Vous êtes sur la page 1sur 113

2

Matemtica

Estadstica

NDICE

1. Poblacin y muestra.............................................. 6
2. Estadstica Descriptiva ......................................... 9
Ejercicios 2-1 ........................................................ 12
Hoja de respuestas 2-1 ........................................ 16
3. Amplitud de una variable................................... 21
4. Intervalos de clase............................................... 25
5. Grficos. Histogramas, polgonos de
frecuencia, tortas, barras......................................... 30
6. Medidas de centralizacin ( de posicin o de
tendencia central)..................................................... 39
7. Moda ..................................................................... 44
8. estadstica. Ejercicios ......................................... 47
Hoja de respuestas ............................................... 50
9. Medidas de dispersin (o de desviacin) ......... 53
10. Desviacin Media.............................................. 56
11. Desviacin estndar (s) .................................... 61
12. Varianza.............................................................. 64
13. Distribucin normal - curva de Gauss.......... 69
Ejercicios 13-1...................................................... 75
Hoja de respuestas 13-1 ...................................... 78
14. Correlacin......................................................... 80
14.1 Cmo se calcula el coeficiente de
correlacin lineal? ............................................... 92
4

14.2 Ejercicios ...................................................... 98


15. Media, Moda y Mediana................................. 103

1. POBLACIN Y MUESTRA

Para hacer el estudio de los caracteres que se


desea conocer se hacen observaciones. Si las observaciones se realizan sobre el total de un grupo,
a ese grupo se lo denomina poblacin o universo y
cada observacin se llama individuo.
Por ejemplo:
Si se efecta un censo ganadero
poblacin

el conjunto de
animales

individuo

cada animal

Si se efecta un censo sobre viviendas


poblacin
el total de
viviendas
individuo

cada vivienda

Si en una empresa se toman los salarios de


cada empleado
6

poblacin

el conjunto de
salarios

individuo

cada salario

Muchas veces es muy difcil estudiar el


nmero total (N) de los individuos de una poblacin debido al costo econmico, el tiempo que
llevara o por ser muy difcil de delimitar ese nmero total.
Por ejemplo, si se desea saber la diferencia
de presin sangunea entre hombres y mujeres,
sera imposible determinar la presin se todos los
hombres y de todas las mujeres. El problema se
resuelve recurriendo a las muestras.
Se llama muestra al conjunto de n individuos (n < N) elegidos al azar entre los N de una
poblacin dada.
Si en el ejemplo anterior se toma la presin a 200 personas elegidas al azar:
Poblacin

Total de
personas existentes

Muestra

Los 200
personas escogidas

Individuo

Cada persona
7

Para que los estudios realizados sobre la


poblacin sean vlidos, la muestra debe ser representativa de la poblacin. Por ejemplo, si se quiere
estudiar la incidencia del mal de Chagas en la Provincia del Chaco, y se toma una muestra de poblacin perteneciente slo a la ciudad de Resistencia,
el estudio estadstico no es vlido, ya que se est
estudiando slo individuos de la zona metropolitana, dejando de lado la zona rural. En este caso se
dice que la muestra no es representativa de la poblacin.

EJERCICIOS
1. Se quiere realizar un estudio para determinar la cantidad promedio de huevos que ponen los
pinginos hembras en el perodo reproductivo en
Puerto Madryn. Determin poblacin y muestra
del estudio.
2. Se quiere determinar la audiencia de cierto
programa televisivo de televisin de aire. Determin muestra y poblacin.

2. ESTADSTICA DESCRIPTIVA

Actualmente es difcil leer un informe de cualquier actividad humana con repercusin pblica
que no est acompaada por tablas grficos
estadsticos: el periodista los utiliza para enriquecer su comentario escrito; el empresario, para explicar su cuenta de resultados; el publicista, para
transmitir un mensaje visualmente concreto; y
todos, para facilitar la comprensin de una informacin generalmente densa y con datos de complicada presentacin.
Ante tal cmulo de informacin y de datos,
muchas veces el lector termina leyendo solamente
el grfico y la tabla adjunta. Por lo tanto, es imprescindible aprender a leer e interpretar este modo de comunicacin y tambin aprender a confeccionarlos para que los dems la entiendan con
claridad.
La definicin matemtica de la estadstica
es:

Ciencia que utiliza conjuntos de datos


numricos para obtener a partir de ellos
inferencias basadas en el clculo de probabilidades.

El lenguaje de la estadstica
Vamos precisar algunos trminos propios del
lenguaje estadstico:
Poblacin: se denomina poblacin al conjunto de todos los elementos que cumplen una
determinada caracterstica, que deseamos medir
estudiar.
Muestra: Se denomina muestra a cualquier
subconjunto de la poblacin. El nmero de elementos de la muestra se llama tamao de la misma. Cuando el tamao de la muestra coincide con
la poblacin, se llama censo.
Individuo (objeto): Se considera individuo a
cada uno de los elementos de la poblacin.

10

Carcter estadstico: Cada una de las propiedades (aspectos) que pueden estudiarse en los
individuos de una poblacin recibe el nombre de
carcter.
Un carcter puede ser cuantitativo si se puede
medir.
Un carcter es cualitativo si no se puede medir, o sea se puede comparar.
Variables estadsticas: Una variable estadstica se llama discreta cuando slo se pueden tomar
determinados valores de ella. En cambio la variable se llama continua cuando puede tomar todos
los valores de un intervalo
Intervalos de clase: Se llama intervalos de
clase a cada uno de los intervalos en que pueden
agruparse los datos de una variable estadstica

11

EJERCICIOS 2-1

EJERCICIO 1
Dados los siguientes datos de longitud de varillas:
52, 80, 65, 82, 77, 60, 72, 83, 63
78, 84, 75, 53, 73, 70, 86, 55, 88
85, 59, 76, 86, 73, 89, 91, 76, 92
66, 93, 84, 62, 79, 90, 73, 58, 71
a- Agrup los datos en clases y establec la
frecuencia y frecuencia relativa
b- Calcul la media, mediana y moda
c- Grafic los datos en grafico de barras.

12

EJERCICIO 2
Se ha realizado en EE.UU. una estadstica sobre la capacidad matemtica de los alumnos de 14
aos los resultados son los siguientes:
Resultados

30-32

33-35

36-38

F (EE.UU.)

10

39-41 42-44 45-47 48-50


15

40

15

10

a- Halla los puntos medios de cada intervalo de


clase.
b- Grafic los polgonos de frecuencias.
c- Calcul la desviacin estndar y la varianza

EJERCICIO 3
La siguiente tabla muestra los pesos en Kg. de
luchadores de Sumo
KG.

140-144

145-149

150-154

155-159

160-164

165-169

Frecuencia

10

16

Frecuencia
relativa

13

a- Complet la tabla dada


b- Calcul la moda, media y mediana
c- Grafic

EJERCICIO 4
Del campeonato local de ftbol se han elegido
partidos, en la tabla se muestran el nmero de
goles:
Nmeros de goles

Nmeros de

partidos

a- Si la media de goles es de 2,04; hall x


b- Si la moda de goles es 3, determin el menor valor que puede tener x.
c- Si la mediana es de 2 goles, hall el mayor
valor positivo de x.

14

EJERCICIO 5
En una encuesta, se pregunta a 50 personas
sobre el nmero se libros que se leen al ao. Los
resultados se muestran en la tabla:
N de

11

libros
Frecuencia
Frecuencia
relativa

a- Complet la tabla
b- Calcul la media de los libros ledos por persona
c- Calcul la varianza y desvo estndar.
d- Realiz el grafico de tortas o circular.

15

HOJA DE RESPUESTAS 2-1

EJERCICIO 1
aFrecuencia

Frecuencia

Marca de

Relativa

clase x

Longitud de

Marca o

las varillas

intervalo

(en m)

de clase

50-59

54,5

60-69

64,5

0,166

387

70-79

74,5

12

0,333

894

80-89

84,5

10

0,277

845

90-99

94,5

0,111

378

36

0,998

2722

Total

frecuencia
4

0,111

218

bLa media aritmtica es 75,6 m


La mediana se encuentra en el intervalo 70-79;
es exactamente 76 m
La moda es la longitud de varillas de 70-79

16

cGrfico de barras de longitud de


varillas
15
10
5
0
50-59

60- 69

70- 79

80-89

90-99

EJERCICIO 2
aResultados

30-32

33-35

36-38

39-41

42-44

45-47

48-50

F (EE.UU.)

10

15

40

15

10

Punto medio

31

34

35

40

43

46

49

bPoligono de frecuencia (Capacidad de alumnos


de matemtica)

45
40
35
30
25
20
15
10
5
0
30-32 33-35 36-38 39-41 42-44 45-47 48-50

17

c- La varianza es 13,3 m y el desvo estndar


es 3,6 m

EJERCICIO 3
aKG.

140-144

145-149

150-154

155-159

160-164

165-169

Frecuencia

10

16

Frecuencia

0,1

0,14

0,2

0,32

0,16

0,08

relativa

bLa moda es el intervalo 155-159


La media aritmtica es 154,7 Kg.
La mediana es 155,75 Kg.
cGrfico de barras (Pesos de
luchadores de Sumo)
20
15
10
5
0

140-144 145-149 150-154 155-159 160-164 165-169

18

EJERCICIO 4
a- X=9
b- El valor menor valor que puede tomar x es
9
c- El mayor valor positivo de x es 15

EJERCICIO 5
aN de

Frecuencia

11

Frecuencia

0,1

0,1

0,12

0,18

0,22

0,14

0,08

0,04

0,02

libros

relativa

b- La media es 3,38
c- La varianza es 1,26 y el desvo estndar es
1,12

19

dGrfico de tortas (N de libros ledos)

1
2
3
4
5
6
7
8
9

20

3. AMPLITUD DE UNA VARIABLE

Amplitud:
Es la diferencia entre el valor mximo y
mnimo que puede tomar la variable
Amplitud = xmx - xmin
Cuando la variable es continua

EJEMPLO 1
El cuadro muestra la cantidad de hijos que tienen ciertas mujeres.

21

N de hijos

fi

xi
0

Amplitud = xmx - xmin


=50
A=5
Cuando la variable es continua

EJEMPLO 2
El siguiente cuadro muestra las temperaturas
registradas durante dos primaveras, en un observatorio.

22

Temperaturas

fi

15

12

16,5

17,2

17,5

18,2

Amplitud = xmx - xmin


Amplitud = 18,2 - 15
Amplitud = 3,2
Cuando la variable viene dada en intervalos

EJEMPLO 3:
En la tabla se muestran los salarios en pesos,
de los empleados de la compaa S&S

23

Salarios ($)

Frecuencias

50 69,99

70 89,99

12

90 109,99

10

110 129,99

15

130 149,99

18

150 169,99

31

170 189,99

35

Amplitud = xmx - xmin


Amplitud = $189,99 - $50
Amplitud = $139, 99.-

24

4. INTERVALOS DE CLASE

Si tenemos un gran nmero de datos de una


variable continua (cuando puede tomar cualquier
valor real), es conveniente agruparlos en intervalos
consecutivos, de manera que cada dato pertenezca
a un solo intervalo.

EJEMPLO 1
Los siguientes datos corresponden a las alturas
(en cm) de un grupo de 24 alumnos de cuarto
grado:
125 130 132 140 128 132
128 132 139 133 142 130
138 133 142 136 145 124
126 147 138 134 128 132

25

Primer paso:
Calculamos la amplitud
A = xmax - xmin
A= 147 124
A= 23
Segundo paso:
Determinamos el nmero de intervalos
Como la muestra tiene 24 individuos, se determinarn 6 intervalos de amplitud 4 ya que
23
4
6

Tercer paso:
Determinamos los intervalos.
El primer intervalo se toma a partir del valor
mnimo. Para evitar que los extremos del intervalo
coincidan con un valor de la variable se los define
restando media unidad del ltimo decimal.
El primer intervalo se toma a partir del
26

124 0,5=123, 5
Valor mnimo Limite inferior de la clase
El segundo intervalo se toma a partir de
123,5 + 4 = 127,5

Amplitud del intervalo (Calculado en


el paso 2)
Intervalo de clase

Frecuencia

123,5-127,5

127,5-131,5

131,5-135,5

135,5-139,5

139,5-143,5

143,5-147,5

Cantidad de alumnos que


tienen una altura perteneciente al intervalo de cada
clase

27

EJEMPLO 2
El puntaje de la evaluacin de matemtica de
32 estudiantes se registran en la siguiente tabla:
68 84 75 82 96 78 89 61
79 62 67 97 73 79 88 73
61 65 75 87 66 78 82 75
65 80 73 57 86 67 73 81
Primer paso:
Calculamos la amplitud.
A = xmax - xmin
A = 97 57
A = 40
Segundo paso:
Determinamos el nmero de intervalos
40
= 8 . Formamos 5 intervalos de ampli5

tud 8.

28

Tercer paso:
Determinamos los intervalos.
El primer intervalo se toma a partir del 57 0,5=
56,5
El segundo intervalo se toma a partir 56,5 + 8 =
64,5
Intervalos de clase

Frecuencias

56,5 64,5

64,5 72,5

72,5 79,5

11

79,5 87,5

87,5 95,5

95,5 - 103,5

29

5. GRFICOS. HISTOGRAMAS, POLGONOS DE FRECUENCIA, TORTAS, BARRAS

HISTOGRAMAS
Un histograma consiste en una serie
de rectngulos que tienen:
-Sus bases sobre un eje horizontal (eje
x) con centros en los puntos medios de los
intervalos de clase y la longitud a igual al
tamao de los intervalos de clase.
-Superficies proporcionales a las frecuencias de clase.
EJEMPLO:
La siguiente tabla muestra la altura de ciertos
rboles (en metros) y su frecuencia. Grafic en un
histograma.
30

Altura
60-62

Cantidad de rboles
5

63-65

18

66-68

42

69-71

27

72-74

Total

100

Determinamos los puntos medios de los intervalos de clase.


Limite superior + limite inferior
= punto medio
2

Altura

Cantidad

de Punto medio

rboles

Tamao de los

60-62

61

intervalos
62- 60= 2

63-65

18

64

65-63= 2

66-68

42

67

68-66= 2

69-71

27

70

71-69= 2

72-74

73

74-72= 2

Total

100

31

POLGONOS DE FRECUENCIAS
Polgono de frecuencias:
Es un grfico de lnea trazado sobre los puntos medios. Se obtiene uniendo los puntos medios de los lados opuestos a las bases de los rectngulos en el histograma; incluyendo el anterior
al primero y el posterior al segundo.

32

EJEMPLO:
La tabla muestra el tiempo (medido en horas)
que tardan en fundirse 50 lmparas halgenas de
larga duracin.
A continuacin encontrars el polgono de
frecuencia correspondiente.
Tiempo (en horas)

Lmparas

Puntos medios de los

500 -1750

intervalos
1125

1750 - 3000

2375

3000 - 4250

3625

4250 - 5500

12

4875

5500 - 6750

6125

6750 - 8000

7375

8000 - 9250

8625

9250 - 10500

9875

33

GRAFICO DE TORTA

Grfico de torta: Los ngulos deben ser


proporcionales a las respectivas frecuencias, por
lo tanto:

360

f .absoluta
total

A la cantidad total de la muestra le corresponden los 360 del crculo.

EJEMPLO:
En la siguiente tabla se muestra la superficie
de distintas zonas del mundo en millones de millas
cuadradas.

34

Zonas

Superficies
11,7

frica
Asia

10,4

Europa

1,9

Norteamrica

9,4

Oceana

3,3

Sudamrica

6,9

Centroamrica

7,9

El total de la superficie es 51,5 millones, entonces le corresponden los 360 del crculo.
Para calcular el ngulo que le corresponde a
cada sector haremos regla de tres simple:
51,5 millones

360

11, 7 millones

x = 81 47
(frica)

51,7 millones

360

10,4 millones

x = 72 25
(Asia)

35

51,7 millones

360

1,9 millones

x = 13 13
(Europa)

51, 7 millones

360

9,4 millones

x = 65 27
(Norteamrica)

51,7 millones

360

3,3 millones

x = 22 58
(Sudamrica)

51, 7 millones

360

6,9 millones

x = 48 2
(Centroamrica)

36

GRAFICO DE BARRAS
Grfico de barras: Las anchuras de las barras
son todas iguales, puede elegirse cualquier tamao
adecuado con tal de que las barras no se superpongan.

EJEMPLO:
En la tabla se muestran las velocidades orbitales de los planetas del sistema solar. A continuacin encontrars el grfico de barras correspondiente.
Planeta

Velocidades (milla /seg)


29,7

Mercurio
Venus

21,8

Tierra

18,5

Marte

15,0

Jpiter

8,1

Saturno

6,0

Urano

4,2

Neptuno

3,4

Plutn

3,0

37

Grfico de barras

38

6. MEDIDAS DE CENTRALIZACIN ( DE POSICIN O DE TENDENCIA CENTRAL)

Son una serie de valores que tratan de representar o resumir una distribucin de frecuencias dada. Adems, se utilizan para comparar distintas distribuciones de frecuencias.
Estas medidas son:
la media aritmtica (o promedio)
la mediana
la moda (o modo)
Mediana: de una serie de datos ordenados (en
forma creciente o decreciente) es el valor que tiene tantas observaciones anteriores como posteriores a l.
La variable no viene dada en intervalos

39

EJEMPLO 1
Se tira un dado 50 veces. Cada nmero y la
frecuencia con que han aparecido est indicado en
la tabla. Calcul la mediana.
Nmero del dado

Frecuencia

Frecuencia acumu-

11

11

20

25

10

35

12

47

50

Total

50

lada

La mediana corresponde a la observacin cuya


frecuencia acumulada contenga a
Como

n
.
2

n 50
=
= 25 la frecuencia acumulada 25
2
2

contiene a 25.
40

Como la frecuencia acumulada es 25 le corresponde el nmero de dado 3. Entonces la mediana es 3.


Cuando la variable est dada en forma
de intervalos

EJEMPLO 2
La tabla muestra una distribucin de frecuencias de los salarios en pesos de 65 empleados de
la Compaa P & R.
Salarios (en pesos)

Frecuencia acumulada

50 59,99

N
de empleados
8

60 69,99

10

18

70 79,99

16

34

80 89,99

14

48

90 99,99

10

58

100 109,99

63

110 119, 99

65

Total

65

41

Como

n 65
=
= 32,5 .
2
2

Como 32,5 est contenido en la frecuencia


acumulada 34, la mediana est en el intervalo 70
79,99.
Para obtener exactamente el valor utilizaremos
n
F1
la siguiente frmula: M = L1 + 2
f mediana

.c

donde L1= lmite inferior del intervalo que


contiene a la mediana
n = nmero total de datos.
F1= Frecuencia acumulada anterior al intervalo que contiene a la mediana.
C = tamao del intervalo que contiene a la
mediana.

42

Reemplazando en la frmula:
n
F1
M = L1 + 2
f mediana

65

18

2
.9,99 M = $79,06
.c = 70 +
16

Grficamente
En un histograma
Sueldos de em pleados
20

50 59,99

15

60 69,99

em pleados 10

70 79,99

80 89,99
90 99,99

0
1

100 109,99

sueldos

110 119, 99

La mediana es la abscisa correspondiente a la


recta lm que divide al histograma en dos partes de
igual rea.

43

7. MODA

MEDIDAS DE CENTRALIZACIN (DE


POSICIN O DE TENDENCIA CENTRAL)
Son una serie de valores que tratan de representar o resumir una distribucin de frecuencias
dada.
Adems, se utilizan para comparar distintas
distribuciones de frecuencias.
Estas medidas son:

la media aritmtica (o promedio)

la mediana

la moda (o modo)

44

Moda
El dato que se repite ms veces, es decir, el de
mayor frecuencia, es la moda. Tiene la ventaja de
que es una medida que tambin es vlida para
datos no numricos. Es muy comn y se utiliza
cotidianamente para describir la tendencia en el
vestuario de cada ao.
La moda es el valor de la variable al
que le corresponde la mayor frecuencia.

Ejemplo
En la siguiente tabla, x i = 2 tiene la mayor
frecuencia, f i = 7.
xi

fi

4
45

La moda es 2

20

Cuando en el conjunto de observaciones hay


una sola moda, se dice que la distribucin es
unimodal.
Si hay dos variables con la misma frecuencia
mxima la distribucin se llama bimodal.
Ejemplos
1. En la serie 5, 8, 5, 9, 6 la moda es 5 (f =2)
La distribucin es unimodal
2. En la serie 3, 6, 9, 4, 4, 8, 9, 4, 9, las modas
son 4 y 9 (f = 3)
La distribucin es bimodal.

46

8. ESTADSTICA. EJERCICIOS

EJERCICIO 1
En un curso de estadstica de 15 alumnos
se registraron las siguientes notas:
2, 4, 8, 7, 9, 6, 6, 6, 5, 7, 8, 9, 6, 4, 2.
Orden los datos y hall:
abcd-

La media aritmtica.
La mediana.
La moda.
El rango.

EJERCICIO 2
En la primera semana del mes de enero se
registraron, en la ciudad de Buenos Aires, las
siguientes temperaturas:
25, 28, 27, 33, 31, 28, 29.
Orden los datos y hall:
a- La media aritmtica.
b- La mediana.
47

c- La moda.
d- El rango

EJERCICIO 3
En el curso de estadstica del problema 1)
se tomaron las alturas de los alumnos y los
datos fueron los siguientes:
1,79; 1,69; 1,72; 1,63; 1,67; 1,59; 1,69; 1,68;
1,78; 1,72; 1,65; 1,61; 1,70; 1,57; 1,72.
Orden los datos y hall:
abcd-

La media aritmtica.
La mediana.
La moda.
El rango.

EJERCICIO 4
El dueo de un negocio, con el fin de implementar un nuevo plan de mrketing, estudia la cantidad de clientes que ingresan al
local, en el trmino de una semana, y los datos fueron:
52, 20, 34, 83, 15, 21, 38, 42, 29, 18
Orden los datos y hall
48

a- La media aritmtica.
b- La mediana.
c- La moda.

EJERCICIO 5
En la guardia de un hospital se tomaron
las medias aritmticas mensuales de los ingresos a la guardia, en el ao 2000. Los registros fueron los siguientes:
2400, 2056, 3245, 2890, 2113, 3560, 2456,
3654, 2432, 2012, 1967, 1056.
Hall:
a- La media aritmtica.
b- La mediana.
c- El rango.

49

HOJA DE RESPUESTAS

EJERCICIO 1
Los elementos ordenados quedan: 2, 2, 4, 4, 5,
6, 6, 6, 6, 7, 7, 8, 8, 9, 9
a- X = 5.933
b- Mediana = 6
c- Moda = 6
d- Rango = 7

EJERCICIO 2
Los elementos ordenados quedan: 25, 27, 28,
28, 29, 31, 33
a- X = 28, 71
b- Mediana = 28
c- Moda = 28
d- Rango = 8

50

EJERCICIO 3
Los elementos ordenados quedan: 1,57; 1,59;
1,61; 1,63; 1,65; 1,67, 1,68; 1,69; 1,69; 1,70; 1,72;
1,72; 1,72; 1,78; 1,81
a- X = 1,682
b- Mediana = 1,68
c- Moda = 1,72
d- Rango = 0,24

EJERCICIO 4
Los elementos ordenados quedan: 15, 18, 20,
21, 29, 34, 38, 42, 52, 83
a- 35,2
b- 29
c- 83

51

EJERCICIO 5
Los elementos ordenados son: 1056, 1967,
2012, 2056, 2113, 2400, 2432, 2456, 2890, 3245,
3560, 3654
a-

X = 2486,75

b- Mediana = 2416
c- Rango = 2598

52

9. MEDIDAS DE DISPERSIN (O
DE DESVIACIN)

Las medidas de centralizacin (la moda, la


media y la mediana) tratan de representar o resumir una distribucin de frecuencias dada en un
solo valor.
Las medidas de dispersin tienen como
objetivo estudiar lo concentrada que est la
distribucin en torno a la media.
Podra suceder que dos distribuciones de frecuencias sean muy diferentes pero tener la misma
media.

Me

53

Me

Las medidas de dispersin completan el anlisis numrico de un conjunto de datos. Determinan la mayor o menor variacin de los datos, y
dan una idea de su dispersin respecto a las medidas de centralizacin.
Las ms importantes son:
la desviacin media
Desviacin media =

xx
n

la desviacin estndar o desvo tpico


s=

(x

54

fi

la varianza
s

(x
=

55

fi

10. DESVIACIN MEDIA

Hemos estudiado varias medidas de centralizacin, por lo que podemos hablar de desviacin
con respecto a cualquiera de ellas, sin embargo, la
ms utilizada es con respecto a la media. La media
es la medida de tendencia central ms til y exacta.
Record que:
La media aritmtica o promedio es el cociente
que se obtiene dividiendo la suma de los valores de
la variable por el nmero de observaciones.

Desviacin
Es la diferencia que se observa entre el valor
de la variable y la media aritmtica. La denotaremos por di .

56

La desviacin no es una medida, son muchas


medidas, pues cada valor de la variable lleva asociada su correspondiente desviacin, por lo que
precisaremos una medida que resuma dicha informacin. Si sumamos las desviaciones con respecto de la media podramos obtener una estimacin de la cantidad caracterstica de desviacin con
respecto a la media. Entonces,dividiendo por n
(nmero de observaciones), tendramos una medida anloga a la medid aritmtica, excepto que
representara la dispersin promedio de las calificaciones con respecto a la media.
Pero, teniendo en cuenta las caractersticas
de la media, encontramos una seria dificultad: la
suma de las desviaciones de todos los valores obtenidos con respecto a la media, debe valer cero.
As, si definimos la desviacin media como esta
suma dividida por n, la desviacin media tendra
que ser cero.

57

Record que:
La media es el punto en una distribucin
de medidas respecto del cual la suma de las
desviaciones es igual a cero: x x = 0

Este inconveniente se soluciona sumando todas las desviaciones sin considerar el signo y dividiendo por n, es decir tomamos los valores absolutos
de las desviaciones.
Desviacin media
Es la media de los valores absolutos de las
desviaciones, y la denotaremos por dm.
La frmula que utilizaremos en una serie simple es:

dm =

xx
n

58

Referencias:
: sumatoria
x : media aritmtica

n: nmero de observaciones
Si x1 , x 2 ,...x k se presentan con frecuencias, la
frmula que utilizaremos para datos agrupados en
forma de distribucin de frecuencias es:

dm =

f xx

Ejemplo
Hall la desviacin media de los nmeros 2, 3, 6, 8, 11.

59

Media aritmtica = x =

2 + 3 + 6 + 8 + 11
=6
5

Desviacin media =
dm =
dm =
dm =

2 6 + 3 6 + 6 6 + 8 6 + 11 6
5
4 + 3 + 0 + 2 + 5
5
4+3+0+ 2+5
5

dm = 2,8

60

11. DESVIACIN ESTNDAR (S)

La desviacin estndar es la raz


cuadrada de la varianza.

La frmula que nos permite hallarla es:

s=

xi x
n

Para datos presentados en forma de distribucin de frecuencia, la frmula de la desviacin


estndar es:

s=

xi x . f
n

Record que:
Llamamos varianza a la media de los
cuadrados de los desvos (s2)

61

Observacin:
Dos distribuciones de datos pueden tener la misma media y ser muy diferentes.
Ejemplo
Ten en cuenta la siguiente tabla y
hall la desviacin estndar
x

xx

(x x )

9
8
7
7
7
5
5
5
5
4
4
3
3
2
1

4
3
2
2
2
0
0
0
0
-1
-1
-2
-2
-3
-4

16
9
4
4
4
0
0
0
0
1
1
4
4
9
16

62

Con estos datos recopilamos la siguiente


informacin:

x = 75

xx

xx =0
= 72

n = 15

x=5

Como sabemos, la desviacin estndar se


calcula con la siguiente frmula:

s=

xi x
n

Entonces slo resta reemplazar los datos


obtenidos en la frmula y hallar la desviacin:

s=

72
15

= 4,80
= 2 ,19
De esta manera podemos concluir que la
desviacin estndar es igual a 2,19.

63

12. VARIANZA

Para evitar los valores negativos de los desvos


suelen tomarse los cuadrados de los desvos.
Llamamos varianza a la media de los cuadrados de los desvos, y la denotaremos
por s2

Clculo de la Varianza en una serie simple


En smbolos, la varianza queda expresada como la suma de los cuadrados de los desvos dividida por el nmero de observaciones.

xi x
s =
n
2

64

Clculo de la Varianza en una serie de frecuencias


Para calcular la varianza se suman los productos de los cuadrados de los desvos por la frecuencia, y se divide la suma por el nmero de observaciones.

xi x . f
s =
n
2

Clculo de la Varianza en una distribucin


en intervalos de clase
Se suman los productos de los desvos de cada
intervalo por la frecuencia del intervalo y se divide
la suma por el nmero de observaciones.

xm x . f i
s =
n
2

65

En todos los casos: xi: es el i-simo dato


: es la media aritmtica para datos no agrupados
n: es el nmero de datos

: sumatoria
Este dato estadstico tiene el inconveniente de
ser poco significativo, pues se mide en el cuadrado
de la unidad de la variable, por ejemplo, si la variable viene dada en cm la varianza vendr dada en
cm2.
Pero al elevar al cuadrado las diferencias de los
datos respecto de la media, hace que los valores
ms alejados de la media tengan mayor contribucin. Como consecuencia, distingue mejor que la
amplitud la variabilidad de dos conjuntos de datos.

66

EJEMPLO 1
Calcul la varianza para el siguiente
conjunto de datos
5 9 12 7 15 3

SOLUCIN

Aplicamos la definicin (primera frmula).


Primero hay que calcular la media
= (5+9+12+7+15+3)/6 = 51/6 = 8.5
Ahora procedemos al clculo de la varianza:

S2= [(5-8.5)2+(9-8.5)2+(12-8.5)2+(7-8.5)2+(158.5)2+(3-8.5)2]/6 = 99.5/6 = 16.58

67

Llegando entonces a que la varianza para


este conjunto de datos es 16.58.

68

13. DISTRIBUCIN NORMAL CURVA DE GAUSS

El matemtico Karl Friedrich Gauss, (17771855) estudiando los errores que se producen al
medir reiteradas veces una misma magnitud, prob que stos se distribuyen segn una ecuacin
exponencial cuya grafica es:

Media
La distribucin normal es simtrica y el valor mximo de la
funcin corresponde a la media.

69

Este grfico se denomina campana de Gauss


(debido a su forma acampanada) o distribucin
normal. La distribucin de muchas variables parece seguir la curva normal. Por ejemplo, caracteres de individuos (personas, animales, plantas) de
una misma especie (altura, peso). Tambin hay
variables discretas que tienen una distribucin
parecida, como el nmero de caras al lanzar un
cierto nmero de monedas.
Hay una gran cantidad de variables aleatorias
continuas que se presentan en las situaciones ms
variadas y que, a pesar de ello, son de un mismo
tipo. Todas ellas tienen en comn la forma de su
funcin de densidad. Para estas variables aleatorias, si la media es y la desviacin tpica es la
funcin densidad es:

f ( x) =

1 x

70

La grfica de estas funciones tiene forma de


campana con un eje de simetra. Las funciones de
este tipo estn completamente determinadas por
su media , y su desviacin tpica, .

La media indica la posicin de la campana (parmetro de centralizacin)


La desviacin tpica ser el parmetro de
dispersin. Cuanto menor sea, mayor cantidad de masa de probabilidad habr concentrada alrededor de la media y cuanto
mayor sea ``ms aplastado" ser.

Su gran importancia se debe al hecho de que el


rea debajo de cualquier campana de Gauss entre
los valores x1 = + k1 y x 2 = + k 2 es la
misma que el rea bajo la N (0;1) entre
z1 = k1 z 2 = k 2

71

EJEMPLO
Un estudiante consigue un 72 % de aprobacin en Historia y lo mismo en Ingls. La media
para todos los alumnos es 65 %. La desviacin
estndar es del 3% para Ingls y 15% para Historia.

72

En ingls

Los mejores resultados

72 puntos

=65

En Historia

Los mejores resultados

=65

73

72 puntos

En Ingls, muy pocos superaron el 72 %, por


lo tanto, se trata de un resultado muy bueno.
En Historia, el 72 % lo superaron muchos. La
media no es muy vlida puesto que la dispersin
de los resultados fue muy grande, como nos indica
la desviacin tpica.
Luego, ese 72 % no es muy bueno.

74

EJERCICIOS 13-1

EJERCICIO 1
Dada la variable aleatoria Z de distribucin normal N(0,1)
!

Calcul las siguientes probabilidades


a- P(Z -1,3)
b- P(Z 1)
c- P(-0,5 Z 1,47)

EJERCICIO 2
!

En una variable aleatoria X con distribucin normal N(8,4) calcul P(3 X 10)

EJERCICIO 3
Las notas de Historia de una clase se distribuyen segn una distribucin normal N(6,4;1,5) y el

75

profesor quiere poner sobresaliente a un 15% de


la clase
!

A partir de qu nota debe poner sobresaliente?

EJERCICIO 4
Las alturas de los empleados de una empresa
de transportes se toman redondeando al centmetro ms prximo. Se sabe que estn distribuidos
normalmente con la funcin N(172,5). Se toma
una muestra de 1000 empleados al azar.

Calcul cuntos miden :


a- No ms de 180 cm.
b- 175 cm o ms.
c- Entre 160 y 184 cm

76

EJERCICIO 5
El coeficiente intelectual (C.I.)de los alumnos
de la universidad de Berdaguer sigue una distribucin normal N(115,12).

Calcul la probabilidad de que un alumno


tenga un C.I. superior a 138.

77

HOJA DE RESPUESTAS 13-1

EJERCICIO 1

a- 0,0968
b- 0,1587
c- 0,6207

EJERCICIO 2
0,5859

EJERCICIO 3

z 6,4
P(Z z)=0,85 z ' =
z = 7,96,
por lo tanto la nota debe ser 8.1,5

EJERCICIO 4
a- 955
b- 308

78

c- 988

EJERCICIO 5
0,0281

79

14. CORRELACIN

DOS TIPOS DE RELACIONES


A menudo, un investigador o nosotros mismos, nos vemos en la necesidad de saber si existe
alguna relacin entre dos variables que necesitamos medir. Por ejemplo:
#

Cantidad de kilowatts consumidos y su costo.

Posicin de un cuerpo lanzado hacia arriba y su velocidad.

Cantidad de cierta poblacin de bacterias en un determinado momento.

Altura de las personas y su peso.

Altura de los padres y la de sus hijos

Calificacin de un curso en fsica y en matemtica.

Entre estas situaciones hay algunas entre las


que podemos establecer una relacin que llamaremos funcional.
80

Para que exista este tipo de relacin debe


haber una funcin que, conocida una de las variables, me permite calcular aproximadamente la
otra, esto se cumple en los tres primeros ejemplos,
cuando exista dicha relacin diremos que las variables estn correlacionadas o que hay correlacin entre ellas.
En cambio no existe una funcin que nos
permita conocer la nota de fsica de un alumno
conociendo la de matemtica; o la altura de los
hijos conociendo la de sus padres.
Llamaremos a la relacin existente entre estas
variables relacin estadstica

DIAGRAMAS DE DISPERSIN
Para estudiar la relacin entre dos variables, se
comienza por obtener un conjunto de datos.

81

Formamos con ellos pares ordenados (x , y ), la


primera coordenada corresponde a una variable y
la segunda a la otra, por ejemplo, las x correspondern a las alturas de los padres y las y a las de sus
hijos; o las x a la nota de matemtica y la y a la de
fsica; etc.
Tendremos entonces un conjunto de datos
(x 1 , y 1 ), (x 2 , y 2 ),..., (x n , y n ). que podemos representar en un par de ejes, formando lo que se
conoce como diagrama de dispersin, en este
caso se dice que los datos forman una nube de
puntos.

82

EJEMPLOS
1.
Relacin entre poblacin y vivienda por
provincia (censo 1991)
1.200.000
1.000.000
800.000
600.000
400.000
200.000
0

En este ejemplo, cada punto representa una provincia, los


valores de X indican la poblacin y los de Y la cantidad
de viviendas. Vemos que los puntos se alinean por lo que
decimos que existe una correlacin lineal. Adems a
mayores valores de una variable corresponden mayores
de la otra, por lo que decimos que la correlacin es directa. Por otra parte, como esta alineacin es muy marcada
decimos que se trata de una correlacin fuerte.

83

2.
Puntos obtenidos y partidos perdidos.
Torneo de ftbol local
10
5
0
0

10

20

30

40

Punt o s

Para este ejemplo, cada punto representa un equipo de


ftbol de primera divisin. Ac tambin notamos una
correlacin lineal, aunque ms dbil que en el ejemplo
anterior. Como a mayores valores de x (puntos) corresponden menores de y (perdidos) decimos que la correlacin es inversa.

84

3.
Relacin entre poblacin y superficie de
una provincia(censo 1991)
300.000
250.000
200.000
150.000
100.000
50.000
0

En este caso tambin cada punto representa una provincia argentina, pero ac no es clara la relacin que
existe entre las variables. Decimos que no hay correlacin.

85

COVARIANZA Y COEFICIENTE DE CORRELACIN

Para estudiar con ms detalle la correlacin


definiremos los siguientes parmetros estadsticos:
Desvo tpico
n

x =

x
i =1

2
i

n
n

y =

y
i =1

2
i

Donde xi e yi son cada uno de los datos de cada variable y x e y son las medias de dichos datos. Al punto ( x , y ) se lo conoce como centro
medio o centro de gravedad de la muestra.

86

Covarianza
n

xy =

(x
i =1

x )( y i y)

Notemos, a partir de la frmula, que si la mayora de los valores de x e y son, para cada par de
datos, superiores los dos o inferiores los dos a las
respectivas medias, esto implica que:
1.

El signo de la covarianza ser positivo.

2.

La mayora de los valores pequeos de x


se corresponden con valores pequeos de
y, cosa que tambin ocurre con los mayores.

Esto nos dice que si la correlacin es directa la


covarianza ser positiva. De forma anloga se
puede ver que a una correlacin inversa se corresponde una covarianza negativa.
Sin embargo, la covarianza es un indicador
que se ve afectado por la escala considerada para
87

cada variable, o por algn dato demasiado alejado


del centro de gravedad. Para corregir estas deficiencias se define el coeficiente de correlacin
lineal.

COEFICIENTE DE CORRELACIN LINEAL

xy
x y

Observaciones:
#

est siempre entre 1 y 1, es decir:


-1 1

Si es prximo a 1 se trata de una correlacin inversa, ms fuerte cuanto ms


prximo a 1 sea su valor.

Si es prximo a 1 se trata de una correlacin directa, ms fuerte cuanto ms


prximo a 1 sea su valor.

88

Si es muy prximo a cero no hay correlacin lineal entre los datos.

CORRELACIN NO LINEAL
El coeficiente nos indica si hay o no correlacin lineal entre las variables y que tan fuerte es.
Sin

embargo,

fuertemente

las

variables

correlacionadas

pueden

estar

pero

dicha

correlacin no ser lineal; un prximo a cero


indica que no hay (o es muy dbil) la correlacin
lineal, pero nada nos dice de otro tipo de
correlacin.

89

El siguiente grfico muestra la relacin entre la inversin en publicidad de una empresa y sus ventas.
Se observa que la publicidad hace aumentar las ventas, pero no indefinidamente ni de forma lineal.
Las variables estn fuertemente relacionadas pero la
nube no se ajusta a una recta: se trata de un caso de
correlacin no lineal.

RECTA DE REGRESIN
Si la nube de puntos del diagrama de dispersin adopta una forma muy definida (como es el
caso del ejemplo 1 o del grfico anterior) los puntos se pueden aproximar mediante alguna curva
conocida que ajuste lo mejor posible los puntos de
la nube. Dicha curva se conoce como lnea de
regresin y poder determinarla nos ofrece la posibilidad de estimar los valores de una variable
conocidos los de la otra.
Si entre las variables existe una fuerte correlacin lineal, una recta se ajusta satisfactoriamente a
90

los puntos de la muestra. Esta recta se conoce


como recta de regresin y su ecuacin es :

yy=

xy
(x x)
x

91

14.1 CMO SE CALCULA EL COEFICIENTE DE CORRELACIN


LINEAL?

Record que:

Es un valor que est siempre entre 1 y


1.

El coeficiente de correlacin, r no vara


con los cambios de escala y mide eficazmente el grado de correlacin entre
dos variables.

r=

x y
x . y

Si r es 1 (o prximo a 1), la dependencia es funcional (o casi funcional):


los puntos estn alineados (o casi alineados).

92

Clculo de r

Ejemplo
En un experimento sobre la distancia de frenado de un auto dependiendo de su velocidad, se
obtuvieron los siguientes datos:
Velocidad

70

50

45

120

85

65

32

18

19

43

35

34

(km/h)
Distancia
(m)

$ Represent los valores en un diagrama o


nube de puntos y calcul el coeficiente de
regresin entre la velocidad y la distancia.

Solucin
1 Paso: Antes, debemos calcular previamente
x, y, x , y , xy
x y

1
=
n

1
(xi x )( yi y ) = xi yi x .y

i =1

93

i =1

x =

1
n

y =

1
n

2
i

2
i

x2

y2

Si llamamos x a la velocidad e y a la distan-

cia. Entonces, obtenemos que:


x = 72 ,5
y = 30 ,16

2 Paso: Reemplazando en las frmulas los


datos y los promedios, calculamos
$ Desviacin tpica de x:
x =

1
n

2
i

x2

= 24 ,95

$ Desviacin tpica de y:

y =

1
n

2
i

y2

y = 8,93

$ La covarianza es:

94

x y =

1
n

1
(xi x )( yi y ) = xi yi x .y
n

i =1

i =1

xy = 201,91

3 Paso: El coeficiente de correlacin en este


cada caso es:

r=

xy
x. y

201,91
24,95 8,93
201,91
r=
222,8
r = 0,91
r=

Representamos los datos en un diagrama de


nubes.

Este grfico obtiene este nombre pues

cuando existe una gran cantidad de datos, los


mismos se agrupan formando una nube de puntos.
Esta nube toma una forma que, a veces, la
puede caracterizar relacionndola con una funcin
95

determinada, generando as el criterio intuitivo de


correlacin con una recta, parbola, exponencial,
etc.
Estas correlaciones son confirmadas o no por
el clculo de los coeficientes en cada caso.

50
45
40
35
30
25
20
15
10
5
0
0

20

40

60

80

100

120

140

Rectas de regresin
Cuando existe correlacin entre dos variables
cuanto ms fuerte mejor- es til trazar la recta
que mejor se ajuste a los puntos de la nube.
Esta recta llamada recta de regresin de y sobre x,
tiene la siguiente ecuacin:

96

y y =

x y
2x

(x x )

Para el ejemplo anterior, la recta de regresin


lineal viene dada por la siguiente ecuacin:
202,91

(x 72,5)
(24,95)2
y 30,16 = 0,32(x 72,5)
y 30,16 =

y = 0,32 x 23,2 + 30,16


y = 0,32 x + 6,96

Grfico de la recta de regresin lineal.

50
45
40
35
30
25
20
15
10
5
0
0

20

40

60

80

97

100

120

140

14.2 EJERCICIOS

EJERCICIO 1
Las notas de los alumnos de 5 ao en Matemtica y Fsica se muestran en la tabla:
Matemtica

10

X
Fsica
Y

a- Calcul el coeficiente de correlacin


b- Grafic la nube de datos.
c- Determin y grafic la ecuacin de la recta
de regresin lineal

98

EJERCICIO 2
En el Parque Nacional Nahuel Huapi se talaron ejemplares de robles para determinar su edad
(contando el nmero de anillos del tronco), y se ha
medido su dimetro. Los datos que se obtuvieron
son:
Dimetro

10

15

16

21

30

25

30

35

12

18

22

26

30

32

(cm)
Edad
(aos)

a- Hall el coeficiente de correlacin.


b- Grafic la nube de datos.
c- Hall la recta de regresin.
d- Determin la edad correspondiente a 18 y
40 cm de dimetro.

99

EJERCICIO 3

En la tabla se muestran los datos de la longitud corporal y el peso de un beb durante las primeras 24 semanas de vida.

Longitud

50

52

55

58

61

62

65

3,3

3,9

4,5

5,2

5,6

6,2

6,7

(cm)
Peso (Kg.)

a- Represent la nube de puntos.


b- Calcul el coeficiente de correlacin lineal.
c- Explic el significado obtenido en el coeficiente.
d- Hall la recta de regresin lineal.

EJERCICIO 4
En el colegio de Mariana los alumnos han medido sus alturas y se han pesado para realizar un
100

trabajo de Ciencias Naturales. En la tabla, se encuentran los datos:

Peso

42

43

47

50

55

60

65

70

140

155

158

145

150

155

162

160

(Kg.)
Altura
(cm)

a- Represent la nube de puntos.


b- Determin el coeficiente de correlacin
c- Hall y grafic la recta de regresin lineal.

EJERCICIO 5
El astrnomo Kepler investig los movimientos de los planetas y descubri tres leyes que llevan su nombre. En el siglo XVII, obtuvo datos
para los planetas conocidos en la poca que se
volcaron a este cuadro:

101

Planeta

Distancia (106

Perodo (aos)

Km.)
Mercurio

58

0,24

Venus

108

0,62

Tierra

150

Marte

228

1,88

Jpiter

778

11,86

Saturno

1429

29,42

a- Elabor una tabla de con dos columnas:


En la primera (x) escrib los cuadrados de
los perodos; y en la segunda, (y) los cubos
de las distancias.
b- Calcul el coeficiente de correlacin entre
los valores obtenidos en el punto a.

102

15. MEDIA, MODA Y MEDIANA

La Estadstica se ocupa de tomar datos reales,


analizarlos y presentarlos organizadamente para
poder explicar ciertas cuestiones de la realidad.
Entre los resultados que se obtienen de un estudio
estadstico existen tres valores que dan informacin especfica y que suelen ser muy utilizados:

Media, Moda y Mediana


Media aritmtica o promedio
Cuando queremos saber la nota que figurar
en el boletn luego de un trimestre calculamos el

promedio de las notas que hemos calificado durante ese perodo


La media aritmtica, o promedio de una serie de datos, se obtiene dividiendo la suma de los
valores por la cantidad que de ellos hay.
103

EJEMPLO
Un comerciante obtuvo las siguientes ventas: lunes, $
750; martes, $ 600; mircoles, $ 720; jueves, $ 680;
viernes, $ 840, y sbado $ 910. Cul fue la media de las
ventas en la semana?

Media =
750 + 600 + 720 + 680 + 840 + 910 = 4500 = 750
6

Media = $ 750 diarios


! La media puede no coincidir con ninguno

de los valores registrados.

Moda
Al dato que ms veces se repite en una serie de
mediciones, es decir, el de mayor frecuencia se lo
denomina moda. Tiene la ventaja de ser una medida que vale tambin para datos no numricos.
104

Por ejemplo, si evaluamos estadsticamente los


colores de los autos que salen de una concesionaria podremos ver cual de ellos tiene mas frecuencia de venta, lo que establecer lo que denominamos moda.

EJEMPLO
El profesor de Matemtica tom en 7 B la
misma evaluacin que en 7 A.
Las notas de 7 A fueron stas:
2;2;2;3;3;3;3;5;7;7;8;8;8;8;8;8;9;9;10;10;10 y 10.
Las notas de 7 B fueron stas:
5;5;5;5;5;6;6;6;6;6;6;7;7;7;7;7;7;7;8;8;8 y 9.
Cul es la moda en cada uno de los cursos?
Realicemos las tablas correspondientes a cada
curso:

105

A
Notas

Frecuencia

2
3
5
7
8
9
10

3
4
1
2

6
2
4

Total

22

Moda A = 6

B
Notas

Frecuencia

5
6
7
8
9

5
6

total

22

3
1

Moda B = 7

106

La moda siempre es uno de los valores


registrados.

Cuando en el conjunto de observaciones


hay una sola moda, se dice que la distribucin es unimodal.

Si hay dos valores con la misma frecuencia


mxima la distribucin se llama bimodal

La moda no necesariamente coincide con


la media aritmtica.

MEDIANA
En un estudio estadstico siempre se obtiene
una lista de datos o resultados.
En una lista con un nmero impar de datos, la
mediana es el valor central, cuando el nmero de
casos resulta par, la mediana se determina dividiendo a la mitad la suma de los dos datos centrales.

107

Dicho de otra manera, es el valor donde por


encima de l se encuentra el 50% del total y por
debajo el otro 50%.
Ejemplo

De acuerdo con los sueldos que ganan mensualmente


los 26 trabajadores de un taller, calcular la mediana.
Ya que se trata de 26 trabajadores, se divide
entre 2. La mediana se localiza contando entonces
13 frecuencias.
.
Sueldos

Frecuencias

$ 7.000

$ 6.750

$ 6.250

$ 5.000

$ 4.000

$ 3.500

$ 2.000

Total

26

Mediana = $ 5 000

108

HOJA DE RESPUESTAS

EJERCICIO 1
a- El coeficiente de correlacin es r = 0, 84
b- La ecuacin de la recta es y = 0, 78 x +1,
46
Su representacin grfica es:

12
10
8
6
4
2
0
0

109

10

EJERCICIO 2
a- El coeficiente de correlacin es r = 0, 957
b- La ecuacin de la recta de regresin lineal
es y = 1, 13 x 6,77
c- La edad correspondiente al roble de 18 cm
de dimetro es 13 aos aprox. La edad del
roble de 40 cm de dimetro es 38 aos
aprox.

EJERCICIO 3
a-

La representacin de la nube de puntos es:


8
7
6
peso

5
4
3
2
1
0
0

10

20

30

40
longitud

110

50

60

70

b- r = 0, 995
c- Como r > 0 la nube es ascendente y la correlacin positiva. Por lo tanto es los puntos estn alineados o casi alineados.
d- La ecuacin de la recta es y = 0, 22 x 7,
772
e- Grafica de la ecuacin lineal:

8
7
6
peso

5
4
3
2
1
0
0

10

20

30

40

50

60

70

longitud

EJERCICIO 4
a- El coeficiente de correlacin es r = 0, 639

111

b- La recta de regresin lineal es y = 0, 47 x


127, 7. Su grafica es:

165
160

altura

155
150
145
140
135
0

10

20

30

40

50

60

70

80

peso

EJERCICIO 5
a- La tabla es la siguiente:
Cuadrados de los Periodo

Cubos de las distancias

0,3844

195112

0,3844

1259712

3375000

3,5344

11852352

112

140,6596

470910952

865,5364

2918076589

b- El coeficiente de correlacin es r = 0, 99

113