Scribd
Cargar
102 vistas772 páginas

E Book

Cargado por

Edgar Govea
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF o lee en línea desde Scribd
102 vistas772 páginas

E Book

Cargado por

Edgar Govea
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF o lee en línea desde Scribd
Estadistica | aplicadaa Ie los negocios lh ylaeconomia jj Ui) 4 7 PrPPerrTT TT TTT) LIND MARCHAL WATHEN ESTADISTICA APLICADA A LOS NEGOCIOS Y LA ECONOMIA Dero) 7 8 Wel lesa EDICION DE Pa Vs) tai (eV APLICADA A LOS NEGOCIOS Y LA ECONOMIA Principales cambios a los capitulos individuates: Capitulo 4 2Qué es ta estadistice? + Se reviso la autoovatuacion +2. + Se incluyé una nueva seccién que describe el andliss de negocios. + Se actualizaron los ejercicios 2, 3,17 y 19. + Se agregé una seccién de “Andlisis de datos" con nuevos datos y preguntas, Capitulo 2 Descripcisn de datos:tablas de frecuencias, distrbuciones de frecuencias y su representacion orice + Se reviso la introduccién a capitulo. + Se amplié la explicacién de distribuciones de frecuencias relatives acumulativas. + Se actualizaron los ejercicios 47 y 48 con datos reales. + Se agregé uns seccién de “Analisis de datos” con nuevos datos y preguntas. Capitulo 3 Descripcion de datos: medidas numéricas + Se actualizé Ia autoevaluacién 22. + Se actualizaron os ejetcicios 16,18, 73, 77 y 82. + Se agregé uns seccién de “Andlisis de datos" con nuevos datos y preguntas. Capitulo 4 Deseripcion ce datos: presentacién y andisis + Se sctualizé el ejercicio 22 con los salarios de 2016 de los Jugacores de los Yankees de Nueva York. + Se agrege uns seccién de "Analisis de datos” con nuevos datos y preguntas, Capitulo 5 Estudio de los conceptos de ls probebilidad + Se revisé el ejemplo y la solucién de la seccién sobre el teorema de Bayes. + Se actualizaron los ejerciclos 45 y 58 usando datos reales. + Se agregé une seccién de “Analisis de datos" con nuevos datos y preguntas. Capitulo 6 Distrbuciones Ge probebilidad clsceta + Seamplié el andisis do las varlables aleatoras. + Se reviso el ejemplo y la solucion dela seccion sobre la dis- tubucion de Poisson, + Se actualizaron los ejercicios 18, 58 y 68. + Se agrege uns seccién de "Analisis de datos” con nuevos datos y preguntas. Capitulo 7 Distribuciones de probabilidad continuas + Se reviso la autoevaluacion 7 + Se revisé el ejemplo y a solucion usando Uber como el con- tento. + Se actualizaron os ojercicios 19,22, 28, 36, 47 y 64. + Se agrege uns seccién de “Analisis de datos” con nuevos datos y preguntas. Capitulo 8 Métodos de muestree y teorema central del limite + Se agregé una seccién de “Analisis de datos" con nuevos datos y preguntas, Capitule ® Estimaciin ¢intervalos de confianza + Se integré una nueva deseripcién del problema de la autoe- valuacion 9:3. + Se actualizaron los elercicios 5, 6, 12, 14,23, 24, 33, 41, 43, yo Se agieg6 una seccién de “Anélisis de datos” con nuevos datos y preguntas, Capitulo 10 Pruebas dehipstesis de una muestra + Se revisé el ojemploy la solucién usando como contexte el estacionamlento de un aeropuerto donde las personas pue- den esperar un mensaje de texte por celular para pasar a recoger 8 los pasajeros que llegan. + Se revis6 la seccion relativa al error de tino para Incl un ejemplo adicional + Se agregaron los elercicios 23 y 24 sobre el ertor de tipo I. + Se actuaiizaron los ejerccios 1, 31, 32 y 43. + Se agregé una seccién de “Analisis de datos" con nuevos datos y preguntas. ftule 11 Pruebas de hipétests de dos muestras: + Se actualizaron los elercicos 5,9, 12, 26, 27, 30, 32,34, 40, 42 y 46. + Se agregé una seccién de “Analisis de datos” con nuevos datos y preguntas, ftulo 12 Andisis dea varianza + Se revisaron las autoevaluaciones 12-1 12:3. + Se actualizaron los ejerccios 10, 21,24, 33, 38,42 y 44 + Se agrego una seccién de “Analisis de datos” con nuevos datos y preguntas. Capitule 13. Regresiin lineal y corelacion + Se agregé una nueva formula conceptual para relacionar terror estandar con la tabla de regresién ANOVA, + Se actuaizaron los ejerccios 36, 4, 42, 43 y 57 + Se agregé una seccién de “Analisis de datos" con nuevos datos y preguntas. Capitulo 14 Analisis de regresién miliple Se actualizaron los ejrcicios 18, 21,23, 24 y 25. + Se agrego una seccién de “Analisis de datos" con nuevos datos y preguntas. Capitule 15 métodos no paramétrcos: pruebas de nivel rominal + Se actuaiiz6 el contexto del ejemplo y la solucién de Manel Perfume Company, + Se revisé el ejempo y la solucién de a prueba de hipstesis de frecuencias esperadas desiguales. + Se actualizaron los ejercicios 3,31, 42, 46 y 61. + Se agregé una seccién de "Andlisis de datos* con nuevos {datos y pregunt Capitulo 16 tétodos no paraméticos: andisis de datos cordinales + Serovisé o ejemplo y la solucién coresponciente a la prue- bade signe. + Se revis6 el ejemplo y la solucién correspondientes a la prueba de hipdtesis de una mediana. + Se revis6 el ejemplo y la solucion correspondientes a la prucba de Ia suma de rangos de Wilcoxon para poblaciones Independientes + Se rovisaren las autoovaluaciones 16.3 y 16-6. + Se actualiza e ejercicio 25. + Se agrego une seccion de “Andlisis de datos" con nuevos datos y preguntas. Capitulo 17 Nimeros indices + Se revisaron as autoevaluaciones 174,172, 17.3, 1-4, 17.5, rey 77, + Se actualizaron fechss, ustraciones y ejemplos. + Se agregs una seccisn de “Andlsis de datos” con nuevos ‘éat0s y preguntas, Capitutlo 18 Series de tempo y proyeccién + Se actualizaron fechas, ustraciones y ejemplos. + Se agregé una seccién de “Andlisis de datos" con nuevos ‘atos y preguntas, Capitulo 19 Control estadisico del proceso y acministracion de calidad + Se actuals la informacion corresponciente alos ganadores: {el premio Malcolm Balcridge National Quality 2016. + Se~actualizaron les ejercicios 13, 22y 25. Nota de los autores vi Qué es la estadistica? 1 Invoduceén 2 ‘oquéerluaereviasca? 2 {dutse enone preside? 3 Tipos de estadstcn 4 sacisen cescipva 4 Esodistea erect & ‘pos dovorebier 8 Nvtor de meceéa, 7 Dee ete rol: 7 Date dental ordnal 8 Datos de nivel eintealo 8 Dats getniveldeexén 8 0 Etica y estadistica 10 Andis buco ge hormodén empresa Reeumen del cope 2 Berccsdel cape. 2 nats de tos 18 Descripcién de datos: tablas de frecuencias, distribuciones de frecuencias y su representaci6én grafica 16 imoaicain “1 cocina auarer a ees 18 iepesonnc sta de ets Ciaiaics 16 2 Consuelo e debucenes de tervencan 2 Detain de fecuencesreebves 26 oa 27 frpermeac gis dune cn ceeeciarant 29 ‘mogans 28 Poligono de frecuencias 31 2 ccamummres 0 35 Ceecaptis 37 Ejercicios del capitulo 38 ioe oie 3 Descripcién de datos: medidas numéricas 45 Introducclén 46 Medidas de ubicacién 46 Lamedia poblacional 46 Media muostral 48 Propiedades de la media artmética 49 Porcones relates dota mdi, ta medians Yinmose 54 Feces Soule co sofware 56 taaeste peoeeae 3 ss ironies, 58 0 Por qué estudiar la dispersién? 60 tengo Voronze 62 Ea <3 Veranze dels poblacon 64 Destacin estén dete poblcén 65 TEE cs sere nil Senne ca 67 Sohn con sofware 60 6 Imerpretsiinyusos dela desvacnestnder 69 Teorema de Chebyshev 63 Lovegeempitea 70 a Massy Sooo otter iss ween 7 Medi etréca de dotos egrpedos 71 Deovaclonestinder de detos agrupedon 72 ia 7: Etica e informe de resultados 75. Resumen cel coptio. 75 Claw proruncecsn 77 Ejercicios del capitulo 77 nals de don Bt 4 Descripcién de dato: presentaci6n y andlisis 82 Introduccion 83 Diagramas de puntos 83 ol Contenido Geiens de taloyhaies 8 = Glen deiesypeceties 89 st ce a 2 EE 2 bere ESE] <0 Pe olin ene dosvetebles 88 Twolendecontngene 100 a. Frade cop 105 ‘uve ce passes 108 Repaso de los capituios 12.4 109 Probiemas 110 Casos 112 Test de practicas 13 Estudio de los conceptos de la probabilidad 115 ‘peu palmer ns watcha ps mange pctauntease 18 rotakad cance Probeblided emia 120 Read cae, Resle general cele mapicnaen, 120 Thole decomtngencia St Cigars deseo 134 EGE [ecco Prepiondeconteo. 1 Seine avakipocc. $4 Formule de ls permusaciones 142 Female lr combineones. 44 Fever el capi “46 Cave ce peonunsasn 67 6 Distribuciones de probabilidad discreta ‘rates steric 180 Win etre’ dealer de ios Varanzay enctn enénder 157 nse canna pba FREE ice EERE] ce Penne pct oH 160 aay 72 Cawbuen de probated de Pach 72 es Soo eee Ejercicios del capitulo 177 153 7 Distribuciones de probabilidad continuas 183 coma de dtbctnes de probabided toon tee tera os dustin os pana we er Polanco ee con cra cssnaar "80 tarege emp. 10 Ceres Bebe QTC ni 19 Cooper iwc acoeetn 20 Piao ciaiccinas apnirenics 208 EEE] 203 Resumen del capitulo 208 Ejercicios del capitulo 209 Analisis de datos 213 Repaso de jos capitulos 587 214 Problemas 215 Cases 216 Test de practicas 217 Métodos de muestreo y teorema central del limite 219 Inraduccn 220 Métodos de muestreo 220 10 Ragone pare eal un muesteo 220 Muesteosestooinple 221 Muesteo astro sistemitco 223 Muesteo ales estticado 224 Muerte por conglomerados 224 2s “Enor de muesteo 227 Disrbucion mucstal de lamedia 228 EEE 250 Resumen del capitulo 241 Clave deppronunciacion 242 Fjercicios del capitulo 242 Andlisis de datos 247 Estimacion e intervalos deconfianza 248 Introduceién 249 Estimadores puntuales e intervalos de contianza de una media 249 Intervalos de confianza de una media poblacional 250 Desviacién esténdar de la poblacién conocida () 250 SSimulaci6n por computadors 254 256 Desviacién estindar poblacional « cesconocida 257 SBE ai Intervalo de confianza de una proporcién 263, 265 Eleccion del tamafo adecuado de una muestra 266 Tamafio de la muestra para calcvlar ‘una media poblacional 267 Contenido: >it Tamafo de la muestra para calcular la proporcién de una poblacién 258 269 Factor de correccién de una poblacién finite 270 2m Resumen del capitulo 271 Ejercicios del capitulo 272 Andlsis de datos 276 Repaso de los capitulos 8 y9_ 277 Problemas 277 caso 278 Test de précticas 278 Pruebas de hipdtesis de una muestra 280 lweducaén 281 fiw octets eraone?_ 208 i eccmuaie ca fas pas Uno ites 262 Paso 1: se establecen las hipotesis nula (Ha) Yatanatea i) 702 Povo ot ein ol wradace ge grata 208 Paso se forma ore de dein" 268 assccastaneciancaayeneec an pas Goa mnie rnutecs 205 mame dewpaneraaniney dsscaes 206 noe ecu oa aca oa shale trunine os les 287 Bimini =o Set credine 2 EEE 200 Erortpol! 301 sos Rome captto 204 Clow de promnecs SOS pedis dean 308 Pruebas de hipotesis de dos muestras 310 Introducelén 30 Pruebas de hipétesis de dos muestras: muestras inde- endiantos 311 EERE 2s >exlll 12 13 Contenido Comparacion ce medias poblacionales con Gotviacionas estindardesconocias 316 Prueba de dos muestras agrupadas 316 320 Mecias pobiacionales con desviaciones estdndar desiguales 321 28 Pruebas de hipétests de dos muestra: muestras dependientes 324 ‘Comparacion de muestras dependientes ce independientes 327 329 Resumen cet capitulo 330 Clave de pronunciaciéa 331 Ejercicios del captuio 331 Anilisis do datos 337 Analisis de la varianza 338 Introduccién 339 CComparacion de dos varianzas poblaconsles 339 DistibuclonF 339 Prueba de una hipétesis de varianzes poblacionales iguales 339 243 ANOVA: andlisis dela varianza 343 Suposicones en el andlsis de a varianza ANOVA) 343, La prueba ANOVA 34% 350 Inferencias sobre pares de mecias de tatamierto 351 353 ‘Analisis Geta varianza de dos vias 355 359 Freer cua saree 300 Suen nmcian ee eo memenecan Ea core ee eppitennco ners Seale ser 362 Repaso de los capitulos 10.012 375 Problomas 3276 casos 378 Test de précticas 379 Regresion lineal y correlaci6n 380 Introduccién 381 2Qué es el andisisde correlacion? Cosficiente decorelacién 383 3a 14 carport cutee or ibe egenin 3x2 rece ecceugs eh wes Patna apa ir ns“ pe Herter ce aaa rasan eccnad cea a0) amar cus 10) seamsoya te coamawcsct 02 EEE “0s Saaniatnesmuash a Seer onion pene Souci vivinscme 1 wees ted 08 Cr dines a cnc y Sesame) te EE 00 esearch 408 i Coe tener a goes a Analisis de regresién multiple 424 isi as nme ca ec 28 rn ai SR AS mdtple. 429 Ts ANGVA, Zio Sercane i Concaaesiggt 2 ue evisani ines aa Conic da arian wate ad Eas Perrente acne Ra elie 1 Te iat nes al ane ape mdnole 4 nec de i a il snes 8 Lo eee matte 440 Relacion lineal 441 15 16 La vaicin de tos resdios es qual en el aso de valores grndesypequss ej #42 Destrbuctn dees residues 442 Matieoneetaed #3 Onservadones independence 445 arabes ndopencertescstatveg 45 Moa rgiea CaTTOE A6T Regresion por pasos 449 a «1 apa dete reprsin mite 453 Resumen del coptule 458 Clove de procunceén #58 Ejerccios del ceptule. 459 fndiss de dos 468 Repaso de jos capitulos 13y 14 469 Problemas 470 casos 471 ‘Test de practices 472 Métodos no paramétricos: pruebas de nivel nominal 474 Invoduecén 475 Probar una hipstesis de una proporcién de tno pobacon. 475 ia ve re om se Func bonded de gts: compsrodn de tt rhe Ge FvSleser GHESVOM Yooper AR Trosba de hina de fecvencs uses Csperades 463 Emi 5 Troma tet a hoc expos deigulesa58 Linmecones de Feusada 469 TE] 20 Fruabe iso die ermine nomal 91 44 Padi abled coningenca 494 “97 ne aoa ce prencncR Boa Force ce copie. 499 pndtss de dos 508 Métodos no paramétricos: andlisis de datos ordinales 505 Introduccién 506 17 Contenido Prueba de os sores 506 03 Uso ee aprximacén norma ia bromo mn Prosba de pales do un medina 512 i se PRR apc oi Ags WNC iesaikstomeratasios it aa sv Prusba de uma de rang de Wilcoxon pare muestos Independents 518 [ecco ey Pruebe de Kun Wats on tgs ort GES ses Corelecn por rengos 526 Prueba de sgnieancle de 329 Resumen del coptlo 530 Clave de pronunceén 531 Hjerecos del espe 532 Anata de dtcr 534 Repose de os copulos Sy 18. 535 Probiemes 538 Coos 536 Toate pracices 537 510 is de varianza por 528 Numeros indices 539 cic 520 fakes gle Seo SEE a isc aguyaoaree 56 takes poate ose a acraa Lippe 47 fies iscavon pee ean fe eco Per 9 os Indice de valores Indices para propésitos especiales 552 Indice de precios al consumidor 553 Indice de precios al productor 553. irae are! Dea mA Sk Indice de precios alconsumidor 556 les eeculeseine 257 Combovebase. 558 EERE sot Ejercicios del capitulo 562 550 voxwi 18 19 Contenido Anélisis de datos 566 Series de tiempo y proyeccién 567 Inocueclén 568 Componentes de una serie de tiempo 568 Tendencia secular 568 Variacién ciclca 569 Variccién estacional 569 Variocion imegular 570 Promedo mévi S70 Promedio mévi ponderado 573 GEE sve Tencencis lineal 576 Método de los minimos cuadrados 577 [esercicios BE) Tencencias n0lineales 579 EERE 5s Variaciénestecional S81 Determinacidn de un indice estacional S82 GEGEEH 507 Datos desestacionalizados 587 Uso de datos desestacionalizados para proyeccion 588 EEE 590 Festadistico de DurbinWatson 590 EERE sos Resumen cel captulo 594 Ejercicios del capitulo 595 Analisis de datos 601 Repaso de los capitulos 1718 602 Problemas 603 Test de précticas 603, Control estadistico del proceso y administraci6én de calidad 605 Introcuccién 696 Brove historia del control de calidad 606 SixSigma 608 Fuentes de variacion 609 Diagrames de diagnéstico 609 Diagramas de Pareto 609 Diagramas de esqueleto de pez 611 6 Objetivo y tipos de diagramas de control de calidad 612 Diagramas de control de variables 613 Diagrama de rangos 615 Situaciones de bajo control y fuera de control 617 619 Diagramas de control de atrioutos 619 Diagramasp 619 Diagrama de lineas¢ 622 628 ‘Muestieo de acepiacion 624 EGRESS 627 Resumen del capitulo 627 Clave de pronunciacién 628 Ejercicios del capitulo 629 20 Introducci6n a la teoria de las decisiones 633 Introduccién 634 Elementos de una decisién 634 ‘Toma de decisiones en condiciones de incenidumbre 635 Tabla de recompensas 635 Recompenss esperads 636 637 Perdida de oportunided 638 Estrategias de arrepentimiento maximin, smaximax y minimax 640 Valor de la informactén perfecta 640 Anzlsis de sensibiidad 642 643, Arboles de decisién 643 Resumen del capitulo 644 Ejercicios del capitulo 645 Apéndices 651 Apéndice A: Conjunto de datos 852 Apéndice B: Toblos 662 ‘Apéndice C: Comondos de software 679 ‘Apéndice D: Respuestes a 10s efercicios impares, lercicios de repaso y soluciones Glos test de practica 688 ‘Apéndice E: Respuestas 0 las autoevaluaciones 733 Glosario 745 Indice analitico 749 Qué es la estadistica? -O-- ten wonton ‘AL BEST BUY comerciaza dispositvos Fitit, como la pulsera de la Sgura, que permiten restrear la actividad fsica de una persona y [a calidad de su suefo. La tecnologia Feit realza un conteo de los pasos que un usuario da diarlamente pera calcular ei numero de calorias consumides. Esta in- formacién se envia de manera automstica 2 un smartphone, donde una aplicacion Fitbitla desplie- ga. Suponga que se conoce la cantidad de unidades Fibit Flex 2 vendidas el mes pasado en la sucursal Best Buy de Colegeville, Pensivania, Describa una situaci6n en la cual este nimero se considere une mvesta y otfa donde see ura poblecién (vea el ejercicio ly el objetivo de eprendi- zaje 041-3). QBJETIVOS DE APRENDIZAJE Altermincr de estudiar este coptul, usted serd copae de: OAt4 —_Expicarpor qué es importante conocer de estacistica OA12 _Definire! concepto de estadisticay proporcionar un ejemplo de su apicacion, OA13 _Diferenciar entie estadistica descriptiva y estadistce inferencia. OM-4 —Clasificer las variables como cualtativas o cuanttativas, y discretas o continues. OA1-5 Distinguir entre los niveles nominal, ordinal, de intervalo y de raz6n dela medicién de datos, ‘OA-6 _ Enlistarlos valores asociados con la practica de a estadistica ‘Conte su aencin ene tl de esta scion: “Es tadstica en accion. A leer con euidado abtends una idea dea ama ‘gama de aplicaciones de In estas en la adi ristrcion, economia, er ferme cumplimionto de laley. deportes yotrascis- ‘pines. + E2015 Febes publi nals de os estadun: donsosies cos. lim Gates, undato: Mico soft Corporation, aparecia carro eiminero une. $a fortunes cekuabe en 76 rilmilones 6 diares teu [Link]) + £7 2015, las cuato com plas estedouniéenses con mayoresingroses ‘wero Cail Koch In uses, Dal y Albert ah + En Estados Unidos. unt ico estucante g ‘duado de la esevela pre partoria gana 558 la res por semana; ceresado universio promedio gana 1101 do lars porsomana: yun posgraduado gana 1326 dolaesporse- mana ([Link] cemplep_chart 00%. to. Qué se entiende por estadistica? 3 de manera éptima en esa carrera. Comprender a estadistica y su método le permitiré tomar decisio- nes personales y profesionales mas efectivas éQué se entiende por estadistica? Esta pregunta puede replantearse en dos formas sutiles y diferentes: aqué son las estadisticas?, y {zu es la estadistica? Para responder ala primera cuestion, las estadisticas son un nimero utlizado para comunicar informacién. Ejemplos de estadisticas son: + Elindice de inflacién es 2%, + Su puntuacién promedio al graduarse es 35. + Elprecio del nuevo sedan Tesla Model § es 79 570 délares, Cada una de estas estadisticas es un hecho numérico y comunica informacién muy limitada que en si misma no es muy util. Sin embargo, al reconocer que cada una de estas estadisticas es parte de lun asunto mas grande, entonces aplica la pregunta “zqué es la estadistica”™ La estacistica es un Conjunto de conocimientos y habilidades utlizadas para organizar, resumir, presentar y analizar da- tos. Los resultados del andlisis estadistico originan conversaciones interesantes en busca del cono- Cimiento y la inteligencia que sustentan la toma de decisiones. Por ejemplo: + El indie de inflacién para el ao calendario fue 0.7%, Alaplicar la estadistica podriamos comparar {al indice de inflacién de este aflo con observaciones pasadas de la Infiacién. ES mds alto, més bajo o casi el mismo? zLa tendencia es hacia el aumento o hacia la disminucién de la inlacion? Este una relacién entre las tasas de Interés y los bonos del gobierno? + Su puntuacion promedio al graduarse (PPG) es 35. Al recolectar datos y aplicar Ia estacistica, es posible determinar la PPG requerida para ser admitido en el programa de la maestria en adminis- lacién de empresas de la Universided de Chicago, Harvard, o la Universidad de Michigan. Es posible determinar la probabilidad de ingresar @ un programa de estudios en particular, Usted puede estar interesado en entrevistarse para obtener un puesto gerencial en Procter & Gamble. QUE PPG requiere esa empresa para los graduads universitarlos con una licenclatura? {Existe tun rango de PPG aceptabie? + Usted presupuesta un auto nuevo. Le gustaria tener uno eléctrico, con poco impacto ecol6gico. El preclo del sedan Tesla Model § es 79 570 délares. Al recabar datos adicionales yal aplicar la estadistca, usted podra analizar sus opciones. Por ejemplo, otra alternativa es un auto hibrido {que funciona con gasolina 0 electricidad, como el Toyota Prius 2018. Puede comprarto por cast 28 659 délares. Otro hibrido, el Chevrolet Volt, cuesta unos 33 995 délares. :Cusles son las dife- rencias on las especiicaciones de los autos? ,Qué informacién puede recabar y resumir para to- mer una buena decisién de compra? Otro ejemplo del uso de la estadistica para proporcionar informacion util para sustentar la toma de decisiones es la distribucion y participacién en el mercado de los productos Frito-Lay. Se recaban datos sobre cada una de las lineas de productos de esa marca, entre los que se Incluyen la partic\- pacién en el mercado y la cantidad de producto vendido. La estadistica se utliza para prosentar la Informacién en una gréfica de barras en la gréfica 11, en la cual se muestra claramente el dominio de Frito-Lay en los mercados de frturas de papa, maiz y tortila. Tembién se presenta la cantidad abso- luta de cada linea de producto que se consume en Estados Unidos. Estos ejemplos muestran que la estadistica es mas que la presentacién de informacién numéri- ca. La estadistica implica reunir y procesar informacion para crear una conversacién, estimular pre ‘untas adicionales y proporcionar la base para la toma de decisiones. La definicion especifica de la ‘estadistica es ESTADISTICA Ciencia por medio de la cual se recogen, or nizan, presentan,analizan @ interpretan {datos con el fin de propiciar una toma de decsiones mas eficaz. En este libro usted aprender a utlizar las técnicas basicas y aplicaciones de la estadistica que pueden ayudarie a sustentar sus decisiones, tanto personales como profesionales. Para comenzar, diferenciaremos entre estadistica descriptiva e inferencial Diferenciar entre esta- distca descripvay es taclstles inforeneta. CAPITULO 1 Que es laestadistica? opetees a robots Bes sounes (565) Drtoty Retin Frituras de maiz El = robot tot a bag @ 10 200 300 409 500 600 700 800 tones de itrse GRAFICA 1 Voumen y cones de Futo-Lay en fas prindpates categaras deboianas en bs supermeteados de Estados Unis Tipos de estadistica ‘Cuando utiizamos la estadistica para generar informacion y tomar cecisiones a partir de aichos de- tos, usamos ya sea la estadistica doscriptiva ola inferencial, Su aplicacién depende de las preguntas planteadas y cel tipo de datos disponibles. Estadistica descriptiva Una masa de datos desorganizados —como un canso de poblacién, os salarios semanales de miles, de programadores de computadoras y las respuestas de dos mi votantes registrados para elegir al presidente de Estados Unidos— resuita de poca ulllidad. No obstante, las tecnicas de la estadistica ‘descriptive permiten erganizar esta clase de datos y darles signifcado. Definimos Ia estadistica des- ccriptiva como: Metodos pata organizat Acontinuacién se presertan algunos ejemplos de estacistica descriptiva para resumir una gran Cantidad de datos y proporcionar infermacién que sea facil de entender. + Hay un total do casi 78.939 ldlémotros do camroteras intorostatales on Estados Unidos. Bi sistema Interestatal representa apenas 1% del total de carreteras de esa nacién, aunque alberga a més del 20% cel trdnsito. La mas larga es la autopista I-90, que va de Boston a Seattle, una disianca de 4.95732 kil6meuos. La més corta es la 1878, ubicada en Nueva York, cuy@ longitud es de 1.12 kilémetros. Alaska no cuenta con carreteras intorostatales; Texar poses la mayor caniidad de kilémetros interestatales, poco més de 5 201; y Nueva York tiene la mayoria de les rutas inter- estataes, 28 en total + Una persona promedio gasto 133.91 colares en mercancia alusiva a San Valentin et 14 de febrero de 2014. Esta representa un aumante de 2.94 délares con respecto a 2013. Como en ai Flores, los hombres gastaron el doble que las mujeres en esa fecha EI hombre promedio casts 108.38 dlares para impresionar a sus seres queridos, mientras que las mujeres solo gastaron 48.41 doleres. 1 ante- Los métodos y técnicas astadisticos para generar estadistica descriptva se presenten en los, capitulos 2 y 4, ¢ incluyen organizar y resumir los datos mediante distribuciones de frecuencia y presentarlas en tablas y oréficas. Ademés, las medias estadisticas para resumir les ceracteristicas ‘de una distribuciéa se analizan en el capitulo 3. Estadistica inferencial ‘Avveces debemos tomar decisiones a partir de un conjunto limitado de datos. Por ejemplo, quisiére- mos conocer las caracteristicas de operacion como la eficlencia del uso de combustible medico en kilometros por lito de los vehiculos deportivos utltarios (SUV) que se usan actualmerte. Si gasta- Donde se origin a esto ‘ita? En 1662, Jom Grount pubic arteulo *Natwal and Potial Ob- servations Made upon Bits of Moray" Las "ob sewvaciones del autor eran resultado del ests ‘oy andl de una publ ‘acén rogosaseranal Hamada “Bis of Morta- fry’ al ncia mac ‘minos avtizs y er 1s jum con sus causa, Graunt obser que “Bis cf Mortality" representa apenas una fracién de los nacmienios y muertes| ‘en Lonkes. in embargo, liiz6 os datos pra le ‘ara concusionesoife- tenciasrlatvas al efecto eas entermecades, «como la peste, ena po- ‘blacion. Su tgica const tye un ejerple de infe- renciaestaistica Su and Ise iterpretacién de los datos maccarn ein ode ba estaditie Tipos de estadistica 5 ‘mos mucho tiempo, dinero y esfuerzo, podriamos encuestar a todos los duefios de estos vehiculos En este caso, nuestro objetivo seria encuestar a la poblaeién de duefies de SUY. POBLACION Conjunto total de incividuos u objetos de interés o medidas que se obtienen a partir. {0 es0s Individuos v objetos. Sin embargo, basdndonos en la estadistica inferencial podriamos encuestar a un nimerolimitado de propietarios de SUV y recabar una muestra de la poblacién. MUESTRA Subconjunto o parte dela pobiacion de interés. ‘A menudo, las muestras se utlizan para obtener estimados conflables de parémetros de pobla- cidn. (Las muestras se analizan en el capitulo &) En el proceso se realizan compensaciones entre el tiempo, el dinero y el esfuerzo para recabar los datos y el error de estimar un parémetro de pobla- Cidn. El proceso de muestreo de las SUV se ilustra en la siguiente grafica. En este ejemplo se inves- tiga la media (0 promedi) de la eficiencia de combustible del vehiculo. Para estimar la media de la poblacién, se muestrean seis SUV y se calcula la media de su rendimiento. Pblacin Mussa ‘Todos ls elementos Eoomonios olegidos entre a pobiacién - 6 -0--6 ~ Asi, el elemplo de las sels SUV representa la evidencia de la poblacién que se utliza para llegar a tna infecencia © conclusién acerca del rendimlento de todas las SUV. El proceso de muestreo de una poblacién con el objetivo de estimar sus propiedades se llama estadistica inferencial. ESTADISTICA INFERENCIAL Métodos que se emplean para determina’ una propiedad biacion con base en la informacién de una muestra de esta. La estadistica inferencial se utliza ampliamente para saber algo acorca de una poblacién en los negocios, la agricultura, la politica y el gobierno, como se muestra en los siguientes ejemplos: + Las cadenas de televisién hacen un moritoree continuo de la popularidad de sus programas y ‘contratan a Nielsen y otras organizaciones con el fin de que estas tomen muestras sobre las preferencias del auditor. Por ejemplo, 9% de una muestra de hogares con television vio The Big Bang Theory durante la semana de! 2 de noviembre de 2015 ([Link]), Estos indices de audiencia se emplean para tomar decisiones acerca de las tarfas de publicidad o para cont- rnuar 0 suspender un programa. + En 2015, se seleccioné una muestra del programa de voluntarios de la Administracion Federal de Ingresos de Estados Unidos y se preparé a los asesores fsceles voluntarios con tres declaracio- nes de impuestos esténdar. La muestra indicé que las declaraciones se completaban con un rango do exactitud de 49%. Es decit, hubo ertores en aproximadamente la mitad de las declara CAPITULO 1 sQué es la estadistica? ciones. En este ejemplo se utilizé la estadistica para tomar decisiones acerca de cémo mejorar et rango de exactitud, corrigienda los errores mas comunes y mejorando la capacttacién de los vo- luntaris, Una coratcteristica de este libro son los ejercicios de cutoevaluacién, fos cuales se encuentran Intercalades en cada coptulo. A continuacién se presenta e/ primero. Cada uno pone a prueba su comprensién de! material precedente. La respuesta y el método de solucién gparecen en ef apén- dice E. Le recomendomos resolver primero cada uno y después comparor su respuesta. AUTOEVALUACION 1-1 @?o CCasificar las variables ‘como qualitativas 0 Ccusntitatvas,y cisere- tas 0 continuas Los respuestos estsn en el gpénolce E. La empresa de publicidad Brandon and Associates, con sede en Atlanta, solicité a una muestra de 1960 Consumidores que prebaran un nuevo plato con pollo elaborado por Boston Market. De las 1 960 perso. nas de la muestra, 1176 djeron que comprarian el almenta si se comercializaba. (2) sun ejemplo de estadistca descriptive o estadisticainferenciar? Explique su respuesta (b) Que podria informar Brandon and Associates a Boston Market con respecto 8 la aceptaci6n de la ‘cena con pollo por parte de la poblacion? Tipos de variables Existen dos tipos bésicos de variables: 1) cuaitativas y 2) cuantitativas (vea la gréfca 12). Cuando et objeto 0 el individuo se observa y registra como una caracteristica no numérica, recibe el nombre de voriable cualitotiva 0 atributo. Aigunos ejemplos de variables cualitativas son: género, preferencia €en bebidas, tipo de automévll que se posee, estado de nacimiento y color de ojos. Cuando la varia- ble es cualitatva, por lo general se cuenta el niimero do observacionas para cada categoria y se determina el porcentaje de cada una. Por ejemplo, en la variable color de ojos, zqué porcentaje de la poblacién tiene ojos azules y qué porcentaje tiene ojos cafés? Si la variable es e! tipo de vehiculos, 2qué porcentaje de! total de automéulles vendidos el mes pasado eran SUV? Con frecuencia, las variables cualitativas se resumen on tablas y graficas de barras (capitulo 2) Tipos de variables Cuatatioa Cuanttatva Discreta Continua Marca de PC “Hios en ura amiia | = Monta del mpuesto + Estado cil + Tiros en un hoyo sobre la rents + Color de cabelo de galt + Peso de un estudiante + Aoaratos de teleisén| | + Precpitackin anual ‘quese poseen en Tampa, Florida GRAFICA 12 Resumen de os tpos de vaviables Cuando la variable puede presentarse en forma numérica, se le denomina variable cuantitativa; Poor ejemplo, el saldo en su cuenta de cheques, el ndmero de gigabytes de datos usados en su plan de telefonia celular el mes pasado, la duracién de la beteria de un automéuil (aproximadamente 42 meses) y el nmero de personas empleadas en una empresa. Las variables cuantitativas pueden ser discretas 0 continuas. Las variables discretas solo adop- ‘an ciertos valores y existen “brechas” entre ellos. Algunos ejemplos de variables discretas son: ja Cantidad de dormitorios en una casa (1,2, 3, 4, etc}; el numero de automéviles que en una hora usan la Salida 25 de la carretera I-4 en Florida, corca del Walt Disney Werld en una hora (326, 421, atc y Niveles de medicion z el nimero de estudiantes en cada seccién de un curso de estadistica (25 en la seccién A, 42 en la seccion By 18 en la seccién C). Aqui se cuenta, por ejemplo, el numero de automéviles que utlizan, le salida 25 de la carretera I-4, 0 el nlimero de estudiantes de estadistica en cada seccién. Observe ‘que en una casa puede haber 3.0.4 dormitories, pero ne 3.56. Por consiguiente, existe una “brecha” entre los valores posibles, En general, las variables discretas Son resultado del conteo. Las observaciones de una variable continua toman cualquier valor dentro de un rango espectfi- 0; por ejemplo, la presién del aire en una llanta y el peso de un cargamento de tomates. Otros ‘eJomplos son las onzas de coreal con pasas que contiene una caja y la duracién de los vuclos de Orlando a San Diego. La puntuacién promedio al graduarse (PPG) constituye una variable continua Le PPG de determinado estudiante se podria expresar como 3.2576952, Se ecostumbra redondear 2a tres decimales (3.258). Por lo general, las variables continuas son ol resultado de mediciones. | oars | Niveles de medici6n Dstngur eres He Log datos pueden clasiicarse por niveles de medicin los cules determin cémo se resumicn y Intenaloy deraronce _ Presentarén los datos. Tembién establecen cuales pruebes estecistices pueden realizarse. A continus- lamedicién de datos. 16n hay dos ejemplos de la relacién entre medicion y la forma de aplicar la estacistica. En una bolsa de M&M hay lunetas de seis ciferentes colores. Suponga que asigna los siguientes valores: tal café, 2alamarilo, 3al azul, 4al naranja, 5 al verde y 6 al rojo. Qué tipo de variable es el color de un M&M? Es una variable cualitatva. Suponga que alguien resume los colores de M&M affadiendo los valores asignados a cada color, divide la suma entre el nimero de lunetas e informa que el color promedio es 3.56, 2Cémo se interpreta esta estadistca? Tene raz6n al coneluir que no tiene significado ‘como medicién del color de M&M. Como variable cualitaiva solo es posible report el con- te el parcentaje de cada color en una bolsa de M&M. Camo segundo ejemplo, hay ocho ‘competidores en la pista de una escuela secundaria parala carrera de 400 metros. Lamedia EJEMPLO ‘SkiLodges com reaiza una prueba de mercado de su nuevo sita web y le interesa saber cudnta faclidad de havegacién properciona su disefie. Selecciona al azar 200 usuarios frecuentes de internet y les pide que leven a cabo una busqueda en la pagina web. A cada uno de ellos se le solica calificar la relatva facia para navegar (mala, buena, excelente o sobresalienta. Los resultados aparecen en la siguiente taba: 4. Qué tipo de escala de medicion se emplea para facitar la navegaciin? 2. Elabore una grfica de barras con los resultados de la encuesta, 23. Dibujo una gréfica de pastel con los resultados dela encuesta. SOLUCION Los datos se miden de acuerdo con una escala ordinal. Es decir, ls escala se oracle en conformidad con la faciidad relatva y abarca ce “mala” a “sobresalionte”. Ademds, se desconace el ntervalo entre cada califica ign, asique resulta imposible, por ejemplo, concluir que una buena calficacién representa el doble del valor de una mala calicacin. Es pesible usar una grfica de barras para representar los datos. La escala vertical muestra la frecuencia relativa;yla horizontal os valores relatvos @ la escala de facidad de navegacion. Representacién grafica de datos cualitativos 2 Facidad de navegacién de la pSgin web SkiLodges com 6 $$ 50 20 Porcentale de frecuencia relativa ® al ‘Mala Buena Exealente. Sobresaonto Faciifad de navesacén También es posible emplear una gréfics de pastel para representar estos datos; esta hace hincapié en que mds dela mitad de los encuestados consideraron que la relativa facildad para utilizar al stio web era sobre salient Facldad de avegacin dela pdgina web [Link] Mala 5% AUTOEVALUACION 2-1 Los respuestas se encuentron en el epénotce E Ls compatia DeCenzo Specialty Food and Beverage sirve uns bebida de cole con un sabor adicional, Cola-Plus, muy popular entre sus clientes. La compatia esta interesada en la preferencia de los consumi- ores por Cola-Pius en comparacién con Coca-Cola, Pepst y una beblda de limavimdn. Se pidié 2 100 Consumidores seleccionados de forma aleatoria que degustaran una prueba y eligieran la bebida que més les qustaba, Los resultados aparecen en la siguiente tabla: {@)_QLos datos son de naturaleza cuanttativa 0 cualtatva? Por qué razor? (0) {Qué nombre recibe la tabla? ;Gué muestra la tabla? {e)_ Disefe una grtica de barras para describirla informacion {)_Dibuje una grafica de pastel uilzende las frecuencias relatives. 22 EJERCICIOS Resumir variables cuan- ttativas con distibucio- nes de frecuencias y de frecuencias relatives. CAPITULO 2 Descripcisn de datos: tablas de frecuencias Las respuestas 0 los ejercicos Impares se encuentran af final de! libro, en ef apéncice D. a 2 Una grifica de pastel muestra a porcién relatva de mercado de los productos de cola La “rebana- {da" de Peps+Cola tiene un éngulo central de 90 grados, Cus! es su partcipacién de mercado? En un estudio de mercado se pidié a 100 consumidores que seleccionaran el mejor reproductor ‘musical digital entre Pod, River y Magic Star MP3, Con la finalidad de resumir las respuestas de los ‘consumidores en una tabia de frecuencias, zcudntas clases deberia toner esta? Se pregunté aun total de 1000 residentes de Minnesota cual estacion del afio preferian. Estos fueron los resultados: a 100 les gustata més e! inverno; 8 300, la primavera; 2 400, el verano, y @ 200, el lofi, Desarrole una tabla de frecuencias y una de frecuencia relativas pare resumir esta informa- clon, ‘Se pregunté ¢ dos mil viajeros frecuentes (de negocics) qué clidad de la regién central de Estados Unidos preferan:Inciandpolis, San Luis, Chicago 0 Milwaukee. De ellos, 00 contestaron que Indie- inépols; 450, San Luis:1 200, Chicago, y el resto djo que Milvekee. Elabore una tabla de frecuencias yuna tabla de frecuencias relatvas para resumir esta informacion, Wellstone, Inc. produce y comercializafundes pare telefonos celulares en cinco diferentes colores: blanco brilante, negro metdico, ima magnétie, naranja tangerina y rojo fusién. Pava estimar la demands de cada color, la compahia monts una isla en e! Mall of America durante varias horas y pregunt6, a personas elegicas de forma aleatoria, cus era su color de funda favorito. Los resultados ‘ueron los siguientes: Blanco rile 0 Negro metsico 04 uma magnatico 325 Noanjatangesna 5 Rojo sin 235 {Qué nombre recibe Ia tabla? Elabore una grafiea de barcas para la tabla Dibuje una gréfica de paste ‘S| Wellstone, Inc, tiene planes de producir un min de funds para teléfonos celuares, usr tas de cada color deberia procuct? Un pequefie negocio de consuitora investiga el desempeni de diversas compafias. Las ventas del ‘cuatto trimestze del afio anterior {on miles de délares) de las compaiies seleccionadas fueron las siguientes: arse Ventas del cuarte trimestre compaio (miles de dolores) Hovden Building Products JR Piming inc ‘Long Bay Concrete Construction Mancet Eecic and Pumbing Maxwel Heating and Air Contioning Mzelle Roofing & Set Meals La consultora desea inclir una grafica en su informe pare comperar las ventas de las sels compa- Flas. Uulice una grfica de barras para comoara las ventas del cuarto Wimastre de estas empresas y redacte un breve informe que resuma la gréfica de barras. Construcci6n de distribuciones de frecuencias En el capitulo 1 al principio de este se ha distinguido entre datos cualtatives y cuantitativos. En la seccién anterior, utilzando datos de Applewood Auto Group, aparece un resumen de dos variables cualitativas: 1) locacin de venta y 2) tipo de vehiculo vendide. Se crearen tablas de frecuencias y de frecuencias relativas,y los resultados se reflejaron en gréficas de barras y de pastel Los datos de Applewood Auto Group también incluyen variables cuanttativas: la edad del com- prador, la ganancia que se obtuvo por la venta del vehiculo y el numero de compras previes. Suponga que la seftora Ball desea resumir las ventas del ditimo mes utlizando las ganancias por venta: en este caso, describira tal informacién mediante una distribucién de frecuencias, Construccién de distribuciones de frecuencias 23 DISTRIBUCION DE FRECUENCIAS Agrupacién de datos en clases mutuamente excluyentes y colectivamente exhaustivas, que muestra el numero de observaciones que hay en cada clase. Como se crea una distribucién de frecuencias? El siguiente ejemplo muestra los pasos necese- Figs, Recuerde que el objetivo es elaborar tablas, diagramas y graficas que revelen répidamente la Concentracién, los valores extremos y la distribucion de los datos. > EJEMPLO. Retomemos el ejemplo en que la seora Kathryn Ball, de Applewood Auto Group, desea resumirla variable cuantitativa “ganancias" en una distribucién de frecuencias y desplegarla en tablas y grafcas. Con esta informacién, la sefiora Ball podré responder fécilmente alas siguientes preguntas: cud es su ganancia tt pica de cada venta?, cual es su ganancia mas ata 0 maxima?, cual su ganancia mis baja o minima? calre- ‘decor de qué valor tlenden a acumularse las Ganancias? ‘SOLUCION Para empezar, es preciso conocer las ganancias para cada uno de los 180 vehiculos vendidos, que se enlis- tan en a taba 2.4. A esta informacién se le lama datos en bruto 0 dtos no agrupados, porque se vata de un simple lstade de las gananciasindividuales observadas. Es posible buscar en la lista y encontrar la ga: nancia mas baja o minima (294 doiares) y la mas alta 0 maxima (3 292 délares), pero es0 es todo. Resulta df determinar una ganancia tipica 0 Visualzar el punto donde las ganancias tenden a acumularse. Los datos en bruto se interpretan con mayor faciidad si se organizan como una distibucion de frecuencas, A Cont nuacion, se describen los pasos necesarios para crear esta dstioucion de frecuencias. ‘TABLA 2.4 Precios de vehicules vendidos el mes anterior en Applewood Auto Group sizer $28 $2201 1784 = 2207996 17 225228 10m 142823 17 189382 15231165 az 302 1320148 195122651485 262 © 13231509 1208 17601638 12191961 432357 2a Tet 28652430 te 721708 Bm 14641876 17 1628-2010 14217622165 109 19% «2231 245 2m (239 1545176535, Paso t: Defina el namero de clases. Un método uti para determiner la cantidad de clases (k) es laregia de 2. (a k Esta guia sugiere que se ela el menor ndmero (para el nimero de clases, de ‘manera que 2* (en palabras, 2 elevado a la k-ésima potencia) sea mayor que el nmero de ob- servaciones (n) En el ejemplo de Applewood Auto Group se habian vendide 180 vehiculos. Ast {que n= 180. Si supone que k= 7, lo cual signitica que utlizaré 7 clases, entonces 2° ‘menos que 180. De abi que 7 no represente suficientes clases. SI {es mayor que 180. Por lo tanto, el nimera de clases que se recomienda es 8. 24 CAPITULO 2 Descripcisn de datos: tablas de frecuencias Paso 2: Paso 3: Paso 4: Determine el intervalo o ancho de clase. Eintervalo [Link] de clase generaimente es el mismo para todas las clases. Todas las clases juntas debe cubtir porlo menos la distancia del valor mis bajo hasta el mas ato de los datos, La formula para expresar esto es Vator maxima — Voor minimo * iz donde / ese! intervalo de clase y ; el namero de clases. En el caso de Applewood Auto Group, el valor mas bajo es 294 déiares y el més alto, 3292 dolares, Si necesitamos 8 clases, ol Intervalo deberla ser: Valor méximo— Votor minime _ $3282 -284 Pe k 8 37475 En a préctica, por lo general este tamano de intervalo se redondea a una ifra convenient tal como un miltiplo de 10 0 100. En este caso, e valor de 400 dilares podria emplearse sin incon- venientes, Establezca los limites de cada clase. Este paso es importante para que sea posible inclult cada Dbservacién en una sola categoria, Esto significa que debe evita la superposicion de limtes de clase confusos, Por ejemplo, clases coma “1300-1 400 dolares” "1400-1 500 dolares” no debe rian emplearse porque no resulta claro si el valor de 1 400 délares pertenece a la primera 6 ala segunda clase. En general, en este lio se emplea el formato "1300 hasta 1 400 délares","1 400 hasta 1500 délares” y asi sucesivamente. Con este formato resulta claro que 1399 delares perte- rece ala primera clase y 1400 deélares, ala segunda, Dado que stempre se redondea el intervalo de clase hacia artiba para obtener un tamaio conveniente de clase, se cubre un rango mas amplo que el necesario, Por ejemplo, Bclases de 400 dares de amplitud en el caso de Applewood Auto Group dan como resutado un rango de 8{$400) = $3 200. El cango real es de 2.998 déleres,calcuiado mediante la operacién ($3 292 ~ $294). Al ‘comparar este valor con 3 200 dolares, hay un excedente de 202 delares. Puesto que solo se ne cesitaabarcar la distancia (mciimo — minim, resulta natural poner cantidades aproximadamente iguales al excedente en cada una de as dos colas. Por supuesto, también se deberian elegr limi. tes convenientes de clase. Una drectriz consste en convertirellimit inferior de la primera clase en lun miltiplo del intervalo de clase. A veces esto no es posible, pero el limite Inferior por lo menos ‘debe redondearse. Ahora bien, estas son las clases que podria ulizar para estos datos: clases $ 200hasta $ 600 6o0hasta 1000 ooo nasta 1400 400 hacia 1800 ‘ap0nasia 2200 2200hasta 2.600 2600haste 3000, 000hasta 3400 ‘Anote las ganancias de venta en las clases y determine el ndmero de observaciones de cada tase. Para comenzar, la ganancia de venta del primer vehicula en la tabla 2.4 es de 1387 dola- res, cfra que anota en la clase de 1 000 hasta 1 400 délates. La segunda ganancia dele prime- raifila dela tabla 2.4 es de 2 148 délaes, la cual se anota en a clase de 1800 hasta 2 200 délares Elresto de las ganancias se cuadran de forma similar. Cuando todas las gananclas se hayan reg trado, la tabla tendré la siguiente aparienci: $ 200hada $600 Mt It 600 hasta 1000 Mt at! 1000nasta 1400, a JAJA 1400 asta 18000 a J a 1800hasta 22000 at JAC JAJA ar 2200hasa 26000 MH 2600hasa 3000 JM I 3000hasta 3400 Construccion de distribuciones de frecuencias 25 EL ndmero de elementos que hay en cada clase se llama frecuencia de clase. En la clase desde 200 hasta 600 délares hay 8 observaciones, y en la clase desde 600 hasta 1000 délares hay 11 ‘observaciones, Porio tanto, la frecuencia de clase de la primera clase es 8, mientras que en la se~ ‘gunda es de T. Hay un total de 180 odservaciones o frecuencias en todo el conjunto de datos, por lo que la suma de todas la frecuencias dete ser igual a 180, Los resultados de distribucion de. ‘recuencias se muestran en la tabla 25, ‘TABLA 2.5 Distbucén de ecuencas de {ganancias cn Applovrood Auto Group sobre los \ehiculos quo se vendieron el mes anterior ‘Ganancia Frecuencia a 4" a = 6 2 0 4 eo ‘Ahora que los datos estén organizados on una dstibucién de frecuencias (vea la tabla 25), es posible resumirel patron de las genancles por ventas de vehiculos de Applewood Auto Group. Observe lo siguiente: 4. Las ganancias por vehiculo oscilan entre 200 y 3 400 délares. 2. Las ganancias por vehiculo se clasiican utlizano un intervalo de clase de 400 ddlares. El intervalo de ‘clase se determina sustrayendo las clases lmfrofes superior o Inferior Por ejemplo, emit infelor {ela primera clase es 200 dolares, y el nferir dela segunda clase es 600 dolares. La diferencia es el Intervalo de clase de 400 dolares. 33 Las ganancias se concentran entre 1000 y 3 000 ddlares. Las ganancias de 157 vehiculos, u 87%, en traa en este range. 4. Es posible determinar, para cada clase, la gananciatipiea o punto medio de la clase, el cual esta a medio camino entre 1s limites inferior y superior de dos clases consecutivas. Se determina sumando el limte inferior 0 superior de clases consecutvas y cvidiendo entre 2. En referencia a la tabla 25, e limite inferior dela primera clase os 200 cares, y ol dela siguiente es 600 délares. | punto medio de la clase es 400 dolares, que se determina por ($600 + $200)/2. El punto mecio representa de mejor manera, o€s tipico de, las ganancias provenientes de les vehicules en esa clase. Applewood vendié & vehiculos con una ganancia tipica de 400 dolares. 5. La maxima concentracién, o frecuencia mas alta, se encuentra en la clase que va desde 1800 hasta 2 200 délares. Hay 45 vehiculos en esta clase El punto medio de esta clase se ubica en 2 000 dolares: ‘de manera que esa cantidad representa la ganancia tipica en la clase con la frecuencia mas alta 2.000) Cuando la sefora Ball analice esta Informacién tendré un claro pancrama de la distibucién dela ganan- Cas ce ventas ce vehiculos de! mes anterior. Es precico admtir que la cisposicidn de i informactén acerca de la venta de precios en una ditibuelén de frecuencias resulta en una péraida de Informacion detallada. Es dec, al organiza los datos en una distt- bucién de frecuencias no es posible ubicar la ganancia exacta de ningun vehiculo, como 1387, 2148 0 2 201 dolares. Tampoce es posible afrnar que el monto més bajo de ganancia de cualquier vehiculo vendido sea 294 dolares, .que la ganancia maxima fue 3 282 dolares. Sin embargo, e! limite inferior de la primera clase Yel limite superior de la clase mas grande comunican esenciaimente e! mismo significado. Lo més probable {8s que la sefora Ball Hague la misma conclision si conace que la ganancia mas baja es de casi 200 dol res, ue si sabe que el monto exacto es de 292 délares. Las ventajas de condensa los datos de 180 ganan ‘las de forma mis entencibe y organizada compensa por mucho esta desvental. Es preferible utlizar itervalos de clase iguales al resumir datos en bruto con cistribuciones de frecuencia, Sin embargo, en ciertos casos se necesita que 1 intervalos de clase no Sean igueles para evitar una gran cantided de clases vacias, 0 casi vacias, como on el caso de la tabla 2.6. El Internal Revenue Service de Estados Unidos utliz6 intervalos de clase de diferente tamafio para informar el 26 En 788, Jamas Macison, Join Jay yAloeander Ha rmitonpulicaron de ma neta andnima una serie de ‘esos titulados The Fe- ‘eras. Estes documen- tos intentabanconvencer ‘ala gente de Nueva York ‘elo necesidad de rate ‘aria Consttucon. Ene ‘renscursa de a hstorla ‘se conocié aa mayoria de los autres ce estas docu menos, aungue otros ‘ce permaneceron en el ‘anima, Por meet del ‘andl estadisico yen Patel, del etude de Ta frecuencia can laquese ian vais palabras, ‘ahora es posible coneuit ‘que James Madison ee ‘autor dees doce docu- ments. En realidad, fa ‘evidenciaestadstice dele autora de Madson 2 ‘abrumasors. Ingreso bruto ajustado sobre deciaraciones individuales de impuestos. Al utilizar el método para encontrar intervalos de clase iguales, la regia 2* resulta en 25 clases, y un Intervalo de clase de 400 000 ddlares, asumiendo que cero y 10 000 000 de délares son los valores minimo y maximo para el ingreso brute ajustade. Al emplear intervalos de clase iguales, las primeras 13 clases de la ‘abla 2.6 se combinarian en una clase de eproximadamente 99.9% de tods las declaraciones de im- puestos y 24 clases para 0.1% de las declaraciones con un ingreso bruto ajustedo por encima de 400 000 dolares. EI método de los intervalos de clase iguales no proporciona un buen entenci- rmiento de los datos en bruto. En este caso, se necesita un buen julcio en el uso de los intervalos de clase diferentes, como se expone en la tabla 2.6, para mostrar la distribucién del nimero de decia- raciones de impuestos presentadas, especialmente para ingresos por debajo de 500 000 delares. TABLA 2.6 Ingresobrutoejustado de personas que pre- seman deciaraciones del impuesto sobre fa renta Numero de declaraciones Ingreso brut austado (enmiles) Ingreso uo no austado s ‘hasta 5.000 5 000 haste 10 000, 10.000 hasta 15000 15 000 hasta 20 000 20 000 hasta 25.000 25.000 nasa 30 000, 30.000 hasta 40000, 40000 hasta 50.000 50 000 hasta 75 000, 75 000 hasta 100 000 400 000 rasta 200 000, 200-000 hasta 500 000, '500:000 hasta 1000 000 11000 000 hasta 2000 000 2.000 000 hasta 10.000 000 10.000 000 o mas AUTOEVALUACION 2-2 Les comisiones en délares que obtuvieron los once miembros del personal de ventas de Master Chemical Company durante el primer timestre del afo anterior son las siguientes: 1850, 1475, 1510, 1670, 1895, 1760, 1540, 1495, 1590, 1625 y1 510 (a) Como se denomina a los valores de 1 650 y 1475 délares? (b) Considere las cantidades que van desde 1400 hasta 1500 délares como la primera clase; las que oscilan entre 1500 hasta 1600 dolares, como la segunda, y asi sucesivamente. Orgenice as comisio es trimestrales como cistBucién de feeeuencias. (@) £Cémo se denominan los ndmeros de la columna derecha de la distibuciin de frecuencias que ela- bors? (0) Describa la distibueién de las comisiones timestrales con base en la cistribucion de frecuencias. £8) es la concentracion mas grande de comisiones ganadas? {Cuél es la menor y cual esla mayor? eCusl es a tipica cantidad ganada? Distribucién de frecuencias relativas AAligqual que con los datos cualtativos, quizé resulte conveniente convortirlas frecuencias de clase en ‘recuencias relativas de clase para mostrar la fraccion det total de observaciones que hay en cada clase. En el ejemplo de la ganancia por venta de vehiculos, podria ser interesante saber qué porcenta- Je de las ganancias de vehiculos se encuentra ena clase que va desde 1 000 hasta ' 400 délares. Para ‘Construccion de distibuciones de frecuencias ar ‘conveltir una distibucon de fecuenia en una dstibucién de frecuencia relative, cada una se divide ‘ontra ol nimaro total de cbsorvaciones. En olcasa de a distrisuecin do ganmacies per ventas da vahi- ‘cuos (abla 2.5}, la frecuencia elativa de la clase desde 1000 hasta 1400 délares es 0.28, yse deter- mina civicienco 23 entre 180. Es decir las ganancias de 128% de los vehiculos que vendio Applewood ‘Auto Group se encuentran entre 1 060 y 1400 dares. Las trecuencias relatvas det resto de las cla- ‘505 aparecon on la tabla 27, TABLA 2.7 Distibueidn ée frecuencas relatvas de las genancias paralos vehiculos Vendidos el mes artarior en Applewood Auto Group Existen diversas paquetes de software que permiten llevar a cabo célculos estadisticos Alo larga dl linra mostramos Ins rasukadas do Microsoft Excel, do MegaStat(un-cam- plemento de Excel) y de Minitab (un software estadistico|. Los pasos necesarios para generar la tabla de esta pagina aparecen en la seccién “Comandos de scftware” en el apendice C. AUTOEVALUACION 2-3 ry Bones, jusidor do ls Gigantos de San Francisca en Ins Ligne Mayers, setablocis una nuove marca e%o aa ‘eniista la distancia fen pies) de cada cuadrangular 5883388 (0) Para estos datos, muestre las siete clases que podian usarse para crear la distibucion de fecuen- ‘ins utlizando a vogla 2+ (0) Deruestre que un intervalo de clase de 30 resumira los datos en siete clases. (€)_ Con sete clases yun intervalo de clase de 30, consiruya distvibuciones de frecuenclas y de fiecuen- ‘igs relatvac a pair da loz datos. Comience la primera clase con un limte inferior 2300. (8)

También podría gustarte