ACTIVIDAD # 10

TRABAJO COLABORATIVO 2

PRESENTADO POR:

DAVID SAMITH DAVID LONDOÑO

BERNARDO LENIN ZAPATA

GRUPO COLABORATIVO:

100105_71

PRESENTADO A:

ING. LUIS GERMÁN ROJAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNAD

FACULTAD DE CIENCIAS BÁSICAS E INGENIERÍA

MAYO 21/2010

INTRODUCCIÓN

La estadística descriptiva es una gran parte de la estadística que se dedica a

analizar y representar los datos. Este análisis es muy básico. Aunque hay
tendencia a generalizar a toda la población, las primeras conclusiones obtenidas
tras un análisis descriptivo, es un estudio calculando una serie de medidas de
tendencia central, para ver en qué medida los datos se agrupan o dispersan en
torno a un valor central.

En La Unidad Didáctica 1 se explicaron los métodos que se deben aplicar a una

investigación estadística, tales como la planeación, recolección, organización y
presentación de ella. Esta unidad tiene como propósito indicar otros métodos para
medir e interpretar el comportamiento de un conjunto de datos dados. Se ha visto
que tanto las tablas como las muy diversas formas de graficar la información,
describen fenómenos de una población o muestra, pero no siempre lo hacen en
forma satisfactoria; es allí donde se hace visible la importancia de las medidas
estadísticas bien sean univariantes, en donde interviene una variable o ,
bivariantes, cuando lo hacen dos. Esta Unidad Didáctica se ha dividido en tres
grandes capítulos: Medidas Estadísticas Univariantes, que pueden ser medidas de
tendencia central vistas en el capítulo 3, medidas de dispersión y de asimetría,
Medidas Estadísticas Bivariantes y números índices, obedeciendo al número de
variables que intervienen en estos cálculos aritméticos. En el primer capítulo, se
considerarán las medidas: de dispersión o variabilidad, de asimetría o de
deformación y de apuntamiento o curtosis.

Por medio del trabajo colaborativo, buscaremos afianzar estos conceptos para
poder aplicarlos en el campo laboral donde sean requeridos.

OBJETIVOS

 Desarrollar la destreza en el cálculo de las medidas de tendencia central.

 Interpretar los resultados obtenidos en las medidas de tendencia central

para lograr dar un diagnóstico.

 Comprender las aplicaciones de las medidas de tendencia central.

 Aprender a seleccionar la variable que mejor se ajuste según el caso objeto

de estudio.

 Desarrollar la destreza en el cálculo de las medidas de dispersión.

 Interpretar los resultados obtenidos en las medidas de dispersión.

 Comprender las aplicaciones de las medidas de dispersión.

 Elegir la variable que mejor nos de la información del caso objeto del
estudio.

 Aprender a calcular la recta de regresión simple que mejor relaciones a dos

variables.

 Aplicar el concepto de mentefacto conceptual en las medidas de dispersión,

logrando así organizar las ideas.

 Identificar patrones de ejercicios donde se pueda aplicar el concepto de

regresión lineal simple.

 Interpretar el coeficiente de correlación lineal.

 Identificar los datos de asimetría y apuntamiento en una distribución de

datos.

MEDIDAS ESTADÍSTICAS
UNIVARIANTES

Muestran la variabilidad de una

distribución, indicando por medio
de un número, si las diferentes MEDIDAS DE DISPERSIÓN
puntuaciones de una variable
están muy alejadas de la media.

DESVIACIÓN COEFICIENTE
RANGO O DESVIACIÓN
VARIANZA TÍPICA O DE
RECORRIDO MEDIA
ESTÁNDAR VARIACIÓN
SOLUCIÓN:

Primero ordenemos los datos de menor a mayor:

0.3 0.3 0.3 0.3 0.3 0.3 0.3 0.3 0.4 0.5 0.5 0.6 0.6

0.7 0.7 0.8 0.8 0.8 0.8 0.9 0.9 1.0 1.0 1.1 1.1 1.1

1.1 1.2 1.2 1.3 1.3 1.4 1.4 1.4 1.4 1.6 1.6 1.7 1.7

1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.8 1.9 1.9 2.1 2.1 2.3

2.5 2.5 2.8 2.8 3.0 3.0 3.0 3.1 3.1 3.2 3.6 3.6 4.5
Sabemos que la muestra es de 65, con lo que decimos que n=65; usemos la regla de
Sturges para obtener el número de intervalos:

m  1  3.33log(n)  1  3.33log(65)  7.043044522  7 , decimos pues que el

número de intervalos es de 7.

Ahora:

X Máx  4.5 y X min  0.3

R  X Máx  X min  4.5  0.3  4.2

R 4.2
La amplitud del intervalo es: A    A  0.6
m 7

Frecue Frecue
Marc Frecue ncia ncia
Interv Frecuenc a de ncia Absolut Absolut
F.X X2 F.X2
alo ia(F) clase Relativ a a
(X) a Acumul Relativ
ada a
[0.3- 0.3
19 0.6 11.4 6.84 19/65 19 19/65
0.9) 6
[0.9- 1.4
16 1.2 19.2 23.04 16/65 35 35/65
1.5) 4
[1.5- 3.2
14 1.8 25.2 45.36 14/65 49 49/65
2.1) 4
[2.1- 5.7
5 2.4 12.0 28.8 5/65 54 54/65
2.7) 6
[2.7-
8 3.0 24.0 9.0 72.0 8/65 62 62/65
3.3)
[3.3- 12.
2 3.6 7.2 25.92 2/65 64 64/65
3.9) 96
[3.9- 17.
1 4.2 4.2 17.64 1/65 65 65/65
4.5) 64

Total  F  65  F.X  103.2  F. X 2

 219.6

Hallemos la media aritmética:

x
 F.X   F.X  103.2  x  1.587692308  1.59
F n 65

Calculemos la varianza:

S 2

 F.X 2
2
x 
219.6
 (1.59) 2  3.378461538  2.2581  S 2  0.850361538  0.85
n 65

Calculemos la desviación típica o estándar:

S
 F.X 2
2
 x  0.85  S  0.921954445  0.922
n

Calculemos el coeficiente de variación:

S 0.922
CV  x100%  CV  x100%  CV  57.98742138%  58%
x 1.59
Interpretación:

- Como el coeficiente de variación es muy alto, concluimos que la media aritmética

no es lo suficientemente representativa en la distribución.
- Para esta distribución, la desviación estándar es muy grande, esto indica mayor
variación en el grupo de datos.
SOLUCIÓN:

Intervalo F X F.X X2 F.X2

[3-5) 16 4 64 16 256
[5-7) 13 6 78 36 468
[7-9) 9 8 72 64 576
[9-11) 6 10 60 100 600
[11-13] 4 12 48 144 576
Total  F 48  F.X 322  F.X 2
2476

Donde:

F: frecuencia

X: Marca de clase

a) Debemos encontrar la media aritmética:

x
 F.X  322  x  6.708333333  6.71
 F 48
b) Para calcular el coeficiente de variación, debemos encontrar la varianza y la desviación
estándar:
 La varianza es:

S 2

 F.X 2

x 
2 2476
 (6.71) 2  51.58333333  45.0241  S 2  6.55923333  6.56
n 48

La desviación estándar es:

S
 F.X 2
2
 x  6.56  S  2.561249695  2.56
n
El coeficiente de variación es:
S 2.56
CV  x100%  CV  x100%  CV  38.152%
x 6.71

SOLUCIÓN:

A) Calculemos la variabilidad absoluta:

DESVIACION ESTANDAR

S = √ VARIANZA

TURNO II

S=√51600 = 227

TURNO I

S=√62600 = 250

Lo que demuestra que en el TURNO I hubo más variabilidad absoluta

250>227

Calcularemos la variabilidad relativa para ello recurrimos al coeficiente de variación:

 CV=(S/ X)*100%

S= DESVIACION ESTANDAR

X= promedio

TURNO II

CV = (227/178000)*100%

CV= 0.127 %

TURNO I

CV=(250/203500)*100%

CV=0.123%

En el TURNO II hubo mas variabilidad relativa 0.127>0.123 aunque no es mucha la

diferencia

B)

TURNO I

Salario Promedio = 203500

Aumento = 22000

Sumemos el aumento más el salario promedio = 225500

TURNO II

Salario Promedio = 178000

Aumento = 13%

Saquemos el 13 % al salario promedio y adicionémoslo a este

Aumento 17800 * 13 % = 23140

Sumemos el aumento más el salario promedio = 201140

El TURNO I recibe mejo aumento

C)

la variabilidad relativa para ello recurrimos al coeficiente de variación:

TURNO II

CV = (227/201140)*100%
CV= 0.113%

TURNO I

CV= (250/225500)*100%

CV=0.111%

Siguen siendo muy similares.

SOLUCIÖN:

Configuración I

Tiempo promedio = 24.8 min

S= 4.8 min

S²= (4.8min) ²

S²= 23.04 min²

Configuración II

Tiempo promedio = 25.5 min

S= √56.25 = 7.5 min

S²= 56.25 min²

Configuración III

Tiempo promedio = 37.5 min

S= 3.8 min

S²= (3.8 min) ²

S²= 14.4 min²

Configuración I Configuración II Configuración III

24.8 min 25.5 min

37.5 min

S= 4.8 min S= 7.5 min S= 3.8 min

S²= 23.04 min² S²= 56.25 min² S²= 14.4 min²

Como conclusión podemos sacar:

 La configuración II presenta un varianza y un desviación mayores a las demás lo que

demuestra la variabilidad de sus datos
 La configuración III tiene el tiempo promedio mucho mayor a las demás pero es el que
presenta menor variabilidad
 Las configuración I presenta el menor tiempo promedio , pero su variabilidad no es menor
que el de la III
 Si se escoge la configuración por ser la mejor variabilidad seria la tres pero el tiempo
promedio de la I es mucho mejor , la mejor es la configuración I
SOLUCIÓN:

a)

Estatura (X) Peso (Y) X.Y X2

186 85 15810 34596
189 85 16065 35721
190 86 16340 36100
192 90 17280 36864
193 87 16791 37249
193 91 17563 37249
198 93 18414 39204
201 103 20703 40401
203 100 20300 41209
205 101 20705 42025
 X  1950 Y  921  X .Y  179971 X 2
 380618

Sabemos que la recta es de la forma Ŷ  a  bX , donde:

Yˆ : Variable dependiente

a : Intercepto de la variable Y

X : Variable independiente

b : Pendiente de la recta.

Encontremos los valores de a y b:

n X .Y   X  Y
b
n X 2  ( X ) 2

Reemplazando:

(10)(179971)  (1950)(921) 1799710 1795950 3760

b    1.02173913  b  1.02
(10)(380618)  (1950) 2 3806180  3802500 3680

a
 Y  b X
n
Reemplazando:
 921  (1.02)(1950) 921  1989 1068
a    a  106.8
10 10 10

Reemplazamos los valores de a y b en la recta Ŷ  a  bX :

Yˆ  106.8  1.02 X
b)

Para hallar el coeficiente de correlación, debemos hallar primero el error estándar del estimado (
S e ), la varianza de la variable dependiente ( S y2 ) y el coeficiente de determinación (R2):

Se 
 (Y  Yˆ ) 2

, S 2

Y 2

Y
2
,
Se2
R  1 2
2

n2
y
n Sy

, r  R2
Hagamos una tabla donde relacionemos estos valores:

X Y Yˆ Y  Yˆ (Y  Yˆ ) 2 Y2
186 85 82.92 2.08 4.3264 7225
189 85 85.98 -0.98 0.9604 7225
190 86 87 -1 1 7396
192 90 89.04 0.96 0.9216 8100
193 87 90.06 -3.06 9.3636 7569
193 91 90.06 0.94 0.8836 8281
198 93 95.16 -2.16 4.6656 8649
201 103 98.22 4.78 22.8484 10609
203 100 100.26 -0.26 0.0676 10000
205 101 102.3 -1.3 1.69 10201
Y  921  (Y  Yˆ ) 2
 46.7272 Y 2
 85255

Hallemos Y :

Y
 Y  921  Y  92.1
n 10
Calculemos el error estándar:
Se 
 (Y  Yˆ ) 2


46.7272

46.7272
 5.8409  Se  2.416795399  2.417
n2 10  2 8
Calculemos la varianza de la variable dependiente:

S 2

Y 2
2
Y 
85255
  92.1  8525.5  8482.41  S y2  43.09
2
y
n 10
Calculemos el coeficiente de determinación:

Se2 5.8409
R  1 2  1
2
 1  0.135551172  0.864448828  0.864
Sy 43.09

Por último, encontremos el coeficiente de correlación:

r  R2  0.864  0.9295  r  0.93

Conclusión:

Según la tabla 2.2 mostrada en el módulo, vemos que nuestro coeficiente correlación es
excelente:

c)

El peso estimado de un jugador que mide 208 cm es:

Yˆ  106.8  1.02(208)  106.8  212.16  Yˆ  105.36

SOLUCIÓN:

Y  Yˆ (Y  Yˆ ) 2
X Y X .Y X2 Yˆ Y2
6 4 24 36 4 0 0 16
3.
7 3 21 49 -0.3 0.09 9
3
2.
8 3 24 64 0.4 0.16 9
6
1.
9 2 18 81 0.1 0.01 4
9
1.
10 1 10 100 -0.2 0.04 1
2

 X  40 Y  13  X .Y  97  X  Y  Yˆ  Y
2
2
 330  0.3
2
 39

Hagamos los cálculos con la muestra, es decir, n=5.

n X .Y   X  Y  5 97    40 13  485  520   35  0.7

b 
n X  ( X )
2 2
 5 330    40  1650  1600 50
2

a
 Y  b X 
13   0.7  40  13  28 41
   8.2
n 5 5 5

Ŷ  a  bX

Reemplazamos:

Yˆ  8.2  0.7 X Esta es la ecuación de la recta de regresión de Y sobre X.

Encontremos el coeficiente de correlación:

Calculemos el error estándar:

Se 
 (Y  Yˆ ) 2


0.3

0.3
 0.1  Se  0.316227766  0.316
n2 52 3
Y
 Y  13  2.6
n 5

Calculemos la varianza de la variable dependiente:

S 2

Y 2

Y 
2 39
  2.6   7.8  6.76  S y2  1.04
2
y
n 5

Calculemos el coeficiente de determinación:

Se2 0.1
R2  1  2
 1  1  0.096153846  0.903846153  0.90
Sy 1.04

Por último, encontremos el coeficiente de correlación:

r  R2  0.90  0.950708238  r  0.95 Esto quiere decir que existe una correlación
perfecta entre las dos variables según la tabla 2.2 del módulo.

c) si X=8.5

Yˆ  8.2  0.7(8.5)  8.2  5.95  Yˆ  2.25

SOLUCIÓN:
La construcción de un número índice de base variable es mediante la fórmula:

Año Ventas (Millones $) Índice Simple

1992 8.8 100%
1993 9.7 110.23%
1994 7.3 75.26%
1995 6.7 91.78%
1996 8.5 126.87%
1997 9.2 108.24%
1998 9.2 100%
1999 8.4 91.3%
2000 6.4 76.19%
2001 6.2 96.88%
2002 5.0 80.65%
2003 6.7 134%
2004 7.6 113.43%
SOLUCIÓN:

La construcción de un número índice de base variable es mediante la fórmula:

Índice
Product 198 198 Índice 199 Índice 199 Índice 199 Índice
simpl
o 8 9 simple 0 simple 1 simple 2 simple
e
125 149.88 132 143 108.38 132
Café 834 100% 106% 92%
0 % 5 6 % 1
111.46 113.08 103.39
Azúcar 96 100% 107 121 118 97.52% 122
% % %
103.32 101.61 101.98 104.26
Cobre 241 100% 249 253 258 269
% % % %
105.93
Zinc 142 100% 135 95.07% 143 125 87.41% 106 84.8%
%
SOLUCIÓN:

Tomamos el cuadro 4.1 del censo 2005-según DANE:

a) Medidas de dispersión:

Inte M. Nacional Hombre Mujer

rval cl
o as X2
de e F FX FX 2 F FX FX 2 F FX FX 2
clas X
e
4.108 8.217. 16.435. 2.106 4.212. 8.424.7 2.002 4.005. 8.010.7
0-4 2 4
.861 722 444 .179 358 16 .682 364 28
4.295 30.071 210.49 2.197 15.38 107.68 2.098 14.68 102.81
5-9 7 49
.913 .391 9.737 .689 3.823 6.761 .224 7.568 2.976
10- 14 4.339 52.068 624.82 2.214 26.57 318.88 2.124 25.49 305.93
12
14 4 .046 .552 2.624 .464 3.568 2.816 .582 4.984 9.808
15- 28 3.933 66.873 1.136.8 1.975 33.58 571.02 1.957 33.28 565.83
17
19 9 .754 .818 54.906 .856 9.552 2.384 .898 4.266 2.522
20- 48 3.641 80.120 1.762.6 1.783 39.23 863.12 1.858 40.88 899.52
22
24 4 .839 .458 50.076 .320 3.040 6.880 .519 7.418 3.196
25- 72 3.280 88.580 2.391.6 1.590 42.95 1.159.8 1.689 45.62 1.231.8
27
29 9 .767 .709 79.143 .993 6.811 33.897 .774 3.898 45.246
30- 10 2.917 93.353 2.987.3 1.401 44.83 1.434.7 1.516 48.51 1.552.5
32
34 24 .290 .280 04.960 .139 6.448 66.336 .151 6.832 38.624
35- 13 2.919 108.00 3.996.3 1.392 51.52 1.906.3 1.526 56.48 2.089.9
37
39 69 .161 8.957 31.409 .512 2.944 48.928 .649 6.013 82.481
40- 17 2.732 114.76 4.820.1 1.304 54.80 2.301.9 1.427 59.95 2.518.2
42
44 64 .504 5.168 37.056 .948 7.816 28.272 .556 7.352 08.784
45- 22 2.291 107.69 5.061.4 1.088 51.14 2.403.9 1.203 56.54 2.657.5
47
49 09 .308 1.476 99.372 .238 7.186 17.742 .070 4.290 81.630
50- 27 1.835 95.437 4.962.7 876.3 45.56 2.369.5 959.0 49.87 2.593.2
52
54 04 .340 .680 59.360 01 7.652 17.904 39 0.028 41.456
55- 32 1.450 82.687 4.713.1 692.7 39.48 2.250.6 757.9 43.20 2.462.4
57
59 49 .658 .506 87.842 33 5.781 89.517 25 1.725 98.325
60- 38 1.104 68.493 4.246.5 524.5 32.52 2.016.4 580.1 35.96 2.230.1
62
64 44 .733 .446 93.652 76 3.712 70.144 57 9.734 23.508
65- 44 921.0 61.710 4.134.6 428.8 28.73 1.925.2 492.1 32.97 2.209.3
67
69 89 54 .618 11.406 76 4.692 24.364 78 5.926 87.042
70- 51 702.5 50.581 3.641.8 321.7 23.16 1.668.0 380.7 27.41 1.973.8
72
74 84 18 .296 53.312 65 7.080 29.760 53 4.216 23.552
75- 59 504.4 38.841 2.990.8 228.6 17.60 1.355.4 275.8 21.23 1.635.3
77
79 29 38 .726 12.902 08 2.816 16.832 30 8.910 96.070
80- 67 278.8 22.867 1.875.1 121.8 9.991. 819.29 157.0 12.87 1.055.8
82
84 24 75 .750 55.500 46 372 2.504 29 6.378 62.996

 71
40.
18
41.25
1.170.
371.55
49.573.
188.69
20.25
561.3
36.65
23.480.
579.75
21.00
609.0
34.90
26.092.
608.94
4 8.059 0.043 8.016
8 3 5 1 7 2 4

A nivel nacional:

Rango o recorrido: X máx  X mín  84  0  84 Nacional

X F X X F X X
Media aritmética:
 FX  1.170.371.553  28,37
2 4.108.861 -26.37 108.350.664,6
X 7 4.295.913 -21.37 91.803.660,81
 F 41.258.059 12 4.339.046 -16.37 71.030.183,02
17 3.933.754 -11.37 44.726.782,98
Varianza: 22 3.641.839 -6.37 23.198.514,43


27 3.280.767 -1.37 4.494.650,79
FX 2 2 49.573.188.695
S2  X   (28,37) 2  1201,54
32  804,86  396,
2.917.290 3.6368 10.589.762,7
n 41.258.059 37 2.919.161 8.63 25.192.359,43
42 2.732.504 13.63 37.244.029,52
47 2.291.308 18.63 42.687.068,04
Desviación típica o estándar: 52 1.835.340 23.63 43.369.084,2

S
 FX 2
2
 X  396,68  19,92
57
62
1.450.658
1.104.733
28.63
33.63
41.532.338,54
37.152.170,79
n 67 921.054 38.63 35.580.316,02
72 702.518 43.63 30.650.860,34
Coeficiente de variación: 77 504.438 48.63 24.530.819,94
S 19,92 82 278.875 53.63 14.956.066,25
CV  x100%  x100%  70, 22%
X 28,37  41.258.059 687.089.332,4

Desviación media: DM 
F X  X 
687.089.332, 4
 16,65
n 41.258.059

DM 16, 65
Coeficiente de desviación media: CDM  x100%  x100%  58, 7%
X 28,37
Hombre:

Media aritmética: Hombre

X
 FX  561.336.651  27,72 X F X X F X X
 F 20.250.043 2 2.106.179 -25.72 54.170.923,88
7 2.197.689 -20.72 45.536.116,08
Varianza: 12 2.214.464 -15.72 34.811.374,08

S2 
 FX 2

X 
2 23.480.579.757 17 1.975.856
 (27, 72) 2  1159,53
22
-10.72
 768, 4  391,13
1.783.320 -5.72
21.181.176,32
10.200.590,4
n 20.250.043 27 1.590.993 -0.72 1.145.514,96
32 1.401.139 4.28 5.996.874,92
37 1.392.512 9.28 12.922.511,36
Desviación típica o estándar:
42 1.304.948 14.28 18.634.657,44

S
 FX 2 2
 X  391,13  19,78
47 1.088.238 19.28 20.981.228,64
52 876.301 24.28 21.276.588,28
n
57 692.733 29.28 20.283.222,24
62 524.576 34.28 17.982.465,28
Coeficiente de variación:
67 428.876 39.28 16.846.249,28
S 19, 78
CV  x100%  x100%  71,36% 72 321.765 44.28 14.247.754,2
X 27, 72 77 228.608 49.28 11.265.802,24
82 121.846 54.28 6.613.800,88
Desviación media:
 20.250.043 334.096.850.5

DM 
F X  X 
334.096.850,5
 16,5
n 20.250.043

DM 16,5
Coeficiente de desviación media: CDM  x100%  x100%  59,52%
X 27, 72

Mujer:

Mujer
X F X X F X X
2 2.002.682 -27 54.072.414
7 2.098.224 -22 46.160.928
12 2.124.582 -17 36.117.894
17 1.957.898 -12 23.494.776
22 1.858.519 -7 13.009.633
27 1.689.774 -2 3.379.548
32 1.516.151 3 4.548.453
37 1.526.649 8 12.213.192
42 1.427.556 13 18.558.228
47 1.203.070 18 21.655.260
52 959.039 23 22.057.897
57 757.925 28 21.221.900
Media aritmética: 62 580.157 33 19.145.181

X
 FX  609.034.902  29 67
72
492.178
380.753
38
43
18.702.764
16.372.379
 F 21.008.016 77 275.830 48 13.239.840
82 157.029 53 8.322.537
Varianza:
 21.008.016 352.272.824

S2 
 FX 2 X 
2 26.092.608.944
 (29) 2  1242, 03  841  401, 03
n 21.008.016

Desviación típica o estándar: S 

 FX 2
2
 X  401,03  20,03
n

S 20, 03
Coeficiente de variación: CV  x100%  x100%  69, 07%
X 29

Desviación media: DM 
F X  X 
352.272.824
 16,77
n 21.008.016

DM 16, 77
Coeficiente de desviación media: CDM  x100%  x100%  57,83%
X 29

b) Medidas de regresión y correlación:

n XY   X  Y 17   32,906
N° E    20.250.043 21.008.01612 559, 402
Hombre
12 Mujer X2 Y2
E12 XY
 425, 413E12 133,98
b  X Y (1x10 )  (1x1012) (1x1012) 
n X 2    X  171   32,2.106.179
437 E12    20.250.043
2.002.682  4,44  410,064 E12 141,36
2 2 12
551,
4,01429 E 4,22
2 2.197.689 2.098.224 4,83 4,4 4,61
3 2.214.464 2.124.582 4,9 4,51 4,7

 
4 1.975.856 1.957.898 3,9 3,83 3,87
Y  b X 21.008.016   50,95 1.783.320
20.250.0431.858.519
21.008.0163,18 19.237.540,85 1.770.475,15
a   3,45 3,31  104.145
n 617 1.590.993 1.689.774 17
2,53 2,86 2,69 17
7 1.401.139 1.516.151 1,96 2,3 2,12
8 1.392.512 1.526.649 1,94 2,33 2,13
Yˆ  a  bX  Yˆ  104.145, 6  0,959X 1.304.948 1.427.556 1,7 2,04 1,86
10 1.088.238 1.203.070 1,18 1,45 1,31
11 876.301 959.039 0,77 0,92 0,84

Y
Y 21.008.016

12
 1.235.765,
13 6
692.733
524.576
757.925
580.157
0,48
0,28
0,57
0,34
0,53
0,304
n 17 14 428.876 492.178 0,18 0,24 0,21
15 321.765 380.753 0,1 0,15 0,12
16 228.608 275.830 0,052 0,076 0,063

Se 
  
Y 2  a X  b XY 1733,501

E12  104.145,
121.846 6  20.250.043
157.029 0,015   0,025 
0,95  32,906
0,019E12 
33,501E12
n2  20.250.043 21.008.01617 32,437
2 33,501 32,906
 0,1303E12
  8, 67 E 9  93.202,3
15

Se2  0, 00867 E12

S y2 
Y 2

Y 
2 33,501E12
 1.235.765, 6   0, 444 E12
2

n 17

Se2 0, 00867 E12

R  1 2  1  1  0, 02  0,98
Sy 0, 444 E12

r  R  0,98  0,99

2,500,000

2,000,000

1,500,000
Mujer

Series1
1,000,000
Linear (Se

500,000

Gráfica de
regresión lin
0 simple, curva
0 500,000 1,000,000 1,500,000 2,000,000 2,500,000 mejor ajust
Hombre

c y d) se puede analizar y concluir que:

 o Como el coeficiente de variación es muy alto, decimos que la media aritmética
no es lo suficientemente representativa en la distribución de los datos.
o Existe una correlación lineal positiva ya que la nube de puntos en la gráfica tiene
forma ascendente y por lo tanto la recta tiene una pendiente positiva.
o Según el coeficiente de correlación, existe una gran relación entre las variables.
o El coeficiente de desviación media es menor al coeficiente de variación, debido a
que la desviación media es menor que la desviación estándar.
o Como el CV y CDM de la mujer son mayores que los del hombre, se muestra la
variación relativa de ambos grupos.

CONCLUSIONES