Departamento de

Matemática

[Tarea 1 – Estadística
descriptiva]
[MAT042 – Probabilidad y Estadística
Industrial]
[1er Semestre 2010]

[Integrante] [Rol USM]

Francisco Freire Arriagada 2760070-0
Nicolás Gómez Flores 2760043-3

[Fecha]
04-05-2010

[Profesor] [Paralelo]
Patricio Videla Jiménez 4
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

[Introducción]

El siguiente estudio tiene por objetivo analizar exhaustivamente una población compuesta
por 10000 hogares para poder visualizar, mediante una serie de características en común, la
calidad de vida de sus habitantes. Para poder recopilar y obtener información relevante para el
estudio de esta población, se hizo una encuesta generalizada a cada grupo familiar, la cual
contiene preguntas relacionadas con el nivel de ingresos, consumo de insumos básicos, posesión
de bienes, cantidad de miembros en la familia, y nivel educacional.

Una vez realizada la encuesta y registrado los datos de toda la población, se procederá a
analizar cada una de las características, de forma separada y conjunta, para determinar qué tipo de
comportamiento tiene cada una de ellas como variables y también poder determinar qué tanta
correlación o influencia tienen éstas sobre la calidad de vida de los habitantes de la población.

Para poder estudiar estas características, se procederá minuciosamente a obtener una

muestra que sea representativa de la población, para luego poder utilizar las herramientas
estadísticas a disposición y obtener, en términos numéricos, las respuestas que se están buscando
para cumplir con el objetivo del estudio. A continuación se presentan los resultados de este
análisis.

2
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

[Desarrollo]
Obtenga una muestra de 150 unidades de la población presentada

Cumpliendo las condiciones de que se tienen que medir siete características distintas de la
población, de las cuales dos de ellas sean medidas en escala nominal, una en escala ordinal, dos
de tipo cuantitativa continua y tres de tipo cuantitativa continua medidas en escala
intervalar/razón, se obtuvo la muestra representativa adjunta en una tabla en el Anexo 1, al final
de este informe.

1. Especifique y justifique la técnica de muestreo utilizada

En primer lugar, se procedió a analizar las distintas técnicas de muestreo de las cuales se
tiene información, estudiando cuál, en términos prácticos, es la más conveniente de utilizar.

Se observó que utilizar el muestreo estratificado o por conglomerados no es lo más lógico

porque supone distribuir la población en torno a una clasificación propuesta de la cual no se tiene
información, o bien, porque no es parte del fin del estudio de esta población.

Utilizar el muestreo aleatorio simple tampoco es lo más conveniente porque sería un

procedimiento, en términos de tiempo, muy demoroso de ejecutar, ya que no existe ningún
criterio de orden para seleccionar cada uno de los datos que conformarán la muestra. Por otro
lado, existe el riesgo de que una vez obtenida la muestra, ésta no pueda ser representativa de la
población.

Por lo tanto, el mejor método a utilizar (y que se usará en este estudio) será el de muestreo
sistemático, porque al someterse a un proceso completamente azaroso de selección del primer
número, el resto de la selección quedará determinado por la propia dinámica del muestreo. Se
tuvo la precaución de que los datos de la población no estuviesen ordenados con respecto a
alguna de las variables en estudio, considerando que todas las características pudiesen ser
efectivamente variables.

Para obtener la muestra sistemática de 150 individuos, se procede a calcular el parámetro

M, el cual determina “sub-poblaciones” de tamaño M cada una. Con la información de que la
población N consta de 10000 individuos, de la cual se desea obtener una muestra de n datos, en
este caso, de 150 individuos, entonces:
2
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

M=Nn=10000150=66,667≅66

Se hace la observación de que se redondea hacia abajo porque de haber elegido 67, las
últimas observaciones habrían superado la cantidad total de la población, eligiendo datos que en
la práctica no existen.

Posteriormente, para seleccionar un número al azar entre 1 y 66, y luego poder seleccionar
cada M unidades el resto de los datos, se procede a utilizar la función de Excel
“ALEATORIO.ENTRE”, la cual arrojó a la primera ejecución el número 38.

Definido este parámetro y, por tanto, la muestra, se procede a calcular los índices de
tendencia central y dispersión más importantes para poder tener referencia de la representatividad
de la muestra respecto de la población, obteniendo los siguientes resultados (para las variables
cuantitativas continuas escogidas):

I. Mensual G. Consumo
Alimentación Energía
Promedio 345,55 98,84 148,70
349,81 100,14 149,91
Mediana 345,38 99,04 149,00
349,29 100,30 150,00
Desviación 68,12 19,27 19,37
Estándar 70,03 19,79 19,94
Coeficiente de 0,20 0,19 0,13
Variación 0,20 0,20 0,13
Azul: Datos muestra obtenida Rojo: Datos población

Se puede apreciar que el muestreo realizado para poder obtener nuestra muestra resultó
bastante preciso, al notar que con menos de 1,5% de error, las medidas de tendencia central y
dispersión de la muestra son muy cercanas a las de la población, concluyendo que se pudo llegar
a una muestra concretamente representativa de la población.

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

2. Agrupe los datos de la variable cuantitativa continua que posea menor dispersión, en
una tabla de doce clases

Observando la siguiente tabla, se calcula el Coeficiente de Variación (CV) a partir del

cociente entre la desviación estándar (s) y la media (X) de cada variable cuantitativa continua:

I. Mensual G. Consumo
Alimentación Energía
X 345,55 98,84 148,70
s 68,12 19,27 19,37
CV 0,20 0,19 0,13

Se puede apreciar que la variable con menor dispersión es el Consumo Medio Mensual de
Energía Eléctrica.

Con este dato en claro, se procede a confeccionar la siguiente Tabla de Frecuencias:

CONSUMO DE mi ni fi Ni Fi
ENERGÍA
97,5 - 106,3 101,9 2 0,013 2 0,013
106,3 - 115,1 110,7 4 0,027 6 0,040
115,1 - 123,9 119,5 11 0,073 17 0,113
123,9 - 132,7 128,3 12 0,080 29 0,193
132,7 - 141,5 137,1 23 0,153 52 0,347
141,5 - 150,3 145,9 26 0,173 78 0,520
150,3 - 159,1 154,7 28 0,187 106 0,707
159,1 - 167,9 163,5 22 0,147 128 0,853
167,9 - 176,7 172,3 11 0,073 139 0,927
176,7 - 185,5 181,1 5 0,033 144 0,960
185,5 - 194,3 189,9 5 0,033 149 0,993
194,3 - 203,1 198,7 1 0,007 150 1,000
150 1,000

1.

2.

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

2.1 Construya gráficos apropiados y comente lo que visualiza en ellos

Se presentan los siguientes gráficos correspondientes al tipo de variable en estudio:

Observando el histograma y el polígono de frecuencias, se espera que la distribución de la

muestra sea prácticamente simétrica, lo que conllevaría que las medidas de tendencia central sean
muy similares unas de otras, y se encuentren en el centro de los valores.

2.2 Obtenga medidas de desempeño utilizando la tabla construida por ud. que considere
interesante de acuerdo al problema (tendencia central, posición, dispersión y forma)

La siguiente tabla presenta las medidas de tendencia central, posición, dispersión y forma más
apropiadas para este estudio:

Tipo de Índice Valor

medida
Medidas de Promedio 148,83
tendencia Mediana 149,28
central Moda 152,50
Medidas de Cuartil 1 = Percentil 25 135,95

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

posición Cuartil 3 = Percentil 75 161,70

Medidas de Varianza 373,43
dispersión Desviación Estándar 19,32
Coeficiente de Variación 0,13
Medidas de Índice de simetría -0,0356
forma Coeficiente de Pearson -0,0701
Coef. de Simetría de 0,0070
Fischer
Indicadore Coeficiente K2 0,04659
s de Coeficiente de Fischer -0,17520
Curtosis

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

Respecto de los indicadores de simetría y de curtosis, se pueden concluir las siguientes

características:

• El coeficiente de simetría de Fischer indica que efectivamente se trata de una distribución

prácticamente simétrica de los datos, ya que las medidas de tendencia central presentan
diferencias marginales entre ellas. Este índice corrobora la forma de distribución que se
aprecia en el histograma. Hay que aclarar que no se puede ser tan firme en esperar que las
tres medidas de tendencia central tengan que ser exactamente iguales en su valor para
afirmar que se trata de una distribución perfectamente simétrica de los datos, ya que en la
práctica se trata de una situación bastante improbable.

• En tanto, los indicadores de curtosis, tomando especialmente de referencia por confianza

el coeficiente de Fischer, arroja que su valor se encuentra dentro de lo que se espera como
una distribución de variabilidad “ideal”, o lo que se llama también una distribución de
tipo mesocúrtica. Sin embargo, presenta una leve tendencia a ser una curva de tipo
platicúrtica.

1.1 Obtenga el porcentaje de datos que se encuentra en el intervalo [X+-1,5s]. Compare el

resultado obtenido con el que arroja la desigualdad de Chevyshev.

La desigualdad de Chevyshev menciona que al menos, el 1-1k2*100% de los datos cae

en el intervalo X±1,5*s=[148,83±1,5*19,32], entonces:

X-1,5*s=148,83-1,5*19,32=119,85

X+1,5*s=148,83+1,5*19,32=177,82

Utilizando cada límite del intervalo, se hará necesario calcular sus respectivos cuantiles
para poder comprobar la desigualdad.

Pi=LPi+n*i100-NPi-1nPi*aPi

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

Piinferior=119,85→i=7,9555964%

Pjsuperior=177,82→j=93,090891%

Por lo tanto, el porcentaje de datos que se encuentra en el intervalo es Pj-Pi=93,090891-

7,9555964%=85,135294%

Por lo tanto, a través de 1-1k2*100%;k=1,5, al menos el 55,5556% de los datos se

encuentra en el intervalo [119,85 ;177,82], por lo que la desigualdad de Chevyshev se cumple.

1.2 Interpretaciones y conclusiones de la información obtenida

Se puede concluir que la muestra (y por tanto, la población) presenta un consumo mensual
de energía eléctrica muy homogénea y simétrica, donde el promedio y la mediana de consumo
mensual de ésta se centran en los valores centrales de la distribución, mayoritariamente entre los
137,1 y los 163,5 [kWh]. Extrapolando esta situación, se puede deber básicamente a que el gran
porcentaje de consumo de energía eléctrica se puede deber a que una gran proporción de la
población pertenece a sectores residenciales.

2. Construya una tabla de doble entrada, utilizando la variable continua que posee mayor
dispersión y la variable en escala ordinal

Se tiene la siguiente información:

I. Mensual G. Consumo
Alimentación Energía
X 345,55 98,84 148,70
s 68,12 19,27 19,37
CV 0,20 0,19 0,13

Se puede observar que ahora la variable continua que posee mayor dispersión es el
Ingreso Familiar Mensual, la cual se cruzará con la única variable ordinal presente, a saber, el
Nivel Educacional.

Utilizando el mismo procedimiento que se usó para confeccionar la tabla de frecuencias

para el consumo de energía, se llega a obtener la siguiente Tabla de Contingencia:

Ningu Básic Medio Técni Universit

no o co ario

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

Ingreso / Educación 0 1 2 3 4 Total

164,155 - 195,129 0 2 0 0 0 2
195,129 - 226,103 0 2 1 0 0 3
226,103 - 257,077 2 1 8 2 0 13
257,077 - 288,051 0 5 4 0 2 11
288,051 - 319,025 0 7 9 4 0 20
319,025 - 349,999 0 3 7 14 5 29
349,999 - 380,973 0 9 8 6 4 27
380,973 - 411,947 0 0 10 6 7 23
411,947 - 442,921 0 0 4 4 3 11
442,921 - 473,895 0 0 3 1 1 5
473,895 - 504,869 0 0 1 0 4 5
504,869 - 535,843 0 0 0 1 0 1
Total 2 29 55 38 26 150

2.1 Determine las distribuciones marginales de las variables de la tabla

Para la variable estadística “Ingreso Mensual”, se obtuvo la siguiente distribución de

frecuencias marginales:

ni· fi· mi· Ni· Fi·

2 0,013 179,642 2 0,013
3 0,020 210,616 5 0,033
13 0,087 241,590 18 0,120
11 0,073 272,564 29 0,193
20 0,133 303,538 49 0,327
29 0,193 334,512 78 0,520
27 0,180 365,486 105 0,700
23 0,153 396,460 128 0,853
11 0,073 427,434 139 0,927
5 0,033 458,408 144 0,960
5 0,033 489,382 149 0,993
1 0,007 520,356 150 1,000
150 1,000

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

En tanto, para la variable estadística “Nivel Educacional”, se obtuvo la siguiente

distribución de frecuencias:

n·j 2 29 55 38 26 150
f·j 0,013 0,193 0,367 0,253 0,173 1,000
N·j 2 31 86 124 150
F·j 0,013 0,207 0,573 0,827 1,000

2.2 Obtenga, si es posible y correcto de la tabla, medidas de desempeño para cada variable:
2.2.1 Tendencia central: Media aritmética, Mediana, Moda
2.2.2 Dispersión: Varianza, Coeficiente de variación

En la siguiente tabla se presentan los valores de tendencia central y dispersión que se

solicitan, para ambas variables estadísticas:

Ingreso Educaci
ón
Promedi 345,663 -
o
Mediana 346,795 Medio
Moda 344,367 Medio
Varianz 4595,856 -
a
CV 0,196 -

Se puede observar que en el caso del nivel educacional, no se puede obtener un valor para
el promedio (y por lo tanto, para la varianza y el coeficiente de variación) porque por tratarse de
una variable ordinal, no se puede establecer un valor medio entre un nivel y otro (por ejemplo,
una persona no puede tener un nivel educacional “medio universitario” o “medio técnico”). Sí se
puede obtener la mediana y la moda por sus definiciones mismas: si se ordena esta variable en
forma ascendente, se puede visualizar fácilmente el valor central y el más frecuente.

2.3 Determine la distribución condicional de la variable en escala intervalar/razón con

respecto a una clase de la variable en escala ordinal

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

La siguiente tabla presenta la distribución condicional del ingreso mensual dado el nivel
educacional, sujeto a una clase de éste último. Se tomará la clase “Medio” por ser la que contiene
la mayor cantidad de observaciones.

Ingreso / Educación Medio f(i/2)

164,155 - 195,129 0 0,000
195,129 - 226,103 1 0,018
226,103 - 257,077 8 0,145
257,077 - 288,051 4 0,073
288,051 - 319,025 9 0,164
319,025 - 349,999 7 0,127
349,999 - 380,973 8 0,145
380,973 - 411,947 10 0,182
411,947 - 442,921 4 0,073
442,921 - 473,895 3 0,055
473,895 - 504,869 1 0,018
504,869 - 535,843 0 0,000
TOTAL 55 1

3. Utilizando la variable cuantitativa discreta como estratificadora, determine la media y

varianza total de una de las variables en escala intervalar/razón, distinta a las ya
utilizadas. ¿Dónde se produce la mayor parte de la influencia en la variabilidad total?

La variable cuantitativa discreta a utilizar como variable estratificadora corresponderá al

Número de Hijos, mientras que la variable en escala intervalar/razón con la cual se trabajará
corresponderá al Gasto Mensual en Alimentación.

En primer lugar, se procede a tomar la columna de datos de ambas variables para

establecer un orden de dependencia entre el número de hijos y el gasto en alimentación, y luego
se determinan los estratos y la cantidad de datos de cada uno de ellos. El resultado de este
procedimiento se presenta a través de la siguiente tabla:

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

Número de hijos
0 1 2 3 4 5
i Gasto Gasto Gasto Gasto Gasto Gasto
1 65,83 48,70 59,97 67,63 102,71 50,46
2 71,95 63,34 64,67 68,39 103,13 69,98
3 73,18 64,97 66,95 70,11 103,77 91,25
4 76,67 69,08 68,82 77,76 111,73 96,97
5 81,29 69,67 70,12 78,20 112,08 97,35
6 86,99 77,70 81,90 79,68 113,12 97,36
7 87,07 78,86 84,80 82,31 113,29 101,19
8 87,75 79,50 85,67 83,69 115,48 101,76
9 89,12 80,14 87,44 90,45 121,49 103,53
10 89,68 84,93 87,65 91,13 126,54 111,07
11 90,48 85,34 88,18 93,53 127,44 118,62
12 93,23 85,93 88,39 94,78 140,64 125,09
13 96,38 86,93 91,47 95,41 142,61
14 98,88 92,59 91,63 95,52 144,18
15 101,23 94,13 91,89 95,74
16 102,09 97,41 95,77 96,94
17 103,20 97,86 96,35 97,04
18 107,43 101,07 97,03 97,43
19 102,04 99,19 97,90
20 102,77 100,89 98,31
21 107,77 101,25 99,20
22 117,70 101,43 99,77
23 102,36 102,08
24 102,36 102,18
25 103,54 103,96
26 107,91 104,38
27 109,75 107,11
28 112,30 107,97
29 112,37 110,77
30 112,78 112,66
31 112,79 114,27
32 112,84 115,10
33 115,39 115,14
34 115,65 115,42
35 117,70 117,52
36 120,17 118,75
37 121,50 120,92
38 122,27 123,17
39 123,93 127,41
40 124,42 128,53
41 127,43 153,63
42 137,64
43 138,94

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

Posteriormente, se procede a calcular el promedio y la varianza de cada estrato,

obteniendo los siguientes resultados:

ni 18 22 43 41 12 14
Promedi 89,025 85,838 101,291 101,266 115,952 103,673
o
Varianz 137,263 272,530 365,017 314,370 129,141 626,885
a

Luego, se calcula el peso relativo de cada estrato para poder determinar la media total de
la variable cuantitativa en estudio:

N° nh Ph Promedi
Hijos oh
0 18 0,120 89,025
1 22 0,147 85,838
2 43 0,287 101,291
3 41 0,273 101,266
4 12 0,080 115,952
5 14 0,093 103,673
TOTAL 150 98,941

Asimismo, utilizando la columna del peso relativo de cada estrato, se calcula la varianza
total de la muestra estratificada, la cual se puede descomponer en varianza “intra” y varianza
“inter”, obteniendo los siguientes resultados:

Varianza %
Intra 315,85 82,87%
Inter 65,28 17,13%
Total 381,13 100,00%

Analizando esta última tabla se puede observar lo siguiente: la mayor parte de la

influencia en la variabilidad total se produce en la varianza intra, con más de un 80% del total, lo
que indica que se produce un grado de dispersión muchísimo mayor al interior de los estratos, y
por tanto, menor entre los estratos. En este caso, la estratificación realizada resultó bastante
inapropiada porque contradice el principio del muestreo por estratos, donde la heterogeneidad se
debe producir entre los estratos, con una gran homogeneidad al interior de cada uno de ellos (es
decir, una menor influencia de variabilidad respecto del total).

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

4. Calcule un coeficiente de asociación entre las dos variables medidas en escala nominal.
Comente.

5. Construya con las variables continuas la matriz de correlaciones, comentando los

resultados y antecedentes que parezcan importantes

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

Conclusiones generales

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

Bibliografía

• http://www.ramos.utfsm.cl; Matemáticas, Probabilidad y Estadística Industrial, Paralelo 4.

03ACERCADELMUESTREO.pdf.

• http://www.ramos.utfsm.cl; Matemáticas, Probabilidad y Estadística Industrial, Paralelo 4.

04ORGANIZACIONYPRESENTACIONDELAINFORMACION.pdf.

• http://www.ramos.utfsm.cl; Matemáticas, Probabilidad y Estadística Industrial, Paralelo 4.

05MEDIDASDETENDENCIACENTRAYDISPERSION.pdf.

• http://www.ramos.utfsm.cl; Matemáticas, Probabilidad y Estadística Industrial, Paralelo 4.

09ANALISISDEUNAMUESTRAESTRATIFICADA.pdf.

• http://www.ramos.utfsm.cl; Matemáticas, Probabilidad y Estadística Industrial, Paralelo 4.

10ESTADISTICADESCRIPTIVABIVARIADA.pdf.

• http://www.ramos.utfsm.cl; Matemáticas, Probabilidad y Estadística Industrial, Paralelo 4.

10ESTADISTICADESCRIPTIVABIVARIADA.pdf.

• http://www.ramos.utfsm.cl; Matemáticas, Probabilidad y Estadística Industrial, Paralelo 4.

11MEDIADASDEASOCIACION.pdf.

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

[Anexos]

Anexo 1: Muestra representativa extraída de la población

Tipo Contin Continu Continu Ordinal Discret Nomina Nomina

Var. ua a a a l l
1 2 3 4 5 6 7
N n Ingreso Gasto Energía Educaci N° Hijos Casa Auto
muestr ón
a
1 38 207,39 59,97 109 1 2 0 1
2 104 393,37 112,78 162 2 2 1 0
3 170 243,06 69,98 120 2 5 0 1
4 236 376,27 107,97 157 3 3 1 1
5 302 448,95 127,43 178 4 2 1 1
6 368 338,38 96,94 147 2 3 0 1
7 434 302,98 86,99 136 2 0 0 0
8 500 333,63 95,52 145 4 3 1 0
9 566 352,80 101,19 151 3 5 1 1
10 632 494,31 140,64 191 4 4 1 1
11 698 287,34 82,31 132 1 3 0 0
12 764 268,43 76,67 127 2 0 0 0
13 830 392,23 112,37 162 3 2 1 1
14 896 233,63 66,95 117 0 2 0 0
15 962 325,82 93,23 143 2 0 0 0
16 1028 339,64 97,36 147 2 5 0 0
17 1094 307,20 88,18 138 3 2 0 0
18 1160 311,39 89,12 139 2 0 0 0
19 1226 238,18 68,39 118 3 3 1 1
20 1292 411,24 117,52 167 4 3 1 1
21 1358 356,95 102,36 152 1 2 1 1
22 1424 273,84 78,20 128 1 3 0 0
23 1490 411,81 117,70 167 2 2 0 1
24 1556 403,84 115,65 165 4 2 0 1
25 1622 243,98 70,12 120 2 2 1 0
26 1688 361,21 103,53 153 3 5 0 0
27 1754 440,12 125,09 176 2 5 0 1
28 1820 296,19 84,80 134 2 2 1 1
29 1886 358,54 102,77 153 1 1 1 1
30 1952 426,73 121,50 172 3 2 1 1
31 2018 312,91 89,68 139 1 0 0 0
32 2084 299,67 85,67 135 2 2 0 0
33 2150 305,44 87,65 137 3 2 0 1
34 2216 433,39 123,17 174 3 3 1 1
35 2282 316,05 90,48 140 1 0 0 0
36 2348 239,22 68,82 118 2 2 0 0
37 2414 411,88 117,70 167 3 1 1 1
38 2480 344,74 98,88 149 3 0 0 0

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

39 2546 395,01 113,29 163 2 4 0 1

40 2612 393,38 112,79 162 2 2 1 1
41 2678 346,01 99,19 149 3 2 1 0
42 2744 361,93 103,77 153 4 4 0 1
43 2810 318,38 91,13 141 1 3 1 0
44 2876 429,90 122,27 173 2 2 0 1
45 2942 230,05 65,83 116 2 0 0 1
46 3008 374,29 107,43 157 1 0 1 1
47 3074 342,74 98,31 148 1 3 0 0
48 3140 402,41 115,39 165 2 2 1 1
49 3206 444,82 126,54 177 2 4 1 1
50 3272 353,12 101,23 151 3 0 0 1
51 3338 353,21 101,25 151 4 2 1 1
52 3404 226,41 64,97 115 1 1 0 0
53 3470 362,84 103,96 154 1 3 0 1
54 3536 235,37 67,63 118 2 3 0 0
55 3602 359,77 103,13 153 1 4 0 1
56 3668 389,93 111,73 161 2 4 0 1
57 3734 401,11 115,10 165 4 3 1 0
58 3800 403,10 115,48 165 4 4 0 1
59 3866 358,18 102,71 152 2 4 0 1
60 3932 292,05 83,69 133 2 3 1 1
61 3998 438,06 124,42 175 3 2 0 1
62 4064 353,66 101,43 151 1 2 1 1
63 4130 298,64 85,34 135 2 1 0 0
64 4196 375,57 107,77 157 2 1 0 1
65 4262 415,20 118,75 168 3 3 0 1
66 4328 315,89 90,45 140 3 3 0 1
67 4394 302,82 86,93 136 2 1 0 0
68 4460 338,67 97,03 147 3 2 0 0
69 4526 364,08 104,38 154 2 3 1 1
70 4592 255,62 73,18 124 0 0 1 1
71 4658 382,77 109,75 159 3 2 1 1
72 4724 326,57 93,53 143 3 3 1 0
73 4790 339,74 97,41 147 3 1 1 0
74 4856 304,69 87,44 137 2 2 0 0
75 4922 339,78 97,43 147 2 3 0 0
76 4988 354,92 101,76 151 2 5 1 1
77 5054 356,92 102,36 152 1 2 0 1
78 5120 449,00 127,44 178 3 4 0 0
79 5186 278,08 79,50 129 2 1 0 0
80 5252 329,07 94,13 144 1 1 0 0
81 5318 300,45 85,93 136 3 1 1 0
82 5384 398,29 114,27 164 2 3 1 1
83 5450 426,66 121,49 172 4 4 1 1
84 5516 373,36 107,11 156 1 3 1 1
85 5582 391,05 112,08 162 2 4 1 1
86 5648 319,91 91,63 141 2 2 0 1
87 5714 394,51 113,12 163 3 4 1 1
88 5780 393,11 112,66 162 3 3 1 1

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

89 5846 249,77 71,95 122 2 0 0 1

90 5912 360,00 103,20 153 2 0 1 0
91 5978 285,97 81,90 132 1 2 0 0
92 6044 219,67 63,34 113 2 1 0 0
93 6110 305,81 87,75 137 1 0 0 1
94 6176 484,39 137,64 188 2 2 0 1
95 6242 272,38 77,76 128 4 3 1 0
96 6308 334,28 95,77 145 3 2 0 1
97 6374 401,17 115,14 165 4 3 1 1
98 6440 303,26 87,07 137 2 0 1 1
99 6506 499,49 142,61 193 4 5 1 1
10 6572 296,70 84,93 135 1 1 0 0
0
10 6638 535,84 153,63 203 3 3 1 1
1
10 6704 451,97 128,53 179 2 3 1 1
2
10 6770 323,79 92,59 142 3 1 0 1
3
10 6836 448,88 127,41 178 2 3 1 1
4
10 6902 318,90 91,25 141 1 5 1 0
5
10 6968 361,28 103,54 153 3 2 0 1
6
10 7034 424,51 120,92 171 4 3 1 1
7
10 7100 355,79 102,08 152 2 3 1 0
8
10 7166 352,10 101,07 151 1 1 1 1
9
11 7232 355,67 102,04 152 2 1 1 0
0
11 7298 338,74 97,04 147 3 3 0 0
1
11 7364 414,87 118,62 168 2 5 1 1
2
11 7430 489,20 138,94 190 4 2 1 1
3
11 7496 351,48 100,89 151 4 2 1 1
4
11 7562 308,21 88,39 138 1 2 0 0
5
11 7628 319,64 91,47 141 4 2 0 0
6
11 7694 225,22 64,67 115 1 2 0 0
7
11 7760 402,71 115,42 165 2 3 1 1
8
11 7826 503,26 144,18 194 4 5 1 1
9
12 7892 284,07 81,29 131 1 0 1 0
0

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

12 7958 338,45 96,97 147 2 5 1 0

1
12 8024 341,44 97,90 148 3 3 0 0
2
12 8090 333,20 95,41 145 1 3 0 0
3
12 8156 164,16 48,70 98 1 1 1 0
4
12 8222 271,89 77,70 128 1 1 0 0
5
12 8288 386,82 110,77 160 2 3 1 1
6
12 8354 336,40 96,38 146 4 0 0 0
7
12 8420 242,02 69,67 119 2 1 0 1
8
12 8486 278,94 79,68 130 4 3 0 0
9
13 8552 334,21 95,74 145 3 3 1 0
0
13 8618 243,76 70,11 120 2 3 0 0
1
13 8684 341,16 97,86 148 3 1 0 1
2
13 8750 275,93 78,86 129 2 1 1 0
3
13 8816 336,15 96,35 146 4 2 0 0
4
13 8882 346,06 99,20 149 3 3 1 0
5
13 8948 393,56 112,84 162 3 2 1 1
6
13 9014 421,15 120,17 170 2 2 1 1
7
13 9080 355,86 102,09 152 2 0 0 0
8
13 9146 376,10 107,91 157 4 2 0 1
9
14 9212 280,17 80,14 130 2 1 1 0
0
14 9278 387,66 111,07 161 4 5 0 0
1
14 9344 320,99 91,89 141 3 2 0 0
2
14 9410 435,92 123,93 174 4 2 1 0
3
14 9476 356,34 102,18 152 3 3 1 1
4
14 9542 331,29 94,78 144 2 3 1 0
5
14 9608 171,29 50,46 99 1 5 1 0
6
14 9674 240,11 69,08 119 3 1 1 1
7

1
 Departamento de Matemática
Probabilidad y Estadística Industrial
Tarea N°1

14 9740 347,83 99,77 150 3 3 0 1

8
14 9806 391,80 112,30 162 4 2 1 0
9
15 9872 339,62 97,35 147 4 5 0 0
0