1.

2.
Intervalos
113 - 119,5 119,5 - 126 126 - 132,5 132,5 - 139 139 - 145,5 145,5 - 152 152 - 158,5 158,5 - 165 165 - 171,5 171,5 - 178

Yi
116,25 122,75 129,25 135,75 142,25 148,75 155,25 161,75 168,25 174,75

ni
1 4 7 12 7 10 5 2 1 1 50

Yi*ni
116,25 491 904,75 1629 995,75 1487,5 776,25 323,5 168,25 174,75 7067

Fi
1 5 12 24 31 41 46 48 49 50

hi
0,02 0,08 0,14 0,24 0,14 0,2 0,1 0,04 0,02 0,02 1

Hi2
0,02 0,1 0,24 0,48 0,62 0,82 0,92 0,96 0,98 1

(Yi-y)
-25,09 -18,59 -12,09 -5,59 0,91 7,41 13,91 20,41 26,91 33,41

(Yi-y)22
629,51 345,59 146,17 31,25 0,83 54,91 193,49 416,57 724,15 1116,23

(Yi-y)2ni2*ni
629,51 1382,35 1023,18 374,98 5,80 549,08 967,44 833,14 724,15 1116,23 7605,85

Media = Varianza =

Desviacin estndar =

Coeficiente de Variacion =

Estos datos nos muestran que la tendencia central est dada por la media la cual es 141.34m, este es el promedio de estatura de la muestra, La varianza y la desviacin estndar nos da la medida de que tan alejados estn los valores de la muestra en cuanto a esta media, la desviacin estndar nos indica que en promedio los valores estn 12.46cm por arriba o por debajo del valor de la media aritmtica, el coeficiente de variacin nos indica que tan

confiable son estos datos en base a la desviacin estndar que calculamos, en este caso el coeficiente es de 8.81%, esto nos indica que los datos son confiables, si el coeficiente de variacin est por encima del 20% significa que los datos no son confiables y hay que revisarlos. 3.
Reclamos Xi #Usuarios fi

xi*fi 0 10 16 18 16 15 12 7 94

xi - x -1,57 -0,57 0,43 1,43 2,43 3,43 4,43 5,43

(xi-x)2 2,45 0,32 0,19 2,05 5,92 11,79 19,65 29,52

(xi-x)2 *fi 63,82 3,21 1,50 12,33 23,68 35,36 39,31 29,52 208,73

0 1 2 3 4 5 6 7

26 10 8 6 4 3 2 1 60

a) Promedio de reclamos

b) Varianza

c) Desviacin Tpica

d) Coeficiente de Variacin

Este coeficiente tan elevado nos indica que los datos varan

demasiado con respecto a la media, es decir que no se comportan como una muestra simtrica ni tienen tendencia a la media que se calcul.

4. Estadstica Media Varianza Desviacin tpica 78 64 8 Algebra 73 57,76 7,6

Coeficiente Variacin Estadstica: Coeficiente de Variacin Algebra:

a) Dispersin absoluta: La dispersin absoluta se puede medir por medio de la varianza o la desviacin estndar, en el caso de la desviacin estndar es mayor en el rea de Estadstica, es decir, que en esta asignatura las notas fueron ms alejadas del promedio general. b) Dispersin relativa: Cuando comparamos cada valor de deviacin absoluta con su media obtendremos el Coeficiente de Variacin por medio del cual medimos la dispersin relativa, en este caso es igual para las dos asignaturas, es decir q con respecto a la media respectiva de cada uno su dispersin absoluta actu de igual manera. c) Para comparar la puntuacin relativa en cada caso lo haremos por medio de la media en cada caso: Estadstica: Algebra:

Se puede apreciar que la dispersin relativa de la puntuacin en el rea de lgebra es menor que en estadstica, es decir que esta puntuacin se acerca ms a la media general de la asignatura, es decir que su puntuacin relativa fue superior en el rea de lgebra.

5. Estatura Xi
121 123 108 118 111 109 114 103 110 115 1132

Peso Yi
25 22 19 24 19 18 20 15 20 21 203

Xi*Yi
3025 2706 2052 2832 2109 1962 2280 1545 2200 2415 23126

Xi2
14641 15129 11664 13924 12321 11881 12996 10609 12100 13225 128490

Yi2
625 484 361 576 361 324 400 225 400 441 4197

a) Diagrama de Dispersin:
26 24 22 20 18 16 14 12 100 105 110 115 120 125 Linear (Peso)

Peso

Estatura
Se puede apreciar que las variables se relacionan de manera lineal.

b) Modelo Matemtico: Xi Media Covarianza Varianza Desviacin tpica 34,76 5,90 113,2 14,64 7,61 2,76 Yi 20,3

Modelo de Peso con respecto a estatura:

Modelo de Estatura con respecto a Peso:

Estos modelos son confiables si los datos se correlacionan entre s de manera fuerte para esto es necesario determinar la correlacin entre las dos variables. Para los datos dados y para el tipo de lnea y la dispersin de los puntos con respecto a esta se puede predecir que los modelos matemticos son confiables.

c) Correlacin:

Si el coeficiente de correlacin lineal toma valores cercanos a 1 la correlacin es fuerte y directa, y ser tanto ms fuerte cuanto ms se aproxime r a 1. Si el coeficiente de correlacin lineal toma valores cercanos a 0, la correlacin es dbil. Es as que la correlacin entre estas variables fue de 0.9 es una correlacin fuerte, es decir que el modelo matemtico es altamente confiable. d) Estatura = 130 Para deducir el peso a partir de la estatura, debemos usar el modelo de peso con respecto a estatura que es:

As tenemos que:

Es as que si un estudiante mide 130 cm podramos afirmar que pesa 27.36Kg.

6.
Ao 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 Ventas (mill) 8,8 9,7 7,3 6,7 8,5 9,2 9,2 8,4 6,4 6,2 5,0 6,7 7,6

ndices simples con bases variables: Ao Base 1992 1992 1992 1992 1992 1997 1997 1997 1997 2000 2000 2000 2000

Ao 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

ndice 1,00 1,10 0,83 0,76 0,97 1,00 1,00 0,91 0,70 1,00 0,81 1,08 1,23