TRABAJO COLABORATIVO 2

ESTADISTICA DESCRIPTIVA
INTRODUCCIN
Este trabajo se fundamenta en el reconocimiento y profundizacin en la temtica
propuesta dentro de la unidad 2 y el desarrollo de algunas de las temticas
estudiadas a lo largo del proceso acadmico del curso estadstica descriptivas.
Para el desarrollo de esta actividad fue necesario poner en prctica conceptos de
gran importancia tales como media aritmtica, mediana rango, varianza,
desviacin, mediana, entre otros conceptos estudiaos a lo largo del periodo
acadmico con el propsito de que el aprendizaje sea ms dinmico y se facilite
ms.

JUSTIFICACIN

El trabajo colaborativo parte de nuestro inters en apropiarnos de los contenidos

temticos del curso de estadstica descriptiva de la UNAD, donde cada
participante ha realizado sus respectivos aportes individuales para un mismo
trabajo, que es la entrega del producto final, el cual presentamos ahora.
La estadstica es una disciplina aplicada en todos los campos de la actividad
humana.
Este trabajo es tambin nuestra segunda experiencia colaborativa y demuestra lo
enriquecedor que puede llegar a ser el trabajar en esta modalidad; nos permite
ver, que a pesar de estar separados por grandes distancias, es posible
intercambiar ideas y posturas similares o contrarias pero al final constructivas para
todo el grupo de trabajo.

OBJETIVOS
OBJETIVO GENERAL
Poner en prctica algunos de los conceptos ms importantes estudiados a lo largo
del proceso acadmico en especial de la unidad nmero dos la cual lleva por
nombre de medidas estadsticas.
OBJETIVOS ESPECIFICOS

Manejar conceptos que nos permitan realizar una investigacin de forma

confiable.
Identificar y llevar a cabo cada una de las etapas que se deben seguir

dentro de una investigacin estadstica.

Representar la informar mediantes grficos.
Manejar el concepto de estadstica.

TRABAJO COLABORATIVO 2

1. Realizar un mentefacto conceptual sobre las medidas de dispersin.

2. Una empresa despulpadora de fruta busca optimizar su produccin de jugo

de mango. Para esto inicio un estudio en el cual midi los pesos en gramos
de una muestra

65
67
68
69
70
74
76
76
77
78

79
82
83
83
84
85
87
88
90
90

90
91
92
92
93
94
94
96
96
97

98
98
98
99
99
100
100
100
102
102

102
102
102
104
104
105
107
108
109
130

Realizar una tabla de distribucin de frecuencias para datos agrupados dado que
la variable es peso (cuantitativa continua), calcular la varianza, desviacin
estndar, y coeficiente de variacin. Interprete los resultados.
Numero de clases: Se elabora una distribucin de frecuencia con 10 clases.
Ancho de clase: Valor mayor Valor menor
N de clases: 10
Ancho de clase: 130 65 = 6,5
65 71,5
71,6
78,1
78,2
84,7
84,8 - 91,3
91,4
97,9
TOTAL

Fi
5

Mi
Fr
68,25 0,1

%F
10

FiA
5

FrA
0,1

74,85 0,1

10

10

0,2

81,45 0,1

10

15

0,3

88,05 0,14

14

22

0,44

28

94,65 0,56

56

50

50

MEDIA U: Xi = n
Xi

= 4575 = 91,5
n

50

100

VARIANZA S2= (Xi X)2

n-1
GASTOS

MEDIA

DESVIACIN
RESPECTO DE LA
MEDIA (Xi X)

CUADRADO DE LA
DESVIACIN
RESPECTO DE LA
MEDIA (Xi X)2

65
67
68
69
70
74
76
76
77
78
79
82
83
83
84
85
87
88
90
90
90
91
92
92
93
94
94
96
96
97
98
98
98
99
99

91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5

-26,5
-24,5
-23,5
-22,5
-21,5
-17,5
-15,5
-15,5
-14,5
-13,5
-12,5
-9,5
-8,5
-8,5
-7,5
-6,5
-4,5
-3,5
-1,5
-1,5
-1,5
-0,5
0,5
0,5
1,5
2,5
2,5
4,5
4,5
5,5
6,5
6,5
6,5
7,5
7,5

702,25
600,25
552,25
506,25
462,25
306,25
240,25
240,25
210,25
182,25
156,25
90,25
72,25
72,25
56,25
42,25
20,25
12,25
2,25
2,25
2,25
0,25
0,25
0,25
2,25
6,25
6,25
20,25
20,25
30,25
42,25
42,25
42,25
56,25
56,25

100
100
100
102
102
102
102
102
104
104
105
107
108
109
130

91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5
91,5

8,5
8,5
8,5
10,5
10,5
10,5
10,5
10,5
12,5
12,5
13,5
15,5
16,5
17,5
38,5

72,25
72,25
72,25
110,25
110,25
110,25
110,25
110,25
156,25
156,25
182,25
240,25
272,25
306,25
1482,25
8420,5

Varianza = 8420,5 = 171,85

50 - 1
DESVIACIN ESTNDAR S = S2
Desviacin estndar = 171,85
Desviacin estndar S = 13,11
1.

COEFICIENTE DE VARIACIN = Desviacin estndar x 100

Media

Coeficiente de variacin = 13,11 x 100 %

91,5
Coeficiente de variacin de Gastos = 14,33%
3. Un empleado de la empresa de acueducto de la ciudad de Cartagena,
realiza un estudio sobre los reclamos realizados en los 2 ltimos aos, para
ello elige una muestra de 60 personas, con los siguientes resultados:

N
Reclamacione
s
N de Usuarios

26

10

Calcular:
a.

El promedio de reclamos

b.

La varianza y su desviacin tpica

c.

El coeficiente de variacin.

Xi
0
1
2
3
4
5
6
7

fi
26
10
8
6
4
3
2
1
60

Fi
26
36
44
50
54
57
59
60

Fi%
43,33
60
73,33
83,33
90
95
98,33
100

Xifi
0
10
16
18
16
15
12
7
94

Xi2fi
0
10
32
54
64
75
72
49
356

Media: 94/60 = 1,57

Var = (356 / 60) (1,57)2
Var = 3,47
O = 3,47
O = 1,86
CV = 1,86/1,57
CV = 1,18 * 100
CV = 118%
4. Ingresar al blog de Estadstica Descriptiva que se encuentra en la pgina
principal del curso en el TOPICO DE CONTENIDOS, posteriormente buscar
el LABORATORIO (REGRESIN Y CORRELACIN LINEAL EXCELL) y
realizar los ejercicios 2 y 3 que se encuentra al final del laboratorio.

Ejercicio 2
En un nuevo proceso artesanal de fabricacin de cierto artculo que est
implantado, se ha considerado que era importante ir anotando peridicamente el
tiempo medio (medido en minutos) que se utiliza para realizar una pieza y el
nmero de das desde que empez dicho proceso de fabricacin. Con ello, se
pretende analizar cmo los operarios van adaptndose al nuevo proceso
mejorando paulatinamente su proceso de produccin. Los siguientes datos
representan dicha situacin:
a) Realice el diagrama de dispersin y determine el tipo de asociacin entre
las variables.

El tipo de asociacin del diagrama de dispersin es Lineal.

b) Encuentre el modelo matemtico que permite predecir el efecto de una
variable sobre la otra. Es confiable?
El modelo matemtico que permite predecir el efecto de una variable sobre
la otra es:
Y = a + b X; Y= 0.3464X + 35.571. R= 0.9454

Se puede asegurar que la ecuacin de la recta es confiable porque el R

est cercano a 1 y tiene un grado alto de confiabilidad.
c) Determine el porcentaje de explicacin del modelo y el grado de relacin de
las dos variables.
El R afirma adems que el modelo explica el 94.5% de la informacin y el
valor der coeficiente de correlacin lineal es excelente porque el 0.945
est muy cercano al extremo 1 positivo que es la correlacin perfecta
positiva.
d) Que tiempo deber tardarse un empleado cuando se lleven 100 das?
Para hallar el valor del tiempo de 100 das debemos reemplazar este valor
en la formula hallada.
Y = (-0.3464 * 100)+35.571= 0.931 minutos
Segn lo anterior para dicho nmero de das se espera realizar para una
pieza el obrero se demore 0.931 minutos.
Ejercicio 3
Una nutricionista de un hogar infantil desea encontrar un modelo matemtico que
permita determinar la relacin entre el peso y la estatura de sus estudiantes. Para
ello selecciona 10 nios y realiza las mediciones respectivas.
A continuacin se presentan los resultados:
a) Realice el diagrama de dispersin y determine el tipo de asociacin entre
las variables.

El tipo de asociacin del diagrama de dispersin es Lineal.

b) Encuentre el modelo matemtico que permite predecir el efecto de una
variable sobre la otra. Es confiable?
El modelo matemtico que permite predecir el efecto de una variable sobre
la otra es: Y= a + b X;
Y= 0.4212X - 27.377. R= 0.8102
Se puede asegurar que la ecuacin de la recta es aceptable porque el R se
aleja un poco de 1 y tiene un grado de confiabilidad aceptable.
c) Determine el grado de relacin de las dos variables.
La correlacin lineal es aceptable porque el 0.810 est un poco retirado del
1 positivo. d) Cual es el peso que debera tener un estudiante que mida 130
cm?
Y= 0.4212 * 130 - 27.377= 27.37
5. A continuacin se presentan las ventas nacionales de mviles nuevos de
1992 a 2004 en la siguiente tabla. Obtenga un ndice simple para las ventas
nacionales utilizando una base variable.

Ao
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
I = Xt x 100%
t-1

Xt-1

Ventas ($ millones)
8,8
9,7
7,3
6,7
8,5
9,2
9,2
8,4
6,4
6,2
5,0
6,7
7,6

1992

I = (9,7/8,8)*100 = 110,23%
1993

Se considera que el aumento en las ventas es del 10,23% en el ao 1993 con

respecto al ao 1992.

1993

I = (7,3/9,7)*100 = 75,26%
1994

Se considera que el aumento en las ventas es del 75,26% en el ao 1994 con

respecto al ao 1993.

1994

I = (6,7/7,3)*100 = 91,78%
1995

Se considera que el aumento en las ventas es del 91,78% en el ao 1995 con

respecto al ao 1994.
1995

I = (8,5/6,7)*100 = 126,87%
1996

Se considera que el aumento en las ventas es del 126,87% en el ao 1996 con

respecto al ao 1995.
1996

I = (9,2/8,5)*100 = 108,24%
1997

Se considera que el aumento en las ventas es del 108,24% en el ao 1997 con

respecto al ao 1996.
1997

I = (9,2/9,2)*100 = 100%

1998

Se considera que el aumento en las ventas es del 100% en el ao 1998 con

respecto al ao 1997.
1998

I = (8,4/9,2)*100 = 91,30%
1999

Se considera que el aumento en las ventas es del 91,30% en el ao 1999 con

respecto al ao 1998.
1999

I = (6,4/8,4)*100 = 76,19%
2000

Se considera que el aumento en las ventas es del 76,19% en el ao 2000 con

respecto al ao 1999.
2000

I = (6,2/6,4)*100 = 96,88%
2001

Se considera que el aumento en las ventas es del 96,88% en el ao 2001 con

respecto al ao 2000.
2001

I = (5,0/6,2)*100 = 80,65%
2002

Se considera que el aumento en las ventas es del 80,65% en el ao 2002 con

respecto al ao 2001.
2002

I = (6,7/5,0)*100 = 134%
2003

Se considera que el aumento en las ventas es del 134% en el ao 2003 con

respecto al ao 2002.
2003

I = (7,6/6,7)*100 = 113,43%
2004

Se considera que el aumento en las ventas es del 113,43% en el ao 2003 con

respecto al ao 2002.

CONCLUSIONES
Al finalizar el presente trabajo hemos diferenciado claramente los temas que nos
ms importantes de la segunda unidad del curso; como lo son, varianza, rango,
desviacin estndar, desviacin media, coeficiente de variacin, covarianza, etc.
Las medias de dispersin nos permiten medir esos datos extremos que se
encuentran alejados de la tendencia central, esto es muy interesante ya que las
medidas de tendencia central no siempre proporcionan conclusiones contundentes
frente a un conjunto de datos. Igualmente se aprendi a calcular la varianza de un
dato a la media, tambin comparar las series de los datos a travs del coeficiente
variacin y as se puede determinar cul serie tiene mayor o menor variabilidad
relativa.

REFERENCIAS BIBLIOGRFIA
ORTEGON Pava Milton Fernando, Modulo estadstica descriptiva. Universidad
Nacional Abierta Y A Distancia. Ibagu Julio 2010
http://estadisticadescriptivaunad100105.blogspot.com/