MANTENIMIENTO, TALLER ESTIMADORES UNIVARIADOS

Universidad Tecnológica de Pereira

Mantenimiento Eléctrico – Primer Semestre de 2019 – Gr3
Docente: Cristian Alfonso Jiménez Castaño

Objetivo
Realizar repaso sobre estadı́stica descriptiva y contextualizar los principales estimadores univariados y gráficos
de representación, como introducción a la confiabilidad.

Resultados de aprendizaje
RA3. Aplicar teorı́a general de confiabilidad y gestión de activos en situaciones problema.
RA6. Organizar y planificar el tiempo, trabajar en equipo (Entendimiento Interpersonal)
RA8. Capacidad de trabajar en equipo.
RA9. Capacidad de indagación.
RA10. Capacidad de expresar una idea de forma escrita y/u oral.

Taller
Conformar grupos de tres estudiantes. Tomar los datos indicados a continuación de los integrantes del grupo y
posteriormente consolidarlos con los demás grupos.
Edad [Años]
Sexo [1-Femenimo, 0-Masculino]
Longitud del Pie [cm]
Perı́metro craneal [cm]
Longitud rodilla a tobillo [cm]
Altura [cm]
Diámetro de la cintura [cm]
Peso [kg]
Distancia entre hombros [cm]
Número de créditos aprobados [créditos]
P eso 2
Índice de masa corporal = 0,01∗Altura2 [kg/m ]

Procedimiento

1. Identificar los tipos de datos de cada una de las variables (cuantitativa, cualitativa, categórica, nominal,
multi-nominal o binaria).
2. Codificar las variables (categóricas, nominales y multi-nominales).
3. Cargar los datos en un script de Matlab o Python.

1
 4. Calcular las siguientes medidas estadı́sticas: Media aritmética, desviación estándar original, desviación
estándar con corrección de Bessel, coeficiente de simetrı́a, coeficiente de kurtosis y coeficiente de homoge-
neidad.
5. Graficar el histograma, la función de densidad de probabilidad (PDF), la función de densidad cumulativa
CDF y 1-CDF de todas las variables.
X−min(X)
6. Normalizar por el rango de datos: Xnorm = max(X)−min(X) . A cada variable se le resta su valor menor y
se divide por la diferencia entre valores máximos y mı́nimos.
7. Con los datos normalizados por el rango, repetir los puntos 4 y 5.

8. Normalizar los datos utilizando z-score: los datos deben tener media cero (0) y varianza uno (1): XnormZ =
X−x̄
σ . Siendo x̄ la media aritmetica de la variable y σ la desviación estándar de la misma. En MATLAB
buscar la documentación de la función zscore().
9. Con los datos normalizados por z-score, repetir los puntos 4 y 5 y explicar las diferencias encontradas
entre los diferentes histogramas.
10. Calcular la correlación entre las variables altura e IMC.
11. Calcular la correlación entre las variables edad y número de créditos.
12. Calcular la matriz de correlación entre todas las variables y graficarla como una imagen en escala de
colores. Evaluar para datos sin normalizar y normalizados. En MATLAB buscar la documentación
de la función imagesc()
13. Determinar las variables que poseen fuerte o débil correlación. ¿Qué indican estas correlaciones?
14. A partir de los datos que se tiene, determinar la probabilidad de que un estudiante de Ingenierı́a Eléctrica
vea el curso de mantenimiento eléctrico en una ventana de ± 5 créditos. Tenga en cuenta que Manteni-
miento Eléctrico es una materia de noveno/sexto semestre.
15. Evalúe al menos otras dos probabilidades que se puedan determinar desde los datos y explı́quelas.
16. Conclusiones