Trabajo N°4 PDF

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 25

UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

ESCUELA PROFECIONAL DE INGENIERIA CIVIL

DEPARTAMENTO ACADEMICO DE MATEATICA Y FISICA – AREA ACADEMICA DE


ESTADISTICA

DESARROLLO DEL PRIMER EXAMEN PARCIAL N°1

TRABAJO N°4

DOCENTE: Ing. CIP B.TAPIA CALDERON, GUILLERMO BERNARDINO; Ing.


Estadístico e informático, universidad Nacional La Molina (UNALM), Maestría en
ciencias, Universidad Nacional de Ingeniería ( UNI)

ALUMNO: FLORES PURE, Noe

ASIGNATURA: ESTADISTICA Y PROBABILIDADES (ES-241)

GRUPOS: II (turno tarde) GRUPO DE TRABAJO: i

SERIE: 200

CODIGO: 16170103

CORREO: noeflorespure476@gmail.com

D.N.I.: 72249295

CEL: 929730201

AYACUCHO - PERÚ

2020
PARTE A. SIMBOLIZACIÓN DE DATOS: SUMATORIAS

̅ .
A.1 CASO III. Sean los valores: x1 = 2, x2 = 4, x3= 5, x4= 3, x5=6 y media aritmética 𝒙
Hallar el valor numérico de las sumatorias simples siguientes:
A.1.1) ∑ (3 xi3 – 2 xi2) = … ; desde i= 2 hasta i= 5.
𝟓

∑(𝟑𝐗 𝟐𝐢 − 𝟐𝐗 𝟐𝟏 )
𝐢=𝟐

= (3X23 − 2X22 ) + (3X33 − 2X32 ) + (3X34 − 2X42 ) + (3X53 − 2X52 )

=(3(4)3 − 2(4)2 ) + (3(5)3 − 2(5)2 ) + (3(3)3 − 2(3)2 ) + (3(6)3 − 2(6)2 )

= 160 + 325 + 63+ 576

= 1124

A.1.2) ∑ [ xi (xi - 𝒙 ̅ – xi) ]= … ; desde i= 1 hasta i= 5.


̅ ) + (𝒙
5

∑[Xi (Xi − x̅) + (x̅ − Xi )]


i=1

=[X1 (X1 − x̅) + (x̅ − X1 )] + [X2 (X2 − x̅) + (x̅ − X2 )] [X3 (X3 − x̅) + (x̅ − X3 )] + [X4 (X4 −
x̅) + (x̅ − X4 )] + [X5 (X5 − x̅) + (x̅ − X 5 )]

=[2(2 − 4) + (4 − 2)] + [4(4 − 4) + (4 − 4)] + [5(5 − 4) + (4 − 5)] + [3(3 − 4) + (4 −


3)] + [6(6 − 4) + (4 − 6)]

= -2+0+4-2+10

= 10

A.1.3) ∑ (xi2 – 4 xi+ 𝒙


̅ )3 = … ; desde i= 3 hasta i= 5.

∑(𝒙𝟐𝒊 – 4 𝒙𝒊 + 𝒙
̅ )3
𝒊=𝟑

= (𝒙𝟐𝟑 – 4 𝒙𝟑 + 𝒙 ̅ )3 + (𝒙𝟐𝟓 – 4 𝒙𝟓 + 𝒙
̅ )3 + (𝒙𝟐𝟒 – 4 𝒙𝟒 + 𝒙 ̅ )3
= ((5)2 − 4(5) + ̅
𝒙 )3 + ((3)2 − 4(3) + ̅
𝒙 )3 + ((6)2 − 4(6) + ̅
𝒙 )3

̅ )3 + ( −3 + 𝒙
= (5 + 𝒙 ̅ )3 + (12 + 𝒙
̅ )3

̅ )3 + ( 12 + 4 )3
= (5 + 4 )3 + ( −3 + 𝟒

=4826

̅ = ∑ xi / n
A.2 CASO IV. Dada la fórmula de media aritmética de datos no-agrupados 𝒙
Siendo límites desde i= 1 hasta i= n de las ∑ . Demostración de las igualdades:
A.2.1)
i) Demostremos que desde A llegamos a B
A →B
𝑛 𝑛

∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)] = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅


𝑖=1 𝑖=1
𝑛 𝑛
2
∑[(𝑋𝑖 − 2𝑋𝑖 𝑥̅ + 𝑥̅ 2)
+ 𝑋𝑖 𝑥̅ − 𝑋𝑖 ] = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅
𝑖=1 𝑖=1
𝑛 𝑛

∑[𝑋𝑖 − 𝑋𝑖 𝑥̅ + 𝑥̅ 2 − 𝑋𝑖 ] = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅
2

𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛

∑[𝑋𝑖 ] − ∑[𝑋𝑖 𝑥̅ ] + ∑[𝑥̅ 2 ] − ∑[𝑋𝑖 ] = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅


2

𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1


𝑛 𝑛 𝑛 𝑛 𝑛

∑[𝑋𝑖 ] − 𝑥̅ ∑[𝑋𝑖 ] + 𝑥̅ 2 ∑[1] − ∑[𝑋𝑖 ] = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅


2

𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1

∑𝑛𝑖=1 𝑋𝑖⁄ 𝑛
Sea: 𝑥̅ = 𝑛 → 𝑛𝑥̅ = ∑𝑖=1 𝑋𝑖
𝑛 𝑛

∑[𝑋𝑖 ] − 𝑥̅ [𝑛𝑥̅ ] + 𝑥̅ 𝑛 + 1 − 1] − 𝑛𝑥̅ = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅


2 2[

𝑖=1 𝑖=1
𝑛 𝑛

∑[𝑋𝑖 ] − 𝑥̅ 𝑛 + 𝑥̅ 𝑛 − 𝑛𝑥̅ = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅
2 2 2

𝑖=1 𝑖=1
𝑛 𝑛

∑ 𝑋𝑖 − 𝑛𝑥̅ = ∑ 𝑋𝑖 2 − 𝑛 𝑥̅
2

𝑖=1 𝑖=1

ii) demostremos que desde B llegamos a A


B→ A
𝑛 𝑛
2
∑ 𝑋𝑖 − 𝑛 𝑥̅ = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
𝑖=1 𝑖=1
𝑛 𝑛
2
∑[𝑋𝑖 ] − 𝑥̅ 𝑛 + 𝑥̅ 𝑛 − 𝑛𝑥̅ = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
2 2

𝑖=1 𝑖=1
𝑛 𝑛
2
∑[𝑋𝑖 − 𝑋𝑖 𝑥̅ + 𝑥̅ − 𝑋𝑖 ] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
2

𝑖=1 𝑖=1
𝑛 𝑛
2
∑[𝑋𝑖 ] − 𝑥̅ [𝑛𝑥̅ ] + 𝑥̅ 𝑛 + 1 − 1] − 𝑛𝑥̅ = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
2[

𝑖=1 𝑖=1

∑𝑛𝑖=1 𝑋𝑖⁄ 𝑛
Sea: 𝑥̅ = 𝑛 → 𝑛𝑥̅ = ∑𝑖=1 𝑋𝑖
𝑛 𝑛 𝑛 𝑛 𝑛

∑[𝑋𝑖 2 ] − 𝑥̅ ∑[𝑋𝑖 ] + 𝑥̅ 2 ∑[1] − ∑[𝑋𝑖 ] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]


𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛 𝑛 𝑛 𝑛
2 2]
∑[𝑋𝑖 ] − ∑[𝑋𝑖 𝑥̅ ] + ∑[𝑥̅ − ∑[𝑋𝑖 ] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛 𝑛
2
∑[𝑋𝑖 − 𝑋𝑖 𝑥̅ + 𝑥̅ − 𝑋𝑖 ] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
2

𝑖=1 𝑖=1
𝑛 𝑛
2 2)
∑[(𝑋𝑖 − 2𝑋𝑖 𝑥̅ + 𝑥̅ + 𝑋𝑖 𝑥̅ − 𝑋𝑖 ] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
𝑖=1 𝑖=1
𝑛 𝑛

∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]


𝑖=1 𝑖=1

A.2.2) ∑ [(xi - 𝒙
̅ )2 + 1/n] = ∑ xi 2- n𝒙
̅ 2+ 1

1
∑(Xi 2 + ̅ X + n) = ∑ Xi 2 − nX
X 2 − 2Xi ̅ ̅2 + 1

1
∑ xi2 + nX ̅ 2 + n( )= ∑ Xi 2 − nX
̅ 2 − 2nX ̅2 + 1
n

∑ X i 2 − nX
̅ 2 + 1 = ∑ Xi 2 − nX
̅2 + 1

A.2.3) ∑ [ xi (xi - 𝒙 ̅ – xi) ] = ∑ Xi 2 - ( ∑ Xi )2 / n


̅ ) + (𝒙

̅ + X̅ − xi] = ∑ xi2 – ( ∑ xi2 )/n


∑[xi2 + xiX

̅ + ∑X
∑ xi2 + ∑ xiX ̅ - ∑ XI = ∑ xi2 – ( ∑ xi2 )/n
̅ ∑ xI + nX
∑ xi2 + X ̅ - nX
̅ = ∑ xi2 – ( ∑ xi2 )/n

̅nX
∑ xi2 +X ̅ = ∑ xi2 – ( ∑ xi2 )/n

̅ 2 = ∑ xi2 – ( ∑ xi2 )/n


∑ xi2 + nX

∑ Xi 2
∑ xi2 + n( ) = ∑ xi2 – ( ∑ xi2 )/n
n
(∑ Xi)2
∑ xi2 + = ∑ xi2 – ( ∑ xi2 )/n
n

PARTE B. SIMBOLIZACIÓN DE DATOS- SUMATORIAS SIMPLES Y DOBLES.-


A partir de la Tabla 1- Bidimensional, o sea una tabla de doble entrada, conteniendo
valores en las casillas de Xij de los datos originales, desarrolle las sumatorias pedidas,
asignándoles sus límites superior e inferior, y finalmente calcule su valor numérico:
Tabla 1
Preguntas: Datos originales
j 1 2 3 4
B.5.1) ∑ X i1 B.5.5) ∑ X 1j B.5.9) X.2 i

B.5.2) ∑ X i2 B.5.6) ∑ X2j B.5.10)X3. 1 5 3 -1 6


B.5.3) ∑X i3 B.5.7) ∑ X3j B.5.11) X.. 2 2 -1 4 2
B.5.4) ∑ X i4 B.5.8) ∑ X4j B.5.12) ∑ ∑ Xij 3 -2 6 2 -6
4 3 2 1 4

Solución:

B.5.1) ∑ X i1 = X11 + X21 + X31 + X41

= 5+ 2 -2 + 3 = 8

B.5.2) ∑ X i2 = X12 + X22 + X32 + X42


= 3– 1 + 6 + 2 = 10

B.5.3) ∑X i3 = X13 + X23 + X33+ X43

= -1+4+2+1= 6

B.5.4) ∑ X i4 = X14 + X24 + X34+ X44

=6+2–6+4=6

B.5.5) ∑ X 1j = X11 + X12 + X13+ X14

= 5 + 3 - 1 + 6 = 13

B.5.6) ∑ X2j = X21 + X22 + X23+ X24

= 2 – 1 + 4 +2 = 7

B.5.7) ∑ X3j = X31 + X32 + X33+ X34

=-2+6+2–6=0

B.5.8) ∑ X4j = X41 + X42 + X43+ X44

= 3 + 2 + 1 + 4 =10

B.5.9) X.2 = X12 + X22 + X32+ X42

= 3– 1 + 6 + 2 = 10

B.5.10)X3. = X31 + X32 + X33+ X34

=-2+6+2–6=0

B.5.11) X.. = X11 + X12 + X13+ X14 + X21 + X22 + X23+ X24 + X31 + X32 + X33+ X34 + X31 + X32
+ X33+ X34 + X41 + X42 + X43+ X44

= 5 + 3 – 1 + 6 + 2 – 1 + 4 + 2 – 2 + 6 + 2 – 6 + 3 + 2 + 1 + 4 = 30

B.5.12) ∑ ∑ Xij =∑(X1j + X2j + X3j + X 4j )


=(X11 + X12 + X13 + X14) + (X21 + X22 + X23 + X24) + (X31 +
X32 + X33 + X34) + (X41 + X42 + X43+ X44)

= (5 + 3 - 1 + 6) + (2 – 1 + 4 +2) + (- 2 + 6 + 2 – 6) + (3 + 2 + 1 + 4)

= 13 + 7 + 0 + 10

=30

PARTE C. Simbolización de datos y regresión lineal simple. Los siguientes datos


se obtuvieron para la dureza X, y el esfuerzo a la tensión Y, en cinco (5) muestra de un
material vaciado.
TABLA N°2, DONDE Xi= dureza: Yi= esfuerzo o la tensión
Construir las columnas que faltan (necesarias, que se necesitan), para hacer los
cálculos de las formulas pedidas y obtener sus valores numéricos:

i 𝑋𝑖 𝑑𝑢𝑟𝑒𝑧𝑎 𝑌𝑖 𝑒𝑠𝑓𝑢𝑒𝑟𝑧𝑜 𝑎 𝑙𝑎 𝑡𝑒𝑛𝑠𝑖𝑜𝑛


1 53 29
2 70 34
3 55 30
4 53 31
5 69 36

Con los datos de la tabla anterior construimos la siguiente tabla:

𝑖 𝑋𝑖 𝑌𝑖 𝑥𝑖 = 𝑋𝑖 − 𝑥̅ 𝑦𝑖 = 𝑌𝑖 − 𝑦̅ 𝑥𝑖 2 𝑦𝑖 2 𝑥𝑖 𝑦𝑖
1 53 29 -7 -3 49 9 21
2 70 34 10 2 100 4 20
3 55 30 -5 -2 25 4 10
4 53 31 -7 -1 49 1 7
5 69 36 9 4 81 16 36
5 5 5 5 5 5 5
∑ 𝑋𝑖 ∑ 𝑌𝑖 ∑ 𝑥𝑖 ∑ 𝑦𝑖 ∑ 𝑥𝑖 2 ∑ 𝑦𝑖 2 ∑ 𝑥𝑖 𝑦𝑖
𝑛 𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
= 5 = 300 = 160 =0 =0 = 304 = 34 = 94

Xpromedio= 60 Yprimedio= 32
C.1) Media muestral de X:
∑n
i=1 Xi ∑5i=1 Xi X1 +X2 +X3+X4 +X5 300
x̅ = ; x̅ = = = =60
n 5 5 5

x̅ = 60
C.2) Media muestral de Y:
∑n
i=1 Yi ∑5i=1 Yi Y1 +Y2 +Y3 +Y4 +Y5 160
y̅ = ; y̅ = = = =32
n 5 5 5

y̅ = 32

C.3) Varianza muestral de las X:


i 𝐗𝐢 𝐗 𝟐𝐢 ∑5i=1 Xi
∑5i=1 X i2 = 304 Sx2 = - x̅ 2
1 n
53 49
2 70 100 Sx2 =
304
– (60)2
3 55 25 5

4 53 49 Sx2 = -3539.2
5 69 81

C.4) Varianza muestral de las Y:


i 𝐘𝐢 𝐘𝐢𝟐 ∑5i=1 Yi
∑5i=1 Yi2 = 34 Sy2 = - y̅ 2
1 n
29 9
2 34 4 34
Sy2 = – (32)2
3 30 4 5

4 31 1 Sy2 = -1017.2
5 36 16

C.5) Coeficiente de Regresión Lineal


Dato: x̅ = 60, y̅ = 32,

i 𝐗𝐢 𝐘𝐢 𝐱𝐢 𝐲𝐢 𝐱 𝟐𝐢 𝐱 𝐢 ∙ 𝐲𝐢 ∑5i=1 xi yi = 94
= 𝐗 𝐢 − 𝐱̅ = 𝐘𝐢 − 𝐲̅
1 53 29 -7 -3 49 9 ∑5i=1 xi2 = 304
2 70 34 10 2 100 4 ∑5i=1 xi yi 94
3 55 30 -5 -1 25 4 ∴ β̂ = ∑5i=1 x2i
= 304
4 53 31 -7 -1 49 1
94
5 69 36 9 4 81 16 β̂ = 304 = 0.309

C.6) Intersección de la recta con el eje YY′

̂=y̅ − β̂x̅
α
̂=32 − (0.309)(60) =13.46
α
̂ = 13.46
α
C.7) Modelo lineal de 2 variables: Ecuación de regresión lineal?

̂ + β̂
y= α
y= 13.46 + 0.309
y=13.769
C.8) Para X = 4, ¿Cuánto será el promedio para Y?

̂ + β̂x
y= α
y= 13.46 + (0.309)(4)
y= 14.696
C.9) Para X = 12, ¿Cuánto será el promedio para Y?

̂ + β̂x
y= α
y= 13.46 + (0.309)(12)
y= 17.168

C.10) Determinar el Coeficiente de Correlación e interpretación estadística


i 𝐗𝐢 𝐘𝐢 𝐱 𝟐𝐢 = 𝐗 𝐢 − 𝐱̅)𝟐 𝐲𝐢𝟐 = (𝐘𝐢 − 𝐲̅)𝟐 𝐱 𝐢 ∙ 𝐲𝐢
1 53 29 49 9 21
2 70 34 100 4 20
3 55 30 25 4 10
4 53 31 49 1 7
5 69 36 81 16 36
X X X 304 34 94

∑5i=1 xi yi = 94, ∑5i=1 xi2 =304 ∑5i=1 yi2 = 34

r : Coeficiente de Correlación
Fórmula de coeficiente de correlación:
∑m
i=1 xi yi
r=
√ ∑m 2 m 2
i=1 xi ∙ ∑i=1 yi

Reemplazando:
∑5i=1 xi yi 94
r= =
√ ∑5i=1 x2i ∙ ∑5i=1 y2i √(304)x(34)

r = 0.924
Interpretación estadística: El coeficiente de correlación lineal (r = 0.924) significa que
a medida el tiempo va aumentando, también aumenta la temperatura, y también como
el valor es muy cercano a 1 significa que los puntos dispersos forman casi una recta
exacta.
C.11) Determinar el Coeficiente de Determinación (r2) e interpretación estadística
r2= (0.924)2= 0.854
r2= 0.854 %
Interpretación estadística: El 0.854 % significa que podemos trazar una linea recta a
todos los puntos con un 0.854 % de precisión.
C.11) Determinar el Coeficiente de Alejamiento e interpretación estadística

Coeficiente de Alejamiento =√(1 − r 2 )x100% = 3.821


C.12) Coeficiente de Variación de X.
Sx2 = -3539.2
Sx 0+59.491
Sx = 0 + 59.491 C.Vx = ∙ 100% = ∙ 100%
x̅ 60

x̅ = 60 C.Vx =0.991
C.13) Coeficiente de Variación de Y.
Sy2 = -1017.2
Sy 0+31.893
Sy = 0 + 31.893 C.Vx = ∙ 100% = ∙ 100%
̅
y 32

y̅ = 32 C.Vy = 0.009
PARTE D. ESTADÍSTICA DESCRIPTIVA: Sumatorias simples y dobles
Dada la siguiente Tabla 1 bidimensional, donde cada valor de una casilla corresponde
a un dato bidimensional Xij, desarrolle y calcule el valor numérico de lo que se
pregunta.
Tabla 1

i j 1 2 3 4

1 -3 5 1 -2

2 2 1 -3 3

3 4 -2 6 1

4 -1 1 2 5
SOLUCION

j 1 2 3 4
i
1 4

1 -3 5 -2 ∑ 𝑥1𝑗 = 0
𝑖=1
4

2 1 -3 3 ∑ 𝑥2𝑗 = 3
2 𝑖=1
4

3 4 -2 6 -1 ∑ 𝑥3𝑗 = 7
𝑖=1

4 -1 1 2 5 ∑ 𝑥4𝑗 = 7
𝑖=1

4 4 4 4

∑ 𝑥𝑖1 = 2 ∑ 𝑥𝑖2 = 5 ∑ 𝑥𝑖3 = 6 ∑ 𝑥𝑖4 = 5


𝑖=1 𝑖=1 𝑖=1 𝑖=1

D.1 ∑ X1j

∑ x1j = x11 + x12 + x13 + x14 = −3 + 5 + 1 − 2 = 0


i=1

D.2 ∑ X2j
4

∑ x2j = x21 + x22 + x23 + x24 = 2 + 1 − 3 + 3 = 3


i=1

D.3 ∑ X3j
4

∑ x3j = x31 + x32 + x33 + x34 = 4 − 2 + 6 − 1 = 7


i=1

D.4 ∑ X4j
4

∑ x4j = x41 + x42 + x43 + x44 = −1 + 1 + 2 + 5 = 7


i=1

D.5 ∑ Xi1
4

∑ xi1 = x11 + x21 + x31 + x41 = −3 + 2 + 4 − 1 = 2


i=1

D.6 ∑ Xi2
4

∑ xi2 = x12 + x22 + x32 + x42 = 5 + 1 − 2 + 1 = 5


i=1

D.7 ∑ Xi3
4

∑ xi3 = x13 + x23 + x33 + x43 = 1 − 3 + 6 + 2 = 6


i=1

D.8 ∑ Xi4
4

∑ xi4 = x14 + x24 + x34 + x44 = −2 + 3 − 1 + 5 = 5


i=1

D.9 ∑ ∑ Xij
4 4 4

∑ ∑ xij = ∑(x1j + x2j + x3j + x4j )


j=1 i=1 j=1

(x11 + x12 + x13 + x14 ) + (x21 + x22 + x23 + x24 )


+(x31 + x32 + x33 + x34 ) + (x41 + x42 + x43 + x44 ) = 17
D.10 X3

∑ x3j = x31 + x32 + x33 + x34 = 4 − 2 + 6 − 1 = 7


i=1

D.11 X.2
4

∑ xi2 = x12 + x22 + x32 + x42 = 5 + 1 − 2 + 1 = 5


i=1

..

PARTE E. ESTADÍSTICA DESCRIPTIVA-ORGANIZACIÓN DE DATOS:


Tabla de Distribución de Frecuencias para Variable Cuantitativa Continua
(V.C.C.)
en un Cuadro Completo de 16 columnas básicas y adicionales pertinentes..
Suponga que se ha judicializado un caso respecto al peso de lingotes de acero de
“ACEROS AREQUIPA S.A.”, analizados por el Juez Especializado en lo Civil, para
lo cual se tomó una muestra aleatoria simple (MAS) de la producción semanal de 45
observaciones, las unidades están dadas en kilogramos (Kg.), registrándose los
siguientes datos originales xi :

94.3 93.0 95.5 95.3 92.4 94.4 92.8 93.2 93.6

92.9 93.6 95.7 93.8 94.8 93.9 92.7 91.6 93.6

94.2 95.7 94.7 94.3 92.7 94.5 96.2 95.4 93.7

94.7 92.7 95.0 93.0 92.9 93.7 92.7 93.3 94.6

94.1 93.7 94.2 93.7 94.0 93.9 93.6 94.6 92.3

E.1 Tipología de variable estadística y determinar el tamaño de la muestra.

 Tipología de variable estadística bajo estudio: Variable Cuantitativa Continua


(v.c.c)
 El tamaño de muestra n: Muestra aleatoria grande porque 𝒏 > 30; n=50

E.2 Interpretar estadísticamente las casillas: H3, N*4, h2, n3, h3 X 100, H2 X 100, N5-
N3.
H3 : 0,38 es la probabilidad de obtener lingotes de acero con un peso de 91.55kg
a menores de 93.65kg

N”4: 39 lingotes de acero se encuentran de peso 91,55kg a más, pero menores


95,05kg con frecuencia acumulada hacia arriba.

h2: 0.18 es la probabilidad de hallar lingotes de acero con un peso de 92.25kg a


menores de 92.95kg.

n3: 8 lingotes de acero se encuentran entre el peso de 92,95kg a menores de


93,65kg.

h3x100: 16% de lingotes de acero se encuentra entre el peso de 92,95kg a


menores que 93.65kg.

H2x100: 22% de lingotes de acero se encuentra entre los pesos de 91.55kg y a


menores de 92.95kg.

N5-N3: 23 lingotes de acero son la diferencia que existe entre los pesos de
91.55kg a menores de 95.05kg y disminuido con los pesos de lingotes de
acero 91,55 a menores de 93,65g.

E.3 Calcular el rango de datos originales RX.


Rango: 𝑅𝑥 = 𝑋𝑚á𝑥 − 𝑋𝑚𝑖𝑛

𝑅𝑥 = 96,2 − 91,6
𝑅𝑥 = 4,6𝑘𝑔

E.4 Determinar el número de intervalos de clase (m) por el segundo Método: Regla
de Sturges.

Intervalos de clases:
𝑚 = 1 + 3.32𝑙𝑜𝑔𝑛
𝑚 = 1 + 3.32𝑙𝑜𝑔45
𝑚 = 6.488665546

E.5 ¿Existirá nuevo valor del número de intervalos de clase m´?


Se redondea para arriba.
𝑚 = 6.488665546 ~ 𝑚, = 7

E.6 Determinar la amplitud interválica constante de datos originales (C) y la


redondeada C’
𝑅𝑥 4,6
𝑐= = = 0,6571428571
𝑚′ 7
𝑐 , = 0,7

E.7 ¿Existirá un nuevo rango Rx ´?


Hallando el nuevo Rango:
𝑅′𝑥 = 𝑐 ′ × 𝑚′
𝑅′𝑥 = 0,7 × 7
𝑅′𝑥 = 4,9

Por lo tanto existe un nuevo rango 𝑹,𝒙 =4,9kg

E.8 Diferencia de rangos?


Calculando la diferencia de Rangos:
∆𝑅𝑥 = 𝑅′𝑥 − 𝑅𝑋
∆𝑅𝑥 = 4,9 − 4,6
∆𝑅𝑥 = 0,3

∆𝑹′ = +0,15
∆𝑹′′ = −0,15

𝑁𝑢𝑒𝑣𝑜 𝐿𝑖𝑚𝑖𝑡𝑒 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟


∆𝒚′𝒊−𝟏 = 𝒚𝟎 ′ = 𝒙𝒎𝒊𝒏 + ∆𝑹′′ = 91.6 − 0.15 = 91.45
𝑁𝑢𝑒𝑣𝑜 𝐿𝑖𝑚𝑖𝑡𝑒 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟
∆𝒚′𝒎 = 𝒙𝒎𝒂𝒙 + ∆𝑹′ = 96.2 + 0.15 = 96.35

E.9 Elaborar un cuadro completo de la distribución de pesos de lingotes de acero


“Arequipa”.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
i y'_{i-1} y'_i y_i C_i Tabulación n_i h_i (h_i)*100 N_j H_j (H_j)*100 N*_j H*_j (H*_j)*100 y_i*n_i y_i*h_i
1 <91.45 92.15] 91.8 0.7 I 1 0.02 2% 1 0.02 2% 45 1.00 100% 91.80 2.04
2 <92.15 92.85] 92.5 0.7 IIIII II 7 0.16 16% 8 0.18 18% 38 0.98 98% 647.50 14.39
3 <92.85 93.55] 93.2 0.7 IIIII I 6 0.13 13% 14 0.31 31% 32 0.82 82% 559.20 12.43
4 <93.55 94.25] 93.9 0.7 IIIII IIIII IIIII 15 0.33 33% 29 0.64 64% 17 0.69 69% 1408.50 31.30
5 <94.25 94.95] 94.6 0.7 IIIII IIII 9 0.20 20% 38 0.84 84% 8 0.36 36% 851.40 18.92
6 <94.95 95.65] 95.3 0.7 IIII 4 0.09 9% 42 0.93 93% 4 0.16 16% 381.20 8.47
7 <95.65 96.35] 96.0 0.7 III 3 0.07 7% 45 1.00 100% 1 0.07 7% 288.00 6.40
∑sumas 45 1.00 100% 4227.60 93.95

E.10 Graficas estadísticas de las Frecuencias Absolutas Acumuladas: Ojiva


“menor o
igual que < =” y Ojiva “mayor o igual que > =”.
E.11 Interpretar estadísticamente: m, Y´0, , n3 , h5 , h2 X100, N4 , H5 , H6 x
100, N6 * ,
H4 *X100.
m: Numero de intervalos
Y’0: Nuevo límite inferior
N3: Existen 14 lingotes de acero con un peso menor de 93,55 kg y
mayores a 91,45kg
h5: Hay una probabilidad de 0.20 de obtener un lingote con peso
menor o i gual a 94.95 kg y mayor a 94.25 kg.
h2 X100: Hay un 16% de lingotes de acero con peso mayor a 92,15
kg y menor o igual a 92.85 kg.
N4: Hay un total de 29 lingotes de hacer de un total de 45 con pesos
menores a 94,25 kg.
H5: Existe una posibilidad de obtener lingotes de acero de un peso
menor o igual a 94,25 kg.
H6 x 100: Existe un 93% de obtener lingotes de acero de un peso
menor o igual a 95.65kg.
N6 *: Hay un total de 4 lingotes de acero de un peso mayor a 94,95
kg de una muestra total de 45 unidades.
H4 *X100: Existe un 16% de lingotes de acero de una muestra total
de 45 unidades que superan a 94.95kg.

E.12 Calcule el Promedio de datos agrupados. Interpretarla estadísticamente.


∑𝑚
𝑖=1 𝑌𝑖 𝑛𝑖
̅
𝑌=
𝑛
4227.6
𝑌̅ = = 93,95
50
Interpretación: El diámetro promedio de materiales de construcción es de 93,95.

E.13 Calcule el Valor Mediano de datos agrupados. Interpretar estadísticamente.


𝑛
− 𝑁𝑗−1
𝑀𝑒 = 𝑌´𝑗−1 + 𝐶𝑗 ( 2 )
𝑁𝑗 − 𝑁𝑗−1
22.5 − 14
𝑀𝑒 = 91.45 + 0.7 ( )
29 − 14
𝑀𝑒 = 91.84666667 = 91.85

Interpretación: El peso medio de los lingotes de acero es de 91.85kg.

E.14 Calcule el Valor Modal de datos agrupados. Interpretar estadísticamente.


∆1
𝑀𝑜 = 𝑌´𝑗−1 + 𝐶𝑗 ( )
∆1 + ∆2
∆1 = 𝑛𝑖 − 𝑛𝑖−1
∆2 = 𝑛𝑖 − 𝑛𝑖+1
15 − 6
𝑀𝑜 = 91.55 + 0.70 ( )
15 − 6 + 15 − 9
𝑀𝑜 = 91.9

Interpretación.: El peso medio de los lingotes de acero que repite con mayor frecuencia
es de 91.9kg.

E.15 Calcule la Variancia y la Desviación Estándar de datos agrupados.


Interpretarlos
i) Variancia
1 3 6 15 17
i y_i n_i y_i*n_i (n_i)*(y_i)^2
1 91.8 1 91.80 8427.24
2 92.5 7 647.50 59893.75
3 93.2 6 559.20 52117.44
4 93.9 15 1408.50 132258.15
5 94.6 9 851.40 80542.44
6 95.3 4 381.20 36328.36
7 96 3 288.00 27648.00
∑sumas 45 4227.60 397215.38

4227.60
𝑦̅ = = 93.95
45
m
∑ ̅2𝑖
ni y
2
S = i=1
− 𝑦̅ 2
n

(397215.38)
s2 = − (93.952 )
45

s 2 = 1.032

Interpretación Estadística:
La varianza de datos agrupados es de: S2 = 1.032

ii) Desviación Estándar

Se sabe que la desviación Estándar es la raíz cuadrada de la varianza.

Sy =√1.032

Sy = 1.016

Interpretación Estadística:
La Desviación Estándar es de: Sy = 1.016kg.

E.16 Calcule la Desviación Media de datos agrupados. Interpretarlo


estadísticamente.

∑ni=1|yi − 𝑦| ⋅ 𝑛𝑖
DM =
n

94.906667
DM =
45
DM = 0.7757
E.17 Calcule la Desviación Mediana de datos agrupados. Interpretarlos
estadísticamente.

∑ni=1|yi − 𝑀𝑒| ⋅ 𝑛𝑖
DM =
n
36
DM =
45
DM = 0.8

E.18 Calcule el Coeficiente de Variación de datos agrupados. Interpretarlo.


Sy
(CV)y =

1.016
(CV)y =
93.95
(CV)y = 0.0108

E.19 Calcule el Primer Cuartil (Q1), y el Tercer Cuartil (Q3). Interpretarlos.

 Primer Cuartil 𝑸𝟏 :
𝑛 + 1 45 + 1
𝑛 = 45, = = 11,5
4 4
𝑛+1
Entonces la menor frecuencia absoluta que supera a 4 = 11,5 es 𝑁3 = 14, luego
𝑗 = 3,
𝑗 − 1 = 2.
Por lo tanto el intervalo de clase que contiene a 𝑸𝟏 es <92.85;93.55]
𝑛
Como 4 = 11,5 > 𝑁2 = 8, el primer cuartil es:

𝑛+1
− 𝑁2
𝑄1 = 𝑦′𝑗−1 + 𝐶 [ 4 ]
𝑁3 − 𝑁2
11.5 − 8
𝑄1 = 92,85 + 0.7 [ ]
14 − 8
𝑄1 =92,10625

Interpretación Estadística:
El primer cuartil es de 91,958333 que corresponde a un estadígrafo de posición que
supera a lo sumo al 25% de observaciones y es superado por no más del 75% de
observaciones restantes.

 Tercer Cuartil 𝑸𝟑 :

3(𝑛+1) 3×45
Como 𝑛 = 45, = = 33.75 , entonces la menor frecuencia acumulada que
4 4
supera a
3𝑛
= 37,5 es 𝑁5 = 42, luego 𝑗 = 5, 𝑗 − 1 = 4. Por lo tanto la clase que tiene a 𝑸𝟑 es
4
< 𝑦′5 − 𝑦 ′ 4 ] =< 94,25 − 94,95]
3(𝑛+1)
Como = 33,75 > 𝑁4 = 29, el tercer cuartil es:
4

3𝑛 + 1
− 𝑁4
𝑄3 = 𝑦′𝑗−1 + 𝐶 [ 4 ]
𝑁5 − 𝑁4
33.75 − 29
𝑄3 = 94,25 + 0,7 [ ]
38 − 29
𝑄3 = 94.619444

Interpretación Estadística:
El tercer cuartil es 94,619444 que supera a lo sumo al 75% de observaciones y
es superado por no más del 25% de observaciones restantes.

E.20 Calcule el Primer Decil y el Noveno Decil. Interpretarlos estadísticamente.


 Primer Decil 𝑫𝟏 :
𝑛 + 1 45 + 1
𝑛 = 45, = = 11,5
10 10
𝑛+1
Entonces la menor frecuencia absoluta que supera a = 11,5 es 𝑁3 = 14, luego
10
𝑗 = 3,
𝑗 − 1 = 2.
Por lo tanto el intervalo de clase que contiene a 𝑸𝟏 es <92.85;93.55]
𝑛
Como 10 = 11,5 > 𝑁2 = 8, el primer cuartil es:

𝑛+1
− 𝑁2
𝑄1 = 𝑦′𝑗−1 + 𝐶 [ 10 ]
𝑁3 − 𝑁2
11.5 − 8
𝑄1 = 92,85 + 0.7 [ ]
14 − 8
𝑄1 = 92,10625

Interpretación Estadística:
El primer cuartil es de 91,958333 que corresponde a un estadígrafo de posición que
supera a lo sumo al 25% de observaciones y es superado por no más del 75% de
observaciones restantes.

 Noveno Decil 𝑫𝟗 :

9(𝑛+1) 3×45
Como 𝑛 = 45, = 4 = 33.75 , entonces la menor frecuencia acumulada que
10
supera a
9𝑛
= 37,5 es 𝑁5 = 42, luego 𝑗 = 5, 𝑗 − 1 = 4. Por lo tanto la clase que tiene a 𝑸𝟑 es
10
< 𝑦′5 − 𝑦 ′ 4 ] =< 94,25 − 94,95]
3(𝑛+1)
Como = 33,75 > 𝑁4 = 29, el tercer cuartil es:
4

3(𝑛 + 1)
− 𝑁4
𝑄3 = 𝑦′𝑗−1 + 𝐶 [ 10 ]
𝑁5 − 𝑁4
33.75 − 29
𝑄3 = 94,25 + 0,7 [ ]
38 − 29
𝑄3 = 94.619444

E.21 Calcule el Nonagésimo Percentil y el Décimo Percentil. Interpretarlos.


 El Nonagésimo Percentil es:
90 90
(n + 1) = 100 45 = 40.5 < 𝑁𝑗 = 48 es preferible usar el intervalo mayor, el intervalo
100
usado será: < 94.95 − 95,65]

90(𝑛 + 1)
− 𝑁5
𝑃90 = 𝑦′𝑗−1 + 𝐶 [ 100 ]
𝑁6 − 𝑁5

40.5 − 38
𝑃90 = 94,95 + 0,7 [ ]
42 − 38
𝑃90 = 95,38

Interpretación: El 90% de los diámetros de los lingotes de acero son menores o


iguales que 𝟗𝟓, 𝟑𝟖 𝒌𝒈 y 10% son mayores que 𝟗𝟒, 𝟗𝟓 kg

 El Décimo Percentil es:


10 10
n = 100 45 = 4,5 < 𝑁𝑗 = 8,es preferible usar el intervalo mayor, el intervalo usado
100
será: < 92.15 − 92,85]
90(𝑛 + 1)
− 𝑁5
𝑃10 = 𝑦′𝑗−1 + 𝐶 [ 100 ]
𝑁6 − 𝑁5

4,5 − 1
𝑃10 = 91,45 + 0,7 [ ]
8−1

𝑃10 = 91,8

Interpretación: El 10% de los diámetros de los lingotes de acero son menores o


iguales que 𝟗𝟏, 𝟖 y los 90% restantes son superiores a 𝟗𝟒, 𝟒𝟓.

E.22 Calcule el Recorrido Intercuartílico y Recorrido Interpercentílico.


Interpretarlos.
𝑅𝐼𝑄 𝑄3 − 𝑄1
=
2 2

𝑅𝐼𝑄 = 92,4833

E.23 Hallar el 1er. Coeficiente de Asimetría de Pearson. ¿Distribución de As?

Usando los datos obtenidos hasta ahora:


y = media.
Mo= moda.
Sy = desviación estándar.

*Fórmula:
𝐲̅ − 𝐌𝐨
𝐂𝐀𝐬(𝟏) =
𝐒𝒚

93,95 − 91.9
𝐂𝐀𝐬(𝟏) = = 2.018
1.016

E.24 Hallar el 2° Coeficiente de Asimetría De PEARSON. ¿Distribución de As?

*Fórmula:
𝑄3 + Q1 − 2Me
𝑨𝒔 = 𝛽 =
𝑄3 − 𝑄1
-Interpretación estadística:
Si 𝑨𝒔 > 𝟎 ……………………………………Distribución Asimétrica Positiva
Si 𝑨𝒔 = 𝟎 ……………………………………Distribución Simétrica
Si 𝑨𝒔 < 𝟎 ……………………………………Distribución Asimétrica Negativa

𝑄3 + Q1 − 2Me
𝑨𝒔 = 𝛽 =
𝑄3 − 𝑄1

94,619 + 92,106 − 2(91,85)


𝑨𝒔 = 𝛽 = = 1.20374
94,619 − 92,106

Como el 𝑨𝒔 > 𝟎, la distribución asimétrica positiva o sesgada hacia la derecha.

E.25 Hallar el Coeficiente Percentílico de Kurtosis. ¿Qué distribución genera K?


*Fórmula:
(𝑄 −𝑄 )
𝒌 = 2(𝑃 3 −𝑃1
90 10 )
-Interpretación estadística:
Si 𝑲 > 𝟎 ……………………………………Distribución Leptocurtica
Si 𝑲 = 𝟎 ……………………………………Distribución Mescurtica
Si 𝑲 < 𝟎 ……………………………………Distribución Platicurtica

Usando los datos obtenidos hasta ahora:

(𝑄3 − 𝑄1 )
𝒌=
2(𝑃90 − 𝑃10 )

(94,619 − 92,106)
𝒌=
2(95,38 − 91,8)

𝒌 = 0,3509

Como 𝑲 > 𝟎, genera un distribución leptocurtica. (la distribución más alargada que la
curva normal)
E.26 Compare los valores de la media, mediana y moda. Graficar estos datos-
resultados en un plano cartesiano; observar la curva correspondiente, luego
de determinar qué distribución ha generado las Distribuciones de Asimetría.

También podría gustarte