PRACTICA DE REPASO

Cultura Estadística para la Investigación

INTEGRANTES
CAMPOS CHUQUIMANGO, CESAR AUGUSTO
CRUZATE HUARIPATA ELI ELIAS
ORBEGOSO PAREDES AMERICO MARTIN
QUISPE CHAVEZ CARLOS ARMANDO
VALVERDE SALAZAR ISRAEL HADID
(DELEGADO) VASQUEZ SILVA BRAYAN JHERSON

Prof. KARINA JACQUELINE CARDENAS RODRIGUEZ

Trujillo, 2020
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

PRACTICA GRUPAL
Pregunta 1. En la empresa CAMPOSOL S.A.C trabajan 25000 trabajadores, de los cuales se
identifica que el 20% no tienen estudios universitarios, y el departamento de Recursos
Humanos inicia una investigació n para conocer las razones por las cuales los trabajadores
está n en esta situació n, construye un cuestionario y realiza algunas preguntas como: edad,
estudios, procedencia, añ os de experiencia, etc. Realiza todo un plan de muestreo y
determina que debe aplicar este cuestionario a 280 trabajadores. Identifica la població n de
estudio, muestra, unidad de análisis y variables.

Población de estudio : 25 000 trabajadores de la empresa Camposol S.A.C.

Població n finita y cuantitativa (se conoce N)
Muestra : 280 trabajadores.
Unidad de análisis : Trabajador de la empresa Camposol S.A.C.
Variables : Trabajadores sin estudios universitarios.

Cuestionario

1. ¿A qué genero pertenece?

o Masculino
o Femenino

2. ¿Cuá l de las siguientes categorías incluye tu edad?

o De 18 a 26 añ os
o De 27 a 35 añ os
o De 36 a 44 añ os
o De 45 a53 añ os
o De 54 a 59 añ os
o Mayor de 60 añ os

3. ¿Cuá l es tu estado civil?

o Soltero/a
o Casado/a
o Divorciado/a
o Conviviente
o Viudo/a

4. ¿Cuá l es su lugar de procedencia? (Indicar provincia y departamento)

_______________________________________________________________________________________________

5. ¿Con quién vive?

o Solo.
o Con pareja.
o Con familia.
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

6. Situació n familiar, ¿Tiene hijos?

o Si
o No

7. ¿Ud. es el ú nico que genera ingresos en su familia?

o Si
o No

8. ¿Cuá l es tu nivel de estudios?

o Secundaria incompleta
o Secundaria completa
o Superior incompleto.
o Superior completo.
o Carrera técnica.
o Otro

9. Como nuestro colaborador, ¿Cuá nto tiempo lleva trabajando en la empresa?

o Menos de 1 añ o.
o 1 añ o
o 2 añ os
o 3 añ os
o 4 añ os a má s

10. ¿En qué á rea de la empresa, es su lugar de trabajo?

____________________________________________________________________

11. ¿Cuá l es el cargo que desempeñ a?

__________________________________________________________________________

12. ¿Qué tipo de contrato tiene?

o Contrato indefinido.
o Contrato temporal.
o Contrato por prá cticas profesionales.
o Contrato eventual por circunstancias de producció n.
o Contrato de suplencia.

Pregunta 2. Asumiendo que usted trabaja en una empresa internacional y se le solicita

pronosticar el nú mero de productos vendidos, para el pró ximo añ o, teniendo en cuenta las
ventas durante los ú ltimos diez añ os, ¿qué técnica de recolecció n de datos usaría?

 La técnica que se usaría es: Documental / Registros

 El instrumento: Ficha de registro de datos
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

Pregunta 3. Indique en el siguiente listado los instrumentos de recolecció n de datos:

I. Lista de cotejo
II. Grabador de voz
III. Entrevista
IV. Cuestionario
V. Micró fono

Rpta.: Los instrumentos de recolecció n de datos son las opciones III y IV.

Pregunta 4: Los goles que se han marcado en la ú ltima jornada de la liga han sido en los
siguientes minutos:

Goles % de goles
Minutos
marcados marcados
0 --- 15 5 16.1%
15 --- 30 6 19.4%
30 --- 45 7 22.3%
45 --- 60 5 16.1%
60 --- 75 2 6.5%
75 --- 90 6 19.4%
Total n=31 100 %

A partir de la tabla de frecuencia mostrada responda la siguiente interrogante: ¿El

porcentaje de goles marcados en menos de 30 minutos es….?

Datos:
x= porcentaje de goles marcados en menos de 30 minutos.
x<30 = 16.1% + 19.4% = 35.5%

Rpta.: El porcentaje de los goles marcados en menos de 30 minutos es el 35.5% de los

goles totales.

Pregunta 5: En una encuesta se obtuvo la siguiente informació n en relació n con la

cantidad de hermanos que tiene cada niñ o de un curso.

Número de hermanos de algunos niños del curso

Cantidad de Frecuencia Frecuencia absoluta
hermanos absoluta (fi) acumulada (Fi)
0 4 4
1 6 10
2 7 17
3 3 20

¿Cuántos niños tienen al menos dos hermanos?

Datos:
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

x= cantidad de niñ os que tienen al menos dos hermanos.

x≤2 = 17

Rpta.: 17 niñ os tienen al menos dos hermanos.

Pregunta 6: La ONG Niñ os Felices, puede continuar recibiendo apoyo econó mico de
programas sociales del gobierno siempre y cuando el ingreso promedio anual de las
familias cuyos niñ os asisten a la ONG sea menor de S/. 6000. Los ingresos familiares
anuales de los niñ os son:

Ingresos
familiares anuales
en S/. Descriptive statistics
6500
5000 Ingresos familiares
6500   anuales
6100 Conteo 10
5000 Promedi
4100 o 5,630.00
5200 Mínimo 4100
6000 Má ximo 6500
5600 Rango 2400
6300

Rpta.: El promedio de los ingresos familiares anuales de los niñ os es de S/. 5,630.00, lo
cual es menor a lo establecido por el gobierno, por lo cual la ONG "Niñ os Felices” puede
continuar recibiendo apoyo econó mico de programas sociales del gobierno.

Pregunta 7. Un ingeniero agró nomo desea conocer la variabilidad del rendimiento

(Toneladas por hectá rea) del cultivo de alfalfa en su primera cosecha usando 2 métodos de
riego diferentes, para cual obtiene los siguientes datos:

Método de riego Promedio (𝑥̅) Desviació n está ndar (S)

Riego por Aspersió n 25.8 7.4
Riego por Goteo 24.5 2.1

¿Cuá nto es el coeficiente de variació n para el método de riego por goteo?

Datos:

Riego por aspersió n

Desviació n está ndar (S)= 7.4
Promedio (𝑥̅)= 25.8

Riego por goteo

Desviació n está ndar (S)= 2.1
Promedio (𝑥̅)= 24.5
s
Coeficiente de variació n  CV= * 100
x̅
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

7.4
CVRiego por aspersió n= *100= 28.68
25.8

2.1
CVRiego por goteo= *100= 8.57
24.5

Rpta.: La medida referente al método de riego por goteo tiene menor variabilidad de
rendimiento que el método de riego por aspersió n, por lo tanto sus datos son má s
homogéneos respecto a su promedio.

Pregunta 8. Un ingeniero de una planta embotelladora decide realizar un aná lisis de la

variabilidad del contenido llenado de gaseosa en ml. en un día determinado, para lo cual
toma los siguientes datos:

Gaseosa en ml.
500
508
491
502 Descriptive statistics
510
484   Gaseosa en ml.
496 Conteo 15
506 Promedio 496.27
450 Desv. Está ndar 15.33
482 Varianza 234.92
506
497
502
502
508

Calcule e interprete la desviació n está ndar:

Rpta.: La desviació n está ndar del contenido llenado de gaseosa en ml. en un día
determinado es de 15.33 ml. en promedio.

Pregunta 9. En el siguiente caso: Un analista de créditos desea conocer la proporció n de

sus clientes que pueden caer en mora transcurrido el primer trimestre de otorgado el
crédito, pensando en ello decide seleccionar una muestra aleatoria con un nivel de
confianza del 90% y con un error de estimació n del 5%. El analista cuenta con una cartera
de 1800 clientes y conoce adicionalmente que 1 de cada 10 clientes que recibieron un
crédito caen en mora transcurrido dicho el primer trimestre. ¿Qué cantidad de clientes
deberá considerar para su muestra teniendo en cuenta los datos proporcionados?

Datos:
Nivel de confianza: 90% --- Z=1.645
Error de estimació n: 5% --- E=0.05
Tamañ o de la població n: N= 1800
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

Nivel de significancia: α= 0.1

Cae en mora al 1er Trim.: p= 0.1
Complemento de p: q= 0.9

Rpta.: El analista de créditos debe tomar como muestra a 93 clientes para conocer
la proporció n que pueden caer en mora transcurrido el primer trimestre de
otorgado el crédito.

Pregunta 10. En el siguiente caso: Un ingeniero civil desea evaluar la resistencia

promedio a la tracció n de las varillas de fierro corrugado de una nueva marca, para lo cual
desea tomar una muestra aleatoria con un nivel de confianza del 95%. Conoce ademá s por
una muestra piloto que la desviació n está ndar de la resistencia es de 210 y asume un error
má ximo del 1% del promedio que es de 6320 kg/cm2. Determine el tamañ o de muestra
mínimo.

Datos:
Nivel de confianza: 95% --- Z=1.950
Desviació n está ndar: S= 210
Error de estimació n: 1% del promedio --- E=0.01*6320= 63.2
Promedio: 6320
Nivel de significancia: α= 0.05

Rpta.: El ingeniero debe tomar una muestra de 43 varillas

para evaluar la resistencia promedio de tracció n de las
Empresa 1 Empresa 2 varillas de fierro corrugado.

20.1 25.3
22.5 31.2 Pregunta 11: Se quieren comparar las longitudes de barras
22.2 22.4 de acero de dos empresas aisladas geográ ficamente. Para ello
30.2 23.1 se toman muestras de ambas empresas de tamañ o 12 y 10 y
se anota las longitudes de las barras de acero.
22.8 26.4
22.1 28.2
21.2 21.3
21.4 31.1
20.7 26.2
24.9 21.4
23.9
23.3
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

Descriptive statistics

  Empresa 1
Conteo 12
Promedio 22.942
Desv. está ndar 2.655
Varianza 7.050
Mínimo 20.1
Má ximo 30.2
Rango 10.1

Descriptive statistics

  Empresa 2
Conteo 10
Promedio 25.660
Desv. está ndar 3.682
Varianza 13.560
Mínimo 21.3
Má ximo 31.2
Rango 9.9

Al contrastar la hipó tesis de igualdad de medias a un nivel de significació n del 1%.

(Suponiendo que la longitud se distribuye como una Normal) se concluye que:

Empresa 1 Empresa 2
Promedio 22.942 25.660
Desv. Está ndar 2.655 3.682
Muestra (n) 12 10

Prueba de hipó tesis, cuando n < 30 se usa estadístico T.

 Prueba de Levene: 1-α= 0.99 y α= 0.01

Ho: Var1 = Var2 Valor_p > nivel de significancia (α)  Acepta Ho

H1: Var1 ≠ Var2 Valor_p < nivel de significancia (α)  Rechaza Ho

F-test for equality of variance

13.557124 variance: Empresa 2
7.049025 variance: Empresa 1
1.92 F
.3044 p-value

Como p_value: 0.3044 > 0.01, entonces aceptamos que las varianzas son iguales.

 Regla de decisió n:

Ho: U1=U2 Valor_p > nivel de significancia (α)  Acepta Ho

H1: U1≠U2 Valor_p < nivel de significancia (α)  Rechaza Ho

Hypothesis Test: Independent Groups (t-test, pooled variance)

 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

Empresa 1 Empresa 2
22.942 25.66 mean
2.655 3.682 std. dev.
12 10 n

20df
-2.718000difference (Empresa 1 - Empresa 2)
9.977670pooled variance
3.158745pooled std. dev.
standard error of
1.352494 difference
0 hypothesized difference

-2.010 t
.0582 p-value (two-tailed)

-6.566304 confidence interval 99.% lower

1.130304 confidence interval 99.% upper
3.848304 margin of error

Como p_value= 0.0582 > 0.01 entonces se acepta Ho, es decir U1 es igual a U2, con una
significancia del 1%

Rpta.: Existe suficiente evidencia estadística para concluir que las longitudes de barras de
acero de la empresa 1 y 2, son iguales.

Pregunta 12: Una asociació n de profesores universitarios quiere determinar si la

satisfacció n en el trabajo es independiente del rango académico. Para ello realizó un
estudio nacional entre los académicos universitarios y encontró los resultados mostrados
son la tabla siguiente:

Satisfacció n en Profesor Profesor Profesor

Instructor
el trabajo Asistente Asociado Principal

Muy Satisfecho 40 60 52 63
Regularmente
78 87 82 88
Satisfecho
Poco Satisfecho 57 63 66 64

Con nivel de significancia del 5%, realice una prueba para saber si existe relació n de
dependencia entre la satisfacció n en el trabajo y el rango:

Desarrollo:

 Hipó tesis:
Ho: La satisfacció n en el trabajo es independiente del rango académico.
H1: La satisfacció n en el trabajo no es independiente del rango académico.

 Grado de libertad: (r-1)(c-1) = (3-1)(4-1)=(2)(3) = 6

 Nivel de significancia: α= 0.05

 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

Nivel de confianza: 1-α= 0.95

Satisfacció n en Profesor Profesor Profesor

Instructor TOTAL
el trabajo Asistente Asociado Principal

Muy Satisfecho 40 60 52 63 215

Regularmente
78 87 82 88 335
Satisfecho
Poco Satisfecho 57 63 66 64 250

TOTAL 175 210 200 215 800

Calculamos los valores esperados:

(215)(175) (215)(210)
E11= = 47.03 E12= = 56.44
800 800

(215)(200) (215)(215)
E13= = 53.75 E14= = 57.78
800 800

(335)(175) (335)(210)
E21= = 73.28 E22= = 87.94
800 800

(335)(200) (335)(215)
E23= = 83.75 E24= = 90.03
800 800

(250)(175) (250)(210)
E31= = 54.69 E32= = 65.62
800 800

(250)(200) (250)(215)
E33= = 62.50 E34= = 67.19
800 800

Satisfacció n en Profesor Profesor Profesor

Instructor TOTAL
el trabajo Asistente Asociado Principal
40 60 52 63
Muy Satisfecho 215
(47.03) (56.44) (53.75) (57.78)
Regularmente 78 87 82 88
335
Satisfecho (73.28) (87.94) (83.75) (90.03)
57 63 66 64
Poco Satisfecho 250
(54.69) (65.62) (62.50) (67.19)
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

TOTAL 175 210 200 215 800

 Estadístico de prueba chi-cuadrado:

(40−47.03)2 (60−56.44)2 (52−53.75)2 (63−57.78)2 (78−73.28)2

X2= + + + + +
47.03 56.44 53.75 57.78 73.28
(87−87.94)2 (82−83.75)2 (88−90.03)2 (57−54.69)2 (63−65.62)2
+ + + + +
87.94 83.75 90.03 54.69 65.62
(66−62.50)2 (64−67.19)2
+ = 2.75
62.50 67.19

X2= 2.75

 Regla de decisió n:

Si X2R ≤ 12.592 no se rechaza Ho.

Si X2R >12.592 se rechaza Ho.

 Resultado:

Existe evidencia estadística suficiente para afirmar que la satisfacció n en el trabajo

es independiente del rango académico.
Como el valor de 2.75 es menor que el de tabla 12.592, no se rechaza H o.
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

Pregunta 13. Las calificaciones en un examen de estadística y el nú mero de horas de

estudio para dicho examen, de una muestra de 14 estudiantes de una secció n, se presentan
en el siguiente cuadro:

Indique e interprete el coeficiente de correlació n y determinació n.

Tiempo de
Calificació n
estudio
1 3
4 15
5 18
3 8
8 20
7 19
4 15
0 2
6 20
5 17
6 19.5
7 18
2 7
1 4

Variable independiente: X= Tiempo de estudio

Variable dependiente: Y= Calificació n

GRÁFICO DE DISPERSIÓN
25

f(x) = 2.6 x + 2.29

20 R² = 0.91

15
Calificación

10

0
0 1 2 3 4 5 6 7 8 9
Tiempo de estudio

 Coeficiente de correlació n:
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

R2=0.910
2
r= √ 0.910 = 0.9539392

Rpta.: Existe una alta correlació n positiva (95.39%) entre las variables tiempo de estudio
y calificació n en un examen de estadística.

 Coeficiente de determinació n.

Ecuació n de regresió n: Y= a + bX

Y= 2.287 + 2.601X

Pará metros son “a” y “b”

a: 2.287= Cuando no hay tiempo de estudio, las calificaciones son de 2.287

b: 2.601= Por cada nueva hora de estudio, la calificació n aumenta en 2.601.

Rpta.: Como R2=0.910 > 0.70, la ecuació n de regresió n es la má s adecuada.

El tiempo de estudio explica en un 91% la variabilidad de las calificaciones.

Pregunta 14. Una empresa de ensamblaje de teléfonos celulares está alistando un nuevo
lote de equipos para su venta en el mercado nacional. Los directivos de la empresa saben
que a medida que sus lotes de importació n crecen, los equipos que llegan con desperfectos
técnicos también aumentan. El siguiente cuadro muestra la cantidad de teléfonos
defectuosos de acuerdo con la cantidad de equipos importados.

Cantidad de equipos en Cantidad de equipos

un lote defectuosos
1000 12
1500 17
2500 26
3000 35
4500 42
5000 45
7000 74

Teniendo en cuenta los datos proporcionados: Estime la ecuació n de regresió n apropiada,

el diagrama de dispersió n, estimació n de parámetros y su interpretació n.

Variable independiente: X= Cantidad de equipos en un lote

Variable dependiente: Y= Cantidad de equipos defectuosos
 CURSO: CULTURA ESTADISTICA PARA LA INVESTIGACIÓN

GRÁFICO DE DISPERSIÓN
80

70
Cantidad de equipos defectuosos
f(x) = 0.01 x + 2.02
60 R² = 0.97

50

40

30

20

10

0
0 1000 2000 3000 4000 5000 6000 7000 8000
Cantidad de equipos en un lote

 Coeficiente de correlació n:

R2=0.971
2
r= √ 0.971 = 0.98539332

Rpta.: Se puede apreciar alta correlació n positiva (98.53%) entre las cantidades de
equipos defectuosos y las cantidades de equipos que hay en un lote,

 Coeficiente de determinació n.

Ecuació n de regresió n: Y= a + bX

Y= 2.024 + 0.010X

Pará metros son “a” y “b”

a: 2.024= Cuando no hay nuevos equipos en un lote, los equipos los equipos que
llegan con desperfectos son de 2.024.
b: 0.010= Por cada nuevo lote de quipos, la cantidad de equipos defectuosos aumenta
en 0.010.

La estimació n de pará metros mediante la ecuació n lineal corrobora que el promedio de

equipos defectuosos es el promedio de equipos en un lote.

Rpta.: Como R2=0.971 > 0.70, la ecuació n de regresió n es la má s adecuada.

La cantidad de equipos en un lote explica en un 97% la variabilidad de equipos
defectuosos.