UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

DEPARTAMENTO ACADÉMICO DE MATEMÁTICA Y FÍSICA –

AREA ACADEMICA DE ESTADÍSTICA

“RESOLUCIÓN DE PRIMER PRACTICA”

ASIGNATURA : ESTADÍSTICA Y PROBABLIDAD

DOCENTE : Ing. CIP Estadístico e Informático

Guillermo B. TAPIA CALDERÓN; M.Sc.

ALUMNO : GUTIÉRREZ ESPINOZA, JONY

CODIGO : 16172124

SEMESTRE ACADÉMICO: 2019-Impar

GRUPO : I (Turno- mañana)

AYACUCHO-PERÚ

2019
 ESTADÍSTICA Y PROBABLIDAD

A. Calcule de datos, regresión y de corrección lineal simple dada los siguientes tabal B
calcular los valores de lo que se pide e interprete:
Dónde: conocimientos Xi; productividad Yi
Cuadro 1

i Xi Yi (Xi-X) (yi-Y) Xi2 yi2 Xi*Yi

1 10 38 -4.2 9.2 17.64 84.64 -38.64
2 15 40 0.8 11.2 0.64 125.44 8.96
3 22 30 7.8 1.2 60.84 1.44 9.36
4 15 20 0.8 -8.8 0.64 77.44 -7.04
5 12 25 -2.2 -3.8 4.84 14.44 8.36
6 10 17 -4.2 -11.8 17.64 139.24 49.56
7 11 24 -3.2 -4.8 10.24 23.04 15.36
8 14 21 -0.2 -7.8 0.04 60.84 1.56
9 20 40 5.8 11.2 33.64 125.44 64.96
10 13 33 -1.2 4.2 1.44 17.64 -5.04
SUMA 142 288 0 0 147.6 669.6 107.4

A.1) MEDIA MUESTRAL X: X }

𝟏𝟒𝟐
𝑿 = ∑𝟏𝟎
𝒊=𝟏 𝑿𝒊 = = 𝟏𝟒. 𝟐
𝟏𝟎

A.2) MEDIA MUESTRAL Y : y

𝟐𝟖𝟖
𝒀 = ∑𝟏𝟎
𝒊=𝟏 𝒀𝒊 = = 𝟐𝟖. 𝟖
𝟏𝟎

A.3) VARIANCIA MUESTRAL X: SX2

∑10
𝑖=1(𝑋𝑖 − 𝑋) 147.6
𝑆2𝑋 = = = 14.76
𝑛 10

A.4) VARIANCIA MUESTRAL X: SY2

∑10
𝑖=1(𝑌𝑖 − 𝑌) 66.96
𝑆2𝑌 = = = 66.96
𝑛 10

3
A.5) HALLAR B=COEFICIENTE DE REGRECION LINEAL SIMPLE INTERPRETE ESTADISTICAMENTE

∑ 𝑋𝑖𝑌𝑖 107.4
𝛽= = = 0.727642276
∑ 𝑋𝑖2 147.6

A.6) INTERPRETE ESTADISTICAMENTE EL ESTIMADOR DEL PARAMETRO ALFA

𝛼 = 𝛾 − 𝛽𝑋 = 28.8 − 0.727642276(14.2) = 18.467479681

Interpretación estadístico: el alfa el punto de interacción de la recta con el Yy’

A.7) DETERMINE EL COEFICIENTE DE CORRELACION LINEAL SIMPLE E INTERPRETE

∑ XiYi 107.4
r= ρ= = = 0.341627938
√∑ Xi2 ∗∑ Yi2 √147.6∗669.6

Interpretación estadístico: EL coef. De correlación lineal simple es 0.341627938 es un valor

cerrado a uno loque nos indica que existe un grado de asociación entre las variables x e Y que en
este caso es de dependencia lineal directa, ya covariancia nos da también el signo de la dirección

A.8) DETERMINAR EL COEFICIENTE DE DETERMINACION

𝑟 2 = 𝑝2 = (0.341627938)3 = 0.116709648

Interpretación estadístico:

El coeficiente de determinación da un valor de 0,116709648, también cercano a uno (+1) este

valor se obtiene elevando al cuadrado el coeficiente de correlación lineal simple y su interprete
estadísticamente como la explicación de la variable x sobre el comportamiento de la respuesta y
11,6709648.

A.9) DETERMINE EL COEFICIENTEDE ALEJAMIENTO Y SUINTERPRETACION ESTADISTICO

√(1 − 𝑟 2 ) ∗ 100% = √(1 − 0,116709648) ∗ 100% = 9,398352792%

Interpretación estadístico:

El coeficiente de alejamiento es 9,398352792%, cuyo valor es la raíz cuadrada de la

diferencia entre y el coeficiente de determinación, expresado en porcentaje (%).
 ESTADÍSTICA Y PROBABLIDAD

B. Los siguientes datos correspondiente a 50 ingenieros civiles que trabajan en el Ministerio

de Transporte y Comunicaciones expresado en

B.1.

Es una variable cuantitativa continua

Es una muestra grande porque 50>30

B.2. El rango de datos originales

𝑥𝑚𝑖𝑛 = 4570 𝑥𝑚𝑎𝑥 = 6140

𝑅𝑥 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛
𝑅𝑥 = 6140 − 4570
𝑅𝑥 = 1570

B.3 determinar el número de intervalo clases

𝑚 = √𝑛

𝑚 = √50

𝑚 = 7,07107

𝑚 = 8

B.4 Amplitud del intervalo

𝑅𝑥 1570
𝐶= = = 196,25
𝑚 8

Hallando el nuevo rango

𝑅´𝑋 = 𝐶´𝑋 ∗ 𝑚´ = 196,25 ∗ 8

𝑅´𝑋 = 1570

Diferencia de rangos

𝑅𝑥 = 𝑅´𝑥 − 𝑅𝑥

𝑅𝑥 = 1570 − 1570 = 0

5
B.V) los siguientes datos de os sueldos de 50 ingenieros de caminos que trabajan en el ministerio
de transporte y comunicaciones expresa mensuales en soles

I j 1 2 3 4 5
1 5450 5410 4880 5710 5400
2 4920 5270 4980 5480 5310
3 5430 5960 5410 5720 5420
4 5950 5360 5666 5704 5360
5 5680 5250 5420 5240 4840
6 4850 5460 5900 4990 5580
7 5680 5550 5550 4700 5207
8 6050 5710 5580 5850 5302
9 5470 6140 5840 5350 5730
10 6100 5410 6000 4880 4570

Elaborar el cuadro completo de distribución de sueldos mensuales de ingenieros

 ESTADÍSTICA Y PROBABLIDAD
Elaborar el cuadro completo de distribución de sueldos mensuales de ingeniero
| [Yi-1;Yi> Ci Yi ni hi hi*100% Nj Hj Hj*100% Nj* Hj* Hj*100% Yi*ni Yi*hi
1 [4570;4766.25> 196.25 4668.125 2 0.04 4 2 0.04 4 50 1 100 9336.25 186.725
2 [4766.25;496.5> 196.25 4864.375 5 0.1 10 7 0.14 14 48 0.96 96 24321.875 486.4375
3 [496.5;5158.75> 196.25 5060.625 2 0.04 4 9 0.18 18 43 0.86 86 10121.25 202.425
4 [5158.75;5355> 196.25 5256.875 7 0.14 14 16 0.32 32 41 0.82 82 36798.125 735.9625
5 [5355;5551.25> 196.25 5453.125 16 0.32 32 32 0.64 64 34 0.68 68 87250 1745
6 [5551.25;5747.5> 196.25 5649.375 9 0.18 18 41 0.82 82 18 0.36 36 50844.375 1016.8875
7 [5747.5;5943.75> 196.25 5845.625 3 0.06 6 44 0.88 88 9 0.18 18 17536.875 350.7375
8 [5943.75;6140] 196.25 60471.875 6 0.12 12 50 1 100 6 0.12 12 362831.25 7256.625
suma 50 1 100 272.460 5449.2

B.VI) Media de datos agrupados: diámetro medio

∑8𝑖=1 𝑦𝑖∗𝑛𝑖 5449.2

𝑦= = = 108.984 Soles
𝑛 50

 Interpretación estadístico: el valor medio de diámetro 50sueldos de ingeniero es 108.984 soles

B-VII) Mediana de datos agrupados:

𝑛 50
= = 25
2 2
50
𝑁𝑗 − 1 ≤ ≤ 𝑁𝑗
2

𝑁𝑗 − 1 ≤ 25 ≤ 𝑁𝑗 16 ≤ 25 ≤ 3
 ESTADÍSTICA Y PROBABLIDAD

[5355; 5551.25> 25
𝑛
−𝑁𝑗−1
2
Me=𝑦𝑗 − 1 + 𝑐𝑗 [𝑛𝑗−𝑁𝑗−1]

25−16
Me=5355; +196.25 [32−16]

Me=5465.390625 soles

 Interpretación estadístico: el valor median de datos agrupados es 5465.391 soles supera a la

sumo de 50% de datos agrupados pero a su vez es superado unas de 50 de sus datos

B.VIII) CALCULAR EL SUELDO MENSUAL MODAL

PASO 1: nj =n max =16

ni-1=9

ni+1 =7

paso 2

∆1 = 𝑛𝑖 − 𝑛𝑖 − 1 = 16 − 9 =7

∆2 = 𝑛𝑖 − 𝑛𝑖 + 1 = 16 − 7 = 9

Paso 3: intervalo modal

[5355; 5551.25>

7
Paso 4: Md =5355+196.25[ ]
9+7

Md = 5440.859 soles

Interpretación estadístico:

El valor modal es de 5440.859 soles que representa el valor que se repiten o sea 5440.859
soles es el valor más frecuente.
 ESTADÍSTICA Y PROBABLIDAD
B.IX) Calcular el varianza y desviación estándar:

 Varianza estándar

𝑠 2 𝑦 = 1/𝑛 ∑ 𝑦𝑖 2 𝑛𝑖 − 𝑦 2 y

𝑠2𝑦 =
1(43582.782+118310.703+51219.850+193443.143.359+475785158.25+287238941.015+120512994.992+219025521.094)
50
2
- (5449.2)

𝑠 2 𝑦 =1461426.32951

𝑖𝑛𝑡𝑒𝑟𝑝𝑟𝑒𝑡𝑎𝑐𝑖𝑜𝑛 𝑒𝑠𝑡𝑎𝑑𝑖𝑠𝑡𝑖𝑐𝑜: El promedio de desviacione de la observacione a la media

aritmética al cuadrado

1461426.32951 soles .

 Desviación estándar :
𝑠𝑦 = √𝑠 2 𝑦

𝑠𝑦 = √1461426.32951

𝑠𝑦 = 38228.6061675𝑠𝑜𝑙𝑒𝑠

Interpretación estadístico

La raíz de las varianzas es 38228.606𝑠𝑜𝑙𝑒𝑠

B. X) Calcule el primer cuartil y tercer cuartil

 Primer cuartil

1° Paso:

1∗𝑛 1 ∗ 50
= = 12,50
4 4

2°paso:

9 ≤ 12,50 ≤ 16

3°paso:

[5158,75 − 5355[

9
 4°paso :

12,5 − 9
𝑄1 = 5158,75 + 196,25 [ ]
16 − 9

𝑄1 = 5,256 ,875 soles

Interpretación estadístico

El primer cuartil es un estadígrafo de posición cuyo valor es 5, 256,875 que supera a la suma al 25% de
observación y que a su vez a superado por más de 75%

 Tercer cuartil

1°Paso:

3 ∗ 𝑛 3 ∗ 50
= = 37,5
4 4

2° paso :

32 ≤ 37,5 ≤ 41

3° paso :

[5551,25 − 5747,5[

4° paso :

37,5 − 32
𝑄3 = 5551,25 + 196,25 [ ]
41 − 32

𝑄3 = 5,671,1806soles

Interpretación estadístico

El tercer cuartil es un estadígrafo de posición cuyo valor es 5, 671,1806 soles que supera a la suma de
75% de observación pero a su vez a del 25%.

B.I) calcular el coeficiente de variación

𝑆𝑦 = 38,228,6062

𝑌 = 5449,2

38,228,6062
(𝐶𝑉)𝑦 = ∗ 100
5449,2

(𝐶𝑉)𝑦 = 701,5453 %
 ESTADÍSTICA Y PROBABLIDAD
Interpretación estadístico

Coeficiente de variación de los 50 ingenieros es 701,5453%

B.II) Calcular el nonagésimo percentil y el decimo percentil

1° paso :

90 ∗ 𝑛 90 ∗ 50
= = 45
100 100

2°paso:

44 ≤ 45 ≤ 50

3°paso :

[5943,75 − 6140 [

4° paso

45 − 44
𝑃90 = 5943,75 + 196,25 [ ]
50 − 44

𝑃90 = 5,976 , 4583Soles

Interpretación estadístico

P90 es un estadígrafo de posición cuyo valor es 5, 976,4583 se interpreta estadísticamente como el

valor que no supera del 90% de las observación pero a su es no al 10%.

 Décimo percentil

1paso:

10 ∗ 𝑛 10 ∗ 50
= =5
100 100

2° paso :

2 ≤5 ≤7

3°paso :

[4766,25 − 4962,5[

11
 4°paso:

5−2
𝑃10 = 4766,25 + 196,25 [ ]
7−2

𝑃10 = 4,884soles

Interpretación estadístico

P10 es un estadígrafo de posición cuyo valor es a 4.884 este valor supera a no más del 10% de
observación menores o igual a él pero que a su vez es superado por no más del 50%.

B.13) calcule la regresión intercuartil y el semi regresión intercuartil e interpretarlos.

 Recorrido intercuartil. 𝐷𝑞= 𝐷3− 𝐷1

𝐷𝑞= 5671.1806 − 5256.875 𝑠

𝐷𝑞= 414.3056𝑠𝑜𝑙𝑒𝑠

Interpretación estadístico: la diferencia entre el tercer cuartil y el cuartil es 414.305soles

B.14) calcular el regresión interpercintilico

𝑄3 − 𝑄1
𝑄=
2
5671.1806 − 5256.875
𝑄=
2
414.3056
𝑄= 2
= 207.1528 soles

Interpretación estadístico: la mitad de la diferencia entre el tercer cuartil el primer cuartil207.1528

soles

B.15) Hallar el primer coeficiente

5449−5440,859
As = 38,228,6062

𝐴𝑆 = 0.00022

𝐴𝑆 = 0.00021818739 > 0

Interpretación estadístico

El 1° coeficiente de Pearson (As) genera una distribución asimétrica ligeramente positiva o segada a la
derecha

B.16 Hallar el 2° coeficiente de Pearson

 ESTADÍSTICA Y PROBABLIDAD
5,671.1806+5.256.875−2(5.465.391)
𝐴𝑆 =
5,671,1806−5,256,875

𝐴𝑆 = −0,00658 < 0
Interpretación estadístico

El 2° coeficiente de Pearson (As) genera una distribución ligeramente negativa o sesgada a la izquierda.

B.17 Hallar el coeficiente percentil lico de kortosis

5,671,1806−5,256,875
𝑘=
2 (5,976,4583−4,884)

𝑘 = 0, 189620785

𝑘 = 0,1896 < 0,19

Interpretación estadística: Según el valor redondeado del coeficiente percentilico de kurtosis e

genera una distribución platicurtico.

C. RESPECTO AL TRABAJO ENCARGADO DE TÉCNICAS DE MUESTRA, DESCRIBA LO QUE SE PIDE

C.1 MUESTRA ALEATORIA CONGLOMERADO:

El muestreo por conglomerados es una técnica que aprovecha la existencia de grupos o

conglomerados en la población que representan correctamente el total de la población en
relación a la característica que queremos medir. Dicho de otro modo, estos grupos contienen
toda la variabilidad de la población. Si esto sucede, podemos seleccionar únicamente algunos
de estos conglomerados para realizar el estudio.
Un criterio habitual para definir conglomerados es el geográfico. Por ejemplo, si queremos
estudiar qué proporción de la población argentina fuma, podemos dividir el total de la
población en provincias y seleccionar algunas de ellas para ser estudiadas. Si no tenemos
razones para pensar que el % de fumadores va a cambiar de una provincia a otra, esta solución
nos permitirá concentrar el esfuerzo de muestreo en un único entorno geográfico. Si el estudio
se va a hacer mediante entrevistas personales, esto representa un importante ahorro de costes
de desplazamientos.

C.2 MUESTRA ALEATORIO ESTRATIFICADO:

El muestreo estratificado es un procedimiento de muestreo en el que el objetivo de la

población se separa en segmentos exclusivos, homogéneos (estratos), y luego una muestra
aleatoria simple se selecciona de cada segmento (estrato). Las muestras seleccionadas de los

13
 diversos estratos se combinan en una sola muestra. Este procedimiento de muestreo se refiere
a veces como” muestreo de cuota aleatorio”.
Divide el marco de muestreo en estratos, categorías de la estratificación de la o las variables,
creando un marco de muestreo para cada estrato. Dentro del estrato las diferencias deben
reducirse al mínimo, y las diferencias entre los estratos deben maximizarse. Los estratos no
deben estar superpuestos, en conjunto, debe constituir toda la población. Los estratos deben
ser independientes y mutuamente exclusivos del subconjunto de la población. Cada elemento
de la la población debe estar en un sólo estrato.

C.3 MUESTRA NO PROBABILISTICO DE CUOTA:

El uso de cuotas en un muestreo no probabilístico no nos va a permitir transformarlo en

Probabilístico. Seguiremos sin poder calcular el margen de error y el nivel de confianza sobre
los resultados. Es decir, el uso de cuotas no nos permite medir el grado de precisión de
Nuestros resultados.

El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen en

un proceso que no brinda a todos los individuos de la población iguales oportunidades de ser
seleccionado.

C.4 MUESTRA NO PROBABILÍSTICO DE POBLACIONES MÓVILES:

En la que la población total es estimada de la proporción de individuos en la recaptura, que

han sido capturados de manera previa y fueron marcados. Es decir este tipo de muestreo
utiliza métodos de captura, marca y recaptura. Se utiliza mucho en el estudio de migración
de poblaciones de animales.

C.5 MUESTREO NO PROBALÍSTICO DE OPINIÓN:

Se caracteriza por la forma de juicio u opinión por conveniencia teniendo como base el juicio
de investigador que elige porque los considera lo más representativos de la muestra.

C.6 MUESTREO ALEATORIO SIMPLE:

Es el diseño en el que todas las posibles muestras tienen igual probabilidad de ser
seleccionadas, tiene la ventaja de facilidad de selección de los sujetos y que el análisis de los
datos no es muy complicado.
ESTADÍSTICA Y PROBABLIDAD