UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

Escuela De Ciencias Bsicas, Tecnologa E Ingeniera (ECBTI)

Unidad De Ciencias Bsicas

ESTADSTICA DESCRIPTIVA
Cod. 100105

ACTIVIDAD 10. TRABAJO COLABORATIVO 2

Elaborado Por Grupo 52:

Nidia Murillo Salazar
Cd. 1098356451
Alva Edith Prez Murillo
Cd. 1101688389
Donovan Alexis Tllez Ariza
Cd. 1101688389
Deibyd Quiroz

Yeison Andrs Vaquiro

Tutor

Colombia, Diciembre De 2014

INTRODUCCION

La estadstica es muy importante para poder medir muchos resultados que se

dan en muchas actividades de las empresas. Las medidas de desviacin o
dispersin ayudan a medir cuanto se desvan los datos del promedio, para
poder evaluar si se tienen que hacer cambios y mejorar los trabajos.

As como las medidas de tendencia central nos permiten identificar el punto

central de los datos, las Medidas de dispersin nos permiten reconocer que
tanto se dispersan los datos alrededor del punto central; es decir, nos indican
cuanto se desvan las observaciones alrededor de su promedio aritmtico
(Media). Este tipo de medidas son parmetros informativos que nos permiten
conocer como los valores de los datos se reparten a travs del eje X, mediante
un valor numrico que representa el promedio de dispersin de los datos. Las
medidas de dispersin ms importantes y las ms utilizadas son la Varianza y
la Desviacin estndar

JUSTIFICACION
Dentro de un proceso de investigacin existen varias etapas, entre las cuales
tenemos los antecedentes histricos, y la recoleccin previa de la informacin
de los conceptos a estudiar; este material no ser bien entendido si no se
organiza y se presenta de una manera clara y sencilla, por esto en el primer
trabajo nos centramos en la herramienta ms conocida de la estadstica, las
grficas y tablas.
Hay situaciones en las que no bastan las tablas y grficas, por esto en la
estadstica existen otras herramientas precisas, como son las medidas
estadsticas univariantes y bivariantes; las cuales permiten el estudio de una
serie de variables que se involucran en los clculos matemticos. Adems la
estadstica necesita de una serie de conceptos y propiedades aritmticas y
matemticas, como es la sumatoria y la productoria.
Con el siguiente trabajo queremos mostrar cmo se aplican estas herramientas
en la interpretacin de una investigacin acerca de un estudio de la poblacin,
a partir de una informacin previa.

OBJETIVOS
Tener un primer acercamiento a los tipos de expresin e interpretaciones que
de las medidas de tendencia central y de dispersin.

OBJETIVOS ESPECIFICOS:

Comprender el proceso para hallar la varianza de una tabla estadstica,

su interpretacin en los datos e importancia para la toma de decisiones
Analizar

como

la

desviacin

estndar

puede

influir

en

los

comportamientos de una muestra y la consecucin de resultados

Afianzar los conceptos estadsticos aplicados a ejemplos cotidianos que
se presentan en las empresas
Conocer y afianzar los temas de la primera Unidad del curso.
Comprender aplicando, la utilidad que tienen dichos conceptos y
herramientas.
Iniciar el manejo en de todos los conceptos planteados durante el
presente curso.
Incursionar en el trabajo colaborativo dentro de lo establecido por los
nuevos conceptos de aprendizaje.
Descubrir nuestras fortalezas y debilidades asociativas a travs del
presente reto.

DESARROLLO DEL TRABAJO

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

MEDIDAS DE
DISPERSION
Muestran la variabilidad de una distribucin,
indicando por medio de un nmero, si las diferentes
puntuaciones de una variable estn muy alejadas de

Medidas de dispersion
Absoluta.

Rango Estadstico: Diferencia entre el

valor mximo y el valor mnimo en un
grupo de nmeros aleatorios
Varianza y Desviacin: Medida
estadstica que mide la dispersin
de los valores respecto a un valor

Medidas de Dispersion
Relativas.

Coeficiente de Varianza y
Desviacin Media: Estadstico
resumen indicador de si las

Punto 2
Una empresa despulpadora de fruta busca optimizar su produccin de jugo de
mango. Para esto, inici un estudio en el cual midi los pesos en gramos de
una muestra.
76
84
90
68
104

85
102
83
69
76

92
77
74
79
83

70
94
91
82
108

65
109
87
96
67

90
102
88
100
100

98
104
90
102
102

99
105
96
107
98

78
100
94
98
99

97
102
92
93
130

Realizar una tabla de distribucin de frecuencias para datos agrupados dado

que la variable es peso (cuantitativa continua), Calcular varianza, desviacin
estndar y coeficiente de variacin. Interprete los resultados.
Solucin propuesta:
65 79 90 98

102

67 82 91 98

102

68 83 92 98

102

69 83 92 99

104

70 84 93 99

104

74 85 94 100 105
76 87 94 100 107
76 88 96 100 108
77 90 96 102 109
78 90 97 102 130
SOLICION
No de datos
50
Vmax
130
Vmin
65
Rango
65
No de intervalos 6,606601014
Amplitud de clase
10,83
Diferencia
1

PESO EN
GRAMOS
JUGO

0,120

FRECUEN
CIA
ABSOLUT
A
ACUMULA
DA
6

81,25

10

0,200

16

20,00

98,5

93,08333

17

0,340

33

34,00

33

99,5

110,

104,9166

16

0,320

49

32,00

33

67

111,

122,

116,75

0,000

49

0,00

33

17

123,

134,

128,5833

0,020

50

2,00

17

00

33
50

64

MARCA
DE
CLASE

74,8

69,41666

67

75,8

86,6

87,6

Total

FRCUEN
CIA

FRECUEN
CIA
RELATIVA

FRECUEN
CIA
RELATIVA
ACUMULA
DA
12,00

100

Clculo de la varianza y desviacin estndar

PESO

EN MEDIA X DESVIACIN

CUADRADO

DE

LA

GRAMOS

RESPECTO DE LA DESVIACIN RESPECTO

JUGO

MEDIA (Xi X)

DE LA MEDIA (Xi X)2

65

91,5

-26,5

702,25

67

91,5

-24,5

600,25

68

91,5

-23,5

552,25

69

91,5

-22,5

506,25

70

91,5

-21,5

462,25

74

91,5

-17,5

306,25

76

91,5

-15,5

240,25

76

91,5

-15,5

240,25

77

91,5

-14,5

210,25

78

91,5

-13,5

182,25

79

91,5

-12,5

156,25

82

91,5

-9,5

90,25

83

91,5

-8,5

72,25

83

91,5

-8,5

72,25

84

91,5

-7,5

56,25

85

91,5

-6,5

42,25

87

91,5

-4,5

20,25

88

91,5

-3,5

12,25

90

91,5

-1,5

2,25

90

91,5

-1,5

2,25

90

91,5

-1,5

2,25

91

91,5

-0,5

0,25

92

91,5

0,5

0,25

92

91,5

0,5

0,25

93

91,5

1,5

2,25

94

91,5

2,5

6,25

94

91,5

2,5

6,25

96

91,5

4,5

20,25

96

91,5

4,5

20,25

97

91,5

5,5

30,25

98

91,5

6,5

42,25

98

91,5

6,5

42,25

98

91,5

6,5

42,25

99

91,5

7,5

56,25

99

91,5

7,5

56,25

100

91,5

8,5

72,25

100

91,5

8,5

72,25

100

91,5

8,5

72,25

102

91,5

10,5

110,25

102

91,5

10,5

110,25

102

91,5

10,5

110,25

102

91,5

10,5

110,25

102

91,5

10,5

110,25

104

91,5

12,5

156,25

104

91,5

12,5

156,25

105

91,5

13,5

182,25

107

91,5

15,5

240,25

108

91,5

16,5

272,25

109

91,5

17,5

306,25

130

91,5

38,5

1482,25

4575

8420,5

Solucin
No de datos

50

MEDIA X

91,5

VARIANZA

171,85

DESV. ESTANDAR

13,11

COEFICIENTE DE VARIACION 14,33

Punto 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:

Calcular:
El promedio de reclamos.
La varianza y su desviacin tpica
El coeficiente de variacin.
DESARROLLO
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

El promedio de reclamos.

__
X = 60/8 = 7,5
La varianza
Var = (3560/ 8 ) (7,5)2 = 3.47
Desviacin tpica
Raz Cuad de Varianza= 1,86

El coeficiente de variacin.
CV= 1,86/7,5 *100 = 2,86

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

Xi*fi
0
10
16
18
16
15
12
7
94

Xi2*fi
0
10
32
54
64
75
72
49
356

Punto 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 como los operarios van adaptndose
al nuevo proceso mejorando paulatinamente su proceso de produccin.
Los siguientes datos representan dicha situacin:
X
Y

10
35

20
28

30
23

40
20

50
18

60
15

a. Realice el diagrama de dispersin y determine el tipo

variables
N
X
Y
XY
1
10
35
350
2
20
28
560
3
30
23
690
4
40
20
800
5
50
18
900
6
60
15
900
7
70
13
910
28
280
152
5110

70
13
de asociacin entre las

100
400
900
1600
2500
3600
4900
14000

1225
784
529
400
324
225
169
3656

Tiempo medio para realizar

una pieza

DIAGRAMA DE DISPERSION
40
35
30
25
20
15
10
5
0
0

10

20

30

40

50

Numero de dias

60

70

80

Tipo de Asociacin entre las variables: Dispersin lineal descendente

(Negativa).
b. Encuentre el modelo matemtico que permite predecir el efecto de una
variable sobre la otra. Es confiable?
Modelo Matemtico: Y= a + bX
Entonces:

b=

a=

= -0.3464

35,570

Y= a + bX
= 35,570 + (-0.03464) = 35,535

Teniendo en cuenta que: cuando el

es cercano a 1, se dice que el modelo
de regresin lineal ajustado tiene un alto grado de confiabilidad, se puede
asegurar que la ecuacin de la recta es confiable porque el R est Sobre 1 por
lo cual tiene una correlacin excelente

c. Determine el porcentaje de explicacin del modelo y el grado de relacin de

las dos variables.

El R afirma que el modelo explica el 100% de la informacin y el valor del

coeficiente de correlacin lineal (r) es excelente ya que el 1.000 est sobre el
extremo 1 positivo que indica la existencia de correlacin perfecta positiva
d. Qu tiempo deber tardarse un empleado cuando se lleven 100 das?
Reemplazando en la formula hallada, tenemos:

Al cabo de 100 das de labor, el empleado deber demorarse

en la elaboracin de 1 pieza del artculo

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:
Estatura
(cm)
Peso (
kg)

121

123

108

118

111

109

114

103

110

115

25

22

19

24

19

18

20

15

20

21

a. Realice el diagrama de dispersin y determine el tipo de asociacin

entre las variables
N
1
2
3
4
5
6
7
8
9
10
10

X.ESTATURA
(CM)
121
123
108
118
111
109
114
103
110
115
1132

Y. PESO
(KG)
25
22
19
24
19
18
20
15
20
21
203

XY
3025
3075
2700
2950
2775
2725
2850
2575
2750
2875
28300

14641
15129
11664
13924
12321
11881
12996
10609
12100
13225
128490

625
484
361
576
361
324
400
225
400
441
4197

DIAGRAMA DE DISPERSION
30
25

Peso(Kg)

20
Y. PESO (KG)

15
10

Lineal (Y. PESO

(KG))

5
0
100

105

110

115

120

125

Estatura(cm)

Tipo de Asociacin entre las variables: Dispersin lineal

b. Encuentre el modelo matemtico que permite predecir el efecto de una

variable sobre la otra. Es confiable?
Modelo Matemtico: Y= a + bX
Entonces:

b=

a=

=0

= -26.61

Y= a + bX
= -26.61 + (0.4144) = -26.19

La ecuacin de la recta es confiable porque el R se aproxima a 1 por lo cual

tiene una buena correlacin

c. Determine el grado de relacin de las dos variables.

Basados en los resultados anteriores es posible determinar que el R explica el
98% de la informacin y el valor del coeficiente de correlacin lineal (r) es
bueno ya que el 0.9 est sobre el extremo 1 positivo que indica la existencia de
correlacin efectiva.

d. Cul es el peso que debera tener un estudiante que mida 130 cm?
Reemplazando en la formula hallada, tenemos:

Un estudiante de 130 cm debera pesar 27.68 Kg

Punto 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
1998
2000
2001
2002
2003
2004

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

Solucin:
El ndice simple con base variable se calcula dividiendo el dato de cada perodo
por el del inmediatamente anterior, la ecuacin que explica lo anterior es:
It / (t1) = xt / xt1

AO
1992
1993
1994
1995
1996
1997
1998
1998
2000
2001
2002
2003
2004

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

INDICE T/(T1) INDICE

T/(T1)%
1,10
0,75
0,91
1,26
1,08
1
0,91
0,76
0,96
0,80
1,34
1,13

110,22%
75,25%
91,78%
126,86%
108,23%
100%
91,30%
76,19%
96,87%
80,64%
134%
113,43%

CONCLUSIONES
La estadstica es la ciencia que le facilita al hombre el estudio de datos
masivos, pasa de esa manera a obtener conclusiones valederas y
efectuar predicciones razonables de ellos; mostrando as una visin de
conjunto clara y de ms fcil apreciacin, tanto para describirlos como
para compararlos.
Las herramientas de la estadstica descriptiva, permiten entender y
comprender de una manera clara, veraz, gil y sencilla la informacin
recopilada dentro de una investigacin, ya sea previa o el resultado de
un trabajo de campo, dichas herramientas estn relacionadas con una
serie de operaciones matemticas que conllevan a conocer una serie de
conceptos que permiten clasificar y destacar elementos relevantes del
proceso investigativo.
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.
Por otra parte observamos la proyeccin que tienen de cara a las
necesidades nuestra profesin en particular y a nuestra vida laboral en
general.
Vislumbramos plenamente el significado del trabajo colaborativo.

BIBLIOGRAFIA

ARMANDO, SOTO Negrin.(1999). Principios de Estadstica. Editorial

Panapo. Pg: 71-81.
RIVAS GONZLEZ, Ernesto.(2000) Estadstica General. Ediciones de la
Biblioteca.Caracas. Pg.164-169
BEJARANO BARRERA, Hernn (1995). Estadstica Descriptiva. Santa
fe de Bogot: UNISUR.
CHRISTENSEN, Howard B. (1999). Estadstica Paso a Paso. Mxico:
Editorial Trillas.
MARTNEZ BENCARDINO, Ciro (2004). Estadstica Bsica Aplicada.
Santa fe de Bogot: ECOE Ediciones.
MARTNEZ BENCARDINO, Ciro (2003). Estadstica y Muestreo. Santa
fe de Bogot: ECOE Ediciones.
MILTON, J. Susan (1999). Estadstica para biologa y ciencias de la
salud. Madrid: McGraw Hill Interamericana.
PORTUS GOVINDEN, Lincoyn (2001). Introduccin a la Estadstica.
Segunda edicin. Santa fe de Bogot. McGraw Hill.
PORTILLA CHIMAL, Enrique (1980). Estadstica, Primer Curso. Bogot:
Nueva Editorial Interamericana.
SPIEGEL, Murria R. (1991). Estadstica. Serie de compendios Schaum.
Mxico: McGraw Hill.
SMITH, A. Stanley. (1992). Curso de Estadstica Elemental para las
ciencias aplicadas. Primera edicin. Santa fe de Bogot. Editorial
Addison Wesley Iberoamericana.