“MEDIDAS DE DISPERSIÓN”
 
CARRERA : Tecnología Mecánica Eléctrica

 CICLO : II

SECCION : “F”

DOCENTE  : Jose Luiz Ponte Bejarano

CURSO : Aplicaciónes de calculo y estadística

 ALUMNOS : Elwin paul ramirez lizana

                                
ERSIÓN”
éctrica

estadística
 MEDIDAS DE DISPERSIÓN
1.  En el club deportivo español “Barcelona BF” se realiza una encuesta a cada uno de los futbolista
. se pide que digan el número de goles que anotaron durante toda su carrera. Las respuestas fuero

50 60 70 50 60 80 60
50 60 60 70 80 70 60
70 70 90 90 80 70 60
50 50 60 60 70 70 50

Determinar las medidas de dispersión.

a) x: numero de goles (cuantitativa/ discreta)

xi f xi * f xi-ẋ (xi-ẋ)2 f *(xi-ẋ)2

50 10 500 -15 225 2250
60 9 540 -5 25 225
70 9 630 5 25 225
80 5 400 15 225 1125
• 90 3 270 25 625 1875
TOTAL 36 2340 5700

promedio
65

• ○ ENTONCES ENCONTRANDO LAVARIANZA

•
•
• V = 162.86

• los datos estan muy dispersos

○ ENCONTRANDO DESVIACION ESTANDAR

 S= 12.76

• los datos estan muy dispersos

○ Encontrando el coefciente de varianza

CV = 19.63 %

• los datos presentan alta variabilidad

2. En Tecsup Norte se quiere determinar el número de alumnos matriculados en el semestre

se hace un conteo del número de alumnos por aula. Los resultados fueron los siguientes:

40 40 30 30 40 50 40
40 50 50 40 40 30 30
30 50 30 40 50 40 30

 Determinar la medidas de dispersion 
Determinar las medidas de dispersión.
a) X: Numero de alumnos matriculados en el semestre 2017-1.

xi f xi * f (xi - ẋ) (xi - ẋ)2 f*(xi - ẋ)2

30 11 330 -9 81 891
40 11 440 1 1 11
50 8 400 11 121 968
TOTAL 30 1170 1870

○ ENTONCES ENCONTRANDO LAVARIANZA

 V = 64.48

• los datos estan muy dispersos

   ○  Encontrando la desviacon estandar

S= 8.02
• los datos estan muy dispersos

 ○  Encontrando el coficiente de varianza (CV)

CV = 20.56 %
• los datos presentan alta variabilidad

3. Una empresa de autos “Mi buen amigo el Auto” desea averiguar el número de autos en los
departamentos del Perú. Se hace un censo, y los resultados son los siguientes:

900 1000 900 800 900 1000 800

700 800 1000 9000 1200 1200 1200
800 900 1000 1200 800 700 1200

Determinar las medidas de dispersión.

a) x: numero de autos (cuantitava/discreta)

xi f xi *f xi - ẋ (xi - ẋ)2 f*(xi - ẋ)2

700 4 2800 -587.5 345156.25 1380625
800 5 4000 -487.5 237656.25 1188281.25
900 4 3600 -387.5 150156.25 600625
1000 4 4000 -287.5 82656.25 330625
1200 5 6000 -87.5 7656.25 38281.25
1500 1 1500 212.5 45156.25 45156.25
9000 1 9000 7712.5 59482656.25 59482656.25
 TOTAL 24 30900 63066250

○    ENTONCES ENCONTRANDO LAVARIANZA

2627760.4167

V = 2627760.42

• los datos estan muy dispersos

   ○  Encontrando la desviacon estandar

1621.03683

S= 1621.04
• los datos estan muy dispersos

 ○  Encontrando el coficiente de varianza (CV)

125.9057735

CV = 125.90 %
• los datos presentan alta variabilidad

4. La empresa de investigación de mercado “Eléctrico” lleva a cabo un estudio para obtener indicadores que le
respecto al consumo de energía eléctrica mensual (medido en kilovatios, redondeado al entero más próximo) de
departamento de Trujillo. Dicho estudio, sustentado en el análisis de muestras aleatorias tomadas en ambos dep
los siguientes resultados:

227 584 371 422 495 231

420 498 261 591 387 424
628 393 436 512 291 630
 533 251 630 395 461 534
396 463 541 369 667 413

Determinar las medidas de dispersión.

a) x: Consumo de energia electrica (cuantitativa/continua)

k=> 1+3.3 log(N) R= Mmax - Mmin max

k=> 7 440 667
7 R= 440

intervalos mi f mi*f mi-ẋ

[227 289.857[ 258.429 5 1292.1425 -188.571
[289.857 352.714[ 321.286 1 321.2855 -125.714
[352.714 415.571[ 384.143 10 3841.425 -62.857
[415.571 478.428[ 447.000 8 3575.996 0.000
[478.428 541.285[ 509.857 7 3568.9955 62.857
[541.285 604.142[ 572.714 4 2290.854 125.714
[604.142 666.999] 635.571 4 2542.282 188.571
TOTAL 39 17432.9805

promedio
446.9995

○    ENTONCES ENCONTRANDO LAVARIANZA

12268.902342

V = 12268.9

• los datos estan muy dispersos

   ○  Encontrando la desviacon estandar

110.76507727

S= 110.76
• los datos estan muy dispersos
  ○  Encontrando el coficiente de varianza (CV)

24.779687061

CV = 24.78 %
• los datos presentan alta variabilidad

5)   En la empresa de Tecnología “Mi Tecnología” se hace una encuesta a los trabajadores, en
los sueldos mensuales (en dólares). Los resultados fueron los siguientes:

440 560 335 587 613 400

453 650 407 376 470 560
570 430 618 537 409 600
440 340 558 460 560 607

Determinar las medidas de dispersión

a) X: sueldos mensuales

sulocion intervalos
Nro de datos 40 Lim inferior Lim. Posterior
Vmax 671 321 371
Vmin 321 371 421
Rango 350 421 471
K >= 1+3.3log 6.28679797 471 521
amplitud 50 521 571
571 621
621 671
TOTAL

promedio
492.25

○    ENTONCES ENCONTRANDO LAVARIANZA

7229.1666667
 V = 7229.17

• los datos estan muy dispersos

   ○  Encontrando la desviacon estandar

85.024506271

S= 85.02
• los datos estan muy dispersos

 ○  Encontrando el coficiente de varianza (CV)

17.272626972

CV = 17.27 %
• los datos presentan alta variabilidad

6)       A fin de decidir cuantas mecánicos se necesitan en la empresa de servicios “Mi carro”,
empresa de Mecánica quiso obtener información acerca del tiempo (en horas) requerido para
clientes. Se registraron los siguientes tiempos:

3.6 1.3 0.8 1.3 1.1

0.3 0.9 0.7 3.1 2.2
0.4 5.1 1.8 0.3 1.1
1.1 1.9 2.1 0.3 0.8
1.1 0.5 1.2 0.6 0.8

Determinar las medidas de dispersión. 

a) X: numero de mecanicos

sulocion intervalos
Nro de datos 35 Lim inferior Lim. Posterior mi
Vmax 5.1 0.2 0.9 0.55
Vmin 0.2 0.9 1.6 1.25
Rango 4.9 1.6 2.3 1.95
Nro de interv 6.09542455 2.3 3 2.65
amplitud 0.7 3 3.7 3.35
3.7 4.4 4.05
promedio 4.4 5.1 4.75
1.33 TOTAL

○    ENTONCES ENCONTRANDO LAVARIANZA

111.01610294

V = 111.02

• los datos estan muy dispersos

○  Encontrando la desviacon estandar

10.536417937

S= 10.54
• los datos estan muy dispersos

 ○  Encontrando el coficiente de varianza (CV)

7.9221187496

CV = 7.92 %
• los datos presentan baja variabilidad
RSIÓN
cada uno de los futbolistas, entre las preguntas formulas .
rera. Las respuestas fueron las siguiente:

70 80
90 80
50 50
50 50
culados en el semestre 2017-1. Para ello
ueron los siguientes:

30 30 40
50 30 50
50 40 30

promedio
39
número de autos en los 24
iguientes:

700
700
1500

promedio
1287.5
a obtener indicadores que le permitan inferir
do al entero más próximo) de las familias en el
orias tomadas en ambos departamentos, arrojó

589 382
510 270
392 453
 359 657
471 542

A= R/K
min 62.857
227

(mi-ẋ)2 f * (mi-ẋ)2
35559.022 177795.11
15804.0098 15804.0098
3951.00245 39510.0245
0 0
3951.00245 27657.0171
15804.0098 63216.0392
35559.022 142236.088
466218.289
ta a los trabajadores, entre las preguntas es mencionar sus
tes:

424 466 565 393

321 500 528 526
557 432 591 428
382 671 512 492

mi f mi * f mi -ẋ (mi -ẋ)2 f *(mi -ẋ)2

346 3 1038 -146.25 21389.0625 64167.1875
396 6 2376 -96.25 9264.0625 55584.375
446 10 4460 -46.25 2139.0625 21390.625
496 3 1488 3.75 14.0625 42.1875
546 10 5460 53.75 2889.0625 28890.625
596 6 3576 103.75 10764.0625 64584.375
646 2 1292 153.75 23639.0625 47278.125
40 19690 281937.5
a de servicios “Mi carro”, una
n horas) requerido para atender a los

0.8 1
1.6 1.9
0.6 0.7
1 1.4
1.7 0.2

f mi * f mi - ẋ (mi - ẋ)2 f*(mi - ẋ)2

14 7.7 -13.45 180.9025 2532.635
11 13.75 -9.75 95.0625 1045.6875
7 13.65 -5.05 25.5025 178.5175
0 0 2.65 7.0225 0
2 6.7 1.35 1.8225 3.645
0 0 4.05 16.4025 0
1 4.75 3.75 14.0625 14.0625
35 46.55 3774.5475