan y cuál es su tendencia que puede ser directa o inversa. El análisis consiste en observar esta asociación con el gráfico de dispersión y el coeficiente de correlación de Pearson.
57
Gráfico de dispersión Es una gráfica representa la relación de los valores observados (xi,yi), considerando la variable X como independiente y a la variable Y como dependiente. Los valores de la variable independiente X se grafica en el eje horizontal, mientras que los valores de la variable dependiente Y en el eje vertical. El tipo de la relación observada en el diagrama de dispersión puede ser lineal directa o inversa, como se observa en las siguientes gráficas:
Relación lineal directa
Relación lineal inversa
Coeficiente de correlación de Pearson Mide la fuerza y dirección de la relación entre dos variables cuantitativas en una escala que varía entre +1 y -1, esto significa una relación directa o inversa. La fórmula es:
cov( X,Y) R SxSy La covarianza está dado por: k
l
f x xy ij
i
j
y
i1 j1
Covx, y
n
Interpretación del coeficiente de correlación de Pearson, está dado en el siguiente cuadro.
Ejemplo 18 Se tiene las calificaciones de 40 alumnos en psicología evolutiva y en estadística con calificación de 1 a 10, los datos son los siguientes: X calif. en Psicol. 3 4 5 6 6 7 7 8 10
Y calif. en Estad. 2 5 5 6 7 6 7 9 10
Número de alumnos. 4 6 12 4 5 4 2 1 2
58
¿Cuál es la relación entre las notas en estadística con las notas de psicología? Solución: Se pide determinar la correlación de X e Y:
xi 3 4 5 6 6 7 7 8 10
yi 2 5 5 6 7 6 7 9 10
ni nixi 4 12 6 24 12 60 4 24 5 30 4 28 14 8 2 20 1 2 40 220 Disponemos los datos de la siguiente forma:
niyi 8 30 60 24 35 24 14 9 20 224
nixi2 36 96 300 144 180 196 98 64 200 1314
niyi2 16 150 300 144 245 144 98 81 200 1378
nixiyi 24 120 300 144 210 168 98 72 200 1336
n x x
Promedios:
i
i
220
y ni yi 224 5,6 N 40
5,5
sxy ni xi yi x.y
1336
N
40
(5,3).(5,6) 33,4 30,8 2,6
Covarianza:
N sx2 ni xi2 x2
1314
40
(5,6)2 32,85 30,25 2,6
Varianza de X:
N Desviación estándar de X:
Varianza de Y:
40
sx sx2 2,6 1,61
sy2 ni yi2 y2 1378 (5,6)2 3,09 N 40
Desviación estándar de Y:
sy 3,09 1,75 sxy
Calculando el coeficiente de correlación: y resulta
r
r 0,92
sx.sy La correlación es positiva, es decir, a medida que aumenta la nota de estadística aumenta también la nota en psicología. Su valor está próximo a 1 lo que indica que se trata de una correlación fuerte, las estimaciones realizadas están cerca de los valores reales.
59
11.3 Preguntas de aplicación Problema 01: Los siguientes datos corresponden a grupo de estudiantes y se quiere determinar la existencia o no de asociación entre las calificaciones en las asignaturas de Matemática con el número de horas de estudio diario fuera de clase y qué tipo de relación presentan los datos siguientes: Nº horas de estudio
3
2
2
1
1
3
1
0.5
2
1
Calificativos
18
12
16
12
10
14
13
8
14
11
Problema 02: Un consultor quiere averiguar si el salario de los empleados depende del índice de desempeño en el trabajo. Una manera de verificar lo anterior, consiste en examinar la relación entre dicho índice y el salario del empleado. Para ello, se seleccionó una muestra de 8 empleados y se recolectó información sobre el salario (en cientos de soles) y el índice de desempeño (medido en escala de 1 al 10; donde 1 significa pésimo y 10 significa óptimo). ¿Existe correlación entre las variables de estudio a un nivel de significancia de 5%. Índice de desempeño
9
7
8
4
7
5
5
6
Salario (S/.) 36 25 33 15 28 19 20 22 Problema 03: Un profesor investiga las notas que obtuvieron 10 alumnos en Matemática y en Estadística con calificación de 1 a 10, los datos recolectados son: Alumnos 1 2 3 4 5 6 7 8 9 10 a) b)
Matemática 6 4 8 5 3,5 7 5 10 5 4
Estadística 6,5 4,5 7 5 4 8 7 10 6 5
Elabore la gráfica de dispersión ¿Qué tipo de tendencia se observa? ¿Existe correlación entre las notas de matemática y estadística a un nivel de confianza de 5%?
11.4 Bibliografía 1.
Webster, A. (2006). Estadística aplicada a los negocios y la economía. (3° ed.) Colombia: MCGRAW HILL.
2.
Análisis de regresión y correlación lineal. [Acceso: 15 diciembre del 2014.]. Disponible en: http://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf. Daniel, W. (2002). Bioestadística. Base para el Análisis de las Ciencias de la Salud. México: Editorial Limusa S.A. Veliz, O. (2014). Estadística para administración y los negocios. (2ª ed.). México D.F: Pearson.
3. 4.
Tema 12 Regresión lineal simple 12.1 Competencia a desarrollar Determina la relación de variables en una ecuación de regresión lineal simple para explicar el tipo de relación de la variable dependiente en función de la independiente, demostrando capacidad de interpretación de resultados. 12.2 Contenido del tema 12
60
Regresión lineal Regresión lineal simple, es método estadístico que nos permite formular un modelo matemático, sustentado en el método de los mínimos cuadrados (uno de los métodos de estimación) para predecir el valor promedio de la variable dependiente para un nivel dado en función de la variable independiente (predictora), de modo que ambas variables se expresan en una relación funcional de las variables (X,Y), esta función es f(x), tal que yi = f(xi). Para cada valor de x se puede conocer el valor de y. Por ejemplo, el precio de una prenda está en función del costo de la tela por metro.
Gráfico de dispersión En el gráfico de dispersión se observa el tipo de la relación que presentan las dos variables que puede ser lineal o no lineal (una curva), como se observa en las siguientes gráficas:
Relación lineal directa
Relación lineal inversa
Relación no lineal Modelo
de regresión lineal simple, está definido por la ecuación de una recta:
𝑌𝑖 = 𝛽0 + 𝛽1𝑋𝑖 + 𝑒𝑖𝑗 Donde: Yi: Variable dependiente Xi: Variable independiente eij: Error aleatorio, variables no observables que se asume normalidad β1: Parámetro que expresa la pendiente de la recta, indica la variación de Yi cuando la variable Xi varía en una unidad. La fórmula para estimar β1 es:
β0: Parámetro que es el punto de intersección de la recta con el eje de las ordenadas.
𝛽0 = 𝑌̅ − 𝛽1𝑋̅ Bondad de ajuste del modelo Consiste en analizar el grado de asociación lineal entre la variable dependiente y la independiente, asimismo determinar la proporción de variabilidad de la variable dependiente explicada por la independiente. Los estadísticos son: a) El coeficiente de correlación de Pearson que es R b) El coeficiente de determinación que es R2 El valor del coeficiente de determinación está en un rango de 0 a 1. Ejemplo 19 Una empresa comercializadora de productos lácteos desea conocer si existe relación entre el gasto que se realiza en publicidad en miles de soles y el incremento de las ventas en miles de soles, para lo cual realiza el análisis de la conducta de estas dos variables en los nueve últimos meses. Los datos recolectados son los siguientes: Publicidad Ventas (S/.)
12 48
14 55
15 52
10 42
19 67
13 43
15 48
19 69
18 55
61
Solución 1. Gráfico de dispersión, para poder determinar la tendencia de los datos procederemos a realizar con MegaStat o Excel el gráfico de dispersión.
Gráfico Dispersión de las ventas con publicidad
Ventas
75 70 65 60 55 50 45 40 9
11
13
15
17
19
21
Publicidad en miles de soles
En el gráfico de dispersión se observa una relación positiva con tendencia lineal, a medida que se aumenta la inversión en publicidad hay incremento las ventas. 2.
Correlación de Pearson Obtenemos la matriz de correlaciones con MegaStat Publicidad Ventas
Publicidad
1.000 Ventas
.885
1.000
Con un coeficiente de correlación de Pearson, R =0.885, significa que las variables ventas la inversión en publicidad indica una correlación muy fuerte.
3.
Regresión Lineal Regression output variables
coefficients
std. error
t (df=7)
p-value
Intercept
13.0972
8.1518
1.607
.1522
Publicidad
2.6750
0.5330
5.019
.0015
Con el resultado del CUADRO DE COEFICIENTES, definimos la ecuación de regresión estimada:
𝑽𝒆𝒏𝒕𝒂𝒔 = 𝟏𝟑. 𝟎𝟗𝟕 + 𝟐. 𝟔𝟕𝟓 𝑷𝒖𝒃𝒍𝒊𝒄𝒊𝒅𝒂𝒅 Interpretación de los coeficientes de regresión: o = 13.097
Es el promedio de ventas cuando no hay inversión en publicidad (X = 0)
1 = 2.675 Por cada sol que se invierte en publicidad las ventas se incrementan en 2.675 soles 4.
Bondad de ajuste de la ecuación de regresión lineal Coeficiente de determinación, R2 = 0.783
62
Se concluye que la variable gasto en publicidad explica en un 78.3% la variación de las ventas, por tanto la ecuación de regresión estimada se puede utilizar para realizar predicciones de las ventas. Ejemplo 20 Una compañía de seguros considera que el número de vehículos (Y) que circulan por una determinada autopista a más de 120 km/h, puede ponerse en función del número de accidentes (X) que ocurren en ella. Durante 5 días se recolectó datos y se muestra en la siguiente tabla: X Y a) b) c) d)
5 15
7 18
2 10
1 8
9 20
Elabore el gráfico de dispersión y calcula el coeficiente de correlación lineal. Encuentre el modelo de regresión lineal simple Si ayer se produjeron 6 accidentes, ¿cuántos vehículos podemos suponer que circulaban por la autopista a más de 120 km/h? ¿Es buena la predicción?
Solución:
Vehículos con más de 120 km/h
a) Gráfico de dispersión
25 20 15 10
y = 1.5223x + 6.8929 R² = 0.9907
5 0 0
2
4 6 8 Número de accidentes
10
En el gráfico de dispersión se observa una relación lineal positiva entre el número de accidentes y la velocidad que recorren los vehículos, es decir si hay aumento de velocidad aumenta el número de accidentes. Completando la pregunta a, se debe realizar los cálculos de la siguiente forma:
63
13,64
sxy yy s2 (xx) y14,2
8,96 (x 4,8) ; y14,2 1,53(x 4,8)
x
Por tanto la recta de regresión de y sobre x: y =6,89 + 1,53x
Para x = 6,
y14,2 1,53(6 4,8) , es decir, y = 16,04. Podemos suponer que ayer circulaban 16
vehículos por la autopista a más de 120 km/h. a)
La predicción hecha es buena ya que el coeficiente de correlación está muy próximo a 1.
12.3 Preguntas de aplicación Problema 01: La tabla siguiente muestra las notas que obtuvieron 8 alumnos en un examen, las horas de estudio dedicadas a su preparación y las horas que vieron la televisión los días previos al examen. Nota Horas de estudio Horas de TV
5 7 7
6 10 6
7 9 2
3 4 11
5 8 9
8 10 3
4 5 9
9 14 5
a) Elabore las gráficas de dispersión correspondientes a: Nota-estudio y Nota-TV. b) ¿Se observa correlación entre las variables estudiadas? ¿De qué tipo? ¿En qué caso estimas que hay una correlación más fuerte? c) Calcular e interpretar el coeficiente de correlación de Pearson: Nota-estudio y nota-TV. ¿Qué puede deducirse con más precisión respecto a la nota que obtuvo una persona en el examen: el tiempo que dedicó al estudio o el tiempo que dedicó a ver la televisión?
64
d) Encuentre las rectas de regresión correspondientes a: Nota-estudio y NotaTV y estime para un alumno cualquiera que sacó una nota 2 en el examen: a) Las horas que estudió. b) Las horas que vio la TV
Problema 02: La tabla adjunta muestra el índice de mortalidad de una muestra de población en función del consumo diario de cigarrillos: Número de cigarrillos Índice de mortalidad a) b) c) d)
x y
3 0,2
5 0,3
6 0,4
15 0,5
20 0,7
Determina el coeficiente de correlación e interpreta el resultado. Hallar la recta de regresión de y sobre x e interpretar los coeficientes de regresión. Evaluar la recta de regresión ¿Es buen modelo para pronosticar el índice de mortalidad ¿Cuál será el índice de mortalidad para un consumidor de 40 cigarrillos diarios?
Problema 03 Se llevó a cabo un proyecto de investigación para determinar si existe alguna relación entre los años de servicio y las puntuaciones de eficiencia de los empleados. El objetivo del estudio es predecir la tasa de eficiencia (Y) de un empleado con base a su tiempo de servicio (X). Los datos muestrales son: a. Empleado
x
y
x2
y2
xy
1
1
2
1
4
2
2
17
5
3
6
3
4
8
6
5
2
5
6
1
2
7
15
4
8
8
3
Total a) b) c) d) e)
Construya el gráfico de dispersión e interprete la tendencia de los datos. Calcule e interprete el coeficiente de correlación de Pearson. Formule el modelo de regresión lineal e interprete el coeficiente de regresión. Calcule e interprete el coeficiente de determinación. Si un trabajador tiene ocho años de servicio, ¿Cuál es la tasa de eficiencia estimada? Comente la validez de su resultado
Problema 04 Se desea pronosticar el costo de viajar en un avión comercial. Alguna de las variables que contribuyen son el tipo de avión, distancia recorrida, número de pasajeros, cantidad de equipaje, etc. Se realiza un estudio solo en el tipo de avión Boeing 737 que vuela 500 millas en rutas comparables durante la misma estación del año. ¿Puede el número de pasajeros pronosticar el costo de vuelo en esas rutas? Vuelos
1
2
3
4
5
6
7
8
9
10
11
1 2
Número de pasajeros
61
63
67
69
70
74
76
81
86
91
95
4280
4080
4420
4170
4480
4300
4820
4700
5110
5130
5640
9 7 556 0
Costo (miles $)
a. La variable independiente es: ______________________________________ b. La variable dependientes es : ______________________________________ c. ¿Existe relación entre las variables número de pasajeros y costo? ¿Qué tipo de relación es? _________________________________________________________
65
d. La ecuación de regresión ___________________________________________________ e. Interprete los parámetros estimados __________________________________________________________________ __________________________________________________________________
es:
f. ¿En qué porcentaje el número de pasajeros es explicado por el costo?___________________ g. El modelo estimado sirve para realizar pronósticos futuros?_____________________________ __________________________________________________________________ Problema 05 La compañía Data Wire S.A aumentó la productividad de 70 mil a 90 mil libras por semana cuando instituyó un programa básico de capacitación. Este programa fue aplicado durante un periodo de 18 meses. Los datos recolectados son el número total de horas acumuladas en capacitación y la cantidad de producción por semana de cierto producto que fueron tomadas una vez al mes durante este tiempo. Con los resultados de los datos se muestra a continuación responder el cuestionario: S ca tte r plot of P r oduc tiv idad v s Hor a_ ac um 9 000 0
Productividad
8 500 0
8 000 0
7 500 0
7 000 0 0
1 00 0
20 0 0 Ho r a _ a c um
30 00
40 0 0
Resumen del modelo Modelo 1
R .988
a
R cuadrado corregida .975
R cuadrado .976
Error típ. de la estimación 1005.644
a. Variables predictoras: (Constante), Horas acumuladas de capacitación Coeficientesa Coeficientes no estandarizados Modelo 1
Coeficientes estandarizados
B (Constante)
Beta
70880.252
t
394.546
Sig. 179.650
Error típ. .000
Horas acumuladas 5.093
.198
.988
25.735
.000 de capacitación
a. Variable dependiente: Productividad (en libras por semana)
Se pide a usted: a. Analizar la posible relación de las variables con el gráfico de dispersión. b. Interpretar el coeficiente de correlación de Pearson. c. Formule el modelo de regresión lineal e interprete el coeficiente de regresión d. Evaluar la bondad de ajuste del modelo estimado ¿Qué tan bueno es para realizar estimaciones? Problema 05 Los siguientes datos representan una muestra del consumo de agua por día y la mayor temperatura para ese día. ¿Puede pronosticarse el consumo de agua de una ciudad por medio de la temperatura? Las variables son: Y : Cantidad de agua usada (millones de galones)
66
X : Temperatura (grados Fahrenheit) Algunos resultados que se tienen son los siguientes:
y
i
x
2
2
152711
i 49584
y 1025 x 608 i
i
x *y 86006 i
i
S catterplot of Uso_ agua vs Temperatur a 225 200
Uso_agua
175 150 125 100 75 50 40
50
60
70 80 Temperatura
90
100
110
Se pide a usted: b. Analizar la posible relación de las variables en el gráfico de dispersión. c. Interpretar el coeficiente de correlación de Pearson. d. Formule el modelo de regresión lineal e interprete el coeficiente de regresión e. Evaluar la bondad de ajuste del modelo estimado ¿Qué tan bueno es para realizar estimaciones? 12.4
Bibliografía 1.
Webster, A. (2006). Estadística aplicada a los negocios y la economía. (3° ed.) Colombia: MCGRAW HILL.
2.
Análisis de regresión y correlación lineal. [Acceso: 15 diciembre del 2014.]. Disponible en: http://www.uoc.edu/in3/emath/docs/RegresionLineal.pdf. Daniel, W. (2002). Bioestadística. Base para el Análisis de las Ciencias de la Salud. México: Editorial Limusa S.A. Veliz, O. (2014). Estadística para administración y los negocios. (2ª ed.). México D.F: Pearson.
3. 4.
Tema 13 Experimentos y probabilidades 13.1 Competencia a desarrollar Resuelven problemas de probabilidades aplicando los diferentes teoremas y propiedades demostrando su proceso y capacidad de análisis en el tiempo establecido. 13.2 Contenido del tema 13 Conceptos básicos de probabilidades La teoría de la probabilidad se ocupa de estudios de experimentos aleatorios del cual la ocurrencia de resultados no se puede predecir con exactitud. La probabilidad es una medida de la certidumbre asociada a un suceso (evento) futuro cuyo resultado es un número entre 0 y 1 (o entre 0% y 100%). Un
67
suceso es improbable que ocurra cuando es cercano a 0 y se tiene la certeza que ocurra cuando la probabilidad es cercana a 1. Experimento aleatorio (ε) Es cualquier experimento u operación cuyo resultado no puede predecirse con exactitud antes de realizarse el experimento. Espacio muestral Es el conjunto formado por todos los resultados posibles del experimento aleatorio. Denotaremos por la notación (omega) o con la letra S Evento Es un subconjunto del espacio muestral. Tipos de eventos Suceso seguro; está formado por todos los posibles resultados, es decir S, el espacio muestral. Ejemplo1 Tirando un dado se obtiene una puntuación que sea menor que 4, más de 5 Evento imposible; carece de elementos Ejemplo 2 Al tirar un dado obtener una puntuación de 7 A={} Operaciones con eventos Sean los eventos A y B que ocurren en el espacio muestral a) Unión de eventos: Sean los eventos de A y B eventos dependientes, entonces AUB se obtiene: AUB={w ϵ / w ϵ A ó w ϵ B} = A + B – A B
A
B
Probabilidad de un evento simple La probabilidad es una medida de la incertidumbre que toma valores comprendidos entre 0 a 1. Sea el suceso o evento A del espacio muestral ; la probabilidad de A denotada por P(A) es la razón entre el número de resultados favorables al suceso A y el número total de resultados del espacio muestral.
68
𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒𝑙 Donde: 0 ≤ (PA) ≤1 13.3 Preguntas de aplicación Problema 01 El 60% de la población de una determinada ciudad lee el periódico A, el 35% el B y un 15% ambos. Elegido un ciudadano al azar, calcular la probabilidad de: a) Ser lector de algún periódico_______________ b) No leer ninguno ________________ c) Leer solo el periódico A ________________ d) Leer solo uno de los dos periódicos __________ Problema 02 Una pareja al planificar una familia está interesada en tener 3 hijos, de acuerdo a esto determine los siguientes eventos: A: Todos los hijos del mismo sexo A = {_______________________________________} B: Exactamente un varón B = {_______________________________________} C: Por lo menos dos varones C={ ___________________________________} Problema 03 Es frecuente que hombres y mujeres no estén de acuerdo en opinar acerca de seleccionar una pareja. Sin embargo, un grupo de estudiantes realizó una investigación en parejas constituidas y aplicaron una encuesta a 1000 personas entre 20 a 30 años de edad. Una de las preguntas fue ¿Qué es lo más importante para su futura pareja ser capaz de comunicar sus sentimientos (S) o el vivir bien con esa persona (V)? La información de las respuestas se resume en la siguiente tabla: SEXO Hombres (H) Mujeres (M) Total
OPINIÓN Sentimientos (S) 350 360 710
Vivir bien (V) 200 90 290
Total 550 450 1000
Si se selecciona al azar una persona del grupo de 1000, calcule las siguientes probabilidades: a) P(S) b) P (V) c) P(S U V) d) P(S U M) Problema 04 La probabilidad de que un hombre viva 10 años más es 1/4, y la probabilidad de que su esposa viva 10 años más es 1/3. Encontrar la probabilidad de que (i) ambos estén vivos dentro de 10 años, se pide calcular: a) Por lo menos, uno esté vivo dentro de 10 años b) Ninguno de los dos esté vivo dentro de 10 años c) Solamente la esposa este viva dentro de 10 años Problema 05 Tres mujeres compiten por un puesto de secretaria ejecutiva. Las candidatas A y B tienen la misma oportunidad de ganar, pero la candidata C tiene el doble de oportunidad que las candidatas A y B. ¿Cuál es la probabilidad de que gane C? ¿Cuál es la probabilidad de que A no gane? Problema 06 La probabilidad de que se venda el producto A es 15%, el producto B es el 5% y la probabilidad que se vendan ambos productos por medio de una promoción es 4% ¿Cuál es la probabilidad que se venda el producto A o el producto B dicho día? Problema 07
69
En una clase de Administración Financiera hay 6 mujeres y 4 hombres según el número de inscritos. Se han elegido al azar a 7 personas ¿Cuál es la probabilidad de elegir más mujeres que hombres? Problema 08 En cada uno de los enunciados califique como verdadero (V) o falso (F) y arguméntelo: a) La probabilidad de la unión de dos eventos independientes es P(AUB) = P(A) + P(B) ( ) _________________________________________________________________ b) La probabilidad de la unión de dos eventos dependientes es P(AUB) = P(A) + P(B) ( ) _________________________________________________________________ c) La probabilidad de la intersección de dos eventos no puede ser mayor que cualquiera de sus probabilidades individuales. ( ) _________________________________________________________________ d) Un evento y su complementario son mutuamente excluyentes. ( ) _________________________________________________________________ e) Las probabilidades individuales de un par de eventos no pueden sumar más de 1. ( ) _________________________________________________________________ f) Si dos eventos son mutuamente excluyentes, también deben son eventos exhaustivos. ( ) _________________________________________________________________ 13.4 Bibliografía 1. Córdova, M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.) Lima: Moshera. 2. Webster, A. (2006). Estadística aplicada a los negocios y la economía. (3° ed.) Colombia: MCGRAW HILL. 3. García, J. (2005). Estadística descriptiva y nociones de probabilidad. España: Thomson Editores. 4. Montesinos, L, Bayonas, Y, Cerna, E, Llanos, K, Pajuelo, S. (2016). Estadística descriptiva y probabilidad. (1ª ed) 1Lima: Fondo Editorial USIL.
Tema 14 Probabilidad condicional y teorema de Bayes 14.1 Competencia a desarrollar Resuelven problemas de probabilidad condicional y aplica el teorema de Bayes demostrando su proceso y capacidad de análisis en el tiempo establecido. 14.2 Contenido del tema 14 Probabilidad condicional En un espacio muestral, la probabilidad condicional se define como la probabilidad de un evento A dado que ha ocurrido el evento B. 𝑛(𝐴 ∩ 𝐵) 𝑃(𝐴/𝐵) =
𝑁ú 𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴 ∩ 𝐵 =
(𝐵)
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝐵
Probabilidad total El espacio muestral se divide en Ai particiones mutuamente excluyentes, y ocurre un evento común B en todas las particiones. Por tanto la probabilidad total de un evento B está dado por:
70
Por tanto la probabilidad del evento B es: P(B) =P(A1) P(B|A1) + … +P(A4) P(B|A4)
(𝐵) = ∑ 𝐴𝑖 (𝐵/𝐴𝑖)
Donde: 0 ≤ (PB) ≤1
Teorema de Bayes Si ocurre el evento B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada evento particular Ai.
Ejemplo 23 En esta aula el 70% de los alumnos son hombres. De ellos el 10% son fumadores. El 20% de las mujeres son fumadoras. ¿Cuál es la probabilidad que al seleccionar una persona, ésta sea fumadora?
Solución Sean los eventos: H: Hombre M: Mujer F: Fuma
P(F) = P(F∩H) + P(F∩M) = P(F|H) + P(F|M) P(M) = 0,1 · 0,7 + 0,2 · 0,3 = 0,13
P(H)
13.3 Preguntas de aplicación Problema 01 Una empresa tiene tres firmas proveedoras de un mismo artículo. La firma A produce el 2% de fallados y provee el 25% de las necesidades de la empresa. La firma B produce el 5% de fallados y provee el 30% de
71
las necesidades de la empresa. La firma C produce un 3% de fallados y provee el 45% de las necesidades de la empresa.
a. En las operaciones se detecta un artículo fallado, ¿cuál es la probabilidad de que provenga de A? b. Si se detecta un artículo bueno, ¿cuál es la probabilidad de que no provenga de C? c. Si se sabe que el artículo no proviene de C, ¿cuál es la probabilidad de que sea bueno? Problema 02 Un ambulante que vende periódicos y otros artículos encuentra que el 60% de sus clientes le compra (solo) periódicos y 20% le compra periódicos con otros productos ¿Qué porcentaje de sus clientes le compran solamente otras cosas que no sean periódicos, asumiendo que todos los clientes le compran algo? Problema 03 En la ciudad de Arequipa, el canal 5 emite un reporte informativo “Buenos días Perú” en la mañana, y otro 24 horas”, en la noche. El 10% de las familias de esta ciudad sintonizan el programa por la mañana, 30% ven el programa por la noche y 7% ven ambos programas ¿Cuál es el porcentaje de las familias que no ven ninguno de estos dos programas informativos? Problema 04 Análisis S.A., una pequeña firma consultor está negociando dos contratos. La Gerencia piensa que la probabilidad de ganar el primer contrato es de 60%, y que el ganador tendrá ventaja definitiva en la negociación del segundo contrato. La Gerencia cree, que si Análisis S.A. gana el primer contrato va a tener un 70% de probabilidad de ganar el segundo, pero si pierde el primer contrato, la probabilidad de ganar el segundo disminuirá a 0.10. a. ¿Cuál es la probabilidad de que Análisis SA. pierda ambos contratos? b. ¿Cuál es la probabilidad de que el Análisis S.A. gane el segundo contrato? Problema 05 Consideremos una población en la que cada individuo es clasificado según dos criterios: es o no portador de HIV y pertenece o no a cierto grupo de riesgo que denominaremos R. La correspondiente tabla de probabilidades es: Cliente Portador (A) No portador (A’)
a) b) c)
Pertenece al grupo de riesgo (B) 0.003 0.017 No pertenece al grupo de riesgo (B’) 0.003 0.977 Total Calcula la probabilidad de que un individuo sea portador Calcula la probabilidad de que sea portador y pertenezca al grupo de riesgo. Dado que una persona seleccionada al azar pertenece al grupo de riesgo, ¿cuál es la probabilidad de que sea portador?
Problema 06 En el Cuzco, el hotel de turistas clasifica sus clientes en tres categorías los clientes que llegaron por agencia de viaje, por negocios y de forma independiente. La gerencia desea determinar la relación entre el tipo de cliente y el tipo de pago. Ha seleccionado 230 clientes de los que hospedó durante el mes de febrero del año pasado y los ha clasificado en la siguiente tabla: Cliente Agencia de Viaje Independiente Hombre de Negocios
Tipo de pa go Tarjeta de crédito 65 30 50
Efectivo 45 30 10
¿Cuál es la probabilidad de que si se selecciona un cliente al azar de esta muestra? a. El cliente sea hombre de negocios b. El cliente sea hombre de negocios y pague al crédito e. El cliente sea hombre de negocios o pague en efectivo
72
d. Supongamos que el cliente es independiente ¿Cuál es la probabilidad de que pague al crédito? e. Los dos eventos: ser un cliente de agencia de viaje y pagar al crédito ¿son independientes? Explíquelo. Problema 07 Una compañía constructora está considerando el construir un centro comercial. Un elemento de decisión para la construcción es la existencia del proyecto de una autopista. Si el consejo municipal aprueba esta autopista hay una probabilidad de 0.90 que la compañía construya el centro comercial. Pero si la autopista no es aprobaba la probabilidad es de sólo 0.20. Basándose en la información disponible el presidente de la compañía estima que hay una probabilidad de 0.60 que la autopista sea aprobada. a. ¿Cuál es la probabilidad que la compañía construya el centro comercial? b. Dado que el centro comercial fue construido, ¿cuál es la probabilidad que la autopista haya sido aprobada? Problema 08 La información de la siguiente tabla presenta la clasificación de estudiantes universitarios de acuerdo a la preferencia de la carrera profesional elegida y el género. GÉNERO ESPECIALIDAD Administración
Masculino
Femenino
TOTAL
120
90
210
Ingeniería
90
50
140
Contabilidad
47
55
102
257
195
452
TOTAL
Se desea elegir un estudiante en la muestra: a) b) c) d) e) f)
¿Cuál es la probabilidad que pertenezca a la especialidad de Ingeniería? ¿Cuál es la probabilidad que el estudiante sea un estudiante de administración dado que es mujer? ¿Cuál es la probabilidad que el estudiante sea de la carrera de Contabilidad? ¿Cuál es la probabilidad de elegir un estudiante del género femenino y estudie Ingeniería? Si el estudiante elegido es del género masculino ¿Cuál es la probabilidad que estudie Contabilidad? ¿Cuál es la probabilidad de elegir un estudiante de Ingeniería o Contabilidad?
Problema 09 La National Highway Traffic Safety Administration (NHTSA) realizó una investigación para saber si los conductores de Estados Unidos están usando sus cinturones de seguridad (Associated Press, 25 de agosto de 2003). Los datos muestrales fueron los siguientes: Conductores que emplean el cinturón Región Sí No Noreste 148 52 Oeste medio 162 54 Sur 296 74 Oeste 252 48 Total 858 228 a) ¿Cuál es la probabilidad de que en Estados Unidos un conductor lleve puesto el cinturón? b) Un año antes, la probabilidad en Estados Unidos de que un conductor llevara puesto el cinturón era 0.75. El director de NHTSA, doctor Jeffrey Runge esperaba que en 2003 la probabilidad llegara a 0.78. ¿Estará satisfecho con los resultados del estudio del 2003? c) ¿Cuál es la probabilidad de que se use el cinturón en las distintas regiones del país? d) ¿En qué región se usa más el cinturón? Problema 10 Una empresa que produce pasta de dientes está analizando el diseño de cinco empaques diferentes. Suponiendo que existe la misma posibilidad de que los clientes elijan cualquiera de los empaques, ¿cuál es la probabilidad de selección que se le asignaría a cada diseño de empaque? En un estudio, se pidió a
73
100 consumidores que escogieran el diseño que más les gustara. Los resultados se muestran en la tabla siguiente. ¿Confirman estos datos la creencia de que existe la misma posibilidad de que los clientes elijan cualquiera de los empaques? Explique
Diseño 1 2 3 4 5
Número de veces que fue elegido 5 15 30 40 10
Problema 11 Un médico cirujano se especializa en cirugías estéticas. Entre sus pacientes, el 20% se realizan correcciones faciales, un 35% implantes mamarios y el restante en otras cirugías correctivas. Se sabe además, que son de género masculino el 25% de los que se realizan correcciones faciales, 15% implantes mamarios y 40% otras cirugías correctivas. Si se selecciona un paciente al azar, determine: a. Calcula la probabilidad de que sea de género masculino b. Si resulta que es de género masculino, ¿Cuál es la probabilidad que se haya realizado una cirugía de implantes mamarios? 14.4 Bibliografía 1. Córdova, M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.) Lima: Moshera. 2. Webster, A. (2006). Estadística aplicada a los Negocios y la Economía. (3ra ed.) Colombia: McGraw Hill. 3. García, J. (2005). Estadística descriptiva y nociones de probabilidad. España: Thomson Editores. 4. Montesinos, L, Bayonas, Y, Cerna, E, Llanos, K, Pajuelo, S. (2016). Estadística descriptiva y probabilidad. (1ª ed) 1Lima: Fondo Editorial USIL.
Bibliografía 1. Córdova, M. (2003). Estadística Descriptiva e Inferencial. Aplicaciones. (5ª ed.) Lima: Moshera. 2. Ávila, RB. (2010). Estadística Elemental. Lima: Estudios y ediciones R.A. 3. Webster, A. (2006). Estadística Aplicada a los Negocios y la Economía. (3RA ED.) Colombia; MCGRAW HILL. 4. Devore, J. (2008). Probabilidad y Estadística Para Ingeniería y Ciencias. (7ª ed.) México D. F: CengageLearning. 5. García, J. (2005). Estadística descriptiva y nociones de probabilidad. Madrid: Thomson Editores Spain. 6. Martínez, C. (2005). Estadística y muestreo. (12a ed.) Bogotá. ECOE Ediciones. 7. Quispe, U. (2005). Fundamentos de Estadística. (2ª ed.) Lima: San Marcos Ibarra, O. (2006). Estadística para la Administración Turística. (2ª ed.) México D. F: Trillas. 8. Salvador, S., Fernández M., Cao, A. (2008). Introducción a la Estadística y sus aplicaciones. Madrid: Ediciones Pirámide 9. Bioestadística. [Acceso: books.google.com.pe/book.
15
de
enero
del
2018].
Disponible
en:
http://
74