Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
a) Rango
R= LS-Li = 25-5 = 20
b) Varianza
a. Media aritmética
X = 75/5 = 15
b. Calculo de Varianza
(15 − 5)2 + (15 − 10)2 + (15 − 15)2 + (15 − 20)2 + (15 − 25)2
𝑉(𝑥) =
25
100 + 25 + 0 + 25 + 100
𝑉(𝑥) =
25
𝑉(𝑥) = 10
c) Desviación estándar
∂ = √𝑉(𝑥)
∂ = √10
∂ = 3,16
d) Coeficiente de Variación
∂
𝐶𝑉 = x100%
X
3.16
𝐶𝑉 = x100%
15
𝐶𝑉 = 21.08%
a) Rango
b) Varianza
a. Media aritmética
𝑦 = 210
b. Calculo de Varianza
𝑉(𝑥) = 10800
c) Desviación estándar
∂ = √𝑉(𝑥)
𝜕 = √10800
𝜕 = 103.92
d) Coeficiente de Variación
∂
𝐶𝑉 = x100%
X
103.92
𝐶𝑉 = 𝑥100%
210
𝐶𝑉 = 49.48%
Media de producción de C:
x A 250000
xi A
xi C 25000
3
N N xi A
xiC ( 3 25000)
1 N
xC i 1
N
i 1
N
xi 25000
3 i 1 A
xA
xC 25000
3
250000
xC 25000 58333
3
Varianza de producción de C:
S A 15000
N
(x iA xA )2
SA i 1
N
N N xiA xA N
1 N
( xiC xC ) 2 ( 3
25000 [
3
25000]) 2 9
( xiA x A ) 2
1 (x iA xA )2
SC i 1
i1 i 1 i 1
N N N 3 N
1 1
SC S A 15000 5000
3 3
3+6+2+1+7+5
𝑋=
6
𝑋=4
(4 − 3)2 + (4 − 6)2 + (4 − 2)2 + (4 − 1)2 + (4 − 7)2 + (4 − 5)2
𝑉(𝑥) =
6
28
𝑉(𝑥) =
6
28
𝜕=√
6
𝜕 = 2.16
8 + 11 + 7 + 6 + 12 + 10
𝑋=
6
𝑋=9
28
𝜕=√
6
𝜕 = 2.16
3+6+2+1+7+5
𝑋=
6
𝑋=4
28
𝜕=√
6
𝜕 = 2.16
11 + 17 + 9 + 7 + 19 + 15
𝑋=
6
𝑋 = 13
(13 − 11)2 + (13 − 17)2 + (13 − 9)2 + (13 − 7)2 + (13 − 19)2 + (13 − 15)2
𝑉(𝑥) =
6
28
𝑉(𝑥) = 4𝑥
6
28
𝜕 = √4𝑥
6
𝜕 = 2𝑥2.16
𝐶𝑉 = 0.5
𝑋=6
𝑆
𝐶𝑉 =
𝑥̅
𝑆
1=
𝑥̅
𝑆 = 𝑥̅
√𝑉𝑥 = 𝑥̅
𝑥̅ 2 = 𝑉(𝑥)
Interpretación
0.2
0.15
0.1
0.05
0
SALARIOS
Variable
x
80- 100- 120- 140- 160- 180- 200- 220- 240-
(marcas 0-60 60-80 total
100 120 140 160 180 200 220 240 260
de
clase)
soles 50 80 60 40 70 100 120 160 170 200 0
Ni 50 130 190 230 300 400 520 680 850 1050 1050
yi 30 70 90 110 130 150 170 190 210 230 250
yi.ni 1500 5600 54000 4400 9100 15000 20400 30400 35700 46000 0 222100
Fuente: Datos proporcionados por el profesor del curso.
b) Salario mediano, moda y coeficiente de variación
Solución:
Para hallar el salario mediano hallamos primero la mediana:
Mediana:
Como tenemos datos agrupados utilizamos la siguiente fórmula:
𝑛
− 𝑁𝑖−1
𝑀𝑒 = 𝑌`𝑖−1 + 𝑐 [ 2 ]
(𝑁𝑖 − 𝑁𝑖−1 )
𝑛 1050
2
= 2
= 525 𝑁𝑖 = 680 𝑌`𝑖−1 = 180
Además 𝑐 = 20
Reemplazando:
525 − 520
𝑀𝑒 = 180 + 20 [ ]
(680 − 520)
𝑀𝑒 = 180 + 0.6 = 180.6
Interpretación:
El 50% de las personas que trabajan en la institución de salud ganan
menos de 180.6 soles.
Moda:
Como tenemos datos agrupados utilizamos la siguiente fórmula:
𝑛𝑖 − 𝑛𝑖−1
𝑀𝑜 = 𝑌`𝑖−1 + 𝑐 [ ]
(𝑛𝑖 − 𝑛𝑖−1 ) + (𝑛𝑖 − 𝑛𝑖+1 )
Reemplazando:
200 − 170
𝑀𝑜 = 220 + 20 [ ]
(200 − 170) + (200 − 0)
𝑀𝑜 = 220 + 20 = 220
Interpretación:
Las personas que trabajan en la institución de salud ganan con
frecuencia 220 soles.
Coeficiente de variación:
Se calcula de acuerdo a la siguiente fórmula:
𝑆
𝐶𝑉 = . 100
𝑋̅
∑𝑚
𝑖=1 𝑦𝑖 𝑛𝑖
𝑦̅ =
𝑛
Reemplazando:
222100
𝑦̅ =
1050
𝑦̅ = 211.52
Interpretación:
En promedio, las personas que trabajan en la institución de salud ganan
211.52 soles.
Luego reemplazando en:
∑𝑚 ̅)2 𝑛𝑖
𝑖=1(𝑦𝑖 − 𝑦
𝑉(𝑥) =
𝑛−1
Tenemos:
𝑉(𝑥)
(30 − 211.52)2 . 50 + (70 − 211.52)2 . 80 + (90 − 211.52)2 . 60 + (110 − 211.52)2 . 40 +
=
1050 − 1
(130 − 211.52)2 . 70 + (150 − 211.52)2 . 100 + (30 − 211.52)2 . 50 + (170 − 211.52)2 . 120 +
(190 − 211.52)2 . 160 + (210 − 211.52)2 . 170 + (230 − 211.52)2 . 200 + (250 − 211.52)2 . 0
7388781.44
𝑉(𝑥) = = 7043.64
1049
Luego reemplazando en:
𝑆 = √𝑉(𝑥)
Tenemos:
𝑆 = √7043.64 = 83.93
Interpretación:
𝑆
𝐶𝑉 = . 100
𝑋̅
Tenemos:
83.93
𝐶𝑉 = = 0.40 = 40%
211.52
Interpretación:
𝑛𝑗 1050.80
= = 840 → 𝑁𝑖 = 850 → 𝑌`𝑖−1 = 200
100 100
Reemplazando:
840 − 680
𝑃80 = 200 + 20 [ ] = 200 + 18.8 = 218.8
(850 − 680)
Interpretación:
𝑆 = √𝑉(𝑥)
Tenemos:
𝑆 = √0.5 = 0.71
Interpretación:
𝑆
𝐶𝑉 = . 100
𝑋̅
Tenemos:
0.5
𝐶𝑉 = = 0.000004 = 0.0004%
120000
Interpretación:
Respuesta:
la distribución yi xi 10
Sea la varianza:
∑(x 1 x) 2
S2 i -1
n -1
Reemplazando en los datos
30
∑(x 1 4) 2
S 2 1.2 i -1
30 - 1
y x k 4 10 14
10. La siguiente tabla muestra los coeficientes de inteligencia de 480
niños de una escuela elemental
ni 4 9 16 28 45 66 85 72 54 38 27 18 11 5 2
70 * 4 74 * 9 78 *16 82 * 28 .......126 * 2
a) x 95.97 96
480
b) La desviación estándar
Sabemos que:
∑( y 1 y) 2 ni
S2 i -1
n -1
∑(70 96) 2
4 (74 96) 2 9 (78 96) 2 16........(126 96) 2 2
S2 i -1
116.82
480 - 1
S S 2 116.82 10.8
c) Calcular el rango intercuartil
Rq P75 P25
P75
Hallando primero ; Donde:
jn
N i 1
jn 75 * 480
Pj P75 y i´ 1 C 100 360
N i N i 1 100 100
* N i 57
* yi´ 1 32
* N i 1 35
56,25 35
P75 32 9 *C 9
57 35
21,25
P75 32 9
22
P75 32 8,69
P75 40,69
Solución:
Interpretación:
CV1 0.57 0.57 ……………………..1
CV2 0.50 0.50( 11) …………2
11
R = 900/300 = 3
IM = 3*100 = 300
p=
# Hombres
Total
p= 900/1200 = 0.75
a. La razón de fertilidad
Razón = 450/50 = 9
b. El índice de fertilidad
La ganancia es :
G=20%(k)=20%$920=$184
4. Una ciudad tiene 100 000 habitantes (45 000 varones y 55 000
Calcule:
N de muertos 1 000
TMB x 10 4 x 10 4 100
N total de la población 100 000
Sexo femenino:
Sexo masculino:
45
TMECP x 10 4 45
100 000
45
TLCP x 10 3 900
50
SI NO
Factor
de SI 12 1969 1981
12 ×1000
T.I.=
1981
TI e 6.05 6
c. Calcule e interprete el RR
12 4160
RR
1981 6
RR = 4.19
Este valor nos indica que en las pacientes embarazadas anémicas habrá
4.19 veces mayor muerte materna que en pacientes embarazadas sin
anemia.
6. Considérese una cohorte de 2000 personas, de las cuales 800 son
fumadoras y 1200 son no fumadoras. La cohorte completa se
observó durante 20 años y 100 de los participantes desarrolló
cáncer pulmonar, de los cuales 90 son fumadores y 10 no lo son.
CANCER PULMONAR
SI NO
SI 90 710 800
FUMADOR
NO 10 1100 1200
Para hallar las tasas de incidencias, nos fijamos en el estudio que se hizo
durante los últimos 20 años a las 100 personas:
TI = 90/800 = 0.1125
TI = 10/1200 = 0.0083
Fumadores 90 40
No fumadores 10 60
2 No uso No usó
3 uso usó
4 uso usó
5 uso No usó
6 No usó No usó
7 uso No usó
8 usó No usó
9 No uso usó
10 No uso usó
11 uso No usó
12 usó No usó
Factor si 8 4 12
riesgo no 4 8 12
estrógenos 12 12
84
OR = =4
48
Este valor nos indica que habrá aproximadamente 4 mujeres con cáncer
uterino cuando se ha usado estrógenos
Por lo tanto, el uso de estrógenos fue 4 veces más frecuente en casos que en
controles
Si igualaría.
Razones:
La edad de el primer embarazo en niveles socioeconómicos bajos
es mucho menor que la de niveles superiores, lo cual puede
inducir a error, debido a que podemos determinar una edad muy
joven para el primer embarazo, la cual no cumpliría para niveles
socioeconómicos elevados.
c) ¿Es posible probar la hipótesis de que la tasa de cáncer mamario
es más alta en mujeres solteras que en las casadas, empleando
los mismos 100 casos y los 100 controles?
Reemplazando:
𝑦 ∗ = 80 + 6𝑥
Para 𝑥 = 8, tenemos:
𝑦 ∗ = 80 + 6(8)
𝑦 ∗ = 128
Interpretación:
La altura predicha para una niña de 8 años es 128 cm. ó 1.28 m.
c) ¿Cuál será la altura predicha para una mujer de 25 años?
Solución:
Reemplazando en:
𝑦 ∗ = 80 + 6𝑥
Para 𝑥 = 25, tenemos:
𝑦 ∗ = 80 + 6(25)
𝑦 ∗ = 230
Interpretación:
La altura predicha para una para una mujer de 25 años es 230 cm. o
2.30 m. mas este es un dato erróneo puesto que las mujeres no
alcanzan generalmente esa talla. Esto sucede porque el modelo
matemático calculado es sólo para edades de 4 a 9 años mas no para
25, por lo que para esa edad el crecimiento ya no sigue una
trayectoria lineal ascendente y se necesitaría un modelo matemático
diferente.
Solución:
1
∑ 𝑦𝑖 𝑥𝑖 𝑆𝑥𝑦 𝑆𝑦 𝑆𝑥𝑦 𝑆𝑦
𝑏= 𝑛 = 2 = . = 𝑟
1 𝑆𝑥 𝑆𝑥 𝑆𝑥 𝑆𝑦 𝑆𝑥
∑ 𝑥𝑖2
𝑛
Respuesta:
i i i i
Xi 96
i
2
__
2
__
__ __
a) Calcular
Yi y
Xi x Xi X
Yi Y
i
, i
y
__
a) Hallando y :
__ y i 64
y= i
= =4
n 16
2
__
2
__
(y y )
y i 4
Yi y 2
i
= i i =
i
yi 8 y 16n
2
=
i
__ x i
96
x= i
= =6
n 16
2
__
xi x xi 6 xi 12 xi 36n 657 12(96) 36(16) 81
2 2
__
__
Luego hallamos
Xi X
Yi Y , para eso, primero resolvemos:
x =
x xy
2
y (64)(657) (96)( 492)
4
n x ( x)
2 2
(16)(657) (96)
0 2
n xy x y 16(492) 96(64)
1,33
n x ( x)
2 2
16(657) (96)
1 2
y x
i 0 1 i i
y 1,33 x 4
i i
n xy x y
r
n
x
2
2
n
x y (
2
y)
2
16(492) 96(64)
r 0,73
16(657) 2
16(526) 2
(96) (64)
Entonces el coeficiente de relación es r2:
y x x xy 2
A0
n x 2 ( x ) 2
n xy x y
A1
n x 2 ( x) 2
80
70
Costo por comida
60
50 Número de comidas
40 servidas(x)
10
0
0 0.5 1 1.5
yˆ 1,36 0, 008 x
yˆ 1,36 0, 008(47)
yˆ 0,984
x i y i
x y
n n
605 10,13
x y
11 11
x 55 y 0,92
Operamos en la ecuación de regresión.
yˆ 1,36 0, 008 x
( yˆ ) 2 (1,36 0, 008 x) 2
yˆ n(1,36) 0, 008 x yˆ 2 1,8496 0, 02176 x 0, 000064 x 2
yˆ 11(1,36) 0, 008(605) yˆ 2
n(1,8496) 0, 02176 x 0, 000064 x 2
yˆ 10,12 yˆ 2
11(1,8496) 0, 02176(605) 0, 000064(36025)
yˆ 2
9, 4864
( yˆ y) 2
R
2
( y y)
i
2
( yˆ
2
2
2 yyˆ y )
R2
y 2
i 2 yi y y
2
yˆ 2 y yˆ n y
2 2
R2
y 2 y yi n y
2 2
i
R2
x100%
93,5% ; Entonces podemos concluir que: Del 100% de la
variación del número de comidas servidas, un 93,5% suele ocurrir por el
número de comidas.
R R2
R 0,935
R 0,96
Como el valor de R se acerca a uno; concluimos que el grado de relación entre
las variables (dependiente e independiente) es muy alto, por lo tanto el
modelo es adecuado.
Y A0 Y A1 XY
SY . X
n2
9,5169 1,36(10,13) (0, 008)(535, 05)
SY . X
11 2
0, 0205
SY . X
9
SY . X 0, 047
N. DE D. ÓPTICA
XY X² Y²
CONCENTRACIÓN (X) (Y)
0.7
0.6
DENSIDAD ÓPTICA
0.5
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600
NIVEL DE CONCENTRACIÓN
Y a bX
a
Y X X XY
2
n X X
2 2
Reemplazando los valores de la tabla en las variables, tenemos:
a
3.97 1308800 36001452.4
121308800 36002
5195936 5228640
a
15705600 12960000
32704
a α = -0.0119
2745600
n XY X Y
b
n X 2 X
2
b
121452.4 36003.97
121308800 36002
17428.8 14292
b
15705600 12960000
3136.8
b
2745600
b 0.00114
Y 0.00114 X 0.0119
Y 0.00114(350) 0.0119
Y 0.399 0.0119
Y 0.3871
3136.8
r
3153.8
r 0.995
r 2 0.9892
SY . X
Y 2
a Y b XY
n2
0.006807
SY . X
10
S Y . X 0.0006807
S Y . X 0.026
(latidos/min)
0.5 0.75 1 1.25 1.5 1.75 2 2.25 2.5 2.75 3 3.325 3.5
10 8 12 12 14 12 16 18 17 20 18 20 21
X y X2 xy Y2
0.75 8 0,5625 6 64
1 12 1 12 144
2 16 4 32 256
3 18 9 54 324 Entonces
podemos
3.25 20 10,5625 65 400 obtener los
datos
3.5 21 12,25 73,5 441
necesarios
6 198 63,375 442,5 3226 SUMA para
resolver el
problema por medio del programa Excel:
como en “y”:
22
20
18
16
14
12
11
10
8
6
4
2
0,25 0,5 0,75 1,0 1,25 1,5 1,75 2 2,25 2,5 2,75 3,0 3,25 3,5 3,75
dispersión.
1043,25
A0 A0 70,54945055
147,875
604,5
A1 A1 4,087912088
147,875
mg.
y = A0 + A 1 x
y = 7,054945055 + 4,087912088x
Reemplazando:
y = 7,054945055 + 4,087912088(2,3)
y = 7,054945055 + 9,402197802 =
y = 16,45714286
x = 0 y = 7,054945055
x = 2,3 y = 16,45714286
d) Calcule el coeficiente de correlación y el coeficiente de
determinación.
Coeficiente de correlación:
nx. y x.y
=
[nx (x) 2 ] [ny 2 (y ) 2 ]
2
13(442,5) 26(198)
=
[13(63,375) (26) 2 ] [13(3226) (198) 2 ]
5752,5 5148
=
[(823,8759 676][ 41938 39204]
604,5 604,5
=
(147,875)( 2734) 404290,25
604,5
0,950713522
635,8382263
Coeficiente de determinación:
Cd = 2
Cd = (0,950713522)2
Cd = 0,9038562
(1829,120879) (1808,901099)
Syx
11
20,21978
Syx
11
Plasma X (cm3)
Circulante Y (grs.)
1 2,5
119
2 2,8
133
3 2,4
121
4 2,5
129
5 3,2
146
a. Halle la relación que se debe usar par predecir la albúmina circulante
del volumen del plasma. Estime los coeficientes de regresión e
interprete.
y = ao+a1x
a1= =31,21
Reemplazando:
y = 45,94 + 31,21 x
Coeficientes de regresión:
a0= 45,94
a1=31,21
Interpretación:
S y.x= 4,52
1 1142 3
2 678 13
3 1002 9
4 566 15
5 208 18
6 1471 14
7 407 16
8 1609 6
9 1277 11
10 437 16
18
16
14
(Temperatura)
12
10
0
0 200 400 600 800 1000 1200 1400 1600 1800
(Altura)
n x Y xy x2 y2
y A0 A1 x
A0
y . x x xy 2
n x ( x) 2 2
A1
n xy y . y
n x ( x)
2 2
y 18,35 0,007 x
xy x y
2
n
R
2
n
x 2
( x) n y ( y )
2 2 2
2
151527
R2 0,5884
(21328201) (10) (1673) (14641)
Error estándar de estimación
S y.x
y 2
A0 y A1 x y
n 2
547,35 639,037
3,39
8
80
Concentracion de esteroide en
70
60
plasma libre (Y)
50
40
y = 2.2626x + 15.853
30
R² = 0.8356
20
10
0
0 5 10 15 20 25
Concentracion de estrona en la saliva (X)
Los datos muestran una tendencia lineal
X Y X² Y² XY
14(9052.75)−(181.9)(633.5)
𝑏= 14(2698.71)−181.92
→ 𝑏 = 2.263
Luego:
𝑌̅ = 633.1/14 = 45.25
𝑋̅ = 181.9/14 = 12.99
Finalmente:
𝑎 = 𝑌̅ − 𝑏 𝑋̅
Por lo tanto: 𝒚
̂ = 𝟐. 𝟐𝟔𝟑 𝒙 + 𝟏𝟓. 𝟖𝟓𝟗
X 89 90 75 30 51 75 62 45 90 20
Y 2 3 4 4,5 5,5 7 9 13 15 14
16
14
12
Respuesta al dolor
10 y = -0.0629x + 11.642
R² = 0.1115
8
6
4
2
0
0 10 20 30 40 50 60 70 80 90 100
Obesidad
R² = 0.1115
Sabemos que: R² = r²
x = 26.314
BASAL DESPUES DE 4
PACIENTE X*X Y*Y X*Y
(X) SEMANAS (Y)
1 95 85 9025 7225 8075
2 100 94 10000 8836 9400
3 102 84 10404 7056 8568
4 104 88 10816 7744 9152
5 100 85 10000 7225 8500
6 95 80 9025 6400 7600
7 95 80 9025 6400 7600
8 98 92 9604 8464 9016
9 102 90 10404 8100 9180
10 96 76 9216 5776 7296
11 100 90 10000 8100 9000
12 96 87 9216 7569 8352
13 110 102 12100 10404 11220
14 99 89 9801 7921 8811
sumatoria 1392 1222 138636 107220 121770
a) ¿ Existe relación lineal entre la TAD basal y la que se observa tras el
tratamiento?
Si existe.
b)¿ Cuál es el valor de TAD esperado tras el tratamiento, en un
paciente que presento una TAD basal de 95 mm Hg?
n ∑ xy − ∑ x ∑ y
𝑏1 =
𝑛 ∑ 𝑥 2 − (∑ 𝑥 )2
∑ x 2 ∑ y − ∑ x ∑ xy
𝑏0 =
𝑛 ∑ 𝑥 2 − (∑ 𝑥 )2
y= -27,98 + 1,159*x
__
∑ x =343 ∑ x 2= 17693 x = 38,11
∑xy =16992
__
∑ y =325 ∑ y 2= 16367 y = 36,11
y x0 1
__ __
0
= y - x = 36,11- 0,9968. (38,11)=-1,18
1
y = -1,18 + 0,9968x
n xy x y
r 41453
= 0,9914
n
x n y ( y)
2 2 2 2
41588.41678
x
Determinación r2 = 0,9914
Varianza residual
__ __
X Y y (Y- y) 2
9 6 7,7912 3,208
12 10 10,7816 0,611
28 27 26,7304 0,073
72 67 70,5896 12,885
30 25 28,724 13,868
38 35 36,6984 2,884
76 75 74,5768 0,179
26 27 24,7368 5,122
52 53 50,6536 5,506
__
∑(Y- y) 2 44,336
__
∑(Y− y )2 44,336
S2xy = 𝑛−2
= 9−2
= 6,3337
RADIÓLOGO A
+ -
RADIÓLOGO + 58 39 97
B
- 12 61 73
70 100 170
PROPORCIÓN POSITIVA:
B A
97 70
170 170
+= . 170 = 39,94
PROPORCIÓN NEGATIVA:
B A
100 73
170 170
- = . 170 = 42,94
39,94 42,94
C=
170
C=0,48
o =0
k= 10 0,0,4848
k= - 0,92