Estadística Descriptiva

ESTADSTICA DESCRIPTIVA
Introduccin
Qu es la Estadstica:
Actualmente la Estadstica es una ciencia que:
proporciona tcnicas precisas para obtener informacin* (recogida y
descripcin de datos).
proporciona mtodos para el anlisis de la informacin* y posteriores
inferencias.
Por qu hay que estudiar Estadstica?
Si se revisan las mallas curriculares de las distintas carreras profesionales,
veremos que en la mayora existe por lo menos una asignatura de Estadstica.
Bsicamente los contenidos de un primer curso de Estadstica en diferentes
carreras son los mimos, la mayor diferencia radica en los ejemplos utilizados.
La principal razn es que el rol ms destacado de la Estadstica es la recopilacin,
presentacin, anlisis de un conjunto de datos, a partir de los cuales se obtienen
conclusiones y se toman decisiones.
Saber Estadstica es de gran utilidad en cualquier rea del conocimiento y en
particular en Ingeniera.
Ejemplos:
- Diseo y desarrollo y mejora en los proceso productivos como control de
calidad, control de la variabilidad del proceso,
-
Estudios de materiales en cuanto a duracin, dureza, elasticidad, .
Control de inventarios, con la estadstica se analiza la tendencia de flujo de

ciertos materiales y ciertos productos.
Comparar los tiempos de ejecucin de 3 algoritmos de ordenacin (algoritmo

de la burbuja, de seleccin, de insercin, quicksort, treesort)
La mayor contribucin de la Estadstica en la resolucin de problemas en ingeniera es su

utilizacin como herramienta de aprendizaje. El aprendizaje que se obtiene mediante la estadstica
forma parte del denominado Mtodo Cientfico
El mtodo cientfico es la estrategia de la investigacin cientfica: afecta a todo ciclo completo de
investigacin y es independiente del tema en estudio.
Al ser la Ingeniera la aplicacin del conocimiento cientfico, todo proyecto en ingeniera debe
contener los rasgos del mtodo cientfico. (anexo 1)
La Estadstica posee un conjunto de tcnicas que se emplean para la recopilacin,
organizacin, presentacin, anlisis e interpretacin de los datos para tomar decisiones y
resolver problemas, la estadstica se puede clasificar como:
Cecilia Larran R.
Estadstica Descriptiva
Ingeniera
Pgina 2
Estadstica
descriptiva
Probabilidad
Tiene como objetivo caracterizar, describir y extraer

conclusiones sobre una muestra de datos o de la poblacin
de inters.
Mide la incertidumbre, deduce las leyes que rigen a los
fenmenos que se investigan.
Es la herramienta a partir de la que se desarrolla la
inferencia estadstica
La inferencia estadstica es un proceso que consiste en utilizar los
resultados de una muestra para llegar a conclusiones acerca de las
caractersticas de la poblacin (requiere clculo de probabilidades.)
Estadstica
Inferencial
Estadstica Inferencial: conjunto de procedimientos

estadsticos en los que interviene la aplicacin de modelos de
probabilidad y mediante los cuales se realiza alguna
afirmacin sobre poblaciones con base en la informacin
producida por muestras.
La Estadstica Descriptiva utiliza, tablas,

grficos y resmenes numricos
Para realizar cualquier estudio estadstico,

hay que tener en cuenta:
Cmo y de donde se recolect la
informacin
Qu se midi atributos o cantidades?
Conocer los conceptos fundamentales
CONCEPTOS FUNDAMENTALES
Poblacin: Conjunto de elementos a los que se les estudia una caracterstica
Tamao poblacin: N
-
Los estudiantes de nuestra universidad

Las personas activa en Chile (poblacin activa)
La flota de aviones de aviones de una compaa area
Cecilia Larran R.
Ingeniera
Pgina 3
Censo: estudio completo de la poblacin

A las medidas de resmenes poblacionales como la media poblacional ,
desviacin estndar poblacional , , se les denominan parmetros.
Muestra: subconjunto de elementos seleccionados de la poblacin sobre el cual
se va a llevar el estudio).
Tamao muestra: n
Debera ser representativo
Est formado por miembros seleccionados de la poblacin (individuos,
unidades de estudio, unidades de observacin, unidades experimentales).
A las medidas de resmenes muestrales como la media de la muestra

x , desviacin estndar de la muestra s, se les denomina
estadsticos.
De una poblacin existen muchas muestras posibles, pero slo observamos una!
Nota: A la hora de decidir sobre la forma de recoger la informacin de la muestra se utilizan
distintos criterios, originando distintos tipos de muestreos. (Anexo 2)
Encuesta: Tcnica de investigacin para obtener informacin de grupos de

personas mediante el uso de instrumentos como cuestionarios diseados en
forma previa.
Diseo de experimentos: Metodologa estadstica que permite identificar y
cuantificar las causas de un efecto en un estudio experimental. El objetivo del
diseo de experimento es estudiar si utilizar un determinado tratamiento produce
mejora en el proceso o no.
Variable: una variable es una caracterstica observable que vara entre los
diferentes individuos de una poblacin. La informacin que disponemos de cada
individuo es resumida en variables.
En la poblacin de alumnos de Ingeniera de una universidad, es variable:
Cecilia Larran R.
Ingeniera
Pgina 4
var. cualitativa dicotmica
- El gnero: {Femenino, Masculino}
var. cualitativa
Especialidad :{Informtica, Industrial, Obras Civiles, }
- El nmero de asignatura aprobadas: {0,1,2,3,...}
var. cuantitativa discreta
- Nivel de Educ. del padre: {Bsica, Media Superior}
var. cualitativa ordinal
- La altura (en cm.): {162 , 156, 170 ...}
var. cuantitativa continua
- Edad (aos):
{17, 18, 19, }
var. cuantitativa continua
.
.
.
HAY QUE CONOCER EL TIPO DE

VARIABLE PARA UTILIZAR LA
HERRAMIENTA ESTADSTICA
ADECUADA
Obs.: Se acostumbra denotar a las variables con letras maysculas. X, Y, Z
Dato: valor de la variable asociado a un elemento de la poblacin o muestra.

(los valores de las variables se denotan con letras minsculas)
Ejemplo: (archivo de datos)

Sujeto
Sexo
(X1)
Edad
(X2)
Especialidad
(X3)
01
21
IND
02
22
INF
03
31
OC
.
.
.
.
.
.
.
.
observacin 1
La primera observacin indica que el sujeto es de sexo masculino, tiene 21 aos y

estudia Ingeniera Industrial. Cada una de estas tres mediciones es un dato para
cada una de las variables medidas para el sujeto 1.
El alumno de Ingeniera es la unidad de observacin
Cecilia Larran R.
Ingeniera
Pgina 5
Datos primarios
Son aquellos que el investigador obtiene directamente de la realidad, recolectndolos
con sus propios instrumentos.
Datos secundarios
Son registros escritos que proceden tambin de un contacto con la prctica,
pero que ya han sido elegidos y procesados por otros investigadores.
Las fuentes son informacin de datos secundarios deben ser fidedignas.
Los datos primarios y secundarios no son dos clases esencialmente diferentes
de informacin, sino partes de una misma secuencia: todo dato secundario ha
sido primario en sus orgenes, y todo dato primario, a partir del momento en
que el investigador concluye su trabajo, se convierte en dato secundario para
los dems.
Clasificacin de variables
Para realizar un anlisis de datos, es indispensable saber cmo es la variable
que consideramos, pues ello determina el tipo de mtodo estadstico que se
debe utilizar. Las variables se clasifican como:
Segn su naturaleza
Cualitativas o atributos
No
toman
valores
(modalidades
Cuantitativas
numricos
categoras)
describen
cualidades.
pueden
hacer
(no
y
se
operaciones
algebraicas con ellos).
Sus valores son numricos (tiene

sentido
hacer
operaciones
algebraicas con ellos).

Ejemplos: Estatura
Nmero de errores
Ejemplos: Estado Civil

Profesin
Cecilia Larran R.
Ingeniera
Pgina 6
Segn tamao del recorrido
Discretas
Dicotmicas
Toman uno de
dos valores.
Ejem.: Sexo
Continuas
Corresponden en general a
Entre
contar el nmero de veces
son posibles infinitos
que
valores intermedios
ocurre
un
suceso.
Tienen un recorrido finito o
dos
valores,
Ejemplo: Altura (cm)
infinito numerable.
Ejem.: Nmero de cargas
familiares.
.
Segn el nivel de medicin

La medicin es el proceso mediante el cual se les asignan valores numricos
a objetos siguiendo unas determinadas reglas. Los instrumentos que se
utilizan para llevar a cabo tal medicin se les denominan escalas de medicin.
El criterio utilizado convencionalmente para clasificar las escalas de medida es
el propuesto por Stevens (1946), quien establece cuatro tipos de escala:
nominal, ordinal, de intervalo y de razn.
Cecilia Larran R.
Ingeniera
Pgina 7
Ejemplos
SEXO:
nicamente permiten
establecer relaciones de
igualdad/desigualdad
entre los objetos que se
estn midiendo.
Masculino
Femenino
(1)
(2)
PROFESIN:
Ingeniero
Profesor
Mdico
NO INDICA ORDEN O
JERARQUA
(1)
(2)
(3)
RAZN
INTERVALAR
ORDINAL
Cecilia Larran R.
Ingeniera
Pgina 8
Adems de permitir relaciones

de igualdad /desigualdad,
permite establecer relaciones
de orden (mayor o menor que)
entre los objetos que se estn
midiendo.
EXISTE UN ORDEN O
JERARQUA
Ejemplo
NIVEL EDUCACIONAL:
Univ. con doctorado
Univ. con Magister
Superior
Media
Bsica
(5)
(4)
(3)
(2)
(1)
RAZN
INTERVALAR
NOMINAL
Cecilia Larran R.
Ingeniera
Pgina 9
RAZN
ORDINAL
NOMINAL
Al igual que los dos tipos de escalas anteriores (nominal u ordinal), esta escala
permite establecer relaciones de igualdad /desigualdad y de orden entre los objetos
que se miden. Los intervalos entre los nmeros de la escala son iguales, por lo
tanto se puede realizar las operaciones suma y resta. Este tipo de escala carece de
un cero absoluto, por lo que no estn permitidas ni la multiplicacin ni la divisin
entre los nmeros de la escala. Una escala de intervalo es, por ejemplo, la utilizada
para medir la temperatura. Como los intervalos de la escala son iguales, se puede
afirmar que la diferencia de temperatura que existe entre 25 y 28 grados es la
misma que existe entre 30 y 33 grados. Sin embargo, dado que el punto 0 de la
escala es arbitrario -no existe ausencia de temperatura- no se puede afirmar,
por ejemplo, que 20 grados es exactamente la mitad de 40 grados.
Cecilia Larran R.
Ingeniera
Pgina 10
INTERVALAR
ORDINAL
NOMINAL
Es la escala que permite el nivel ms alto de medicin.
Adems de las operaciones que permiten las escalas
anteriores, en una escala de razn existe el cero (0)
emprico, por lo cual se puede efectuar cualquier operacin
aritmtica con los nmeros de la escala. El tiempo de
reaccin, por ejemplo es una variable medida en escala
de razn. No slo se puede afirmar que la diferencia entre
3 y 6 segundos es la misma que entre 6 y 9 segundos
(afirmacin vlida tambin en la escala de intervalos), sino,
adems, que 6 s es el doble de 3 s Afirmacin que es
posible establecer gracias a que en la escala de tiempo de
reaccin existe el cero absoluto: cero significa ausencia de
tiempo de reaccin.
Cecilia Larran R.
Ingeniera
Pgina 11
Clasificacin de variables segn su funcin
VI
Independiente
VD
Dependiente
Introduce o manipula el
investigador
Se observa y se miden los

cambios
Interviniente
Es la que puede mediar en la
relacin entre VI y VD y que
puede influir en los resultados
Ejemplo: Los hbitos de estudios influyen en el rendimiento acadmico de los
Estudiantes
VD = Rendimiento acadmico
VI = hbitos de estudio
V interv. = Aptitud personal, Nivel nutricional,
Ejercicios I
Ejercicio I-1
Determine en cada caso, si se trata o no de una variable.
-
La edad mnima para poder votar por primera vez en Chile.

Nmero de errores diarios en una central telefnica.
Tiempo (en aos) de experiencia laboral.
Profesin de los clientes de un banco.
Sueldo de los Ingenieros.
Ejercicio I-2
Se quiere analizar el nmero de horas de estudio semanal que dedican los alumnos
postgrado del rea Ingeniera de esta Universidad. Para ello se selecciona a 35 alumnos
que estn participando en postgrado.
Indique cual es la:
Unidad de observacin:
Poblacin:
Variable:
Muestra:
Cecilia Larran R.
Ingeniera
Pgina 12
Ejercicio I-3
El coeficiente intelectual (CI) promedio en la poblacin adulta chilena es 100 puntos. Un
investigador educacional est interesado en probar que las personas adultas que hablan
ms de un idioma tienen un CI superior a la media poblacional.
En una muestra de 250 personas que hablan ms de un idioma se obtuvo un
promedio (CI medio) de 102.
Complete:
Clasificacin de la variable
Variable de inters (nombre)
X
Naturaleza
Promedio
poblacional
Recorrido
Medicin
Promedio
muestral
x
Ejercicio I-4
Qu situaciones se representan estadsticamente con una variable discreta y cules con una
variable continua?
a) El nmero de defectuosos en la fabricacin.
b) Los tipos de defectos encontrados
c) El tiempo de vida de las unidades que se fabrican
d) El costo de fabricacin
e) El nivel de satisfaccin de los clientes
f) N de pedidos que se hacen al mes
g) El tiempo que transcurre desde que llega un pedido hasta que llega el siguiente
Ejercicio I-5
En el departamento de personal de una empresa con 10.000 trabajadores se quiere estimar los
gastos familiares en salud de sus empleados para determinar la posibilidad de proporcionarles un
plan de seguro mdico.
Si el gasto mensual (miles de $) en salud de 10 empleados elegidos al azar fue:

71
234
159
55
329.460,0
134
112
275
204
116
Indique: Unidad de observacin: ______________________

Poblacin: _______________________ Tamao N =
Variable: X = _____________________
Muestra: _________________________ Tamao: n =
n
Interprete
xi
Calcule
i 1
i 1
Cecilia Larran R.
2
i
Ingeniera
Pgina 13
Ejercicio I-6
La siguiente informacin corresponde al peso en kg y la estatura en cm de 10 empleados
pblicos varones:
sujeto
Estatura (X)
Peso (Y)
1
2
3
4
5
6
7
8
9
10
172 175 168 173 159 166 176 180 179 168
78 75 70 68 44 66 72 98 70 74
Unidad de observacin:_____________
Clasifique las variables segn: naturaleza, tamao del recorrido, nivel de medicin y
funcin.
Poblacin: _______________________ Tamao N =
Muestra: _________________________ Tamao: n =
n 10
Interprete
i 1
n 10
Calcule
x
i 1
n 10
xi
2
i
i 1
n 10
i 1
2
i
Ejercicio I-7
Cierto tipo de resistencias de pelcula de xido metlico son agrupadas en paquetes

de 50 unidades. Se seleccionaron 60 paquetes y se cont el nmero de resistencias
que no cumplan con las especificaciones, resultando la siguiente tabla
N de resistencia defectuosas en cada paquete
Cantidad de paquetes (ni)
10
16
15
Unidad de observacin:_____________
Variable de inters X= ____________________________
Clasifique la variable segn: naturaleza, tamao del recorrido, nivel de medicin.
Tamao de la muestra: n =
7
Determine e interprete xi ni
i 1
El objetivo fundamental de la estadstica es analizar datos y transformarlos

en informacin til para tomar decisiones.
Cecilia Larran R.
Ingeniera
Pgina 14
Estadstica Descriptiva Univariada

Organizacin de los datos
La estadstica descriptiva, entrega las tcnicas que permiten condensar grandes
grupos de datos mediante el uso de tablas de frecuencias, grficos y medidas
de resumen como media, desviacin estndar, correlacin.
Nota: Para resumir los datos siempre hay que tener en cuenta de qu tipo es la variable
que queremos analizar
Datos en bruto o directos

Cuando la informacin es recolectada, sea de una muestra o de una poblacin,
esta se organiza en la secuencia en que fue obtenida. Esta secuencia de datos
registrados se encuentra desorganizada, lo que no permite extraer informacin
fcilmente, siendo difcil detectar cualquier patrn de variabilidad o estructura de
los datos.
Datos en bruto: Datos registrados en la secuencia en que fueron recolectados, antes de
ser procesados u ordenados.
Ejemplo 1: El reporte de la inspeccin final de defectos de 150 productos para la lnea

de armado A12 se muestra en la tabla siguiente:
Ejemplo 2:
Datos sobre el nmeros de averas

centrales Elctricas.
Cecilia Larran R.
en Febrero.2014 de 40
Ingeniera
Pgina 15
Ejemplo 3: Nota de Estadstica de
400 alumnos - Semestre 2 - 2013
Descripcin estadstica de una variable cualitativa
Grficos
Sectorial
Barras
Separadas
- Diagrama
de Pareto
- Pictograma
-
Tabla o distribucin de
frecuencias
Es una tabla que constituye
el resumen bsico de
los datos
Cecilia Larran R.
Medida de resumen
Moda: es el dato o
modalidad de mayor
frecuencia dato
ms representativo
La presentacin grfica
puede revelar de un
vistazo las
principales
caractersticas
de un conjunto
Ingeniera
Pgina 16
Ejemplo 1: El reporte de la inspeccin final de defectos de 150 productos para la lnea

de armado A12 se muestra en la tabla siguiente:
Producto
Defecto
Producto
Defecto
Producto
Defecto
Producto
Defecto
Producto
Defecto
Rayado
31
Manchado
61
Manchado
91
Manchado
121
Manchado
Abollado
32
Rayado
62
Astillado
92
Doblado
122
Manchado
Astillado
33
Rayado
63
Rayado
93
Manchado
123
Rayado
Astillado
34
Manchado
64
Astillado
94
Manchado
124
Manchado
Otros
35
Manchado
65
Astillado
95
Astillado
125
Abollado
Manchado
36
Doblado
66
Manchado
96
Rayado
126
Astillado
Rayado
37
Manchado
67
Rayado
97
Manchado
127
Manchado
Astillado
38
Manchado
68
Rayado
98
Abollado
128
Manchado
Doblado
39
Manchado
69
Manchado
99
Manchado
129
Astillado
10
Rayado
40
Rayado
70
Manchado
100
Manchado
130
Doblado
11
Rayado
41
Astillado
71
Manchado
101
Doblado
131
Abollado
12
Manchado
42
Rayado
72
Manchado
102
Astillado
132
Manchado
13
Manchado
43
Otros
73
Manchado
103
Astillado
133
Rayado
14
Otros
44
Astillado
74
Otros
104
Rayado
134
Doblado
15
Abollado
45
Rayado
75
Rayado
105
Manchado
135
Astillado
16
Manchado
46
Rayado
76
Manchado
106
Astillado
136
Manchado
17
Rayado
47
Rayado
77
Manchado
107
Rayado
137
Rayado
18
Manchado
48
Doblado
78
Rayado
108
Manchado
138
Rayado
19
Otros
49
Manchado
79
Astillado
109
Manchado
139
Astillado
20
Rayado
50
Manchado
80
Rayado
110
Abollado
140
Manchado
21
Doblado
51
Manchado
81
Astillado
111
Manchado
141
Rayado
22
Doblado
52
Rayado
82
Manchado
112
Abollado
142
Rayado
23
Rayado
53
Otros
83
Manchado
113
Rayado
143
Rayado
24
Manchado
54
Rayado
84
Doblado
114
Manchado
144
Rayado
25
Manchado
55
Doblado
85
Manchado
115
Manchado
145
Manchado
26
Rayado
56
Manchado
86
Astillado
116
Astillado
146
Rayado
27
Abollado
57
Rayado
87
Manchado
117
Rayado
147
Manchado
28
Manchado
58
Rayado
88
Manchado
118
Rayado
148
Rayado
29
Rayado
59
Doblado
89
Manchado
119
Manchado
149
Rayado
30
Rayado
60
Rayado
90
Astillado
120
Astillado
150
Astillado
Identifique
Unidad de estudio: ______________
Variable de Inters: ___________________ y clasifquela segn:
Naturaleza:____________ T Recorrido:___________ N Medicin:_________
Cecilia Larran R.
Ingeniera
Pgina 17
Defectos en lnea de armado A12

(150 productos examinados)
Defecto del
producto
Abollado
Reporte de la inspeccin final de

defectos de 150 productos para la
lnea de armado A12.
Rayado
Manchado
Manchado
Manchado
Frecuencia
8
Porcentaje
5,3
Astillado
23
15,3
Doblado
12
8,0
Manchado
56
37,3
Abollado
Astillado
Doblado
Manchado
Otros
4,0
Astillado
Rayado
Manchado
Rayado
Rayado
45
30,0
Astillado
Astillado
Manchado
Manchado
Total
150
100,0
Otros
Astillado
Astillado
Abollado
Manchado
Manchado
Rayado
Astillado
Rayado
Rayado
Manchado
Manchado
Astillado
Rayado
Abollado
Manchado
Doblado
Manchado
Manchado
Astillado
Rayado
Manchado
Manchado
Doblado
Rayado
Manchado
Doblado
Abollado
Manchado
Manchado
Astillado
Manchado
Manchado
Manchado
Astillado
Rayado
Otros
Otros
Rayado
Doblado
Abollado
Rayado
Manchado
Astillado
Manchado
Manchado
Astillado
Manchado
Rayado
Manchado
Rayado
Rayado
Manchado
Rayado
Manchado
Rayado
Otros
Astillado
Manchado
Astillado
Rayado
Rayado
Abollado
Manchado
Doblado
Astillado
Manchado
Rayado
Doblado
Manchado
Abollado
Rayado
Rayado
Manchado
Rayado
Rayado
Manchado
Doblado
Manchado
Rayado
Manchado
Manchado
Manchado
Manchado
Rayado
Astillado
Astillado
Rayado
Abollado
Manchado
Rayado
Manchado
Manchado
Manchado
Rayado
Rayado
Rayado
Manchado
Manchado
Rayado
Rayado
Astillado
Astillado
Astillado
60
56
50
45
Frecuencia
40
30
23
20
12
10
8
0
Abollado
Cecilia Larran R.
Astillado
Doblado
Manchado
Rayado
Otro
Defecto del producto

El defecto ms frecuente en la
lnea de armado es Manchado
Moda = manchado
Ingeniera
Pgina 18
Tabla de distribucin de frecuencias de una variable cualitativa

Defectos_Linea A12
Defectos del
producto
Frecuencia absoluta
ni
Abollado
Astillado
Doblado
Manchado
Rayado
Otros
Total
Frecuencia Relativa
n
fi = i
n
0,05
0,15
8
23
12
56
45
Porcentaje
%
5,33
15,33
37,33
150
1,00
100%
Complete la tabla de frecuencias
Frecuencia absoluta (ni): Nmero de veces que ocurre la modalidad i. i = 1,2, ,k

Frecuencia relativa (fi): Es la proporcin de la categora o modalidad respecto del
total
de datos. 0 < fi < 1 ; i = 1,2, ,k
GRFICOS ADECUADOS para variables cualitativas
Grfico sectorial:
Crculo dividido en
porciones que
representan las
frecuencias relativas o
porcentajes de una
poblacin o muestra
perteneciente a diferentes
categoras.
Como sabemos, un crculo
contiene 360 grados. Para
construir un grfico sectorial,
se multiplica por 360 la
frecuencia relativa de cada
categora, para obtener la
medida del ngulo
correspondiente
Otros
4,00%
Abollado Astillado
5,33% 15,33%
Rayado
30,00%
Doblado
8,00%
Manchado
37,33%
Defectos del producto
Cul es Defecto ms frecuente?

Cunto mide el ngulo de sector Defecto Manchado?
Cecilia Larran R.
Ingeniera
Pgina 19
Grfico de Barras Separadas

60
56
50
45
Frecuencia
40
30
23
20
12
10
8
0
Abollado
Astillado
Doblado
Manchado
Rayado
Otro
Defecto del producto

Diagrama de Pareto
Herramienta bsica de la mejora de calidad. Muy til para priorizar los problemas o las
causas que los generan.
Su fundamento parte de considerar que un pequeo porcentaje de las causas producen
la mayora de los efectos. Se tratar de identificar ese pequeo porcentaje de causas
vitales para actuar prioritariamente sobre l.
Defecto
Manchado
Rayado
Astillado
Doblado
Abollado
Otros
TOTAL
frecuencia
56
45
23
12
8
6
150
%
37,33
30,00
15,33
8,00
5,33
4,00
100,0%
frec. Acum.
56
101
124
136
144
150
% acumulado
37,33
67,33
82,67
90,67
96,00
100
Se calculan solamente para el diagrama

Pareto (en este tipo de variable)
Cecilia Larran R.
Ingeniera
Pgina 20
Descripcin estadstica de una variable cuantitativa

Para los ejemplos 2 y 3 identifique:
Unidad de estudio, variable de Inters y clasifquela segn:
naturaleza, tamao del recorrido y nivel de medicin
Ejemplo 2:
Nmeros de averas
en
Febrero.2014 de 40 centrales
Elctricas.
0
2
0
2
0
3
0
2
1
1
1
0
0
1
2
0
0
3
1
0
1
1
3
3
0
1
3
0
1
1
4
2
Tabla de frecuencias
2
1
1
1
0
0
2
2
N de
averas
0
Frecuencia
Porcentaje
Porcentaje
acumulado
13
32,5
32,5
13
32,5
65,0
20,0
85,0
12,5
97,5
100,0
2,5
Total
40
100,0
Centrales elctricas (40). Febrero 2014
Estadsticos (Medidas de resumen)

N de averas
n
Grfico
14
13
13
Media
Mediana
Moda
Desv. tp.
Asimetra
Error tp. de asimetra
Curtosis
Error tp. de curtosis
Mnimo
Mximo
Percentiles
12
10
Recuento
8
8
0
0
N de averas
Cecilia Larran R.
Vlidos
Perdidos
25
50
75
40
0
1,20
1,00
0a
1,114
,637
,374
-,445
,733
0
4
,00
1,00
2,00
a. Existen varias modas. Se mostrar el menor de los

valores.
Ingeniera
Pgina 21
Ejemplo 3
Tabla de frecuencias
Nota de Estadstica
400 alumnos
Semestre 2 - 2013
Nota de Estadstica
Vlidos
Frecuencia
30
53
74
96
86
61
400
1- 2
2- 3
3- 4
4- 5
5- 6
6- 7
Total
Porcentaje
acumulado
7,5
20,8
39,3
63,3
84,8
100,0
Porcentaje
7,5
13,3
18,5
24,0
21,5
15,3
100,0
Semestre 2 - 2013
Grficos
Nota de Estadstica
Semestre 2 - 2013
Histograma
96
100
86
Frecuencia
80
74
61
60
53
40
30
Medidas de resumen
20
0
1,0
2,0
3,0
4,0
5,0
6,0
7,0
Nota
Nota de Estadstica
Semestre 2 - 2013
Cecilia Larran R.
Ingeniera
Pgina 22
TABLAS DE FRECUENCIAS Y GRFICOS

Variables cuantitativas
Si las observaciones en un conjunto de datos cuantitativos son discretos

(contables) o si los valores de la variable asumen slo unos pocos valores
distintos, puede ser apropiado armar tablas de frecuencia con valores nicos.
La distribucin de frecuencias (tabla)
- La distribucin de frecuencias para variables cuantitativas discretas es
similar a la de variables cualitativas. Los valores que toma la variable se
ordenan de menor a mayor lo que permite registrar en la tabla las
frecuencias acumuladas. La representacin grfica que se utiliza para este
tipo de variables es barras separadas
Distribucin de frecuencias de la variable X
Nombre de la
variable
X
Frec.
Absoluta
ni
Frec. Relativa
x1
x2
x3
.
.
.
xk
n1
n2
n3
.
.
.
nk
n
f1
f2
f3
.
.
.
fk
1
Total
fi =
ni
n
Frec. Abs.
Acumulada
Ni
Frec. Relat.
Acumulada
N1 = n1
N2 = n1 + n2
N3 = n1 + n2 + n3
.
.
.
Nk = n
F1
F2
F3
.
.
.
Fk = 1
F=
i
Ni
n
xi= valor que toma la variable. i= 1,2, ,k

Ejemplo 2:
Datos sobre el nmero de averas de 40 centrales elctricas en Feb.2014
0
2
0
2
Cecilia Larran R.
1
1
1
0
0
3
1
0
0
1
3
0
2
1
1
1
0
3
0
2
0
1
2
0
1
1
3
3
Ingeniera
1
1
4
2
0
0
2
2
Pgina 23
TABLA DE DISTRIBUCIN DE FRECUENCIAS

N de averas
X
Frec.
Absoluta
ni
Frec.
Relativa
fi
Frec. Abs. Acumulada

Ni
Frec. Relat.
Acumulada
Fi
0
1
2
3
4
Total
13
0,325
13
26
0,325
40
40
1,000
GRFICO DE BARRAS SEPARADA
Variable X =
Unidad de observacin =
Cuntas centrales tienen menos de 2 averas?

Qu porcentajes de centrales tienen 3 o menos averas?
Qu porcentaje de centrales tienen ms de 3 averas?
Interprete:
n2
f3
N4
F4
Grfico de barras separadas

N de centrales
12
13
13
10
1
0
0
N de averas
Cuando la variable es continua o el nmero de valores posibles de una variable

discreta sea grande, para construir la tabla de frecuencias, conviene agrupar
los datos intervalos reales. stos agrupan todos aquellos casos contenidos
entre dos valores, conocidos como el lmite superior e inferior.
Ejemplo (variable continua) : En abril. 2013 se recolect informacin sobre la edad (en
aos) de 50 estudiantes seleccionados de una casa de estudio superior. El valor de los
datos, en el orden en que fueron recolectados se presenta a continuacin.
Cecilia Larran R.
Ingeniera
Pgina 24
21
24
29
26
36
18
19
19
25
25
25
31
23
23
23
22
21
22
21
19
25
18
27
21
21
19
25
34
27
33
20
22
19
22
23
19
19
18
19
26
28
20
22
20
21
23
36
23
25
24
Construyendo tablas de frecuencias (intervalos de igual amplitud)

Al construir tablas de frecuencias es necesario tomar las siguientes 3 decisiones:
i)
Nmero de clases (intervalos)
Usualmente el nmero de intervalos de una distribucin de frecuencias vara entre 5 y
20, dependiendo principalmente del nmero de casos con los cuales se cuente. La
decisin del nmero de clases es decidida arbitrariamente por quien organiza la
informacin.
Reglas que puede ayudar a decidir el nmero de clases o intervalos:
-
Nmero de intervalos = n
; n = nmero de datos, o
Nmero de intervalos = [1 + 3,3 log n] (frmula de Sturge)
ii)
Amplitud de intervalo: Aunque no es comn tener clases o intervalos de

diferentes tamaos o amplitud, la mayora del tiempo es preferible tener la
misma amplitud de intervalo en todos ellos.
Para determinar esta amplitud (clases o intervalos tienen igual amplitud), primero se debe encontrar la
diferencia entre el mayor y el menor de los datos en los datos. Luego, la amplitud aproximada
es obtenida dividiendo esta diferencia por el nmero deseado de clases o intervalos.
Amplitud del intervalo =

iii)
valor mximo - valor mnimo

nmero de intervalos
Lmite inferior de la primera clase o punto de partida
Cualquier nmero que sea igual o menor que el ms bajo de los valores del conjunto de
datos ser conveniente para ser usado como el lmite inferior del primer intervalo.
En el ejemplo (Edad): n = 50 mx = 36
mn = 18
Si utilizamos nmero de intervalos = [1 + 3,3 log (50)] = 6
Amplitud =
Cecilia Larran R.
36 18
=3
6
Ingeniera
Pgina 25
Se lee
14 alumnos con edades entre 18 y menos de 21 aos
17 alumnos con edades entre 21 y menos de 24 aos
Edad
18 21
21 24
24 27
27 30
30 33
33 36
4 alumnos con edades entre 33 y 36 aos
n de alumnos
14
17
10
4
1
4
Total = 50
Frecuencias relativas y porcentaje

Es posible calcular la frecuencia relativa y el porcentaje de las distribuciones cuantitativas del
la misma forma que en las distribuciones cualitativas o discretas.
Edad
Marca de clase
xi
19,5
22,5
25,5
28,5
31,5
34,5
18 21
21 24
24 27
27 30
30 33
33 36
Frec. Absoluta
ni
14
17
10
4
1
4
Total = 50
Frec. Relativa
fi
0,28
0,34
0,20
Porcentaje
1,00
100%
28
34
20
Tambin se pueden registrar las frecuencias acumuladas
limite inferior + limite superior
marca de clase =
Representacin grfica de distribuciones de frecuencias con datos en intervalos

Las representaciones grficas ms frecuentes de una tabla de frecuencias donde los
datos han sido agrupados en intervalos son el histograma o el polgono de
frecuencias.
HISTOGRAMA
Edad en aos
Histograma
N estudiantes
Donde cada rectngulo

corresponde con una
clase y la altura es
proporcional
a
la
frecuencia de dicha
clase o intervalo.
20
17
15
14
10
10
0
15
18
21
24
27
30
33
36
39
Edad
Muestra de 50 estudiantes de una universidad (abril 2013)
Cecilia Larran R.
Ingeniera
Pgina 26
Formas de histogramas
Un histograma puede asumir diferentes formas. Las ms comunes son: simtricos,
asimtricos y uniforme o rectangular.
Simtrico
10
Asimetra Positiva
Asimetra Negativa
10
10
Simtrica
0
2.5
7.5
12.5
17.5
22.5
27.5
2.5
32.5
7.5
12.5
17.5
22.5
27.5
32.5
2.5
7.5
12.5
17.5
22.5
27.5
32.5
Interprete los tres histogramas

Observacin: Describir datos utilizando grficos puede ayudar a iluminarnos acerca de las
caractersticas principales de la informacin. Desafortunadamente, tambin pueden ser
utilizados, casual o intencionadamente, para distorsionar informacin y desorientar a quien la
recibe. Las siguientes son dos formas de hacerlo:
1. Cambiar la escala en uno o en ambos ejes (esto es alargando o acortando los ejes)
2. Truncando las frecuencias, es decir, comenzando el eje en un nmero mayor que cero.
Polgono de frecuencias
Grfico alternativo al histograma
Los polgonos de frecuencias se realizan trazando los puntos formados por las marcas
de clase y las frecuencias, y unindolos mediante segmentos.
Polgono de frecuencias (Edad en aos)

N alumnos
20
17
15
14
10
10
5
4
1
0
0
15,0
16,5
18,0
19,5
21,0
22,5
24,0
25,5
27,0
28,5
30,0
31,5
33,0
34,5
36,0
37,5
39,0
Edad
Muestra de 50 estudiantes de una universidad (abril 2012)
Cecilia Larran R.
Ingeniera
Pgina 27
Grafico de tendencia
Consumo humano de leche de cabra en Espaa. (millones de litro)
Ao
1990
1991
1992
1993
1994
1995
1996
1997
1998
Consumo
62,5
29,9
31,3
25,2
20,8
16,1
15,8
15,9
16,6
Ao
1999
2000
2001
2002
2003
2004
2005
2006
Consumo
16,2
17,1
15,5
17,6
11,9
11,8
12,3
13,1
- El consumo anual de leche de cabra en el ao 1991 disminuy en 52,16% con

respecto al consumo del ao 1990 (variacin porcentual)
- Determine la variacin porcentual entre los aos 2001 y 2002.
Final
- 1 100
Variacin porcentual =
Inicial
Cecilia Larran R.
Ingeniera
Pgina 28
Ejercicios II
En cada uno de los siguientes ejercicios debe indicar cul es: unidad de observacin, la
variable de inters y clasificarla segn naturaleza, T_recorrido y N_medicin.
Ejercicio II-1
El Ingeniero a cargo del control de calidad del agua de una ciudad, es responsable del nivel
de cloracin del agua. Dicho nivel debe acercarse bastante al que exige el Departamento de
Sanidad. Para vigilar el cloro, sin necesidad de verificar cada galn de agua que sale de la
planta, el Ingeniero muestrea diariamente algunos galones, mide el contenido de cloro y
saca una conclusin sobre el nivel promedio de cloracin que tiene el agua tratada ese da.
La tabla anexa exhibe las concentraciones de cloro correspondiente a 30 galones
seleccionados como muestra de un da. A partir de esta muestra diaria el Ingeniero obtiene
sus conclusiones respecto a la poblacin total a la que se le aplic la cloracin.
Diagrama de tallo-hojas
Tabla de Concentraciones de Cloro
en partes por milln (ppm)
16.2
15.7
16.1
16.9
15.7
16.6
15.9
15.6
16.4
15.8
16.0
16.0
15.4
16.2
15.6
16.8
16.4
15.9
16.3
16.0
15.8 16.0 15.2

15.9 15.6 15.8
16.8 15.9 16.3
16.3
(Utilice una amplitud de 0.3 ppm).
Stem-and-Leaf Plot
Frequency
Stem &
,00
1,00
1,00
5,00
7,00
5,00
5,00
2,00
1,00
3,00
15
15
15
15
15
16
16
16
16
16
Stem width:
Each leaf:
.
.
.
.
.
.
.
.
.
.
Leaf
2
4
66677
8889999
00001
22333
44
6
889
1,0
1 case(s)
Construya una tabla de distribucin de frecuencias y un grfico adecuado.

Ejercicio II-2
En un centro de computacin, el nmero de veces que el computador se detiene, por error
de mquina, diariamente, fue recolectado por un perodo de 70 das. Los datos obtenidos
fueron los siguientes.
0
1
0
2
0
0
8
3
2
1
2
5
1
0
6
N de detenciones del computador por da.

0
0
0
3
3
0
0
1
0
0
4
3
0
6
2
0
1
0
1
0
1
1
0
2
0
0
1
2
1
2
0
0
4
3
3
1
2
4
0
2
0
2
2
5
0
0
3
1
2
0
0
0
0
1
4
Tabule y grafique los datos adecuadamente.

- Cul es la proporcin de das en que ocurren ms de 3 detenciones?
-
Cecilia Larran R.
Ingeniera
Pgina 29
Ejercicio II-3
Un fabricante de envases de plstico desea analizar cules son las causas que generan los
envases defectuosos que se producen. Se observan 248 envases defectuosos obteniendo:
Diagrama de Pareto
97,18%
100
99,60%
100,00%
100%
92,34%
76,61%
80%
60,48%
60
60%
40
40%
20
20%
Porcentaje
Frecuencia
80
0%
Aplastamiento
Desbalanceo
Rotura
Rosca
Fuera de
medida
Color
Defectos
Coloque el valor correspondiente ni (frecuencia absoluta) en cada barras.

Interprete el grfico
Ejercicio II-4
En un proceso de fabricacin de circuitos integrados las causas ms comunes de fallas son: la
contaminacin (1), xido(2), metalizacin (3), la corrosin(4), doping (5) ,los defectos del silicio (6) y
varios (7). En un proceso de control de calidad de estos circuitos las causas de falla de 31 de ellos
han resultado las siguientes:
corrosin
xido
contaminacin
xido
xido
varios
xido
contaminacin
metalizacin
xido
contaminacin
contaminacin
xido
contaminacin
contaminacin
contaminacin
corrosin
silicio
varios
contaminacin
contaminacin
contaminacin
varios
contaminacin,
contaminacin
doping
xido
xido
metalizacin
contaminacin
contaminacin
Se pide: Construir una distribucin de frecuencias y confeccione dos grficos adecuados.
Cecilia Larran R.
Ingeniera
Pgina 30
Ejercicio II-5
Al responsable en control de industrial de una empresa, debe analizar informacin entregada en un
histograma de la duracin (tiempo hasta fallo en horas) de un test de fiabilidad 150 dispositivos
electrnicos idnticos.
Histograma
N de dispositivos
60
51
50
40
30
27
21
21
20
18
10
6
3
0
0
200
400
600
800
1000
1200
1400
1600
1800
2000
Duracion
a.
Construya la tabla de frecuencias (absolutas, relativas, absolutas acumulada y relativas

acumulada)
b.
c.
d.
e.
f.
Aproximadamente, cul es la duracin ms frecuente?

Qu porcentaje de dispositivos duraron entre 600 y menos de 1400 horas?
Qu porcentaje de dispositivos duraron menos de 900 horas? (aprox.)
Qu porcentaje de dispositivos duraron entre 400 y 1500 horas? (aprox.)
Determine entre que intervalo se encuentra el 50% de los dispositivos con mayor
duracin.
g.
50%
50%
Duracin (hrs)
1600
Mn
Mx
Complete la tabla siguiente y realice un grfico adecuado:
Cecilia Larran R.
Duracin
Frecuencia
Porcentaje
Poca ( < 400 h)

Media (400 y menos de 1000 h)
Bastante ( > 1000 h)
Total
150
100
Ingeniera
Pgina 31
Ejercicio II-6
Se seleccionaron de un proceso de fabricacin, aleatoriamente 270 ladrillos y se llev a
cabo una prueba para determinar la resistencia transversal de stos. Se obtuvieron los
siguientes datos:
Resistencia (MN/m2)
X
ni
1.5 3.5
3.5 4.5
4.5 5.5
5.5 6.5
6.5 7.5
7.5 8.5
8.5 9.5
9.5 10.5
10.5 11.5
11.5 14.5
2
4
24
81
78
51
18
9
2
1
Construya un grfico adecuado
El histograma es especialmente adecuado para representar tablas de frecuencias en el

caso de variables de nivel por lo menos intervalar (o discretas con un gran nmero de
valores observados distintos). Este grfico consiste en una serie de barras adyacentes
cuyas superficies son proporcionales a la frecuencia del intervalo sobre el cual se levantan.
Si los intervalos son de igual amplitud, los rectngulos sern de altura proporcional a la
frecuencia correspondiente. Es decir, si la amplitud del i-simo intervalo es ai y su
frecuencia ni la barra deber tener una altura hi que satisfaga:
aihi = kni
n
hi = k i
ai
donde k es cualquier constante, aunque la misma para cada intervalo.
ni frecuencia absoluta del intervalo i; hi frecuencia absoluta corregida
Se corrige la frecuencia solamente para graficar el histograma, cuando

existen intervalos de distinta amplitud (no es usual intervalos de distinta amplitud)
Determine el porcentaje de ladrillos con resistencia inferior a 8,5 MN/m2
Determine el porcentaje de ladrillos con resistencia superior a 5 MN/m2
Cecilia Larran R.
Ingeniera
Pgina 32
Ejercicio II-7
En un estudio sobre el nivel de ruido en un concierto de rock se toma una muestra de 60
valores, medidos en decibelios y en distintos momentos del concierto.
Los datos obtenidos se encuentran el diagrama tallo-hojas siguiente
NIVEL DE RUIDO
Frequency
Stem &
1,00
3,00
22,00
21,00
11,00
2,00
8
8
9
9
10
10
.
.
.
.
.
.
Leaf
3
789
0000111123333334444444
555566677777777889999
00001122234
57
Encuentre:
Valor mnimo
Valor mximo
El % de mediciones inferior a 91 db.
El % de mediciones superior a 100 db.
Ejercicio II-8
Con el propsito de mejorar el tiempo de entrega desde una embotelladora de refrescos a mquinas
vendedoras de una universidad, se ha obtenido 40 datos.
9,45
17,08
44,88
24,45
24,45
37,00
54,12
33,66
31,75
41,95
56,63
37,10
X:Tiempo de entrega en minutos

35,00 25,02 16,86 14,38
11,66 21,65 17,89 69,45
22,13 21,15 10,02 14,88
39,73 44,29 55,12 56,63
9,60
10,30
16,97
29,41
24,35
34,93
17,73
24,45
37,50
46,59
21,84
9,45
Organice los datos en una tabla de frecuencias con igual amplitud y confecciones un grfico
adecuado
Tiempo de
entrega
(min)
xi
Porcentaje
9,45 - 19,45
14,45
13
32,5
59,45 - 69,45
64,45
2,5
40
100,0
Total
Cecilia Larran R.
Frecuencia
Absoluta
ni
Ingeniera
Pgina 33
Ejercicio II-9
En el departamento de montaje de una industria se producen diariamente cierta
cantidad de productos defectuosos. Para estudiar ese fenmeno se decidi realizar
un anlisis de Pareto.
Durante cuatro meses de observacin se recogieron datos sobre el tipo de defectos
de los productos y se contabilizaron un total de 350 defectos.
N de defectos
98%
100
100%
100%
92%
84%
80
80%
74%
60%
42%
40
40%
20
20%
Porcentaje
60
0%
Piezas
errneas
Revestimiento
araado
Montaje
defectuoso
Pieza faltante
Rugosidad
superficial
Otras causas
Tipos de defectos
a.
Qu representa el 84% (polgono)?
b.
Complete la tabla de frecuencias siguiente:

Tipo de defectos
N de defectos
porcentaje
Piezas errneas
Revestimiento araado
Montaje defectuoso
Pieza faltante
Rugosidad superficial
Otras causas
Total
Cecilia Larran R.
Ingeniera
Pgina 34
Medidas de Resumen
Entre las medidas que permiten resumir informacin proveniente de una
poblacin o muestra, podemos considerar: medidas de posicin, de dispersin o
variabilidad, de forma y de asociacin
Medidas de posicin: Tendencia Central - Percentiles

Tendencia Central:
Moda - Promedio - Mediana
Son ndices de localizacin central, empleados en la descripcin de las

distribuciones de frecuencias. Las ms usadas son la moda, la mediana y el
promedio.
Moda (Mo) : Es el valor de la variable que ocurre ms frecuentemente
Ejemplo (variable cualitativa): En una empresa se ha medido la satisfaccin
laboral de una muestra de empleados.
Satisfaccin Laboral
N de empleados
Muy satisfechos
20
Satisfechos
25
Moderadamente satisfechos
22
Insatisfechos
18
Muy insatisfechos
10
En este caso la moda corresponde a la categora satisfechos. Mo = satisfechos

Si la variable se encuentra es cuantitativa, la moda ser la magnitud ms frecuente.
Ejemplo (variable cuantitativa) : En la medicin de responsabilidad en un grupo de
postulante a un cargo de ejecutivo, se han encontrado los siguientes puntajes : 81, 83,
83, 85, 86, 86, 87, 88, 90, 91, 92, 94, 95, 95, 95, 95, 96, 96, 97, 99, 101, 105, 107, 108,
109, 110, 115, 118, 120.
En este caso, la moda corresponde al puntaje 95.
Cecilia Larran R.
Ingeniera
Pgina 35
Y si los datos estn agrupados en intervalos de clase, la moda ser el punto medio del
intervalo ms frecuente. La moda para datos agrupados en intervalos en tablas de
frecuencia, no es un valor exacto porque vara con las diferentes maneras de agrupar
una distribucin.
Ejemplo: El sueldo mensual de un grupo de trabajadores textiles se distribuye como
indica la tabla a continuacin.
300.000 350.000
Marca de clase
xi
325.000
N de trabajadores
ni
13
350.000 400.000
375.000
18
400.000 450.000
425.000
24
450.000 500.000
475.000
20
500.000 550.000
525.000
15
Sueldo
En este caso la moda es 425.000 pesos, por ser el punto medio del intervalo ms
frecuente.
A menudo encontramos distribuciones bimodales (con dos modas).
Limitacin de la moda: no sabemos qu ocurre con el resto de la distribucin de
datos.
Promedio Aritmtico (o media Aritmtica)

La media aritmtica o promedio aritmtico:
En general se utiliza letras maysculas para denotar a las variables, y
letras minsculas para los valores que toma las variables (datos).
Sea X la variable cuantitativa de inters y sea x1, x2, , xn los n valores
que posee dicha variable. El promedio aritmtico se obtiene sumando los
valores de X y dividiendo luego por el nmero de datos.
n
x +x +x ...+x n
x= 1 2 3
=
n
Cecilia Larran R.
xi
i =1
total
n
Ingeniera
Pgina 36
Ejemplo: Los siguientes valores indican el tiempo necesario en minutos para

llegar a su trabajo de un grupo (muestra) de 15 empleados de un ministerio
pblico.
25 30 50 60 35 65 48 90 75 50
22 45 25 35 50
X = Tiempo necesario en min. para llegar al trabajo

n = 15
Sumatoria = x i = 705
x=
i 1
705
15
= 47 min
Observacin: La media de la poblacin se define de la misma forma que
la media muestral pero se utiliza el smbolo para denotarla:
N
x
i 1
x1 +x 2 +x 3 ...+x N total
N
N
Si los datos se encuentran en una distribucin de frecuencias, es

k
necesario modificar la frmula: x
x n
i
i 1
donde xi
representa el
valor de la variable si es discreta o la marca de clase si los datos

estn tabulados en k intervalos.
Ejemplo: En un estudio de consumo de frutas, se entrevist a 250 personas, una
de las preguntas realizadas fue aproximadamente, cuantas frutas consumes
diariamente? La informacin obtenida a esa pregunta se muestra
a
continuacin:
Cantidad de frutas
Xi
n de personas
ni
0
1
2
3
4
5
22
50
90
49
26
13
n = 250
Total
Cecilia Larran R.
x i ni
0
50
180
147
104
65
n = 250
xini
i
x =
= 2,184 frutas
Ingeniera
Pgina 37
Ejemplo: Datos agrupados en intervalos (datos secundarios)

Sueldo mensual (X) de un grupo de trabajadores textiles.
Sueldo
(miles de $)
300 350
Marca de clase
xi
325
N de trabajadores
350 400
375
18
400 450
425
24
450 500
475
20
500 550
525
15
7875
90
38550
ni
13
Total
xini
4225
X = Sueldo mensual
n
90
xini
Total =
38550
38550
= 428,33
90
$428.333
Propiedades de la media aritmtica o promedio aritmtico:

i. mnimo < x < mximo
ii.
El promedio de una constante es la constante. (demostracin tarea)
iii. Si a los valores de una variable se les suma una constante, el promedio aumenta en
esa misma magnitud. (demostracin tarea)
iv. Si los valores de una variable son multiplicados por una constante, el promedio se
amplificarn en la misma magnitud constante.
Y = a + bX Y = a + bX ; a, b ctes.
(Demostracin tarea)
Del ejemplo anterior: Si a los trabajadores de la empresa textil le aumentan el sueldo en:
(Caso 1)
$50.000,0
(Caos 2)
15%
Complete
(caso 3)
7% + un bono
fijo de $30.000
Y(1) = X + 50
Y(2) = 1,15X
Y(3) = 1,07X + 30
Y(1) =
Y(3) =
Y(3) =
Sueldo actual
x = 428,333 (m $)
Y = Sueldo aumentado
Cecilia Larran R.
Ingeniera
Pgina 38
Mediana (Me)
Mediana: es un valor tal que, ordenados en magnitud los n datos de una
variable X, el 50% es menor o igual que ella, y el 50% es mayor o igual.
Para el clculo de la mediana la variable debe ser por lo menos ordinal
En datos no agrupados (directos), con n impar, el valor central es la mediana.
Ejemplo: 3, 5, 7, 8, 9, 12, 13, 15, 20.
n = 9 datos.
La mediana es el valor 9.
Se puede observar que la mediana es el valor que ocupa el lugar
1+ n
2
En datos no agrupados con n par, el valor de la mediana ser el punto medio

entre los dos valores centrales.
Ejemplo: 5, 7, 9, 10, 14, 16, 17, 18.
n = 8 datos;
la mediana es el valor 12.
Es preciso ordenar los datos de menor a mayor para hacer el clculo.
Ejemplo: Datos tabulados. Variable discreta

"X: Nmero de avera diarias en un taller
Frec. abs.
Frec. abs. acum.
ni
Ni
0
1
2
3
4
5
6
Total
40
26
14
6
3
0
1
n = 90
40
66
Me es el valor que ocupa el

1+ n
lugar
= 45,5
2
Mediana = 1
avera.
Interpretacin:
El valor de la mediana en datos tabulados (agrupados) en intervalos

se analizar junto con el tema PERCENTILES. El clculo de la Me es
aproximado y se determina a travs de una frmula que se obtiene de
la tabla de distribucin de frecuencias acumuladas.
Cecilia Larran R.
Ingeniera
Pgina 39
Comparacin entre
, Me y M o
Desde un punto de vista descriptivo las tres medidas
proporcionan
informacin complementaria, sus propiedades son distintas:

Estadsticos de tendencia central
-
Media
aritmtica
xi
x=
i =1
total
n
Mediana
Me
Es un valor tal que, ordenados

en magnitud los n datos de
una variable X, el 50% es
menor o igual que ella, y el
50% es mayor o igual.
Moda
Mo
Es el valor de la variable que

ocurre ms frecuentemente
Observaciones
El nivel de medicin de la
variable X sea por lo menos en
escala de intervalos.
La media es muy sensible
cuando existen datos atpicos
o extremos.
Es preferible utilizar el promedio
aritmtico
como medida de
resumen si los datos son
homogneos.
La mediana
utiliza menos
informacin que la media, ya
que solo tiene en cuenta el
orden de los datos y no su
magnitud, por lo tanto, para
poder calcular la mediana el
nivel de medicin de la variable
X debe ser por lo menos en
escala ordinal.
La mediana se ve menos
alterada por los datos atpicos o
extremos.
Para el clculo de la moda la
variable puede tener cualquier
nivel de medicin, luego es la
nica medida de tendencia
central que se puede calcular si
el nivel de medicin de la
variable X es en escala nominal.
X Mediana asimetra, lo que sugiere heterogeneidad en los datos.

en este caso la Mediana es la medida de tendencia central
adecuada para resumir los datos.
Cecilia Larran R.
Ingeniera
Pgina 40
Simtrica
Asimetra positiva
Asimetra Negativa
10
10
Simtrica
8
10
8
6
6
4
4
4
2
2
0
2.5
7.5
12.5
17.5
22.5
27.5
32.5
0
2.5
7.5
12.5
17.5
22.5
27.5
32.5
2.5
7.5
12.5
17.5
22.5
27.5
32.5
X = Me = Mo
Mo < Me < X
X < Me < Mo
Ejercicios III
Ejercicio III-1
Un fabricante de un dispositivo para cierto artculo electrnico informa en su propaganda
que la vida til de su producto es superior a 5 aos.
Una muestra aleatoria de 90 unidades vendidas hace 10 aos, revel la siguiente
distribucin de las duraciones:
Duracin
0- 2
24
46
68
8 10
Frecuencia
10
20
25
22
13
a. Determine la duracin promedio

b. Qu porcentaje de unidades duraron ms de 5 aos? Aprox.
Ejercicio III-2
En la fabricacin de semiconductores, a menudo se utiliza una sustancia qumica para
quitar el silicio de la parte trasera de las obleas antes de la metalizacin. En este proceso es
importante la rapidez con la que acta la sustancia. Se han comparado dos soluciones
qumicas, utilizando para ello dos muestras de obleas para cada solucin. La rapidez de
accin observada es la siguiente
Solucin 1:
Solucin 2:
9,9 9,4 9,3 9,6 10,2 10,6 10,3 10,0 10,3 10,1
10,2 10,6 10,7 10,4 10,5 10,0 10,2 10,7 10,4 10,3
a. Indique cuales son las variables involucradas en el problema y clasifquelas.

b. Complete el cuadro siguiente (realice comentarios):
Solucin
Promedio
Mediana
1
2
aaaaaaa
Cecilia Larran R.
Ingeniera
Pgina 41
Ejercicio III-3
Media Ponderada o Promedio Ponderado
Sean x1 ,x2,....,xn , n datos y sea los nmero w1 ,w2,....,wn, los pesos correspondiente a
cada xi i = 1,2,....n; con a lo menos un wi > 0. Entonces el promedio ponderado de los
datos, est dado por:

Si cada observacin tiene la misma ponderacin, entonces el promedio y el promedio
ponderado son iguales.
Ejemplo: Las notas parciales de Estadstica I de un alumno son:
P1 (25%)
P2 (35%)
P3 (40%)
4,2
5,7
2,1
Promedio =
Ejercicio III-4
Promedio estratificado
X = Sueldo mensual (miles de $)
Planta
Promedio
N de trabajadores
Santiago (1)
Concepcin (2)
x1 = 568,320
x 2 = 665,210
n1 = 215
n2 = 180
n = n1 + n2+ n3
Antofagasta (3)
x3 = 480,715
n3 = 96
(suponga que se observ una muestra representativa de cada planta)

k
n x
i
X estr =
i=1
Cecilia Larran R.
Ingeniera
Pgina 42
Cuartiles Quintiles Deciles - PERCENTILES

Son medidas estadsticas que dividen una serie ordenada de observaciones en
4, 5, 10, 100 partes iguales.
Si dividimos en 4 partes iguales, tenemos los cuartiles (Qk) 1, 2 y 3. Cada parte
le corresponde un 25%.
|
25%
25%
Mn
Q1
25%
Q2
25%
|
Q3
|
Mx
Si dividimos en 5 partes iguales, tenemos los quintiles (qk) 1, 2, 3 y 4. Cada

parte le corresponde un 20%.
20%
| 20%
| 20% | 20% | 20%
|
|
Mn
q1
q2
q3
q4
Mx
Si dividimos en 10 partes iguales tenemos los deciles (Dk)

Los Percentiles Pp son los valores que dividen un conjunto de datos
ordenados de menor a mayor en 100 partes con igual (aproximadamente)
nmero de datos.
|
x(1)
p%
|
Pp
(100 - p)%
|
x(n)
Mn
Mx
Si dividimos en 10 partes iguales tenemos los deciles (D) y en 100 partes

iguales, los percentiles (Pp).
p%
(100 - p)%
x(1)
Pp
x(n)
Mn.
Mx.
Entre mn y Pp se encuentra el p% de los datos
entre Pp y mx se
Ingeniera
Pgina 43
encuentra el (100 p)% de los datos.
Cecilia Larran R.
Recordemos se dividimos la serie de datos ordenada en dos partes iguales, tenemos

la mediana (Me)
Tenemos: Q1 = P25
Me = Q2 = D5 = P50
Q3 = P75
q1 = D2 = P20
q2 =
q3 =
q4 =
Clculo de Percentiles (datos directos)

Ejemplo: Los siguientes datos corresponden a los puntajes obtenidos por 14
alumnos en un examen de Fsica II. (0 100 puntos)
84 52 85 61 74 77 65 63 57 64 72 55 68 76
Diagrama de puntos
Puntaje
Clculo percentiles Pp
En la definicin de percentil en un conjunto de datos es el valor tal que el p% de los
datos es menor o igual que l y el (100 p)% de los datos es superior o igual a l,
puede que ningn valor cumpla exactamente la definicin. Existen diversas formas de
interpolar para el clculo del Pp, en este curso vamos a utilizar el mtodo AEMPIRAL
explicado en la pgina 22 de texto Probabilidad y Estadstica. Douglas C. Montgomery
y George C. Runger (1996)
1ro) Se ordenan los n datos de menor a mayor
np
. El mtodo AEMPIRAL asigna la media
100
de x(j) y x(j+1) cuando j es un nmero entero, y asigna el valor que ocupa la
np
posicin siguiente a la parte entera de j cuando j =
es un nmero decimal
100
2do) Pp es el valor que ocupa el lugar j =
Cecilia Larran R.
Ingeniera
Pgina 44
Del ejemplo:
lugar j=
14 50
100
P50
=7
p = 50 percentil 50 est se encuentra en el
n = 14
65 68
= 66,5 = Me el 50% de los estudiante
2
P50 =
obtuvieron puntaje entre 52 y 66,5 puntos

- Entre qu valores e encuentra el 25% de los mejores puntajes?
-
Determine el percentil 75 e interprete.
(Resp: P75 = 76 AEMPIRAL)
Clculo de percentiles datos tabulados en intervalos:

Los valores que toman los percentiles cuando tenemos la informacin agrupada
(intervalos reales) en una tabla de frecuencias de una variable cuantitativa son
aproximados.
Mediante interpolacin lineal en el grfico de frecuencias acumulada (ojiva) se
llega a la frmula del percentil Pp.
Pp = liminf j
Pp se encuentra en el
intervalo j lugar np/100
liminfj = valor inferior de
intervalo j
Nj-1 frec. Abs. acumulada
anterior al intervalo j
nj= frecuencia
abs. del
intervalo j
np
- Nj-1
100
+amplitudj
nj
Ejemplo: clculo percentil 50 (mediana)

Intervalo j
Puntaje en un test de aptitud

Puntaje
X
15 20
20 25
25 - 30
30 35
35 40
40 45
N de
sujetos
ni
8
7
14
6
3
2
n = 40
Frecuencias acumuladas
Ni
Fi
(absoluta)
(relativa)
8
15
29
35
38
40
0,200
0,375
0,725
0,875
0,950
1,000
n = 40
lugar
np n 50
20
=
100 100
el percentil 50 o
mediana
aproximadamente se
encuentra en el lugar 20,
observando la columna Ni
de frec. acumuladas o el
grfico ojiva, el valor que
ocupa el lugar 20 se
encuentra en el tercer
intervalo.
P50 = Me [25, 30)
Cecilia Larran R.
Ingeniera
Pgina 45
DISTRIBUCIN DE FRECUENCIA ACUMULADA
Puntaje
X
< 15
< 20
< 25
< 30
< 35
< 40
< 45
Frec. Abs. Acumulada

Ni
0
8
15
29
35
38
40
OJIVA (POLGONO DE FRECUENCIAS ACUMULADAS)
Interpolando
Linealmente
Puntaje
P50 [25, 30) 25 es el lmite inferior del intervalo j
30 25 = 5 es la amplitud del intervalo j
intervalo j
Hay 14 sujetos (frec, abs.) con puntaje en el intervalo j

frec. abs. acumulada anterior al intervalo j es 15
La frmula que entrega la interpolacin lineal para el clculo de percentiles con

datos agrupados en intervalos reales es:
Pp = liminf j
Cecilia Larran R.
np
- Nj-1
100
+amplitudj
nj
Ingeniera
Se utiliza
cuando no se
tienen los
datos de
cada unidad
de
observacin
Pgina 46
Aplicando la frmula de percentil para datos agrupados
20 15
P50 25 5
26,79 puntos
14
Interpretacin .
-
Suponga que al 15% de los puntajes ms altos pasan a una segunda etapa,
a partir de qu puntaje se va a realizar el corte para seleccionar a dichos
sujetos?.
- Determine e interprete el valor del percentil 10.
Ejercicios IV
Ejercicio IV-1
El responsable en control de industrial de una empresa somete a un test de fiabilidad 150
dispositivos electrnicos idnticos y anota su duracin (tiempo hasta fallo en horas).
La recogida de datos lleva al histograma siguiente:
Histograma
N de dispositivos
60
51
50
40
30
27
21
21
20
18
10
6
3
0
0
200
400
600
800
1000
1200
1400
1600
1800
2000
Duracion
Cecilia Larran R.
Ingeniera
Pgina 47
a. Indique la variable de inters y clasifquela segn naturaleza, tamao del recorrido
y nivel de medicin.
b. Entre qu valores se encuentra el 30% de los dispositivos de mayor duracin?
c. Qu porcentaje de dispositivos tienen duracin entre 200 y menos de 1000
horas?
d. Qu porcentaje de dispositivos tienen duracin entre 600 y 950 horas?
e. Dibuje en el histograma el tiempo medio de fallo, la mediana y la moda.
f. El promedio es una medida adecuada para resumir la duracin de los
dispositivos? Justifique su respuesta.

Ejercicio IV-2
En una industria, se realizan peridicamente un anlisis de la medicin del trabajo con el
fin de determinar el tiempo requerido para generar una unidad de produccin. En una
planta de procesamiento se registr durante 20 das el nmero de horas-trabajador
totales requeridas para realizar cierta tarea. Los datos recogidos son:
128 119 95 97 113 109 124 132 146 128 103
124 131 133 131 100 112 111 150
135
a) Determine las medidas de tendencia central. Interpreta resultados.

b) Cunto tiempo (horas-trabajador) requieren como mximo el 25% de los das que
demoraron menos en realizar la tarea?. Cunto tiempo (horas-trabajador) requieren
como mnimo el 25% de los das con mayor demora en realizar la tarea?
c) Indique qu medida de tendencia central puede ser representativa
d) Determine el valor de (cuartil 3 cuartil 1). Cmo puede interpretar esa diferencia?
e) Construya un diagrama de caja (grfico basado en los cuartiles)
Grfico de cajas (Tukey fue su creador)

Es un grfico que suministra informacin sobre los valores mnimo y mximo, los
cuartiles de Tukey Q1, Q2 o mediana Q3, la existencia de valores atpicos y la
simetra de la distribucin.
Se sabe que un dato es atpico, si su
valor no se encuentra en el intervalo
(Q1 1,5RI , Q3 + 1,5RI)
RI = Q3 Q1
Cecilia Larran R.
Ingeniera
Pgina 48
Es necesario tener datos directos (sin agrupar en intervalos) para realizar

el grfico de cajas.
Este grfico es til para hacer comparaciones rpidas entre 2 o ms
conjuntos de datos.
La primera bisagra de Tukey (similar al cuartil 1) es el valor que ocupa la
posicin intermedia entre la mediana el valor ms pequeo de la
distribucin; la segunda bisagra es la mediana; la tercera bisagra (similar
al cuartil 3) es el valor que ocupa la posicin intermedia entre la mediana y
el valor ms grande de la distribucin.
MEDIDAS DE DISPERSIN ( O VARIABILIDAD)

Las medidas de tendencia central (promedio, mediana, moda) y los percentiles,
dan informacin incompleta, acerca de las observaciones.
Ejemplo: Los puntajes (X) obtenidos en una Test que mide capacidad de
abstraccin por 2 grupos de alumnos son los siguientes:
Grupo 1
4
3
5
6
4
5
5
7
5
6
Grupo 2
1
4
3
5
6
8
2
7
5
9
En ambos casos el promedio aritmtico o media aritmtica es 5 (x = 5) , pero
sus grficos son distintos
Diagramas de puntos
Los diagramas de ambos grupos muestran que los puntajes se distribuyen

simtricamente respecto al 5, pero en el grupo 1 existe una menor dispersin
que en el grupo 2, es decir, los grupos tienen igual promedio pero la variabilidad
de los puntajes respecto a la media es distinta.
Las medidas de variabilidad indican la dispersin de los datos obtenidos por los
sujetos o las unidades de medicin. Cuando los datos estn con baja dispersin
se dice que es homogneo. Cuando estn altamente dispersos se dice que es
heterogneo.
Cecilia Larran R.
Ingeniera
Pgina 49
Las medidas de dispersin ms utilizadas son las siguientes:

Amplitud o rango o recorrido, rango intercuartlico, desviacin estndar,
varianza y coeficiente de variacin.
Rango o recorrido: Es la distancia en la escala de medidas entre los valores
mayor y menor.
Rango = valor mximo valor mnimo
En el grupo 1: rango es 7 3 = 4 y en el grupo 2 rango es 9 1 = 8 lo que implica que
el segundo grupo tiene puntajes ms dispersos.
El rango utiliza poco debido a marcada inestabilidad. Si hay un valor extremo en la
distribucin se tendr la impresin de que la dispersin es grande, cuando en realidad
si omitisemos ese valor podramos concluir que es una distribucin compacta.
Rango Intercuatlico (RI): se define como la diferencia entre el tercer y el primer

cuartel, RI = Q3 Q1, es la longitud del 50% central de la distribucin de datos
Q3 = P75
Q1 = P25
RI se usa con mayor frecuencia acompaando a la mediana cuando la

presencia de valores extremos hace poco recomendable el uso del
promedio.
Defectos. No permite hacer una interpretacin precisa de un valor dentro de una
distribucin.
No interviene en relaciones matemticas importantes en la inferencia estadstica.
Desviacin estndar o desviacin tpica

(medida de dispersin asociada al promedio aritmtico)
Es la raz cuadrada de la media de las desviaciones al cuadrado.

Dado un conjunto (o muestra) de datos x1, x2, ,xn de una variable X con nivel
de medicin en escala de intervalos o de razn, se define la desviacin
estndar o desviacin tpica como el promedio de las desviaciones di de los
valores xi respecto a su promedio aritmtico.
n
(xi - x)2
Desviacin estndar: s =
i =1
Las desviaciones
di = (xi - x )
se elevan al cuadrado para
convertirlas
en
positivas,
adems recuerde que
n
(xi - x) = 0
La desviacin estndar toma valores no
negativos y mide la dispersin: a mayor
desviacin estndar mayor dispersin.
Cecilia Larran R.
i =1
y se extrae la raz cuadrada

para que la medida resultante
tenga la misma unidad de
medicin de la variable.
Ingeniera
Pgina 50
El cuadrado de la desviacin estndar s2, se denomina varianza.

n
s2
(x
i 1
x) 2
Observaciones:
N
(xi
Notacin de la varianza poblacional 2

= media de la poblacin
)2
i 1
N
N = tamao de la poblacin
- En algunos textos de Estadstica la frmula de la varianza (S2)

de la muestra viene dada por:
s2 =
llamada varianza corregida o cuasivarianza y

se utiliza en Inferencia Estadstica como la
estimacin de la varianza poblacional 2, es
(xi -x)2
i=1
la frmula que vamos a utilizar en este

curso como varianza muestral
n -1
Del ejemplo Puntaje de un Test:

Grupo 1
Total
Cecilia Larran R.
Grupo 2
x-x
(x - x)
3
4
4
5
5
5
5
6
6
7
50
-2
-1
-1
0
0
0
0
1
1
2
0
4
1
1
0
0
0
0
1
1
4
12
x-x
(x - x) 2
1
2
3
4
5
5
6
7
8
9
50
-4
-3
-2
-1
0
0
1
2
3
4
0
16
9
4
1
0
0
1
4
9
16
60
Ingeniera
Pgina 51
Grupo
10
10
Desviacin
estndar
Promedio
50
5 ptos
10
50
5 ptos
10
Varianza
12
= 1,1547 ptos
9
(1,1547)2
60
= 2,5820 ptos
9
(2,5820)2
Se observa que ambos grupos tienen igual promedio pero los datos del grupo dos tienen mayor
dispersin o variabilidad.
Ventajas de la desviacin estndar

- Permite una interpretacin precisa de los valores dentro de una distribucin.
- La desviacin como el promedio pertenece a un sistema matemtico que
permite su uso en mtodos estadsticos ms avanzados.
Propiedades de la desviacin estndar (demostracin tarea)
- Si se suman a todos los valores de la variable un valor constante, el
promedio queda aumentado en ese valor, pero la desviacin estndar
permanece igual.
- Si se multiplica cada valor original por una constante, tanto el promedio
como la desviacin estndar queda amplificados por ese valor.
- La desviacin estndar de una constante es cero.
Si los datos se encuentran tabulados
desviacin estndar son:
las frmulas de la varianza y
x)2ni
(xi
Varianza s2x
i 1
n-1
k
(x -x) n
2
Desviacin estndar: s
i 1
n-1
xi es el valor de la variable discreta en una tabla

intervalo i (datos agrupados en intervalos reales)
o la marca de clase en el
2
s =
2
Cecilia Larran R.
i=1
xi
(xi -x)2
n -1
2
i
x -
i=1
i=1
n-1
Ingeniera
Pgina 52
Si los datos se encuentran tabulados las frmulas de la varianza y

desviacin estndar son:
k
(xi
2
Varianza s x
x)2ni
i 1
n-1
k
(x -x) n
2
Desviacin estndar: s
i 1
xi es el valor de la variable discreta en una tabla

intervalo i (datos agrupados en intervalos reales)
n-1
o la marca de clase en el
Ejemplo: Cierto tipo de resistencias de pelcula de xido metlico son agrupadas

en paquetes de 50 unidades. Se seleccionaron 60 paquetes y se cont el
nmero de resistencias que no cumplan con las especificaciones, resultando la
siguiente tabla
X = N de resistencia defectuosas en cada paquete

xi ni
ni
(x i - x)2 n i
0
1
2
3
4
5
6
5
10
16
15
9
3
2
0
10
32
45
36
15
12
31,25
22,50
4,00
3,75
20,25
18,75
24,50
Total
n = 60
150
125,00
x=
Desviacin estndar s =
=
Cecilia Larran R.
150
60
s2 =
125
59
= 2,119 varianza
varianza
2,119 1,456
Ingeniera
Pgina 53
Varianza: Datos tabulados

2
s =
2
xi ni
k
i=1
(xi -x)2 ni
n -1
2
i
i=1
ni -
i=1
n-1
Desviacin estandar: Datos tabulados

2
s=
i=1
xi ni
(xi -x)2 ni
n -1
xi2 ni =
i=1
i=1
n -1
Del ejemplo de resistencia de pelcula de xido metlico:
xn
i i
= 150 ;
x n
2
= 500
(150)2
60 1,456
59
500
Coeficiente de variacin (CV):

Es una medida relativa de variabilidad
CVX =
sX
Se utiliza para comparar la dispersin de variables que

|x|
aparecen en unidades distintas de medicin o que toman valores de
magnitudes muy diferentes, ya que no depende de la unidad de medicin
de las variables.
Ejemplo: La tabla siguiente muestra el peso en kg y la estatura en cm de 10 sujetos
sujeto
Estatura (X)
Peso (Y)
Cecilia Larran R.
1
2
3
4
5
6
7
8
9
10
172 175 168 178 159 166 176 180 179 171
78 75 70 68 44 66 72 95 70 74
Ingeniera
Pgina 54
Para analizar cul distribucin de datos es ms homognea, se debe determinar los

coeficientes de variacin de cada variable
Variable
Media
Desv. tp.
CV
Estatura (X)
Peso (Y)
172,40
71,20
6,620
12,541
0,038
0,176
100*CV
(% de variabilidad)
3,840%
17,614%
Interpretacin: La variable estatura es ms homognea (menor % de variabilidad)
Ejercicios V
Ejercicio V-1
En un banco se realiz un estudio para medir el tiempo de atencin necesario para que un cliente
realice una transaccin entre las 12:00 y 14:00 horas. Durante una semana se tomaron los tiempos
de atencin de 10 clientes diariamente, obtenindose los siguientes datos:
Tiempo de atencin
(min)
Cantidad de
clientes
02
24
46
6 8
8 10
10 12
12 -14
17
11
a. Complete el siguiente cuadro interprete los resultados
Cuartil 1
b. Determine
(aprox.)
Mediana
Cuartil 3
RI
Moda
qu porcentaje de clientes demoraron a lo ms tres min en su atencin.

Resp.:
50 p
100 - 17
3=2+
p = 45%
11
c. Grafique adecuadamente la tabla de frec, y muestre la ubicacin del la mediana y
promedio (realice comentarios)
Ejercicio V-2
n
Si a es constante, demuestre que:
xi a es mnimo para a = x
i=1
Cecilia Larran R.
Ingeniera
Pgina 55
Ejercicio V-3
Se ha hecho un seguimiento durante una serie de das del nmero de mensajes spam al da
que un cierto usuario recibe en su correo electrnico. Los datos obtenidos se muestran a
continuacin:
N de spam diario
Frecuencia observada
a. n =
0
35
1
42
2
55
3
40
4
15
5
10
6
3
(interprete)
b. Determine e interprete las medidas de tendencia central

c. Determine una medida de dispersin adecuada
d. Realice un grfico adecuado
Ejercicio V-4
Se realiz un estudio sobre los costos operacionales (Y), en millones de dlares anuales, en
empresas de dos rubros distintos( A ; B ). Se tomaron muestras de 25 empresas de cada
rubro, obtenindose:
Rubro
5,3
4,4
4,4
8,2
2,8
1,5
7,5
6,2
8,5
4,8
4,2
7,2
3,9
6,4
5,3
5,4
2,7
7,1
8,2
5,9
3,9
6,4
4,2
7,5
3,5
6,1
4,5
4,0
4,1
4,8
3,6
5,4
5,2
3,5
4,6
5,4
2,9
4,3
4,0
4,8
4,7
2,6
5,5
5,4
2,9
3,5
5,9
3,8
Rubro A
Rubro B
Frecuencia Tallo & Hoja
Frecuencia Tallo & Hoja
1.
2.
3.
4.
5.
6.
7.
8.
Multiplicar por 10
-1
5
78
99
22448
23349
244
1255
225
3,00
0,00
5,00
4,00
6,00
4,00
2,00
1,00
1,00
2,00
2,00
5,00
5,00
3,00
4,00
3,00
a.
Y = Costo operacional
2.
3.
3.
4.
4.
5.
5.
6.
Multiplicar por 10
5,2
4,9
2
i
137,1
833,9
109,9
505,4
699
55568
0013
567889
2444
59
1
-1
Compare la dispersin de los costos de operacin, entre los dos rubros.

Cecilia Larran R.
Ingeniera
Pgina 56
Rubro
CV
% de variabilidad
A
B
b.
c.
Comentarios:
Entre qu costos operacionales se ubica el 50% central de las empresas del rubro B?
Segn estimaciones, realizadas en las empresas del rubro A, los costos operacionales
aumentarn en un 3%. Determine e interprete la nueva mediana y la nueva desviacin
estndar.
Ejercicio V-5
Se toman muestras, de barras planas de dos tipos de acero, de tamao 80 y 100
respectivamente, para analizar la resistencia a la ruptura. Los siguientes grficos muestran los
tiempos mximos (Y), en minutos que soportan dichas barras antes de fragmentarse, cuando son
sometidos a la tensin:
Muestra 1
Muestra 2
minutos
minutos
a.
En base a la informacin contenida en los grficos, determine que distribucin es ms

homognea y que tipo de acero resisti en mejor forma la tensin aplicada. Justifique utilizando
medidas de resumen adecuadas.
b.
Si las barras de acero tipo 1, se clasifican de acuerdo a su resistencia en {RB, RM, RA}
Baja resistencia (RB)
: si soportan un tiempo mximo inferior a 5,5 minutos
Alta resistencia (RA)
: si soportan un tiempo mximo de por lo menos 14 minutos
Resistencia media (RM) : en otro caso.
Muestre grficamente la distribucin de las barras de acuerdo a la nueva clasificacin.
Cecilia Larran R.
Ingeniera
Pgina 57
Medidas de Forma
Coeficiente de asimetra de Fisher
Apuntamiento o curtosis CAp
Mide lo puntiaguda que es la distribucin
n (x i -x)3
CA= g1 =
n(n+1) (x i -x) 4
i=1
(n-1)(n-2)
s3
CA = 0; si la distribucin es perfectamente
simtrica
CA > 0; si hay asimetra positiva
CA < 0; si hay asimetra negativa
Un coeficiente de asimetra mayor que 1
en valor absoluto puede considerarse
alto.
CA p = g 2 =
i=1
(n-1)(n-2)(n-3)s 4
(n-1) 2
-3
(n-2)(n-3)
Los
valores positivos de CAp
indicarn un fuerte
apuntamiento (leptocrtica),
valores negativos indican una
distribucin ms plana (platicrtica) y si los valores son
cercanos a cero el histograma o polgono de frecuencias
tiene una forma parecida a una campana (mesocrtica)
Estadstica Descriptiva Bivariada

Los datos que tratamos de analizar pueden incluir valores de dos variables
relacionadas entre s, por lo que es interesante su estudio conjunto.
Los elementos de una muestra o de una poblacin pueden clasificarse con dos
criterios o variables diferentes.
Observacin: Se pueden analizar en forma conjunta ms de dos variables.
Caso 1: Descripcin conjunta de dos variables cualitativas

- Tabla de doble entrada o tabla de contingencia
Existen dos tipos de tablas de contingencia:
i)
Cuando el objetivo es analizar la posible relacin entre dos
variables cualitativas
ii)
Comparar dos o ms grupos en una variable cualitativa
- Grficos adecuados: Barras agrupadas, Sectorial, Barras divididas.
- Medidas de resumen: Asociacin (se estudiarn en la unidad de Inferencia)
Ejemplo i) La informacin que se presenta a continuacin en la tabla y grfico,
corresponde a una parte de un estudio realizado con una muestra de
400 trabajadores de una industria metalrgica con el objeto de
investigar si el desempeo en el programa de capacitacin y el
rendimiento en el trabajo estn relacionados.
Cecilia Larran R.
Ingeniera
Pgina 58
Calificacin
en el trabajo
Deficiente
Promedio
Muy buena
Total
Tabla 1
Desempeo en el
programa de capacitacin
Bajo
Medio
Alto
23
60
29
28
79
60
9
49
63
60
188
152
Total
112
167
121
400
- De los trabajadores que obtuvieron bajo desempeo en el programa de

capacitacin, qu porcentaje tiene calificacin deficiente en el trabajo?
- De los trabajadores que obtuvieron un desempeo alto en el programa de
capacitacin, qu porcentaje tiene calificacin muy buena en el trabajo?
- De los trabajadores que obtuvieron un desempeo alto en el programa de
capacitacin, qu porcentaje tiene calificacin deficiente en el trabajo?
Ejemplo ii) Se desarrollan dos mtodos para fabricar discos de un material

superconductor. Se elaboran 50 discos con cada mtodo y se
comprueba su superconductividad al enfriarlos con nitrgeno lquido.
Cecilia Larran R.
Ingeniera
Pgina 59
Mtodo 1
Mtodo 2
Total
Superconductores
(Sin fallas)
31
42
73
Fallas
Total
19
8
27
50
50
100
Caso 2: Una variable cuantitativa y una variable cualitativa (grupo)

Tabla de de distribucin de frecuencias (si n es grande)
Grficos adecuados:
- Diagrama de puntos paralelos (muestras pequeas)
- Polgonos de frecuencias en un mismo grfico (hay que tener los
datos tabulados en intervalos, para comparar los grupos es
conveniente utilizar porcentaje)
- Diagramas de cajas paralelas (datos directos, es un grfico
basado en los cuartles)
Medidas de resumen: Tendencia central, Percentiles, Dispersin
Ejemplo: Los datos que se muestran a continuacin son los grados de dureza
Brinell obtenidos para muestras de dos aleaciones de magnesio:
Y = grado de dureza Brinell
Aleacin 1
66,3 63,5 64,9 61,8 64,3 64,7 65,1 64,5 68,4 63,2
Aleacin 2
71,3 60,4 62,6 63,9 68,8 70,1 64,8 68,9 65,8 66,2
Cecilia Larran R.
Ingeniera
Pgina 60
ALEACION
1
2
Percentiles (bisagras de tukey)

25
50
75
63,5
64,6
65,1
63,9
66,0
68,9
RI
1,6
1,5RI
2,4
(P25 1,5RI, P75 + 1,5RI)
(61,1 ; 67,5)
Interpretacin: ___________________
ALEACION
1
2
Total
n
10
10
20
Informe: dureza Brinell

Media
Desv. tp. C. V.
64,670
1,787
66,280
3,484
65,475
2,818
Mn.
Mx.
Ejemplo: Una industria metalrgica compra grandes cantidades de alambre de

acero en rollos de 150 metros, hasta la fecha esta compra la realiza en
la empresa Alfha, otra empresa llamada Delta quiere tambin vender
sus productos y hace una oferta bastante interesante porque el precio
de cada rollo es muy inferior.
Sin embargo es importante considerar la resistencia a la traccin (Y).
Por ello se toman muestras al azar de rollos de acero provenientes de
ambas empresas.
Cecilia Larran R.
Ingeniera
Pgina 61
Los resultados se presentan en la tabla siguiente:
Resistencia
(en Newton)
10,00 10,25
10,25 10,50
10,50 10,75
10,75 11,00
11,00 11,25
11,25 11,50
11,50 11,75
yi
10,125
10,375
10,625
10,875
11,125
11,375
11,625
Empresa
Alfha Delta
Y = resistencia a la traccin del alambre

Empresa
yn
y n
514,25
799,00
5514,5
8636,90625
i i
2
12
14
11
5
4
0
0
17
25
11
9
9
3
Alfha
Delta
48
74
2
i
- Grfico adecuado para representar la distribucin de la resistencia de los

alambres de acero fabricado por cada una de las empresas.
Polignos de frecuencias.
- Si la variabilidad de la resistencia del alambre de la empresa Delta no es

superior a la de la empresa Alfha y adems la resistencia promedio es superior
en al menos 1,5 Newton sera aconsejable cambiar de proveedor.
Qu decisin se debera tomar en base a la informacin obtenida?
Fundamente con clculo de medidas adecuadas.
Cecilia Larran R.
Ingeniera
Pgina 62
EMPRESA
Alfha
Delta
Media
(promedio)
10,71354
n
48
Desv.
C.V.
estandar
0,32815 0,03063
% de variabilidad
3,063%
Respuesta: _______________
- Qu porcentaje de los rollos de alambre de acero de la empresa Delta
supera la resistencia media de los rollos de alambre de acero de la empresa
Alfha
Ejercicio:
Un Gerente de produccin de una gran industria automovilstica norteamericana
cree que los trabajadores de la planta A hacen un promedio salarial por hora
menor con una mayor variabilidad que los trabajadores de la planta B. Muestras
de 12 trabajadores de la planta A y 10 trabajadores de la planta B dieron los
siguientes valores:
Salario (um ) por hora de un trabajador (Y)
Planta A (1) 12.2 18.2 19.4 15.3 18.6 16.4 15.5 18.7 17.1 18.3 14.5 15.8
Planta B (2) 15.1 14.8 16.9 17.2 18.2 18.5 18.7 19.3 19.2 19.8
a. Apoyan los datos al Gerente de produccin? (utilice medidas de resumen)

n
Promedio
Desv. Estandar
C.V.
b. Corrobore la conclusin de (a) con Box-Plots paralelos (diagrama de caja)
c. Si a los trabajadores se les aumenta el sueldo hora de la siguiente forma:

Planta
Aumento
5% + 0.8 um
1,5 um
Cecilia Larran R.
Determine (despus del aumento):

Promedio
Desviacin estndar
C.V
aritmtico
(sn-1)
Ingeniera
Pgina 63
Caso 3 : 2 variables cuantitativas

Grfico adecuado: Diagrama de dispersin
Medida de resumen conjunta: Coeficiente de correlacin lineal de
Pearson (se estudiar en la ltima unidad de este curso)
Descripcin conjunta de dos variables cuantitativas

Es frecuente que se pueda determinar el grado de relacin entre 2 (o ms)
variables cuantitativas, ya que al tener este conocimiento, se puede predecir una
variable a partir de la otra.
Para expresar cuantitativamente el grado en que dos variables estn
relacionadas, es necesario calcular un coeficiente de correlacin.
Coeficiente de correlacin lineal poblacional :
Coeficiente de correlacin lineal muestral: r
Un coeficiente de correlacin para variables cuantitativas: es un nmero
que indica el grado de asociacin y la direccin de esa asociacin. Indica
cmo vara o cambia una caracterstica cuando la otra caracterstica o
variable asociada cambia.
Sin el conocimiento de cmo una cosa vara con otra sera imposible hacer
predicciones. La prediccin slo es posible basndose en el conocimiento de la
relacin que hay entre 2 variables.
Un coeficiente de correlacin lineal (con variables por lo menos ordinales) nos
proporciona 3 datos principales:
- La existencia o no de una relacin entre las variables estudiadas.
- La direccin de la relacin.
- El grado de esta relacin.
Como por ejemplo:
estatura y peso
el ingreso familiar y los gastos en educacin
Para el clculo de r (correlacin muestral) es preciso tener 2 conjuntos de
medidas de los mismos individuos (o parejas de individuos que tengan alguna
forma de relacin)
Tabla de datos:
Sujeto 1
Variable X x1
Variable Y y1
2
x2
y2
3
x3
y3
n
xn
yn
La tabla contiene n
pares ordenados
Grfico adecuado: Diagrama de dispersin, muestra si hay relacin lineal entre

las variables
Cecilia Larran R.
Ingeniera
Pgina 64
Ejemplos
a) Una correlacin lineal positiva perfecta
X
2
4
5
6
7
8
9
10
12
13
Y
4
6
7
8
9
10
11
12
14
15
r=1
b) Una correlacin lineal elevada positiva (+0,76) (relacin directa)

X
13
12
10
10
8
6
6
5
3
2
Y
11
14
11
7
9
11
3
7
6
1
En general, personas con alto puntaje en x tambin tendrn alto puntaje en y.

c) Una baja correlacin lineal positiva (+0,14)
X
13
12
10
8
7
6
6
4
3
1
Y
7
11
3
7
2
12
6
2
9
6
Cecilia Larran R.
Ingeniera
Pgina 65
d) Un caso de alta correlacin lineal negativa (-0,70) (relacin inversa)

X
Y
12
7
10
3
9
8
8
5
7
7
7
12
6
10
5
9
4
13
2
11
El signo algebraico del coeficiente de correlacin tiene que ver, por lo tanto, con
la direccin de relacin entre dos cosas, ya sea directa o inversa.
Significado de la correlacin
El valor de de la correlacin puede variar desde -1 (lo que indica
correlacin negativa perfecta), pasando por el 0 (que indica independencia
completa o ninguna relacin), hasta +1 (que significa perfecta correlacin
positiva)
La magnitud se relaciona con la intensidad o estrechez de la relacin.
Coeficiente de correlacin lineal de Pearson
r
n
sxy
(x -x)(y -y)
i 1
n -1
s xy
; -1 < r < 1
sxs y
covarianza de una muestra (representativa de la

poblacin objeto), indica la direccin de la relacin.
X e Y variables cuantitativas
COVARIANZA
n n
x i yi
n
n
(x i -x)(yi -y) x i yi - i=1 i=1
n
sxy i=1
= i=1
n -1
n-1
Cecilia Larran R.
Ingeniera
Pgina 66
Ejemplo:
sujeto
1
2
3
4
5
6
7
8
9
10
x
13
12
10
10
8
6
6
5
3
2
y
11
14
11
7
9
11
3
7
6
1
(x - x )
5,5
4,5
2,5
2,5
0,5
-1,5
-1,5
-2,5
-4,5
-5,5
Total
75
80
promedio
x =7,5
y = 8,0
Desviacin estndar de Y: s y =
sxy
(x - x )2 (y - y )2
30,25
9
20,25
36
6,25
9
6,25
1
0,25
1
2,25
9
2,25
25
6,25
1
20,25
4
30,25
49
124,5
Desviacin estndar de X: sx =
Covarianza de (x,y):
(y - y )
3
6
3
-1
1
3
-5
-1
-2
-7
(x - x)
n-1
(y - y)
n-1
124,5
3,719
9
144
4,000
9
n-1
(x -x)(y -y)
102
=
= 11,333
9
Coeficiente de correlacin lineal de Pearson: rxy
(x - x )(y - y )
16,5
27
7,5
-2,5
0,5
-4,5
7,5
2,5
9
38,5
144
102
Covarianza positiva
Interpretacin: si hubiese
relacin lineal, esta sera
directa
11,333
= 0,762
(3,719)(4,000)
Interpretacin: _________________________________________
Cecilia Larran R.
Ingeniera
Pgina 67
Ejercicios VI (varios)
Ejercicio VI-1
Para determinada tarea en una fbrica, donde se necesita mucha destreza, se quiere
investigar si
la productividad en el trabajo debe ser mayor al aumentar los aos de
experiencia. Se seleccionaron al azar diez empleados de entre lo que tienen ese trabajo.
Los datos de aos de experiencia y medicin de productividad son los siguientes:
Empleado
Aos de experiencia
Productividad
01
4
80
02
6
82
03
10
88
04
2
81
05
12
92
06
6
85
07
5
83
08
10
86
09
13
91
10
9
90
a. Realice el diagrama de dispersin y calcular el coeficiente r de Pearson.

b. Interprete los resultados.
Ejercicio VI-2
El tiempo de respuestas (en nanosegundos) de un circuito lgico en fro (X) y el tiempo de
respuesta tras una hora de uso intensivo (Y), para una muestra de 12 mquinas es el
siguiente:
Mquina
Tiempo de respuesta en fro (X)
Tiempo de respuesta tras una hora
de uso (Y)
1 2
6 5
3
8
4 8 15
4 5 6 7 8
14 7 4 5 9
8
9
6
9 6 9 6 11
10 11 12
5 7 6
7
a.
Se desea pronosticar el tiempo que tardar un determinado circuito lgico tras una hora
de funcionamiento intensivo, utilizando informacin del tiempo de respuesta en fro.
Para un pronstico fiable, las variables deben estar fuertemente relacionadas, utilizando
una mediada estadstica adecuada, qu concluira usted?
b.
Se sabe que un dato es atpico, si su valor no se encuentra en el intervalo

(Q1 1,5RI , Q3 + 1,5RI)
Detecte los posibles valores atpico en Y.
(Qk cuartil k
RI Amplitud (rango) intercuartlica)
Ejercicio VI-3
Se realizan mediciones del contenido de oxigeno en un una mina subterrnea, para
analizar la factibilidad de explotarla sin riesgos para los trabajadores. Se mide entonces el
contenido de oxigeno en miligramos/litro a diferentes profundidades (metros), obtenindose
la siguiente informacin:
Profundidad
Contenido O
Cecilia Larran R.
15
6,5
20
5,6
30
5,4
40
6,0
50
4,6
25
5,0
35
5.0
45
4,8
Ingeniera
65
1,0
60
1,4
70
0,1
Pgina 68
a. Determine e interprete la intensidad de la relacin lineal entre las variables en estudio.

b. Introduciendo ciertos sondajes, mediante tuberas especiales, la cantidad de oxgeno
en cada punto observado aumenta en 10%. El costo de esta operacin es de 40 en
miles de $ por metro de profundidad. Cul es la media, mediana y varianza del
costo de la operacin para lograr este aumento de oxigeno?
Ejercicio VI-4
Se ha comprobado que las aleaciones amorfas tienen una excelente
resistencia a la corrosin. En Corrosin Science (septiembre 2007) se inform de la
resistividad de una aleacin amorfa de hierro, boro y silicio despus de la cristalizacin.
Se recocieron durante un cierto tiempo (X), expresado en minutos, una muestra de 100
especmenes de esta aleacin a 700C. Luego se midi el potencial de pasivacin, en
mV (una medida de la resistividad de la aleacin cristalizada) para cada espcimen.
Los resultados son los siguientes:
(PEP1 06/05/2010)
X tiempo de
recocido
(en minutos)
10-25
25-40
40-55
55-70
TOTAL
Y Potencial de pasivacin (en mV)

[-420 , -400)
[-400 , -380)
[-380 , -360]
TOTAL
0
14
3
0
17
15
10
9
9
43
0
6
15
19
40
15
30
27
28
100
a.
Determine el grado de intensidad de la relacin lineal entre estas dos variables.

Interprete el valor obtenido en el contexto del experimento.
b.
Para los 72 especmenes, en que el tiempo de recocido es inferior a 55 minutos:

i.
Determine el porcentaje de especmenes comprendidos entre el promedio
y la mediana del potencial de pasivacin.
ii.
Marque y achure el rea comprendida entre el promedio y la mediana, en
el polgono de frecuencia de la distribucin del potencial de pasivacin.
Interprete la informacin contenida en el grfico.
c.
Compare el porcentaje de variabilidad del potencial de pasivacin, con el del

tiempo de recocido, cuando hay una reduccin en el tiempo del 5% y de 15
segundos para cada especimen Cul distribucin resulta ser ms homognea?
Utilice propiedades.
Cecilia Larran R.
Ingeniera
Pgina 69
Ejercicio VI-5
Se estn estudiando dos tipos de tubos para la utilizacin en cierta aplicacin industrial. Se
seleccionaron 12 ejemplares de cada tipo y se anot su duracin en semanas.
Tubo
Tipo 1
Tipo 2
Semanas de duracin
26,3 32,7 29,6 25,6 34,6 40,3 39,1 32,3 28,2 36,7 32,6 38,8
38,9 27,6 23,6 25,0 33,7 31,4 29,5 32,5 30,6 20,0 31,8 29,3
Analice en forma descriptiva ambos tipos de tubos e indique cul debera seleccionarse para la
aplicacin industrial (Justifique con medidas de tendencia central y de dispersin)
Ejercicio VI-6
Se est investigando la resistencia (en miles ohms) de cierto tipo de resistor. Para ello se probaron
80 resistores con el siguiente resultado:
Resistencia
(miles ohms)
N de resisteros
5,0 5,5
5,5 6,0
6,0 6,5
6,5 7,0
7,0 7,5
7,5 8,0
8,0 8,5
14
36
14
6
4
3
3
80
P75 = 6,36 (miles ohms)
Con la informacin de la tabla de frecuencias, determine el porcentaje de resistores con

resistencia atpica (outlier).
Ejercicio VI-7 (PEP)
En una empresa constructora se debe decidir por una de dos mezclas, para preparar concreto. Se
tiene una mezcla estndar que es la que se ha utilizado en los ltimos cuatro aos, pero debido a
nuevas exigencias para que las construcciones sean ms resistentes, por ejemplo a los terremotos,
es que los ingenieros a cargo experimentan con distintas mezclas y despus de meses de
experimentacin, al parecer logran una mezcla que cumple con los estndares exigidos. Por otro
lado, la mezcla estndar tiene costos de produccin muy inferiores a la nueva mezcla, razn por la
cual utilizarn la nueva mezcla solo si cumple de mejor manera con las exigencias mnimas
requeridas, las cuales son:
i.
ii.
La resistencia mnima a la compresin debe ser de 17,2 MN/m 2. Esta

resistencia mnima a considerar debe ser superada por el 96% o ms de las
muestras de prueba.
La variabilidad de la resistencia debe ser inferior al 18%.
Se probaron 50 probetas con muestras de cada tipo de mezcla, las resistencias obtenidas se
presentan en la tabla siguiente.
Cecilia Larran R.
Ingeniera
Pgina 70
Resistencia
MN/m2
N de probetas
Mezcla Estndar
Mezcla Nueva
14 17
17 20
20 23
23 26
26 29
29 32
1
9
13
18
7
2
2
8
19
14
5
2
a. Utilizando medidas estadsticas adecuadas pruebe si se cumplen las condiciones i) y ii)

adecuadas y en base a los resultados decida cul de las dos mezclas es ms adecuada.
b. Construya un grfico adecuado que permita comparar la resistencia del concreto para estos
dos tipos de mezclas.
Ejercicio VI-8
Se analizan dos catalizadores para determinar la forma en que afecta el rendimiento de un
proceso qumico. El catalizador 1 es el que se viene empleando en la fbrica y se quiere
averiguar si se puede sustituir por el catalizador 2, ms barato, pero que, segn el
fabricante provoca un descenso del rendimiento. Se llevan a cabo 24 reacciones
obteniendo para cada catalizador los rendimientos en porcentaje:
Catalizador
Y = rendimiento (%)
2
i
93,1
92,0
93,8
91,7
94,0
90,3
99,9
98,2
92,8
90,3
96,1
91,1
96,2
97,9
91,1
92,7
87,0
89,4
92,7
89,4
94,2
89,0
92,6
102,1
2237,6
208924,80
91,5
87,2
90,6
89,2
90,9
88,2
92,8
91,3
87,8
95,3
92,6
89,9
95,1
91,4
90,4
96,4
91,5
90,6
87,0
91,4
91,0
91,7
95,5
97,0
2196,3
201164,17
a.
Se aceptara el cambio de catalizador, si los resultados de la pruebas arrojan una

diferencia promedio de ambos catalizadores inferior a 4 (%) y el catalizador
alternativo debe tener rendimiento ms homogneo del que se utiliza actualmente.
Con los resultados muestrales, es aconsejable realizar el cambio?
b.
Sabiendo que el 75% de las reacciones obtenidas con el Catalizador 2 tienen un

rendimiento igual o superior a 90,15. Determine si existe algn resultado (reaccin)
atpica. Utilice regla de Tukey.
Cecilia Larran R.
Ingeniera
Pgina 71
Ejercicio VI-8 (PEP)

En una planta embotelladora de bebidas de fantasa, utilizan envases fabricados
con 2 tipos de plstico, de similares condiciones. ( A y B ).
Con muestras de 25 botellas fabricadas con cada tipo de plstico se midi la
resistencia (en psi). Algunos resultados parciales se encuentran a continuacin:
Resist_A Stem-and-Leaf Plot
Resist_B Stem-and-Leaf Plot
Freq
Freq
Stem & Leaf
1,00
2,00
1,00
4,00
7,00
4,00
2,00
1,00
2,00
1,00
18 .
18 .
19 .
19 .
20 .
20 .
21 .
21 .
22 .
22 .
2
59
0
5679
1222234
5689
01
9
14
5
Stem & Leaf
1,00 Extremes (=<171)

2,00
17 . 38
3,00
18 . 349
11,00
19 . 22344556679
5,00
20 . 35668
2,00
21 . 05
1,00
22 . 4
Stem width:
10
Each leaf:
1 case(s)
Stem width:
10
Each leaf:
1 case(s)
Atpico = 171
X = Resistencia
x2
x
Plstico A
Plstico A
5087
4898
1038093
963332
a.
Se estima que las botellas fabricadas con el plstico B presentan una

resistencia ms homognea, que las fabricadas con el plstico A. Utilizando
una medida estadstica adecuada, qu puede comentar de esta estimacin?
b.
Determine para cada tipo de envase entre que valores (psi) se encuentran el
50% de las botellas con mayor resistencia
Cecilia Larran R.
Ingeniera
Pgina 72

Estadística Descriptiva

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Estadística Descriptiva

Transféré par

Droits d'auteur :

Formats disponibles

ESTADSTICA DESCRIPTIVA

Estudios de materiales en cuanto a duracin, dureza, elasticidad, .

Control de inventarios, con la estadstica se analiza la tendencia de flujo de

Comparar los tiempos de ejecucin de 3 algoritmos de ordenacin (algoritmo

La mayor contribucin de la Estadstica en la resolucin de problemas en ingeniera es su

Tiene como objetivo caracterizar, describir y extraer

Estadstica Inferencial: conjunto de procedimientos

La Estadstica Descriptiva utiliza, tablas,

Para realizar cualquier estudio estadstico,

Conocer los conceptos fundamentales

Los estudiantes de nuestra universidad

Censo: estudio completo de la poblacin

A las medidas de resmenes muestrales como la media de la muestra

Encuesta: Tcnica de investigacin para obtener informacin de grupos de

En la poblacin de alumnos de Ingeniera de una universidad, es variable:

var. cualitativa dicotmica

- El gnero: {Femenino, Masculino}

Especialidad :{Informtica, Industrial, Obras Civiles, }

- El nmero de asignatura aprobadas: {0,1,2,3,...}

var. cuantitativa discreta

- Nivel de Educ. del padre: {Bsica, Media Superior}

var. cualitativa ordinal

- La altura (en cm.): {162 , 156, 170 ...}

var. cuantitativa continua

{17, 18, 19, }

var. cuantitativa continua

HAY QUE CONOCER EL TIPO DE

Obs.: Se acostumbra denotar a las variables con letras maysculas. X, Y, Z

Dato: valor de la variable asociado a un elemento de la poblacin o muestra.

Ejemplo: (archivo de datos)

La primera observacin indica que el sujeto es de sexo masculino, tiene 21 aos y

El alumno de Ingeniera es la unidad de observacin

algebraicas con ellos).

Sus valores son numricos (tiene

algebraicas con ellos).

Ejemplos: Estado Civil

Segn tamao del recorrido

contar el nmero de veces

son posibles infinitos

Tienen un recorrido finito o

Ejemplo: Altura (cm)

Segn el nivel de medicin

Adems de permitir relaciones

por ejemplo, que 20 grados es exactamente la mitad de 40 grados.

Clasificacin de variables segn su funcin

Se observa y se miden los

V interv. = Aptitud personal, Nivel nutricional,

La edad mnima para poder votar por primera vez en Chile.

Si el gasto mensual (miles de $) en salud de 10 empleados elegidos al azar fue:

Indique: Unidad de observacin: ______________________

Cierto tipo de resistencias de pelcula de xido metlico son agrupadas en paquetes

Cantidad de paquetes (ni)

El objetivo fundamental de la estadstica es analizar datos y transformarlos

Estadstica Descriptiva Univariada

Datos en bruto o directos

Ejemplo 1: El reporte de la inspeccin final de defectos de 150 productos para la lnea

Datos sobre el nmeros de averas

Ejemplo 3: Nota de Estadstica de

400 alumnos - Semestre 2 - 2013

Descripcin estadstica de una variable cualitativa

Ejemplo 1: El reporte de la inspeccin final de defectos de 150 productos para la lnea

Defectos en lnea de armado A12

Reporte de la inspeccin final de