Académique Documents
Professionnel Documents
Culture Documents
Trabajo de aplicación nº 2
Caso de estudio:
Código: C8278-3
Curso: 3º A
Fecha: 12-Octubre-2019
Cochabamba-Bolivia
Introducción
En el presente informe se pretende demostrar que la estadística se puede emplear en
cualquier caso.
Los siguientes datos son de la CAT: “50 4T”, Promocional Cross y Mx1.Las fechas 1ª,3ª,5º,7º y
8va fecha se corrieron en el circuito de Quintanilla, la 2ª en el circuito de la localidad de San
Isidro, la 4ta en el circuito de Punata y la 5ta fecha se corrió en el circuito de Sacaba.
Nº NOMBRE 1ª 2ª 3º 4ª 5º 6ª 7ª 8ª Total
fecha fecha fecha fecha fecha fecha fecha fecha puntos
1 Nicolás Balderrama 25 25 25 22 25 22 22 22 188
2 Leandro Garnica 22 22 22 1 22 20 25 151
3 Jhoset Hinojosa 18 18 20 16 20 15 20 18 145
4 Daniel Ortuño 22 22 22 22 18 20 22 148
5 Juan P. Mamani 25 22 25 25 25 122
6 Jhoset Vargas 1620 18 18 16 88
7 Jessi Romero 20 18 20 58
8 Miguel.A Flores 25 25 50
9 Aylen Caero 20 25 45
10 Jhonny Cross 20 20 40
11 Sebastian Rocha 20 16 36
12 Alexis Licona 20 16 36
13 Jhonny Romero 15 18 33
14 Nicolás Saavedra 18 18
15 Darlin Céspedes 16 16
En el siguiente grafico podemos observar la proporción de acuerdo a los puntos totales
obtenidos.
R A N K I N G D E PA RTA M E N TA L D E M OTO C I C L IS MO
Nicolás Balderrama
3% 2%1% Leandro Garnica
3% 16%
3% Jhoset Hinojosa
3% Daniel Ortuño
4% Juan P. Mamani
Jhoset Vargas
4% Jessi Romero
13%
Miguel.A Flores
5%
Aylen Caero
Jhonny Cross
8% Sebastian Rocha
12% Alexis Licona
Jhonny Romero
10% Nicolás Saavedra
13% Darlin Céspedes
Categoría: Promocional Cross
Nº NOMBRE 1RA 2DA 3RA 4TA 5TA 6TA 7MA 8VA TOTAL
FECHA FECHA FECHA FECHA FECHA FECHA FECHA FECHA PUNTOS
R A N K I N G D E M OTO C I C L IS MO D E PA RTA M E N TA L
1%1%1%1%1%
1%1% JAIME OROZCO
1% 17% ANTONIO PAREDES
2%
2% JOSE FUENTES
3% ANDRES ZURITA
RAFAEL MORAN
3% MIRKO SUAREZ
GILMAR VASQUEZ
3% FAUSTO MONTAÑO
YAMIL MASIAS
CARLOS ORELLANA
13% JHON VILLARROEL
5%
JONATHAN TORREZ
PEDRO LIZARAZU
JONATHAN BALDERRAMA
5% JIMMY TERAN
CRISTIAN BURGOS
ANDRES ROSAS
RAUL ARAUS
5% 11% GARY ANTEZANA
JOULBERT COTRINA
JAVIER LLANO
6% DIEGO VILLARROEL
7% 10%
Categoria: Mx1
Nº NOMBRE 1RA 2DA 3RA 4TA 5TA 6TA 7MA 8VA TOTAL
FECHA FECHA FECHA FECHA FECHA FECHA FECHA FECHA
QUINTA SAN QUINT PUNAT QUINT SACAB QUINT QUINT PUNTOS
ISIDRO A A A A A A
1 CRISTIAN PINTO 22 25 22 25 25 25 144
2 JEFFERSON HERBOSO 20 18 15 18 20 22 22 135
3 JHONATAN HERBOSO 25 20 15 25 25 110
4 JHOMAR MEDRANO 22 18 18 22 80
5 FREDDY HERBOSO 20 18 18 56
6 DANIEL MERIDA 14 16 20 50
7 JAFET ORTIZ 16 18 16 50
8 ALEJANDRO ANTEZANA 18 20 38
9 CARLOS GALLEGUILLOS 15 15 30
10 FRANZ TORRICO 22 22
11 JESUS MERCADO 20 20
12 PAOLO SARMIENTO 16 16
13 RODRIGO LOZADA 15 15
14 EDWIN VALDIVIA 14 14
R A N K I N G D E PA RTA M E N TA L D E M OTO C I C L I S M O
3% 2% 2% 2%
CRISTIAN PINTO
3%
JEFFERSON HERBOSO
19% JHONATAN HERBOSO
4%
JHOMAR MEDRANO
5% FREDDY HERBOSO
DANIEL MERIDA
6%
JAFET ORTIZ
17% ALEJANDRO ANTEZANA
6%
CARLOS GALLEGUILLOS
FRANZ TORRICO
7% JESUS MERCADO
14% PAOLO SARMIENTO
10%
RODRIGO LOZADA
EDWIN VALDIVIA
NOTA: Las celdas vacías nos indican que el piloto abandono o no compitió, por tal motive no
tiene puntos.
Aplicación
A continuación se analizara el caso de estudio y en base a ello se procederá a resolver
algunos factores estadísticos aplicando las leyes aprendidas en el aula.
De las cuales determinaremos tres variables aleatorias.
PRIMERA VARIABLE
•Dada una población y el experimento aleatorio consistente en seleccionar una
muestra de dicha población, se define la variable aleatoria U (estadístico muestral)
como una aplicación que asigna a cada muestra, m, un resumen estadístico
determinado, U (m). Esta nueva variable aleatoria U tiene una distribución de
probabilidad denominada distribución muestral de U.
6 (𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛)
𝑃= = 0.75
8(𝑡𝑜𝑡𝑎𝑙 𝑐𝑎𝑟𝑟𝑒𝑟𝑎𝑠)
p=0.75
q=1-p`
q=1-0.75=0.25
q=0.25
𝑋1 = {0,1,2,3,4,5,6,7}
E (𝑋1 ) = 𝑛 ∗ 𝑝
E (𝑋1 ) = 7 ∗ 0.75
𝜎(𝑋1 ) = √𝑛 ∗ 𝑝 ∗ 𝑞
𝜎 = √7 ∗ 0.75 ∗ 0.25
𝜎 = 1.14 ≈ 1 𝑝𝑖𝑙𝑜𝑡𝑜
Existe una estimación de 5 pilotos que terminaran las 6 carreras, con la variación
de 1 piloto.
Se estima que de 4 a 6 pilotos culminan satisfactoriamente las 6 competencias
Intervalo de estimación [E (𝑋) ± 𝜎(𝑋)]
[5 ± 1 ] = (4; 6)
0 4 5 6 7
P (4≤X≤6) = ∑𝑥=6
𝑥=4 = 0.7958
0,35
0,314 0,3114
0,3
0,25
0,2
0,173
0,15 0,1334
0,1
0,0576
0,05
0,01153
0,0006 0,00128
0
0 1 2 3 4 5 6 7
SEGUNDA VARIABLE
DISTRIBUCION DE BERNULLI
Consiste en realizar un experimento aleatorio una sola vez y observar si cierto suceso
ocurre o no, siendo p la probabilidad de que esto sea así (éxito) y q=1-p el que no lo
sea (fracaso). En realidad no se trata más que de una variable dicotómica, es decir que
únicamente puede tomar dos modalidades, es por ello que el hecho de llamar éxito o
fracaso a los posibles resultados de las pruebas obedece más una tradición literaria o
histórica, en el estudio de las v.a., que a la situación real que pueda derivarse del
resultado. Podríamos por tanto definir este experimento mediante una v.a. discreta X
que toma los valores X=0 si el suceso no ocurre, y X=1 en caso contrario, y que se
denota
La fórmula será:
2. ¿Cuál es la probabilidad de que en la categoría Mx1 algún piloto o varios NO
abandonen la carrera o no compitan?
X=1
Carreras totales: 112
Carreras corridas: 40
Carreras abandonadas o no participadas: 72
Ley de la probabilidad total
P (E) = P (E / 𝐴1 ) P (𝐴1 ) + P (E / 𝐴2 ) P (𝐴2 ) + P (E / 𝐴3 ) P (𝐴3 )+ P (E / 𝐴𝑛 ) P (𝐴𝑛 )
40 6 40 7 40 5 40 4 40 3 40 3 40 3
P (E)= (112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )+
40 40 40 40 40 40 40
40 2 40 2 40 1 40 1 40 1 40 1 40 1
(112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )+ (112 ∗ )
40 40 40 40 40 40 40
6+7+5+4+9+4+5
P (E)= 11
P (E)= 0.3571
P (E)= 35.71 %
X P(X)
∅ q=0.6429
1 P=0.3571
∑(𝑿) 1
0,7
0,6
0,5
0,4
P(X)
0,3
0,2
0,1
0
0 1
E(X)=p
E(X)=0.3571
𝜎(𝑋) = √𝑝 ∗ 𝑞
∅ 0.1229 0.8371 1
0.1229 ≤ p ≤0.83
Se estima que hay una probabilidad de 0.3571 de que todos los pilotos
compitan sin abandonar pero esto puede variar de acuerdo a un 48%.
TERCERA VARIABLE
DISTRIBUCIÓN HIPERGEOMÉTRICA
m = np
distribución es s2 = npq (N-1/ (N-n))
Puede observarse que este factor es siempre inferior a 1 y que cuando la población es
muy grande (N® ¥) tiende a 1(por tanto si la población es muy grande la media y la
varianza coinciden con las de la D. Binomial).
12𝐶4 ∗10 𝐶6
P (𝑋=4 ) = =0.1607
22𝐶10
12𝐶5 ∗10 𝐶5
P (𝑋=5 ) = =0.3086
22𝐶10
12𝐶6 ∗10 𝐶4
P (𝑋=6 ) = =0.30007
22𝐶10
12𝐶7 ∗10 𝐶3
P (𝑋=7 ) = =0.1469
22𝐶10
12𝐶8 ∗10 𝐶2
P (𝑋=8 ) = =0.0344
22𝐶10
12𝐶9 ∗10 𝐶1
P (𝑋=9 ) = =0.0034
22𝐶10
12𝐶10 ∗10 𝐶0
P (𝑋=10 ) = =0.0001
22𝐶10
E(X)=n*p
E(X)= X/N
E(X)= 12* 0.5454
E(X)= 5.45≈ 5
𝑋 𝑋 𝑁−𝑛
𝜎(𝑋) = √𝑛 ∗ ∗1− ∗
𝑁 𝑁 𝑁−1
10 10 22 − 12
𝜎(𝑋) = 12 ∗ ∗1− ∗
22 22 21
𝜎(𝑋) = 1.41 ≈ 1
0,35
0,3086
0,30007
0,3
0,25
0,2
0,1607
0,1469
0,15
0,1
0 4.034 6.866 10