Actividad N 10

Trabajo colaborativo 2

Gina Paola Iguaran Pertuz

Cdigo: 1.064.112.703
Grupo: 100105_194

Tutora:
Amparo Prez

Universidad Nacional Abierta y a Distancia UNAD

CEAD Valledupar
Estadstica Descriptiva
Noviembre, 2014

Introduccin

En este trabajo vamos a encontrar el desarrollo de algunos ejercicios, en los

cuales

se

observa,

las

diferentes maneras

de

medir e interpretar el

comportamiento de un conjunto de datos aplicando la estadstica descriptiva con el

fin de mostrar las conclusiones de los datos obtenidos.

Justificacin

La realizacin de este trabajo es con el fin de aprender las diferentes medidas de

dispersin y estadsticas Bivariantes basados en el desarrollo de la unidad,
adems de colocar en prctica estos conocimientos en nuestra cotidianidad.

Objetivos
Objetivo General: conocer diferentes mtodos para para medir e interpretar el
comportamiento de un conjunto de obtenidos
Objetivos Especficos:
Generar nuevos conocimientos sobre los datos que se obtienen en una
investigacin de algn caso en especial.
Reconocer que las medidas de dispersin complementan la descripcin que
proporcionan las medidas de tendencia central.
Presentar ejemplos de algunos casos de la vida cotidiana donde se puede
aplicar la parte estadstica, haciendo uso de los conceptos ya estudiados en la
unidad, junto con sus frmulas y diagramas representativos.
Desarrollar destrezas para el clculo de medidas de dispersin.

EJERCICIOS
1. Realizar un mentefacto conceptual sobre las medidas de dispersin.

2) Una empresa despulpadora de fruta busca optimizar su produccin de

jugo de mango. Para esto, inici un estudio en el cual midi los pesos en
gramos de una muestra.
76

85

92

70

65

90

98

99

78

84

102

77

94

109

102

104

105

90

83

74

91

87

88

90

96

94

92

68

69

79

82

96

100

102

107

98

93

104

76

83

108

67

100

102

98

99

130

100

97
102

Realizar una tabla de distribucin de frecuencias para datos agrupados dado que
la Variable es peso (cuantitativa continua), Calcular varianza, desviacin estndar
y coeficiente de variacin. Interprete los resultados.
Solucin:

R = 130 65 = 65
K= 1

3,322 x log (50)

K = 1 + 5,6439
A=

7 intervalos

= 9,2857

10 unidades

R* = 7 x 10 = 70
Exceso = 70 65

Se le distribuye la amplitud entre el lmite inferior y el lmite superior de la siguiente

manera.
Xmin = 65 -2,5 = 63,5
Xmx. = 130 + 2,5 = 132,5
A - 1 = 10 1 = 9, Al lmite

Intervalos de clase: se agrega

inferior de cada

clase.
63,5

+9

= 72,5

73,5

+ 9 = 82,5

83,5

+ 9 = 92,5

93,5

+ 9 = 102,5

103,5 + 9 = 112,5
113,5 + 9 = 122,5
123,5 + 9 = 132,5
Limites reales de clase:
63; 73, 83 93 - 103 - 113 - 123- 133
marca de
intervalos

clase
x

frecuencia
f

fx

x2

f.x2

63- 73

68

340

4624

23.120

74 84

79

10

790

6241

62.410

85 95

90

13

1.170

8100

105.300

96 106

101

19

1919

10201

193.819

107 - 117

112

224

12544

25088

118 - 128

123

15129

129 - 139

134

134

17956

17956

n= 50

4577

427.693

La media aritmtica es:

=

= 91,54 gramos

La varianza es :
S2 =
S2 =
S2

- (91,54)2
= 8553,86 - 8379,5716

S2 = 174,2884 gramos2
la desviacin estndar es:
S =

S=

S= 13,2 gramos
La variacin con respecto a la media es de 13,2 gramos
El coeficiente de variacin es :
C. V =

x 100 %

C.V = 14,42%

X 100%

Esto significa

que la variabilidad

relativa

de la

distribucin

de los datos

respecto a la media es de 14,4 %.

Solucin
Varianza

174,2884 gramos2

Desviacin estndar

13,2 gramos

Coeficiente de variacin

14,42%

3) Un empleado de la empresa de Acueducto de la ciudad de Cartagena,

realiza un estudio sobre los reclamos realizados en los 2 ltimos aos, para
ello elige una muestra de 60 personas, con los siguientes resultados:

26

10

N Reclamaciones

N De usuarios

Calcular:
a. El promedio de reclamos.

VARIABLE
x

FRECUENCIA
f

f.x

x2

f. x2

26

10

10

10

16

32

18

54

16

16

64

15

25

75

12

36

72

49

29

n=60

94

356

El promedio de reclamos es:

=

= 1,567

b. La varianza y su deviacin tpica

La varianza es

( )2 =

S2 =

- (1,567)2 = 3,48

La desviacin tpica es

S=

= 1,865

c. El coeficiente de variacin
C.V =

x 100 %

C.V =
C.V = 119,027 %
Solucin
Varianza

3,48 gramos2

Desviacin estndar

1,865 gramos

Coeficiente de variacin

119,027%

4. Ingresar al blog de Estadstica Descriptiva que se encuentra en la pgina

principal del curso en el TOPICO DE CONTENIDOS, posteriormente buscar el
LABORATORIO (REGRESIN Y CORRELACIN LINEAL EXCELL) y realizar
los ejercicios 2 y 3 que se encuentra al final del laboratorio.
2. En un nuevo proceso artesanal de fabricacin de cierto artculo que est
implantado, se ha considerado que era importante ir anotando peridicamente el
tiempo medio (medido en minutos) que se utiliza para realizar una pieza y el
nmero de das desde que empez dicho proceso de fabricacin. Con ello, se
pretende analizar como los operarios van adaptndose al nuevo proceso
mejorando paulatinamente su proceso de produccin. Los siguientes datos
representan dicha situacin:
X
Y

10
35

20
28

30
23

40
20

50
18

60
15

70
13

a. Realice el diagrama de dispersin y determine el tipo de asociacin entre las

variables
40
35
30
25
N. minutos (Y) 20
15
10
5
0
0

10

20

30

40
N. das (X)

50

60

70

80

y = -0.3464x + 35.571
R = 0.9454

Por el diagrama de dispersin podemos concluir que el tipo de asociacin de las

variables es lineal.

b. Encuentre el modelo matemtico que permite predecir el efecto de una variable

sobre la otra. Es confiable?
El modelo matemtico est dado por la ecuacin:
Y= - 0,3464x+35,571
El modelo si es confiable debido al alto valor del coeficiente de correlacin:
c. Determine el porcentaje de explicacin del modelo y el grado de relacin de las
dos variables.
R2= 0,9454
R2=

9454

R2= 0,9723
El grado de explicacin del modelo es de 97,23%
d. Que tiempo deber tardarse un empleado cuando se lleven 100 das?
Para x=100 tenemos que:
Y= -0,3464x+ 35,571
Y= -0,3464(100)+35,571
Y= 0,931 Minutos
Este es el tiempo estimado que debe tardar un empleado cuando lleve 100 das.
3. Una Nutricionista de un hogar infantil desea encontrar un modelo matemtico
que permita determinar la relacin entre el peso y la estatura de sus estudiantes.
Para ello selecciona 10 nios y realiza las mediciones respectivas. A continuacin
se presentan los resultados:

Estatura
(cm)
Peso
(kg)

121

123

108

118

101

109

114

103

110

115

25

22

19

24

19

18

20

15

20

21

a. Realice el diagrama de dispersin y determine el tipo de asociacin entre las

variables

30
25
20
Y: PESO (kg) 15
10
5
0
100

105

110

115

120

125

X: ESTATURA (cm)
y = 0.4212x - 27.377
R = 0.8102

La variable se relaciona linealmente

b. Encuentre el modelo matemtico que permite predecir el efecto de una variable
sobre la otra. Es confiable?
El modelo matemtico que explica el modelo est dado por la ecuacin:

y 0,4212x 27,377
c. Determine el grado de relacin de las dos variables.
El coeficiente de correlacin est dado por:

R 2 0,8102

R 0,8102

R 0,9001

Lo cual hace que el modelo sea confiable. El modelo explica el

90,01%

datos
d. Cul es el peso que debera tener un estudiante que mida 130 cm?
Para una persona que mida 130 cm su estatura estimada por el modelo es:
y= 0,4212x- 27,377
y= 0,4212(130)-27,377
y= 27,379 Kg

de los

5. A continuacin Se presentan las ventas nacionales de mviles nuevos de 1992

a 2004 en la siguiente tabla. Obtenga un ndice simple para las ventas nacionales
utilizando una base variable:
Ventas
millones($)
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

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

Ventas
Resultado
millones($)
1992

1992

8.8

= (9,7/8,8)*100 = 110,23%

1993

1993

1993

9.7

= (7,3/9,7)*100 = 75,26%

1994

1994

1994

7.3

= (6,7/7,3)*100 = 91,78%

1995

1995

1995

6.7

I
1996

= (8,5/6,7)*100 = 126,87%

Se concluye que las

aumentaron en el ao
1993 un 10,23% (110,23
100) con respecto al ao
anterior.
Se concluye que las
ventas disminuyeron en
el ao 1994 un 24,74%
(75,26
100)
con
respecto al ao anterior
Se considera que las
ventas disminuyeron en
8,22% (91,78 -100) en el
ao 1995 con respecto al
ao 1994.
Se concluye las ventas
aumentaron en 26,87%
(126,87-100) en el ao
1996 con respecto al ao
1995.

1996

1996

8.5

1997

9.2

= (9,2/8,5)*100 = 108,24%

1997

1997

= (9,2/9,2)*100 = 100%

1998

1998

1998

9.2

= (8,4/9,2)*100 = 91,30%

1999

1999

1999

8.4

= (6,4/8,4)*100 = 76,19%

2000

2000

2000

6.4

= (6,2/6,4)*100 = 96,88%

2001

2001

2001

6.2

= (5,0/6,2)*100 = 80,65%

2002

2002

2002

5.0

= (6,7/5,0)*100 = 134%

2003

2003

6.7
2003

2004

7.6

I
2004

= (7,6/6,7)*100 = 113,43%

Se considera que el
aumento en las ventas es
del 8,24% en el ao 1997
con respecto al ao 1996.
Se considera que se
mantuvo constantes las
ventas en el ao 1998
con respecto al ao 1997.
Se considera que las
ventas disminuyeron en
(100%-91,30%)=8,7% en
el ao 1999 con respecto
al ao 1998.
Se considera que las
ventas disminuyeron en
(100%-76,19%)=23,81%
en el ao 2000 con
respecto al ao 1999.
Se considera que las
ventas disminuyeron en
(100%-96,88%)=3,12%
en el ao 2001 con
respecto al ao 2000.
Se considera que las
ventas disminuyeron en
(100%-80,65%)=19,35%
en el ao 2002 con
respecto al ao 2001.
Se considera que el
aumento en las ventas es
del 34% en el ao 2003
con respecto al ao 2002.
Se considera que el
aumento en las ventas es
del 13,43% en el ao
2004 con respecto al ao
2003

Conclusin

Al concluir el actual trabajo hemos diferenciado claramente los temas relacionados

en la segunda unidad del mdulo de estadstica descriptiva; como lo son,
desviacin media, coeficiente de variacin, varianza, rango, desviacin estndar.

Las herramientas que nos brinda la estadstica descriptiva, nos permiten

comprender el comportamiento de los datos recopilada dentro de una
investigacin.

Referencias bibliogrficas

Ortegn, M. (2014). Universidad Nacional Abierta y a Distancia. Mdulo de

estadstica Descriptiva.