“UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA”

FACULTAD DE INGENIERIA DE MINAS, GEOLOGÍA Y CIVIL

ESCUELA PROFESIONAL DE INGENIERIA DE MINAS

“SOLUCIÓN DE LA PRACTICA N°1 DE ESTADÍSTICA Y PROBABILIDADES”

ASIGNATURA : Estadísticas y probabilidades ES - 241

ESTUDIANTE : Aulla Cardenas, Wilman

CODIGO : 15192506

DOCENTE : Ing. Tapia Calderón, Elmer Daniel

CORREO : aullacardenaswilman1@gmail.com

SEMESTRE ACADÉMICO : 2019 - I I

AYACUCHO – PERÚ
2019
Como siempre, para mi madre por estar
siempre ahí en las buenas y especialmente en
las malas y a fredy por los buenos consejos.

2
 INDICE
PARTE A. Simbolización de datos- Casos de sumatorias y productorias simples. .....................6
A.1CASO I. ...................................................................................................................................6
A.1.1) .........................................................................................................................................6
A.1.2) .........................................................................................................................................6
A.1.3) .........................................................................................................................................6
A.1.4) .........................................................................................................................................7
A.1.5) .........................................................................................................................................7
A.1.6) .........................................................................................................................................7
A.1.7) .........................................................................................................................................8
CASO 2. ........................................................................................................................................8
A.2.1) .........................................................................................................................................8
A.2.2) ....................................................................................................................................... 9
A.2.3) ....................................................................................................................................... 9
A.2.4) ....................................................................................................................................... 9
A.2.5) ....................................................................................................................................... 9
A.2.6) ....................................................................................................................................... 9
A.2.7) ....................................................................................................................................... 9
A.3 CASO III. sean los valores: X1=3, X2=5, X3 =2, X4 = 6, X5=4 y media aritmética es x.11
A.3.1) ....................................................................................................................................... 11
A.3.2) ....................................................................................................................................... 11
A.3.3) ....................................................................................................................................... 12
A.3.4) ....................................................................................................................................... 13
A.3.5) ....................................................................................................................................... 14
A.4 CASO IV. Dada la fórmula de media aritmética de datos no agrupados 𝒙 = 𝒊 = 𝟏𝒏𝑿𝒊𝒏,
siendo límites i=1 hasta i=4 de la sumatoria y productorias, demostrar los siguientes
problemas: .................................................................................................................................. 14
A.4.1) ....................................................................................................................................... 14
A.4.2) ....................................................................................................................................... 16
A.4.3) ....................................................................................................................................... 17
A.4.4) ....................................................................................................................................... 17
A.4.5) ....................................................................................................................................... 18
A.4.6) ....................................................................................................................................... 19
3
PARTE B. Simbolización de Datos- desarrollo de sumatorias simples .................................. 19
B.5.1) 𝑿𝒊𝟏 ....................................................................................................................................19
B.5.2) 𝑿𝒊𝟐 .................................................................................................................................... 20
B.5.3) 𝑿𝒊𝟑 .................................................................................................................................... 20
B.5.4) 𝑿𝒊𝟒 .................................................................................................................................... 21
B.5.5) 𝑿𝟏𝒋 .................................................................................................................................... 21
B.5.6) 𝑿𝟐𝒋 .................................................................................................................................... 21
B.5.7) 𝑿𝟑𝒋 .................................................................................................................................... 22
B.5.8) 𝑿𝟒𝒋 .................................................................................................................................... 22
B.5.1) 𝑿 ∙ 𝟐 ................................................................................................................................... 23
B.5.1) 𝑿𝟑. ..................................................................................................................................... 23
B.5.1) 𝑿.. ...................................................................................................................................... 24
B.5.1)𝑿𝒊𝒋 ...................................................................................................................................... 24
BLOQUE E. Organización de datos y cálculo de estadígrafos de cuadros completos- ............25
E.1) TIPOLOGIA DE VARIANLE ESTADISTICA Y DETERMIANR EL TAMAÑO DE
MUESTRA. ................................................................................................................................. 25
E.2) INTERPRETAR ESTADISTICAMENTE LAS CASILLAS H3, N*4, h2, n3, h3X100,
H2X100, N5-N3. ............................................................................................................................ 26
E.3) CALCULE EL RANGO 𝑹𝑿 .............................................................................................. 26
E.4) DETERMINAR EL NUMERO DE INTERVALOS DE CALSE (m) POR EL
SEGUNDO METODO: regla de sturges. ................................................................................. 26
E.5) ¿EXISTIRA NUEVO VALOR DEL NUMERODE INTERVALOS DE CLASE m? . 27
E.6) ¿DETERMINAR LA AMPLITUD INTERVALICA CONSTANTE DE DATOS
ORIGINALES(C) Y REDONDEA C´? .................................................................................... 27
E.7) ¿EXISTIRA UN NUEVO RANGO? ................................................................................. 27
E.8) DEFIRENCIA DE RANGOS. ........................................................................................... 27
E.9.) ELABORAR EL CUADRO COMPLETO DE LA DISTRIBUCION DE PESOS DE
LINGOTES DE ACERO “AREQUIPA”. ................................................................................ 27
E.10) GRAFICA ESTADISTICA DE LAS FRECUENCIAS ABSOLUTAS
ACUMULADAS: OJIVA “MENOR O IGUAL QUE <=” Y OJIVA “MAYOR O IGUAL
QUE >=” ..................................................................................................................................... 28
E.11) interpretar estadísticamente: m, y'0, n3, h5, h2x100, N4, H5, H6x100, N6*, H4*x100 ... 28
E.12) calcular el promedio de datos agrupados. interpretarla estadísticamente. ...............28
E.13) calcular el valor mediano de datos agrupados. interpretarla estadísticamente. ....... 28
E.14) calcular el valor modal de datos agrupados. interpretarla estadísticamente. ............29

4
 E.15) calcule la varianza y la desviación estándar de datos agrupados. interpretarlos. .......29
E.16) calcule la desviación media de datos agrupados. interpretarla estadísticamente. ..
E.17) E17) calcule la desviación mediana de datos agrupados. interpretarlas
estadísticamente……………………………………………………………………….. 30
E.18) calcule el coeficiente de variación de datos agrupados. interpretarlo........................ 33
E.19) calcule el primer cuartil (Q1) y el tercer cuartil (Q3) interpretarlos. ....................... 36
E.21) calcule el primer nonagésimo percentil y el décimo percentil interpretarlos ........... 38
E.22) Calcule el recorrido Intercuartílico y recorrido Percentílico. Interpretarlos. .......... 41
E.23) Hallar el 1° coeficiente de asimetría de Pearson. ¿distribución de As? ...................... 44
E.24) Hallar el 2° coeficiente de asimetría de Pearson. ¿distribución de As? .................... 47
E.25) Hallar el coeficiente Percentílico de Kurtosis. ¿Qué distribución genera K? ............ 49
E.26) Compare los valores de la media, mediana y moda. Graficar estos datos-resultados en
un plano cartesiano; observar la curva correspondiente, luego determinar que
distribución
ha generado las distribuciones de asimetría. ......................................................................... 50
G. TIPOLOGIA Y SUB-TIPOLOGIA DE VARIABLES ESTADISTICAS- ........................51
PARTE H. TEORIA DE LA ESTADISTICA DESCRIPTIVA. ............................................ 52

5
 I-PRACTICA PROGRAMADA DE ESTADISTICA Y PROBABILIDADES
PARTE A. Simbolización de datos- Casos de sumatorias y productorias simples.

6
7
M
9
A.3 CASO III. sean los valores: X1=3, X2=5, X3 =2, X4 = 6, X5=4 y media aritmética es
x.
Hallar el valor numérico de las sumatorias simples siguientes:

10
A.3.2)

11
12
A.3.5)

A.4 CASO IV. Dada la fórmula de media aritmética de datos no agrupados 𝑥̅ =

, siendo límites i=1 hasta i=4 de la sumatoria y productorias, demostrar los

siguientes problemas:
A.4.1) de a hacia b

13
Sea:

De b hacia a

Sea:
14
 A B

A=B

a)
=

b)
=

15
 =∑[𝑋𝑖2 + 𝑋𝑖𝑥̅ + 𝑋𝑖2 + 𝑥̅2 − 2𝑋𝑖𝑥̅]

= ∑𝑛1[𝑋𝑖(𝑋𝑖 + 𝑥̅) + (𝑋𝑖 − 𝑥̅)2]

; usar 𝑛𝑥̅ = ∑𝑋𝑖

∑[𝑋𝑖2 − 2𝑥̅𝑋𝑖 + 𝑥̅2 + 1⁄𝑛]

i) A hacia B

ii) B hacia A

16
iii) por lo tanto se demuestra que
A.4.5) de a hacia b:

∑[𝑋𝑖(𝑋𝑖 + 𝑥̅) + (𝑋𝑖 − 𝑥̅)2] = 2 ∑ 𝑋𝑖2

∑[𝑋𝑖2 + 𝑋𝑖𝑥̅ + 𝑋𝑖2 + 𝑥̅2 − 2𝑋𝑖𝑥̅]

∑[2𝑋𝑖2 + 𝑥̅2 − 𝑋𝑖𝑥̅]

2 ∑ 𝑋𝑖2 + ∑ 𝑥̅2 − ∑ 𝑋𝑖𝑥̅

2 ∑ 𝑋𝑖2 + 𝑥̅2𝑛 − 𝑥̅ ∑ 𝑋𝑖

Pero

2 ∑ 𝑋𝑖2 + 𝑥̅2𝑛 − 𝑥̅𝑥̅𝑛

2 ∑ 𝑋𝑖2 = 2 ∑ 𝑋𝑖2

De b hacia a:

17
 2 ∑ 𝑋𝑖2 = ∑[𝑋𝑖(𝑋𝑖 + 𝑥̅) + (𝑋𝑖 − 𝑥̅)2]

∑[𝑋𝑖2 + 𝑋𝑖2]

∑[𝑋𝑖2 + 𝑋𝑖2 + 𝑥̅2 − 2𝑥̅𝑋𝑖 − 𝑥̅2 + 2𝑥̅𝑋𝑖 ]

∑[𝑋𝑖2 + (𝑋𝑖 − 𝑥̅)2 − 𝑥̅2 + 2𝑥̅𝑋𝑖 ]

∑ 𝑋𝑖2 + ∑(𝑋𝑖 − 𝑥̅)2 − ∑ 𝑥̅2 + 2 ∑ 𝑥̅𝑋𝑖

∑ 𝑋𝑖2 + ∑(𝑋𝑖 − 𝑥̅)2 − 𝑥̅2𝑛 + 2𝑥̅𝑥̅𝑛

∑ 𝑋𝑖2 + ∑(𝑋𝑖 − 𝑥̅)2 + 𝑥̅2𝑛

∑ 𝑋𝑖2 + ∑(𝑋𝑖 − 𝑥̅)2 + ∑ 𝑋𝑖𝑥̅

∑[𝑋𝑖2 + (𝑋𝑖 − 𝑥̅)2 + 𝑋𝑖𝑥̅]

∑[𝑋𝑖(𝑋𝑖 + 𝑥̅) + (𝑋𝑖 − 𝑥̅)2] = ∑[𝑋𝑖(𝑋𝑖 + 𝑥̅) + (𝑋𝑖 − 𝑥̅)2]

A.4.6)

• A B

• B A
18
PARTE B. Simbolización de Datos- desarrollo de sumatorias simples, a partir del
cuadro Bidimensional B.5, que constituye una tabla doble entrada con valores de Xij.
Desarrolle las sumatorias indicadas, asignándoles sus límites superior e inferior y, finalmente
calcule su valor numérico, para cada caso:

B.5.1) ∑ 𝑿𝒊𝟏 B.5.5) ∑ 𝑿𝟏𝒋 B.5.1) 𝑿∙𝟐

B.5.2) ∑ 𝑿𝒊𝟐 B.5.6) ∑ 𝑿𝟐𝒋 B.5.1) 𝑿𝟑.

B.5.3) ∑ 𝑿𝒊𝟑 B.5.7) ∑ 𝑿𝟑𝒋 B.5.1) 𝑿..

B.5.4) ∑ 𝑿𝒊𝟒 B.5.8) ∑ 𝑿𝟒𝒋 B.5.1)∑ ∑ 𝑿𝒊𝒋

J 1 2 3 4
i

1 2 4 3 2

2 5 -1 -4 8

3 3 7 1 -2

4 1 2 0 6

Solución:

B.5.1) ∑ 𝑿𝒊𝟏
Desarrollamos:

19
 B.5.2) ∑ 𝑿𝒊𝟐
Desarrollamos:

B.5.3) ∑ 𝑿𝒊𝟑
Desarrollamos:

20
 B.5.4) ∑ 𝑿𝒊𝟒
Desarrollamos:

B.5.5) ∑ 𝑿𝟏𝒋
Desarrollamos:

∑ 𝑿𝟏𝒋 = 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14

∑ 𝑿𝟏𝒋 = 2 + 5 + 3 + 1

∑ 𝑿𝟏𝒋 = 11

B.5.6) ∑ 𝑿𝟐𝒋
Desarrollamos:

21
 B.5.7) ∑ 𝑿𝟑𝒋
Desarrollamos:

B.5.8) ∑ 𝑿𝟒𝒋
Desarrollamos:

22
B.5.1) 𝑿∙𝟐
Desarrollamos:

𝑿∙𝟐 = 𝑋12 + 𝑋22 + 𝑋32 + 𝑋42

𝑿∙𝟐 = 4 + (−1) + 7 + 2

𝑿∙𝟐 = 12

B.5.1) 𝑿𝟑.
Desarrollamos:

𝑿𝟑. = 𝑋31 + 𝑋32 + 𝑋33 + 𝑋34

𝑿𝟑. = 3 + (−4) + 1 + 0

𝑿𝟑. = 0

B.5.1) 𝑿..
Desarrollamos:

23
B.5.1)∑ ∑ 𝑿𝒊𝒋

Desarrollamos:

∑ ∑ 𝑿𝒊𝒋 = (11) + (12) + (0) + (14)

24
 ∑ ∑ 𝑿𝒊𝒋 = 𝟑𝟕

PARTE C. Regresión lineal simple y Correlación. Los siguientes datos se obtuvieron para
la dureza x y el esfuerzo a la tensión y, en cinco muestras de un mineral vaciado:
Tabla N° D
𝑋𝑖 (𝑑𝑢𝑟𝑒𝑧𝑎) 53 70 55 53 69

𝑌𝑖 (𝑒𝑠𝑓𝑢𝑒𝑟𝑧𝑜 𝑎 𝑙𝑎 𝑡𝑒𝑛𝑠𝑖𝑜𝑛) 29 34 30 31 36

Calcule todas las preguntas anteriores, codificadas como C1 hasta C13

CON LOS DATOS DE LA TABLA ANTERIOR CONSTRUIMOS LA SIGUIENTE
TABLA
𝑦𝑖
𝑖 𝑋𝑖 𝑌𝑖 𝑥̅𝑖 = 𝑋𝑖 − 𝑥̅ = 𝑌𝑖 − 𝑦 𝑥̅𝑖2 𝑦𝑖2 𝑥̅𝑖𝑦𝑖
1 53 29 -7 -3 49 9 21
2 70 34 10 2 100 4 20
3 55 30 -5 -2 25 4 10
4 53 31 -7 -1 49 1 7
5 69 36 9 4 81 16 36
5 5 5 5 5 5 5∑
∑ 𝑋𝑖 ∑ 𝑦𝑖 ∑ 𝑥̅𝑖 ∑ 𝑦𝑖∑ 𝑥̅𝑖2 ∑ 𝑦𝑖2 𝑥̅𝑖𝑦𝑖
𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1 𝑖=1
𝑛=5 = 300 = 160 =0 =0 = 304 = 34 = 94

C.1 media muestras de 𝑿: 𝒙 si sabemos que

Entonces

𝑥̅ = ∑𝑛𝑖=1 𝑋𝑖⁄𝑛

𝑥̅ = (𝑋1 + 𝑋2 + 𝑋3 + 𝑋4 + 𝑋5)⁄5

(53 + 70 + 55 + 53 + 69)⁄ = 60
𝑥̅ = 5
C.2 media maestral de 𝒀: 𝒚̅ si sabemos que

25
Entonces

𝑦 = ∑𝑛𝑖=1 𝑌𝑖⁄𝑛

𝑦 = (𝑌1 + 𝑌2 + 𝑌3 + 𝑌4 + 𝑌5)⁄5

(29 + 34 + 30 + 31 + 36)⁄ = 32
𝑦= 5

C.3 varianza muestral de la 𝑿:𝑺𝟐𝒙

Reemplazamos los valores de la tabla

C.4 varianza muestral de la 𝒀: 𝑺𝟐𝒚̅

Reemplazamos los valores de la tabla

C.5 coeficiente de regresión lineal simple (𝜷̂)

Reemplazamos los valores de la tabla

C.6 Intersección de la recta con el

Reemplazamos los valores hallados

𝛼̂ = (32) − 0.309(60)

𝛼̂ = (32) − 0.309(60) = 13.447

Por lo tanto, como ecuación tenemos

26
C.7 para , ¿cuánto valdrá ?
Si tenemos la formula

Por lo tanto:

C.8 para , ¿cuánto será el pronóstico para ?

Si tenemos la formula

Por lo tanto:

C.9 Determinar el coeficiente de correlación e interpretación estadística

Interpretación estadística: cuando el coeficiente de correlación se acerca a 1 entonces la

correlación es fuerte por lo tanto las predicciones que se hagan con la ecuación de regresión
será certeras.
C. 10 Determinar el coeficiente de determinación e interpretación estadística.

Interpretación estadística: representa la reducción relativa de la suma de cuadrados del

error total gracias al uso de la recta de regresión. Así mide la bodad de ajuste en el
sentido que indica la cantidad de mejoramiento e términos de reducción del error total
gracias al uso de la recta de regresión.
C.11 Hallar el coeficiente de alejamiento e interpretación

37.947%
C.12 Hallar el coeficiente de variación para 𝑿

27
C.13 Hallar el coeficiente de variación para 𝒀

BLOQUE D. Organización de datos y cálculo de estadígrafos de cuadros completos-

Suponga que se ha judicializado un caso respecto al peso de lingotes de acero de “aceros

Arequipa S.A”, analizados por el juez Especializado en lo civil, para lo cual se tomó una
muestra aleatoria simple (MAS) de la producción semanal de 50 observaciones, las
unidades están dadas en kilogramos (kg), registrándose los siguientes datos originales Xi:

Ya ordenando la tabla de datos se tiene:

91.6 91.9 92.3 92.4 92.7 92.7 92.7 92.7 92.8 92.9
92.9 93.0 93.0 93.2 93.3 93.6 93.6 93.6 93.6 93.7
93.7 93.7 93.7 93.7 93.8 93.9 93.9 94.0 94.1 94.2
94.2 94.3 94.3 94.4 94.4 94.5 94.6 94.6 94.7 94.7
94.8 95.0 95.3 95.4 95.5 95.5 95.7 95.7 96.2 96.4

D.1) TIPOLOGIA DE VARIANLE ESTADISTICA Y DETERMIANR EL TAMAÑO

DE MUESTRA.
Variable estadística: variable cuantitativa continua.
Tamaño de muestra: 50 pesos de lingotes de acero.
Ya ordenando la tabla de datos se tiene:
91.6 91.9 92.3 92.4 92.7 92.7 92.7 92.7 92.8 92.9
28
 92.9 93.0 93.0 93.2 93.3 93.6 93.6 93.6 93.6 93.7
93.7 93.7 93.7 93.7 93.8 93.9 93.9 94.0 94.1 94.2
94.2 94.3 94.3 94.4 94.4 94.5 94.6 94.6 94.7 94.7
94.8 95.0 95.3 95.4 95.5 95.5 95.7 95.7 96.2 96.4

D.2) INTERPRETAR ESTADISTICAMENTE LAS CASILLAS H3, N*4, h 2, n3,

h3X100, H2X100, N5-N3.
n3:los pesos de 9 lingotes están dentro del intervalo de [92.95; 93.65] h2: el 0.18
por uno del total de masas de lingotes se encuentra en el intervalo [92.25 ,
92.95>
h3x100: el 16 por ciento del total de lingotes de acero están en el intervalo [92.95 , 93.65>
H2x100: el 22 por ciento de masa de lingotes de acero están en el intervalo [92.25 , 92.95>
N4*:31 masas de lingotes no se encuentran dentro de los seis últimos intervalos de clase
[93.65, 94.35>
H3: 0.28 masa de lingotes que se encuentran en el intervalo [92.95 , 93.65>
N5-N3: 42-14= 28 a lo sumo masas de lingotes
D.3) CALCULE EL RANGO 𝑹𝑿

𝑋𝑚𝑎𝑥̅ − 𝑋𝑚𝑖𝑛

96.4 − 91.6

𝑟𝑎𝑛𝑔𝑜 = 4.8𝑘𝑔
D.4) DETERMINAR EL NUMERO DE INTERVALOS DE CALSE (m) POR EL
SEGUNDO METODO: regla de sturges.
𝑅𝐸𝐺𝐿𝐴 𝐷𝐸 𝑆𝑇𝑈𝑅𝐺𝐸𝑆 ∶ 1 + 3.32 log 𝑁

1 + 3.32 log 50

𝑚 = 6.64
D.5) ¿EXISTIRA NUEVO VALOR DEL NUMERODE INTERVALOS DE CLASE m?
Si existe lo cual es m´=7
D.6) ¿DETERMINAR LA AMPLITUD INTERVALICA CONSTANTE DE DATOS
ORIGINALES(C) Y REDONDEA C´?
29
D.7) ¿EXISTIRA UN NUEVO RANGO?
𝑅´𝑥̅ = 𝐶´𝑋𝑚´

𝑅´𝑥̅ = (7)(0.7)

𝑅´𝑥̅ = 4.9𝑘𝑔
D.8) DEFIRENCIA DE RANGOS.

∆𝑅𝑥̅ = 𝑅´𝑥̅ − 𝑅𝑥̅

∆𝑅𝑥̅ = 4.9 − 4.8

∆𝑅𝑥̅ = 0.1𝑘𝑔

∆𝑅𝑥̅ = −0.05

∆𝑅𝑥̅ = +0.05

𝑋𝑚𝑎𝑥̅ = 96.4 + 0.05

𝑋𝑚𝑎𝑥̅ = 96.45

𝑋𝑚𝑖𝑛 = 91.6 − 0.05

𝑋𝑚𝑖𝑛 = 91.55

D.9.) ELABORAR EL CUADRO COMPLETO DE LA DISTRIBUCION DE PESOS

DE LINGOTES DE ACERO “AREQUIPA”.

30
 [91.55 ,
1 92.25> 91.9 0.7 2 0.04 4
[92.25 ,
2 92.95> 92.6 0.7 9 0.18 18
[92.95 ,
3 93.65> 93.3 0.7 8 0.16 16
[93.65 ,
4 94.35> 94.0 0.7 14 0.28 28
[94.35 ,
5 95.05> 94.7 0.7 9 0.18 18
[95.05 ,
6 95.75> 95.4 0.7 6 0.12 12
[95.75 ,
7 96.45> 96.1 0.7 2 0.04 4
suma 50 1 100

2 0.04 4 50 1 100 183.8 3.676

11 0.22 22 48 0.96 96 833.4 16.668
19 0.38 38 39 0.78 78 746.4 14.928
33 0.66 66 31 0.62 62 1316 26.32
42 0.84 84 17 0.34 34 852.3 17.046
48 0.96 96 8 0.16 16 572.4 11.448
50 1 100 2 0.04 4 192.2 3.844

E.10) GRAFICA ESTADISTICA DE LAS FRECUENCIAS ABSOLUTAS

ACUMULADAS: OJIVA “MENOR O IGUAL QUE <=” Y OJIVA “MAYOR O
IGUAL QUE >=”

31
E.11) interpretar estadísticamente: m, y'0, n3, h5, h2x100, N4, H5, H6x100, N6*, H4*x100

m: existen siete intervalos de clase en la tabla de pesos de los lingotes de acero.

Y0': indica el límite inferior del intervalo de la primera fila.

32
n3:los pesos de 9 lingotes están dentro del intervalo de

h5:el 0.11 por uno del total de masas de lingotes se encuentra en el intervalo

h2x100: el 18 por ciento del total de lingotes de acero están en el intervalo

N4: el 0.4 por 1 del total de masas de lingote están dentro del intervalo

H6x100: el 96 por ciento de masa de lingotes de acero están en el intervalo

N6*:11 meses de lingotes no se encuentran dentro de los seis últimos intervalos de clase.

H4*x100: el 66% del total de masas de lingotes de acero no se encuentran dentro de los
cuatro últimos intervalos de clase.

E.12) calcular el promedio de datos agrupados. interpretarla estadísticamente.

=93.93
93.93 es el valor medio que se encuentra entre el valor máximo y el valor mínimo de los
datos agrupados.
E.13) calcular el valor mediano de datos agrupados. interpretarla estadísticamente.

93.95 es el valor que se encuentra en la posición media de los datos ordenados.

E.14) calcular el valor modal de datos agrupados. interpretarla estadísticamente.

33
94.0318 es el valor que más se repite en la tabla de datos agrupados
E.15) calcule la varianza y la desviación estándar de datos agrupados. interpretarlos.

VARIANZA X :
𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟𝑒𝑠 𝑡𝑒𝑛𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝑋 = 93.93 𝑘𝑔

i xi ni xi^2 (xi^2)*ni
1 91.9 2 8445.61 16891.22
2 92.6 9 8574.76 77172.84
3 93.3 8 8704.89 69639.12
4 94 14 8836 123704
5 94.7 9 8968.09 80712.81
6 95.4 6 9101.16 54606.96
7 96.1 2 9235.21 18470.42
50 61865.72 441197.37

𝑆𝑥̅2 = 1.1025 𝑘𝑔2

Desviación estándar s: √1.1025 ∗ 𝑘𝑔2 = 1.0500 𝑘𝑔

E.16) calcule la desviación media de datos agrupados. interpretarla estadísticamente.

Desviación media:
∑|𝑿𝒊 − 𝒙|. 𝒏𝒊
𝒙𝒊 =
𝑵
i Xi 𝑥̅ ni

34
 1 91.9 93.93 2
2 92.6 93.93 9
3 93.3 93.93 8
4 94 93.93 14
5 94.7 93.93 9
6 95.4 93.93 6
7 96.1 93.93 2
suma 50

E17) calcule la desviación mediana de datos agrupados. interpretarlas estadísticamente.

Desviación mediana:

|𝑋𝑖 − 𝑀𝑒|
i Xi Me ni ∗ 𝑛𝑖

1 91.9 93.95 2 4.1

35
 2 92.6 93.95 9 12.15

3 93.3 93.95 8 5.2

4 94 93.95 14 0.7

5 94.7 93.95 9 6.75

6 95.4 93.95 6 8.7

7 96.1 93.95 2 4.3

50 41.9

E.18) calcule el coeficiente de variación de datos agrupados. interpretarlo.

De la pregunta E15 tenemos que la desviación estándar es 1.0500 𝑘𝑔

Y de la pregunta E12 tenemos que el promedio es 93.93 kg De
lo cual obtenemos que:

E.19) calcule el primer cuartil (Q1) y el tercer cuartil (Q3) interpretarlos.

Hallando el primer cuartil es:

36
 .

El 25% de los datos agrupados es menor a 93.1375 kg

Hallando el tercer cuartil:

El 75% de los datos agrupados es menor a 94.7000 kg

E20) calcule el primer decil y el noveno decil. interpretarlos estadísticamente.

.
Hallado el primer decil:

37
El 10% de los datos agrupados es menor a 92.4833 kg Hallado
el noveno decil:

El 90% de los datos agrupados es menor a 95.4000 kg

E.21) calcule el primer nonagésimo percentil y el décimo percentil interpretarlos

Hallado el nonagésimo percentil:

El 90% de los datos agrupados es menor a 95.4000 kg Hallado

el décimo percentil:

38
El 10% de los datos agrupados es menor a kg

E.22) Calcule el recorrido Intercuartílico y recorrido Percentílico. Interpretarlos.

Para hallar los cuartiles usamos la siguiente fórmula:
𝑘𝑛

𝑄𝑘 = 𝑌𝑖−1 + 𝑐𝑖 ( 4 − 𝑁𝑖−1)
𝑁𝑖 − 𝑁𝑖−1

[91.55 ,
92.25>
1 2 2
[92.25 ,
92.95>
2 9 11
[92.95 ,
93.65>
3 8 14
[93.65 ,
94.35>
4 14 33
[94.35 ,
95.05>
5 9 42
[95.05 ,
95.75>
6 6 48
[95.75 ,
96.45>
7 2 50
suma 50

Hallando el cuartil 1:

39
Hallamos posición del cuartil:

Hallando el cuartil 3:

Hallamos posición del cuartil:

𝑁𝑖−1 = 33 𝑌𝑖−1 = 94.35
𝑁𝑖 = 42 𝑐𝑖 = 95.05 − 94.35 = 0.7

Finalmente hallando el recorrido Intercuartílico tenemos:

𝑅 = 𝑄3 − 𝑄1
𝑅 = 94.7 − 93.3
𝑅 = 1.4
Interpretación:
El 1.4 de los 50 lingotes de acero representa la producción semanal de la empresa
en un 25%.

Para hallar los percentiles usamos la siguiente fórmula:

40
 𝑘𝑛

𝑃𝑘 = 𝑌𝑖−1 + 𝑐𝑖 (100 − 𝑁𝑖−1) 𝑁𝑖 − 𝑁𝑖−1

𝑖 [𝑌𝑖−1, 𝑌𝑖 > 𝑛𝑖 𝑁𝑖

[91.55 ,
92.25>
1 2 2
[92.25 ,
92.95>
2 9 11
[92.95 ,
93.65>
3 8 14
[93.65 ,
94.35>
4 14 33
[94.35 ,
95.05>
5 9 42
[95.05 ,
95.75>
6 6 48
[95.75 ,
96.45>
7 2 50
suma 50

Hallando el percentil 1:

Hallamos posición del percentil:

Hallando el percentil 99:

41
 Hallamos posición del percentil:
𝑁𝑖−1 = 48 𝑌𝑖−1 = 95.75
𝑁𝑖 = 50 𝑐𝑖 = 96.45 − 95.75 = 0.7

Finalmente hallando el recorrido Interpercentílico tenemos:

𝑅 = 𝑃99 − 𝑃1
𝑅 = 96.275 − 91.725
𝑅 = 4.55
Interpretación:
El 4.55 de los 50 lingotes de acero representa la producción semanal de la empresa
en un 98%.

E.23) Hallar el 1° coeficiente de asimetría de Pearson. ¿distribución de As?

42
 [𝑌𝑖−1, 𝑌𝑖 > 𝑌𝑖 𝑛𝑖 (𝑌𝑖 − 𝑥̅)2
∗ 𝑛𝑖
𝑖
[91.55 ,
92.25>
1 91.9 2 8.339528
[92.25 ,
92.95>
2 92.6 9 3.601928
[92.95 ,
93.65>
3 93.3 8 3.297312
[93.65 , 𝑥̅
94.35>
4 94.0 14 0.047096
[94.35 , 93.942
95.05>
5 94.7 9 5.171076
[95.05 ,
95.75>
6 95.4 6 12.754584
[95.75 ,
96.45>
7 96.1 2 9.313928
suma 50 42.525452

Como estamos trabajando con muestra para hallar el 1° coeficiente de asimetría

usamos la siguiente formula:

Donde

43
 𝑆 = 0.931

Sabemos que la mediana es:

𝑀𝑒 = 𝑄2 = 94.055 Entonces
reemplazando tenemos:

𝐴𝑠 = −0.364

Distribución de As con dispersión de datos de los 50 lingotes de acero producida

por la empresa.
E.24) Hallar el 2° coeficiente de asimetría de Pearson. ¿distribución de As?
Como estamos trabajando con muestra para hallar el 2° coeficiente de asimetría usamos la
siguiente formula:

Donde

𝑆 = 0.931

Sabemos que la mediana es:

𝑀𝑜 = 93.7 Entonces
reemplazando tenemos:

44
 𝐴𝑠 = 0.259
Distribución de As con regresión de datos de los 50 lingotes de acero producida por la
empresa.

E.25) Hallar el coeficiente Percentílico de Kurtosis. ¿Qué distribución genera K?

Para hallar el coeficiente Percentílico de Kurtosis usamos la siguiente formula:

𝑖 [𝑌𝑖−1, 𝑌𝑖 > 𝑛𝑖 𝑁𝑖

[91.55 ,
92.25>
1 2 2
[92.25 ,
92.95>
2 9 11
[92.95 ,
93.65>
3 8 14
[93.65 ,
94.35>
4 14 33
[94.35 ,
95.05>
5 9 42
[95.05 ,
95.75>
6 6 48
[95.75 ,
96.45>
7 2 50
suma 50

Hallando los respectivos percentiles tenemos: percentil

10:

45
Hallamos posición del percentil:
𝑁𝑖−1 = 2 𝑌𝑖−1 = 92.25

percentil 25:

Hallamos posición del percentil:

percentil 75:

Hallamos posición del percentil:

percentil 90:

46
 Hallamos posición del percentil:
𝑁𝑖−1 = 42 𝑌𝑖−1 = 95.05

Hallando la kurtosis tenemos:

Como la kurtosis es mayor que cero, esto genera una distribución Leptocúrtica.

E.26) Compare los valores de la media, mediana y moda. Graficar estos datosresultados
en un plano cartesiano; observar la curva correspondiente, luego determinar que
distribución ha generado las distribuciones de asimetría.

Ya ordenando la tabla de datos se tiene:

91.6 91.9 92.3 92.4 92.7 92.7 92.7 92.7 92.8 92.9
92.9 93.0 93.0 93.2 93.3 93.6 93.6 93.6 93.6 93.7
93.7 93.7 93.7 93.7 93.8 93.9 93.9 94.0 94.1 94.2
94.2 94.3 94.3 94.4 94.4 94.5 94.6 94.6 94.7 94.7
94.8 95.0 95.3 95.4 95.5 95.5 95.7 95.7 96.2 96.4

Hallando la media aritmética con la fórmula:

47
 x = 93.942 Hallando
la mediana:

Por teoría la mediana es igual al 2do cuartil, por lo tanto, tenemos:

Hallando el cuartil 3:

Hallamos posición del cuartil:

𝑁𝑖−1 = 14 𝑌𝑖−1 = 93.65
𝑁𝑖 = 33 𝑐𝑖 = 94.35 − 93.65 = 0.7

Hallando la moda:
En la tabla se ve que el número que más se repite es 93.7 por lo tanto 𝑀𝑜
= 93.7, la tabla es unimodal.

16

14

12

10

0
91.00 91.50 92.00 92.50 93.00 93.50 94.00 94.50 95.00 95.50 96.00

48
 media 93.942
mediana 94.055
moda 93.700

La curva de asimetría es positiva, por lo tanto, la distribución es Leptocúrtica.

G. E. TIPOLOGIA Y SUB-TIPOLOGIA DE VARIABLES ESTADISTICAS-

Dadas las siguientes proposiciones, determine el tipo y sub-tipo de variables estadísticas

que tiene:

G.1. escuelas profesionales de la facultad de ingeniería de minas, geología y civil.

Respuesta. Variable Cualitativa Nominal (VCN)

G.2. N° de libros de estructuras de acero en la biblioteca central “Efrain Morote

Best”

Respuesta. Variable Cuantitativa Discreta (VCD)

G.3. Total, de capital social de la empresa constructora “pegasus ingenieros” de

Trujillo.

Tipo: variable cuantitativa.

Subtipo: variable cuantitativa continúa.

G.4. Número de ingenieros civiles colegiados en el colegio de ingenieros del Perú-

consejo departamental de Ayacucho.

G.5. Cantidades de precipitación pluviométrica en octubre de 2015 en Cajamarca.

Variable cuantitativa continua (V.C.C).

G.6. Los tres primeros puestos en el ingreso a EP de Derecho, 2016-I, UNSCH.

Variable cualitativa ordinal (V.C.O).

G.7. Las Cruzadas Cristianas en el Medio Oriente.

Tipología: Variable cualitativa.
49
 Sub tipología: Variable cualitativa nominal.

G.8. La temperatura promedio diario de cuzco en el mes de junio de 2019

Variable cuantitativa continua (V.C.C)

G.9. La descarga anual de los ríos de la selva en el Amazona

Tipología: variable cuantitativa

Sub tipología: continua

G.10. Órdenes religiosas de la Iglesia Católica Romana.

Tipo: variable cualitativa

Sub tipo: I-1 VCN

G.11. Grados de cultura de una persona Tipología: variable cualitativa (V.C)

Sub-tipología: variable cualitativa nominal (V.C.N)

G.12. Tipología de teodolitos para levantamiento topográfico de un territorio.

Tipo: variable cuantitativa.

Subtipo: variable cuantitativa discreta.

PARTE H. TEORIA DE LA ESTADISTICA DESCRIPTIVA.

Respecto a las siguientes preposiciones de ESTADISTICA DESCRIPTICA, complete entre

paréntesis con la letra (V) si usted considera que la preposición es verdadera y complete
con letra (F) si a su parecer dicha proporción es FALSA:

H.1. Distribución unimodal es la que tiene un solo “máximo” y una sola moda
……………(F)
H.2. La asimetría negativa cumple con que la medida aritmética es menor que la
mediana y esta a su vez es menor que la
moda……………………………………………………………………………………… (V)

H.3. Recorrido intercuartílico toma en cuenta la desviación entre el segundo (𝑄2) y

el tercer

Cuartil(𝑄3)……………………………………………………………………………….. (F)
50
 H.4. Recorrido interpercentilico cosidera en cuenta la desviación entre el
nonagésimo percentil (𝑃90) y el decimo percentil
(𝑃10)……………………………………………………………………………
………….(V)

H.5. La distribución normal general toma el nombre de DISTRIBUCION

SIMETRICA cuando se trata de medir la deformación
………………………………………………….(V)

H.6. La distribución normal general toma el nombre de Distribución Platicúrtica

cuando
se trata de medir el aplastamiento
y“K=0.263”………………..………………………………………………………………(V)

H.7. La media aritmética es el estadígrafo más usado sobre todo en la

cuantificación de variables económico-financieras y de ingeniería
………………………………………………………………………………………….... (V)
H. 8.El primer Coeficiente de Pearson mide el apuntamiento o
Curtosis………………………………………………………………………………….( F)

H.9.El muestreo de opinión es un muestreo probabilístico

………………………………………………………………………………………….….(F)

H.10. las frecuencias absolutas simples se expresan en

tanto por ciento
(%)……………………………………………………………………………………........(F)

H.11. Las frecuencias relativas simples se expresan en

“tanto por uno”
……………………(V)

H.12. Las frecuencias absolutas acumuladas hacia abajo se interpretan como “a lo

sumo”.
(V)

H.13. Las frecuencias absolutas acumuladas hacia abajo se interpretan como “por
lo menos”
51
…………………………………………………………………………………………….(F)

Rspta: Falso, son “a lo sumo”.

H.14. El tercer cuartil (Q3) es un estadígrafo de posición.

H.14. La frecuencia absoluta acumulada hacia arriba se interpreta como “por lo

menos”

Falso, se interpreta “a lo sumo”

H.15. Los Fractiles o Cuantiles son estadígrafos de

asimetría
………………………….....................................................................................................(F)
H. 16.La distribución normal general es una distribución
asimétrica………………………………………………………………………………… (V)

H.17. La distribución normal estándar no es una distribución simétrica

Falso, La gráfica de su función de densidad tiene una forma acampanada y es simétrica

respecto de un determinado parámetro estadístico. Esta curva se conoce como campana de
Gauss y es el gráfico de una función gaussiana.

Verdad, También conocidos como “Medidas de Tendencia central” son los valores
numéricos que indican el “centro” de un conjunto de datos (sin que signifique que es el
centro exactamente)

H.18. La distribución platicúrtica es un estadígrafo de

asimetría…………………………...(F)

H.19.La distribución mesocurtica es la distribución normal

general……………………………………………………………………………..………(F)

H.20.La variable cualitativa jerárquica es lo mismo que la

ordinal……………………………………………………………………………….…… (V)

52