UNIVERSIDAD NACIONAL AGRARIA

DE LA SELVA

GRUPO DE TRABAJO:

 davidchipanafarfan@gmail.com
 Arauco Quinto, Jhamil
 Chamorrro Marchan, Johan
 Chavez Vargas, Pool
 Huaman Hurtado, Pedro

UNAS- LABORATORIO DE FISI

Contenido
I INTRODUCCION ......................................................................................................... 3
II OBJETIVOS ................................................................................................................. 3
III MARCO TEÓRICO .................................................................................................... 4
3.1 Estadística descriptiva: ........................................................................................... 4
3.2 Media aritmética ..................................................................................................... 5
3.2.1 MEDIA ARITMÉTICA SIMPLE ................................................................... 5
3.2.2 MEDIA ARITMÉTICA PONDERADA ......................................................... 6
3.3 LA DESVIACIÓN ESTÁNDAR ........................................................................... 6
3.4 REGRESION LINEAL .......................................................................................... 8
I INTRODUCCION

En el laboratorio de física, con ayuda de nuestras manos y

una balanza se midió 15 grupos de menestras. A los datos
obtenidos se les hace un análisis estadístico que consiste en
registrar en una tabla las
medidas obtenidas, luego realizar un histograma con el cual
logramos obtener una representación gráfica de las
mediciones.

II OBJETIVOS

 Comprender la naturaleza de la fluctuación de una

medición
 Determinar el promedio, la desviación de una
medición de una medición, desviación estándar, error
potencial
III MARCO TEÓRICO

3.1 ESTADÍSTICA DESCRIPTIVA

Estadística descriptiva se sustituye o reduce el conjunto de datos obtenidos

por un pequeño número de valores descriptivos, como pueden ser: el promedio,
la mediana, la media geométrica, la varianza, la desviación típica, etc. Estas
medidas descriptivas pueden ayudar a brindar las principales propiedades de los
datos observados, así como las características clave de los fenómenos bajo
investigación.

Por lo general, la información proporcionada por la estadística descriptiva puede

ser trasmitida con facilidad y eficacia mediante una variedad de herramientas
gráficas, como pueden ser:

Gráficos de tendencia: es un trazo de una característica de interés sobre un

periodo, para observar su comportamiento en el tiempo.

Gráfico de dispersión: ayuda al análisis de la relación entre dos variables,

representado gráficamente sobre el eje x y el correspondiente valor de la otra
sobre el eje y.

Histograma: describe la distribución de los valores de una característica de

interés.

Estos métodos gráficos son de mucha utilidad para entender con claridad un
fenómeno analizado. La evolución de la inflación, el tipo de cambio, del PBI u
otros indicadores macro pueden ser analizados, por ejemplo, con gráficos de
tendencia.

Así, la estadística descriptiva constituye un modo relativamente sencillo y

eficiente para resumir y caracterizar datos. También ofrece una manera
conveniente de presentar la información recopilada.

Este método es potencialmente aplicable a todas las situaciones que involucran

el uso de datos. Además de ayudar en el análisis e interpretación de los datos,
constituye una valiosa ayuda en el proceso de toma de decisiones.
 Aplicaciones de la estadística descriptiva

 Organizar la información
 Sintetizar la información
 Ver sus características más relevantes
 Presentar la información

3.2 MEDIA ARITMÉTICA

La media aritmética es la medida de tendencia central más conocida,

familiar a todos nosotros y de mayor uso, también es fácil de calcular, ya sea de
datos no tabulados (datos simples) como de datos tabulados (datos agrupados).

3.2.1 MEDIA ARITMÉTICA SIMPLE

Es el valor obtenido sumando todas las observaciones y dividiendo el total

por el número de observaciones que hay en el grupo. La media resume en
un valor las características de una variable teniendo en cuenta todos los
casos. Solamente puede utilizarse con variables cuantitativas. En la media
aritmética simple cada una de los datos como un punto media o marca de
clase. Se determina mediante la aplicación de la siguiente fórmula.
 3.2.2 MEDIA ARITMÉTICA PONDERADA

Es cuando se asigna ciertos coeficientes significación, pero importancia,

etc. a los datos de una determinada actividad. Ejercicio clásico de
ponderación son los llamados coeficientes que se le asigna a ciertos
exámenes. Se determina mediante la aplicación de la siguiente fórmula:

3.3 LA DESVIACIÓN ESTÁNDAR

Denotada por la literal s, es una medida de dispersión que se emplea para variables
de razón (también conocidas como ratio o cociente) y para variables de intervalo.
La desviación estándar se considera una medida cuadrática que representa el
promedio de las desviaciones de los datos muestrales respecto de su media
aritmética, expresada en las mismas unidades que la variable.
La fórmula para calcular la desviación estándar para datos no agrupados está dada por la
siguiente expresión:
n= Número de datos o elementos de la
muestra.

i= Índice de la suma que toma los valores 1,

2, 3...n.

xi = Valor del i-ésimo dato de la muestra.

= Media aritmética de la muestra.

3.4 REGRESION LINEAL

Un modelo de regresión es un modelo que permite describir cómo influye una

variable X sobre otra variable Y.

 X: Variable independiente o explicativa o exógena

 Y: Variable dependiente o respuesta o endógena

El objetivo es obtener estimaciones razonables de Y para distintos valores de X a

partir de una muestra de n pares de valores (x1, y1), . . ., (xn, yn).

Ejemplo: En la muestra de la miel vamos a ver si existe relación lineal entre la

acidez libre y la acidez total. Para ver si un modelo de regresión lineal tiene sentido,
comenzamos dibujando un diagrama de dispersión.
Mediante las técnicas de regresión de una variable Y sobre una variable X, buscamos
una función que sea una buena aproximación de una nube de puntos (xi, yi), mediante
una curva del tipo:

El modelo de regresión lineal simple tiene la siguiente expresión:

En donde  es la ordenada en el origen (el valor que toma Y cuando X vale 0),  es la
pendiente de la recta (e indica cómo cambia Y al incrementar X en una unidad) y  una
variable que incluye un conjunto grande de factores, cada uno de los cuales influye en la
respuesta sólo en pequeña magnitud, a la que llamaremos error. X e Y son variables
aleatorias, por lo que no se puede establecer una relación lineal exacta entre ellas.
  http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP-
DPTO/MATERIALES/Mat_50140116_Regr_%20simple_2011_12.pdf
 http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP-
DPTO/MATERIALES/Mat_50140116_Regr_%20simple_2011_12.pdf
 https://unac.edu.pe/documentos/organizacion/vri/cdcitra/Informes_Finales_Inve
stigacion/IF_JUNIO_2012/IF_CALDERON%20OTOYA_FCA/capitulo%203.p
df
 http://www.dm.uba.ar/materias/probabilidades_estadistica_C/2004/1/PyEC12.pd
f
 https://moodle2.unid.edu.mx/dts_cursos_mdl/ejec/AE/ED/S11/ED11_Visual.pdf