UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

I EXAMEN PARCIAL DE ESTADÍSTICA Y PROBABILIDADES (ES-142).

ASIGNATURA : ESTADISTICA Y PROBABILIDADES (ES-142)

ALUMNO : CISNEROS AYALA, Pavel Inocencio
CORREO : capdesvel@gmail.com
CÓDIGO : 16182505
DOCENTE : Ing. CIP Guillermo B. TAPIA CALDERON; Ing.
Estadístico e Informático, Universidad Nacional La Molina (UNALM), Maestría en
Ciencias, Universidad Nacional de Ingeniería (UNI)
FECHA DE PROPUESTA: 08/Julio/2019
FECHA DE ENTREGA : 12/Julio/2019

FIRMA : …………………………………

AYACUCHO – PERÚ
2019
 Para un estudiante y
viajero en el camino.

PARTE A. Simbolización de Datos - CASOS de sumatorias y productorias simples

A.1. CASO I. señalar los límites inferior y superior de las sumatorias y desarrollar las
“sumas abreviadas” o sea los elementos de las sumatorias simples:
 𝟐
A.1.1) ∑(𝑿𝒌 − 𝒀𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 ) = ⋯ ; desde k = 1 hasta k = 5.

Solución:
∑5k=1(Yk − y̅)2 = (Y1 − y̅)2 + (Y2 − y̅)2 + (Y3 − y̅)2 + (Y4 − y̅)2 +(Y5 − y̅)2 .

A.1.2) ∑ √𝑿𝒋 𝒀𝒊 + 𝑽𝒊 𝒁𝒊 = ⋯ ; desde j = 1 hasta j = N

Solución:

∑𝑁
j = 1 √𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 =√𝑋1 𝑌1 + 𝑉1 𝑍1 + √𝑋2 𝑌2 + 𝑉2 𝑍2 + √𝑋3 𝑌3 + 𝑉3 𝑍3 + ⋯ +
√𝑋𝑁 𝑌𝑁 + 𝑉𝑁 𝑍𝑁 .
A.1.4) ∑ 𝑿𝒊 𝒀𝒊+𝟏 + 𝑽𝒊 𝒁𝒊−𝟏 = ⋯ ; desde i = 3 hasta i = N.
Solución:
∑𝑁𝑖=3(𝑋𝑖 𝑌𝑖+1 + 𝑉𝑖 𝑍𝑖−1 ) = (𝑋3 𝑌3+1 + 𝑉3 𝑍3−1 ) + (𝑋4 + 𝑌4+1 + 𝑉4 𝑍4−1 ) + (𝑋5 𝑌5+1 +
𝑉𝑖 𝑍𝑖−1 ) + ⋯ + (𝑋𝑁 𝑌𝑁+1 + 𝑉𝑁 𝑍𝑁−1).
A.1.3) ∑(𝑰𝑪)𝟑 = ⋯ ; desde j = 1 hasta j= 204.
Solución:
∑204 3 3 3 3 3
𝑗=1(𝐼𝐶) = (𝐼𝐶) + (𝐼𝐶) + (𝐼𝐶) + ⋯ + (𝐼𝐶) .

204 sumandos ((𝐼𝐶)3

𝟐
A.1.5) ∑(𝑿𝒊 − 𝟐) = ⋯ ; desde i = 3 hasta i = 10.
Solución:
∑10 2 2 2 2 2
𝑖=3 = (𝑋3 − 2) + (𝑋4 − 2) + (𝑋5 − 2) + (𝑋6 − 2) + (𝑋7 − 2) + (𝑋8 −
2)2 + (𝑋9 − 2)2 + (𝑋10 − 2)2 .

A.2.CASO II. Señale como dato los elementos desarrollados de los ejercicios anteriores
y ponga la notación sumatoria simple correspondiente (desde A 2.1 hasta A.2.7; forma
invertida de A.1).
A.2.1) (𝑌1 − 𝑦̅)2 + (𝑌2 − 𝑦̅)2 + (𝑌3 − 𝑦̅)2 + (𝑌4 − 𝑦̅)2 +(𝑌5 − 𝑦̅)2 =
∑𝟓𝒌=𝟏(𝒀𝒌 − 𝒚̅ )𝟐 .

A.2.2) √𝑋1 𝑌1 + 𝑉1 𝑍1 + √𝑋2 𝑌2 + 𝑉2 𝑍2 + √𝑋3 𝑌3 + 𝑉3 𝑍3 + ⋯ + √𝑋𝑁 𝑌𝑁 + 𝑉𝑁 𝑍𝑁 =

∑𝑵𝐣 = 𝟏 √𝑿𝒋 𝒀𝒋 + 𝑽𝒋 𝒁𝒋 .

A.2.3) (𝑋3 𝑌3+1 + 𝑉3 𝑍3−1 ) + (𝑋4 + 𝑌4+1 + 𝑉4 𝑍4−1 ) + (𝑋5 𝑌5+1 + 𝑉𝑖 𝑍𝑖−1 ) + ⋯ +
(𝑋𝑁 𝑌𝑁+1 + 𝑉𝑁 𝑍𝑁−1 ) = ∑𝑵𝒊=𝟑(𝑿𝒊 𝒀𝒊+𝟏 + 𝑽𝒊 𝒁𝒊−𝟏 ).

A.2.4) (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + ⋯ + (𝐼𝐶)3 = ∑𝟐𝟎𝟒 𝟑

𝒋=𝟏 (𝑰𝑪) .

204 sumandos (𝐼𝐶)3

A.2.5) (𝑋3 − 2)2 + (𝑋4 − 2)2 + (𝑋5 − 2)2 + (𝑋6 − 2)2 + (𝑋7 − 2)2 +
(𝑋8 − 2)2 + (𝑋9 − 2)2 + (𝑋10 − 2)2 = ∑𝟏𝟎 𝟐
𝒊=𝟏(𝑿𝒊 − 𝟐) .

A.3. CASO III. Sean los valores: 𝑿𝟏 = −𝟐, 𝑿𝟐 = 𝟑, 𝑿𝟑 = 𝟒, 𝑿𝟒 = 𝟓, 𝑿𝟓 = 𝟎 y media

−𝟐+𝟑+𝟒+𝟓+𝟎
aritmética 𝒙 = = 𝟐.
𝟓

Hallar el valor numérico de las sumatorias simples siguientes:

A.3.1) ∑[𝑿𝒊 (𝑿𝒊 − 𝒙) + (𝑿𝒊 − 𝒙)] = ⋯; desde i=1 hasta i=5.
Solución:
1° Desarrollando la sumatoria:
∑5𝑖=1[𝑋𝑖2 − 𝑋𝑖 𝑥 + 𝑋𝑖 − 𝑥 ] = [𝑋12 − 𝑋1 𝑥 + 𝑋1 − 𝑥 ] + [𝑋22 − 𝑋2 𝑥 + 𝑋2 − 𝑥 ] +
[𝑋32 − 𝑋3 𝑥 + 𝑋3 − 𝑥 ] + [𝑋42 − 𝑋4 𝑥 + 𝑋4 − 𝑥 ] + [𝑋52 − 𝑋5 𝑥 + 𝑋5 − 𝑥 ].
2° Reemplazando los valores de las 𝑋𝑖 :
[(−2)2 − (−2)(2) + (−2) − (2) ] + [(3)2 − (3)(2) + (3) − (2) ] + [(4)2
− (4)(2) + (4) − (2) ] + [(5)2 − (5)(0) + (5) − (2)] + [(0)2
− (0)(2) + (0) − (2) ] .
3° Resolviendo operaciones:
[4+4-2-2] + [9-6+3-2] + [16-8+4-2] + [25-10+5-2] + [0-0+0-2]
[4] + [4] + [10] + [18] + [-2]
34

A.3.2) ∑[𝑿𝟐𝒊 − 𝟒𝑿𝒊 + 𝒙 ] = ⋯; desde i=3 hasta i=5.

Solución:
1° Desarrollando la sumatoria:
∑5𝑖=3(𝑋𝑖2 − 4𝑋𝑖 + 𝑥 ) = [𝑋32 − 4𝑋3 + 𝑥 ]+ [𝑋42 − 4𝑋4 + 𝑥 ] +[𝑋52 − 4𝑋5 + 𝑥 ].
2° Reemplazando los valores de las 𝑋𝑖 :
[(4)2 − (4)(4) + (2)] + [(5)2 − (4)(5) + (2)] + [(0)2 − (4)(0) + (2)].
3° Resolviendo operaciones:
[16 − 16 + 2] + [25 − 20 + 2][0 − 0 + 2].
[2] + [7] + [2].
11
A.3.3) ∑[𝟑𝑿𝟑𝒊 − 𝟐𝑿𝟐𝒊 ] = ⋯; desde i=1 hasta i=3.
Solución:
1° Desarrollando la sumatoria:
∑3𝑖=1 [3𝑋𝑖3 − 2𝑋𝑖2 ] = [3𝑋13 − 2𝑋12 ] + [3𝑋23 − 2𝑋22 ] + [3𝑋33 − 2𝑋32 ].
2° Reemplazando los valores de las 𝑋𝑖 :
[3(−2)3 − 2(−2)2 ] + [3(3)3 − 2(3)2 ] + [3(4)3 − 2(4)2 ].
3° Resolviendo operaciones:
[3(−8) − 2(4)] + [3(27) − 2(9)] + [3(64) − 2(16)].
[−24 − 8] + [81 − 18] + [192 − 32].
[−32] + [63] + [160].
191
∑ 𝑥𝑖
A.4 CASO IV. Dada la fórmula de la media aritmética de datos no-agrupados 𝑥 = .
𝑛
Siendo límites desde i=1 hasta i=n de las Σ, Π. Demostrar las igualdades siguientes:
̅)𝟐 + 𝑿𝒊 (𝒙
A.4.1) ∑[𝑿𝒊 (𝑿𝒊 − 𝒙 ̅ − 𝟏)] = ∑ 𝑿𝟐𝒊 − 𝒏𝒙
̅
Solución:
i. A⇒B
∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]

= ∑[𝑋𝑖2 − 2𝑋𝑖 𝑥̅ + 𝑥̅ 2 + 𝑋𝑖 𝑥̅ − 𝑋𝑖 ]
= ∑[𝑋𝑖2 − 𝑋𝑖 𝑥̅ + 𝑥̅ 2 − 𝑋𝑖 ]
= ∑ 𝑋𝑖2 − ∑ 𝑋𝑖 𝑥̅ + ∑ 𝑥̅ 2 − ∑ 𝑋𝑖
= ∑ 𝑋𝑖2 − 𝑥̅ ∑ 𝑋𝑖 + 𝑛𝑥̅ 2 − ∑ 𝑋𝑖
= ∑ 𝑋𝑖2 − 𝑥̅ (𝑛𝑥̅ ) + 𝑛𝑥̅ 2 − 𝑛𝑥̅
∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)] = ∑ 𝑋𝑖2 − 𝑛𝑥̅ . 𝑙𝑞𝑞𝑑.

ii. A⇒B

∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)] = ∑ 𝑋𝑖2 − 𝑛𝑥̅ .

= ∑ 𝑋𝑖2 − ∑ 𝑋𝑖 .
∑ 𝑋𝑖
= ∑ 𝑋𝑖2 − ( 𝑛
) ∗ ∑ 𝑋𝑖 + (∑ 𝑋𝑖 /𝑛)2 ∗ 𝑛 − ∑ 𝑋𝑖
= ∑ 𝑋𝑖2 − 𝑥̅ ∗ ∑ 𝑋𝑖 + 𝑥̅ 2 ∑ 1 ∗ 𝑛 − ∑ 𝑋𝑖
 = ∑ 𝑋𝑖2 − ∑ 𝑋𝑖 𝑥̅ + ∑ 𝑥̅ 2 − ∑ 𝑋𝑖
= ∑[𝑋𝑖2 − 𝑋𝑖 𝑥̅ + 𝑥̅ 2 − 𝑋𝑖 ]
∑ 𝑋𝑖2 − 𝑛𝑥̅ = ∑[𝑋𝑖2 − 2𝑋𝑖 𝑥̅ + 𝑥̅ 2 + 𝑋𝑖 𝑥̅ − 𝑋𝑖 ] . 𝑙. 𝑞. 𝑞. 𝑑.

iii. A=B ⇒ l.q.q.d.

  X 
 x   1 / n   X i2  nx 2  1
2
A.4.3) i

Solución:
A⇒B

  X 
 x   1 / n   X i2  nx 2  1
2
i

 1
   X i2  2 x i x  x  
2

 n
n

n n 2 1
  X i2  2 x xi   x 
n
n
n x i
2

  X i2  2 xn
x i
 
n
n n n

  X i2  2 x n  x n  1   X i2  nx 2  1
2 2

l.q.q.d.
ii. B⇒A
  X 
 x   1 / n   X i2  nx 2  1
2
i

  X i2  nx 2  1
n
n x i
2

  X i2  2 xn
x i
 
n
n n n
n

n n 2 1
  X i2  2 x xi   x 
n
n

n n 2 1
  X  2 x xi   x 
i
2

n
 1
   X i2  2 x i x  x  
2

 n
 2 1
  X i2  nx 2  1    X i  2 x i x  x  
2

 n
iii. A=B ⇒ l.q.q.d.
A.4.4) ∑[𝑿𝒊 (𝑿𝒊 − 𝒙 ̅ − 𝑿𝒊 )] = ∑ 𝑿𝟐𝒊 − (∑ 𝑿𝒊 )𝟐 /𝒏
̅) + (𝒙

Solución:
i. A⇒B
∑[𝑋𝑖2 − 𝑋𝑖 𝑥̅ + 𝑥̅ − 𝑋𝑖 ]
= ∑[𝑋𝑖2 − 𝑋𝑖 𝑥̅ + 𝑥̅ − 𝑋𝑖 ]
= ∑ 𝑋𝑖2 − ∑ 𝑋𝑖 𝑥̅ + ∑ 𝑥̅ − ∑ 𝑋𝑖
= ∑ 𝑋𝑖2 − 𝑥̅ ∑ 𝑋𝑖 + 𝑛𝑥̅ − ∑ 𝑋𝑖
= ∑ 𝑋𝑖2 − 𝑥̅ (𝑛𝑥̅ ) + 𝑛𝑥̅ − 𝑛𝑥̅
= ∑ 𝑋𝑖2 − 𝑛𝑥̅ 2
𝑛(∑ 𝑋𝑖 )2
= ∑ 𝑋𝑖2 − 𝑛2
𝑛(∑ 𝑋𝑖 )2
= ∑ 𝑋𝑖2 − 𝑛2
∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )] = ∑ 𝑋𝑖2
− (∑ 𝑋𝑖 )2 /𝑛
ii. B⇒A
∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )] = ∑ 𝑋𝑖2 − (∑ 𝑋𝑖 )2 /𝑛
𝑛(∑ 𝑋𝑖 )2
= ∑ 𝑋𝑖2 − 𝑛2
2 𝑛(∑ 𝑋𝑖 )2
= ∑ 𝑋𝑖 −
𝑛2
2
= ∑ 𝑋𝑖 − 𝑛𝑥̅ 2
= ∑ 𝑋𝑖2 − 𝑥̅ (𝑛𝑥̅ ) + 𝑛𝑥̅ − 𝑛𝑥̅
= ∑ 𝑋𝑖2 − 𝑥̅ ∑ 𝑋𝑖 + 𝑛𝑥̅ − ∑ 𝑋𝑖
= ∑ 𝑋𝑖2 − ∑ 𝑋𝑖 𝑥̅ + ∑ 𝑥̅ − ∑ 𝑋𝑖
2
∑ 𝑋𝑖 − (∑ 𝑋𝑖 )2 /𝑛=∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )] . 𝑙. 𝑞. 𝑞. 𝑑.
iii. A=B ⇒ l.q.q.d.
A.4.6) ∏ 𝒀𝒊 𝑾𝒊 𝒁𝒊 = ∏ 𝒀𝒊 ∏ 𝑾𝒊 ∏ 𝒁𝒊

Solución:
i. A⇒B
∏𝑛𝑖=1 𝑌𝑖 𝑊𝑖 𝑍𝑖 = [(𝑌1 𝑊1 𝑍1 )(𝑌2 𝑊2 𝑍2 )(𝑌3 𝑊3 𝑍3 ) … (𝑌𝑛 𝑊𝑛 𝑍𝑛 )]
= (𝑌1 𝑌2 … 𝑌𝑛 ) ∗ (𝑊1 𝑊2 … 𝑊𝑛 ) ∗ (𝑍1 𝑍2 … 𝑍𝑛 )
=∏𝑛𝑖=1 𝑌𝑖 ∏𝑛𝑖=1 𝑊𝑖 ∏𝑛𝑖=1 𝑍𝑖 𝑙𝑞𝑞𝑑.
ii. B⇒A
∏𝑛𝑖=1 𝑌𝑖 𝑊𝑖 𝑍𝑖 = [(𝑌1 𝑊1 𝑍1 ) ∗ (𝑌2 𝑊2 𝑍2 ) ∗ (𝑌3 𝑊3 𝑍3 ) ∗ … ∗ (𝑌𝑛 𝑊𝑛 𝑍𝑛 )]
= [(𝑌1 𝑊1 𝑍1 ) ∗ (𝑌2 𝑊2 𝑍2 ) ∗ (𝑌3 𝑊3 𝑍3 ) ∗ … ∗ (𝑌𝑛 𝑊𝑛 𝑍𝑛 )]
= (𝑌1 𝑊1 𝑍1 ) ∗ (𝑌2 𝑊2 𝑍2 ) ∗ … ∗ (𝑌𝑛 𝑊𝑛 𝑍𝑛 )
(𝑌1 𝑊1 𝑍1 ) ∗ (𝑌2 𝑊2 𝑍2 ) ∗ … ∗ (𝑌𝑛 𝑊𝑛 𝑍𝑛 ) = ∏𝑛𝑖=1 𝑌𝑖 𝑊𝑖 𝑍𝑖 . l.q.q.d.

iii. A=B ⇒ l.q.q.d.

PARTE B. Simbolización de datos: desarrollo de sumatorias simples, a partir del

cuadro B.5, que constituye una tabla de doble entrada con valores Xij desarrolle las
sumatorias indicadas, asignándoles sus límites superior e inferior y, finalmente calcule su
valor numérico, para cada caso:

TABLA N° B.5
i j 1 2 3 4

1 3 5 0 3
2 -5 6 4 0
3 4 -4 5 2
4 1 2 1 -2

B.5.1)

i 4

(X
i 1
i1 )  X 11  X 21  X 31  X 41
i 4

(X
i 1
i1 )  3  5  4  1
i 4

(X
i 1
i1 )3

B.5.2)

i 4

(X
i 1
i4 )  X 14  X 24  X 34  X 44
i 4

(X
i 1
i4 )  3  0  2  2
i 4

(X
i 1
i4 )3

B.5.3)
 i 4

(X
i 1
1j )  X 11  X 12  X 13  X 14
i 4

(X
i 1
1j )  35 03
i 4

(X
i 1
1j )  11

B.5.4)

i4

(X
i 1
4j )  X 41  X 42  X 43  X 44
i4

(X
i 1
4j )  1  2  1  2
i4

(X
i 1
4j )2

B.5.5)

i 4

X X .2
i 1
i2

X .2  X 12  X 22  X 32  X 42
X .2  5642
X .2 9

B.5.6)

i 4

 X   (X
ij
i 1
1j  X2 j  X3j  X4 j )

X ij  ( X 11  X 12  X 13  X 14 )  ( X 12  X 22  X 32  X 42 )  ( X 13  X 23  X 33  X 43 ) 
( X 14  X 24  X 34  X 44 )
X ij  11  9  9  3
X ij  32
PARTE C. simbolización de datos y regresión lineal simple. dada las siguientes tabla c.
donde i=indicar las filas Xi= tiempo de minuto y Yi = temperatura en grados centígrados
completar las columnas por construir que sean pertinentes (que se necesitan) para hacer
los cálculos de los valores numéricos de lo que se piden.
TABLA N° C

̅
C.1 Media maestral de X: 𝑿

71
̅ = =10.1428571 minutos.
𝑋 7

C.2 Media muestral de Y:

1
y̅ = ∑ 𝒀𝒊
n
1
y̅ = 7 (791)
731
𝑦
̅ =
7
=104.571429 T° c; es la temperatura promedio.

C.3 Variancia muestral x: sx2

2
2 ∑𝑛𝑖=1(𝑋𝑖 − 𝑥
̅)
𝑆 𝑥=
𝑛
146.857143
𝑆2 𝑥 =
7
𝑆2 𝑥 = 20.9795918
𝑆𝑥 = 4.58034469389
C.4 Variancia muestral x: sy2
2
2 ∑𝑛𝑖=1(𝑌𝑖 − 𝑦
̅)
𝑆 𝑦=
𝑛
4183.71429
𝑆2 𝑦 =
7
𝑆2 𝑦 = 972.7143
𝑆𝑦 = 24.4473611948
C.5 Hallar β=coeficiente de regresión lineal simple.
Xi=(Xi- Ẋ) Yi=(Yi-Ῡ)

∑ 𝑋𝑖 ∗ 𝑌𝑖 758.428571
𝛽= = = 5.16439688716
∑ 𝑋𝑖2 146.857143
C.6) Intersección de la recta con el eje YY´
𝛼 = 𝑦̅ − 𝛽𝑋̅ = 104.571429 − 5.16439688716(10.1428571) = 52.1896887153

tiempo de minuto & temperatura en grados

centígrados
160

140

120

100
Yi T°C

y = 5.1644x + 52.19
80
R² = 0.9362
60

40

20

0
0 2 4 6 8 10 12 14 16 18 20

tiempo de minuto

- Interpretación estadística: el alfa el punto de interacción de la recta con el Yy’

C.7 para X = 14 cuando valdrá Y hallando ecuación de una recta
𝑦 − 𝑦̅ = 𝛽(𝑋 − 𝑋̅)
𝑦 = 104.571429 + 5.16439688716(14 − 10.1428571)
𝑦 = 124.491245136 T° c; es la temperatura promedio que se
pronosticará.
C.8 para X = 20 cuando valdrá Y hallando ecuación de una recta
𝑦 − 𝑦̅ = 𝛽(𝑋 − 𝑋̅)
𝑦 = 104.571429 + 5.16439688716(20 − 10.1428571)
𝑦 = 155.477626458 T° c; es la temperatura promedio que se
pronosticará.
c.9 Determine el coeficiente de correlación lineal simple e interprete
estadísticamente
∑ XiYi 758.428571
r= ρ= = = 0.967578342707
√∑ Xi2 ∗∑ Yi2 √146.857143∗4183.71429

r= 0.9675

Interpretación estadística: EL coeficiente de correlación lineal simple es

0.967578342707 es un valor cerrado a uno lo que nos indica que existe un grado de
asociación entre las variables x e Y que en este caso es de dependencia lineal directa, ya
covariancia nos da también el signo de la dirección.
C.10) Determinar el coeficiente de Determinación (𝒓𝟐 )
𝑟 2 = 0.98740.9675783427072
𝑟 = 0.936207849276
𝑟 = 0.936208
Interpretación estadística:
El coeficiente de determinación da un valor de 0.936208, también cercano a uno (+1)
este valor se obtiene elevando al cuadrado el coeficiente de correlación lineal simple y
su interprete estadísticamente como la explicación de la variable por sobre el
comportamiento de la respuesta y 93.6208% = 93.62%.
c.11) Determine el coeficiente de alejamiento y su interpretación estadística

√(1 − 𝑟2 ) ∗ 100% = √(1 − 0.936207849276) ∗ 100% = 0.2152571080538%

= 25.25711%
Interpretación estadística: El coeficiente de alejamiento es 25.25711%, cuyo valor
es la raíz cuadrada de la diferencia entre y el coeficiente de determinación, expresado en
porcentaje (%).

C.12) Hallar el coeficiente de variación para x

𝑆𝑥
𝑐. 𝑣 =
𝑥̅
𝑆𝑥 = 4.58034469389
𝑋̅ =10.1428571

4.58034469389
𝑐. 𝑣 =
10.1428571
𝑐. 𝑣 = 0.451583649064

C.13) Hallar el coeficiente de variación para y

𝑆𝑦
𝑐. 𝑣 =
𝑦̅
𝑆𝑦 = 24.4473611948
𝑦̅ = 104.571429
24.4473611948
𝑐. 𝑣 =
104.571429
𝑐. 𝑣 = 0.233786240935
PARTE D. Organización de Datos y Cálculo de Estadígrafos de cuadros completos.
- Suponga que se ha judicializado en caso respecto el peso de lingotes de acero de
“ACEROS AREQUIPA S.A.”, analizados por el Juez Especializado en lo Civil, para lo
cual se tomó una muestra aleatoria simple (MAS) de la producción semanal de 40
observaciones, las unidades están dadas en kilogramos (Kg), registrándose los siguientes
datos originales Xi:
𝑥1= 94.3 𝑥11= 94.7 𝑥21= 94.4 𝑥31= 95.4
𝑥2= 92.9 𝑥12= 94.2 𝑥22= 93.9 𝑥32= 94.6
𝑥3= 94.2 𝑥13= 95.3 𝑥23= 94.5 𝑥33= 93.6
𝑥4= 94.1 𝑥14= 93.8 𝑥24= 93.9 𝑥34= 93.6
𝑥5= 93.0 𝑥15= 94.3 𝑥25= 92.8 𝑥35= 93.7
𝑥6= 93.6 𝑥16= 93.7 𝑥26= 92.7 𝑥36= 92.3
}𝑥7= 95.7 𝑥17= 92.4 𝑥27= 96.2 𝑥37= 95.5
𝑥8= 90.0 𝑥18= 94.8 𝑥28= 93.6 𝑥38= 96.8
𝑥9= 95.5 𝑥19= 92.7 𝑥29= 93.2 𝑥39= 91.9
𝑥10= 95.7 𝑥20= 94.0 𝑥30= 91.6 𝑥40= 94.4
D.1 Tipología y sub-Tipología de variable estadística.
-Es una variable cuantitativa continua
-Es una muestra grande porque n=40>30
D.2 Rango de datos originales: 𝑹𝒙
𝑋𝑚𝑖𝑛 = 90.0𝐾𝑔 𝑋𝑚𝑎𝑥 = 96.8𝐾𝑔
𝑅𝑥 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛
𝑅𝑥 = 96.8𝐾𝑔 − 90.0 𝐾𝑔
𝑅𝑥 = 6.8𝐾𝑔
D.4 Número de Intervalos de clase(𝒎)por el método de la RAIZ:

𝑚 = √𝑛

𝑚 = √40
𝑚 = 6.32455532
D.5 ¿Existirá nuevo valor del número de intervalos de clase 𝒎′ ?
- Si existe y su valor es:
𝑚′ = 7 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠 𝑑𝑒 𝐶𝑙𝑎𝑠𝑒
D.6 Determinar la amplitud interválica constante de datos originales (C) y la
redondeada C’
𝑅𝑥 6.8
𝐶= = = 0.97142857𝐾𝑔
𝑚′ 7
𝐶 ′ = 0.98𝐾𝑔
E.7 ¿Existirá un nuevo rango(𝑹′𝒙 )
-Nueva amplitud intervalica 𝐶 ′ :

′
𝑅𝑥′
𝐶 = ′
𝑚
𝑅𝑥′ = 𝐶 ′ × 𝑚′ = 0.98 ∗ 7
𝑅𝑥′ = 6.86𝐾𝑔

D.8 ¿Diferencia de rangos(𝜟𝑹𝒙 )?

-Diferencia de rangos(𝛥𝑅𝑥 )
𝛥𝑅𝑥 = 𝑅𝑥′ − 𝑅𝑥
𝛥𝑅𝑥 = 6.86𝐾𝑔 − 6.8𝐾𝑔
𝛥𝑅𝑥 = 0.06𝐾𝑔
-Repartiendo(𝛥𝑅𝑥 )
𝛥𝑅′′𝑥 = −0.03
𝛥𝑅𝑥 = { }
𝛥𝑅′𝑥 = +0.03

-Nuevos Limites inferior(𝑌′𝑖−1 )y superior(𝑌′𝑚 ):

𝑌′𝑖−1 = 𝑋𝑚𝑖𝑛 − 𝛥𝑅′′𝑥
𝑌′𝑖−1 = 90 − 0.1 = 89.9𝐾𝑔
𝑌′𝑚 = 𝑋𝑚𝑎𝑥 + 𝛥𝑅′𝑥
𝑌′𝑚 = 96.8 + 0.1 = 96.9𝐾𝑔
D.9) Cuadro completo de la distribución de pesos de lingotes de acero “Arequipa”.
1 2 3 4 5 6 7 8 9 10
′
[𝑌𝑖−1
i , 𝑌′𝑖 [ 𝑌𝑖 𝐶𝑖 Tabulación 𝑛𝑖 ℎ𝑖 ℎ𝑖 *100 𝑁𝑗 𝐻𝑗
O conteo
1 [89.9 − 90.95[ 90.46 0.98 I 1 0.025 2.5% 1 0.025
2 [90.95 − 91.93[ 91.44 0.98 II 2 0.050 5% 3 0.075
3 [91.93 − 92.91[ 92.42 0.98 IIIII I 6 0.150 15% 9 0.225
4 [92.9 − 93.9[ 93.40 0.98 IIIII IIII 9 0.225 22.5% 18 0.450
5 [93.9 − 94.9[ 94.38 0.98 IIIII IIIII IIII 14 0.350 35% 32 0.800
6 [94.9 − 95.9[ 95.36 0.98 IIIII I 6 0.150 15% 38 0.950
7 [95.9 − 96.9[ 96.34 0.98 II 2 0.050 5% 40 1.000
∑ 𝑛𝑖 ∑ ℎ𝑖
=50 =1
1 11 12 13 14 15 16
i 𝐻𝑗 100 𝑁𝑗∗ 𝐻𝑗∗ 𝐻𝑗∗ *100 𝑌𝑖 ∗ 𝑛𝑖 𝑌𝑖 ∗ ℎ𝑖
1 2.5% 40 1.000 100% 90.46
2.2615
2 7. 5% 39 0.975 97.5% 4.572
182.88
3 22.5% 37 0.925 92.5%
554.52 13.863
4 45% 31 0.775 77.5%
840.60 21.015
5 80% 22 0.550 55%
1321.32 33.033
6 95% 8 0.200 20%
572.16 14.304
7 100% 2 0.050 5%
192.68 4.817

D.10)

ojiva
45
40
35
30
25
20
15
10
5
0
D.11) Interpretar estadísticamente:
m→7 es número de intervalos de clase ; 7 filas.
𝑌′0 → 89.9 𝐾𝑔,es el valor del límite inferior del primer intervalo de clase.
𝑛3 →6 lingotes de acero registraron tener peso entre [91.9 − 92.9[.
ℎ5 →el “0.35 por uno” de total de lingotes de acero pesados registraron pesos entre
[93.9 − 94.9[.

ℎ2 ∗ 100 →el 2.5% del total de lingotes pesados registraron pesos entre [90.9 − 91.9[.
𝑁4 →18 lingotes de acero pesaron a lo sumo 93.9 Kg.
𝐻5 → 𝐻5 ↓=0.8 por uno del total de lingotes de acero pesados registraron pesos entre
[89.9 − 94.9[.

𝐻6 ∗ 100 →el 95% del total de lingotes de acero pesados registraron tener pesos entre
[89.9 − 95.9[.

𝑁6∗ → 𝑁6∗ ↑=8 lingotes de acero registraron a lo sumo, pesos de por lo menos 95.9 Kg.
𝐻4∗ ∗ 100 → 𝐻4∗ ↑*100= el 80% del total de lingotes pesados registraron pesos de por lo
menos 93.9kg.

D.12) Promedio de datos agrupados:

∑𝑚
𝑖=1 𝑦𝑖 𝑛𝑖
𝑦̅ =
𝑛

∑7𝑖=1 𝑦𝑖 𝑛𝑖
𝑦̅ = = 93.925 𝐾𝑔
40
INTERPRETACION ESTADISTICA: El valor medio del peso de 50 muestras de
lingotes de acero es 93.925 Kg.
D.13) Valor Mediano de datos agrupados:
1er paso: Dividimos el tamaño de la muestra entre dos.
𝑛 50
= = 25
2 2

2do paso: Criterio de desigualdad.

 𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
2
𝑁𝑗−1 ≤ 25 ≤ 𝑁𝑗

18 ≤ 25 ≤ 32
3er paso: Intervalo Mediano.
[93.9,94.9[
4to paso: Fórmula general de la Mediana de datos agrupados.
𝑛
− 𝑁𝑗−1
𝑀𝑒 = 𝑦𝑗−1 + 𝐶𝑗 [ 2 ]
𝑁𝑗 − 𝑁𝑗−1

𝑀𝑒 = 94.0428571 𝐾𝑔
INTERPRETACION ESTADISTICA: El valor mediano o mediana de datos agrupados
es 94.0428571 Kg; cuyo valor supera a no más del 50% de observaciones, pero a su vez
es superado por no más del 50% de observaciones restantes.

D.14) Valor Modal de datos agrupados:

1er paso:
𝑛𝑖 = 𝑛𝑚𝑎𝑥 = 14
𝑛𝑖−1 = 10
𝑛𝑖+1 = 6

2do paso:
𝛥1 = 𝑛𝑖 − 𝑛𝑖−1 = 14 − 10 = 4
𝛥2 = 𝑛𝑖 − 𝑛𝑖+1 = 14 − 6 = 8
3er paso: Intervalo Modal.
[93.9,94.9[
4to paso: Fórmula general de la Moda de datos agrupados.

′
𝛥1
𝑀𝑑 = 𝑦𝑖−1 + 𝐶𝑖 [ ]
𝛥1 + 𝛥2
𝑀𝑑 = 94.23333333 𝐾𝑔
INTERPRETACION ESTADISTICA: El valor Modal o Moda de datos agrupados es
94.23333333 Kg, que representa el valor que más se repite, es decir que 94.0315789 Kg
es el valor más frecuente.
D.15) La Variancia y la Desviación Estándar de datos agrupados:
-Variancia:
∑𝑚 ̅)2
𝑖=1 𝑛𝑖 (𝑦𝑖 − 𝑦
𝑉[𝑦] = 𝑆𝑦2 =
𝑛
∑7𝑖=1 𝑛𝑖 (𝑦𝑖 − 𝑦̅)2
𝑉[𝑦] = 𝑆𝑦2 = = 1.640384615 𝐾𝑔
40
INTERPRETACIÓN ESTADÍSTICA: El promedio de desviaciones de las
observaciones, respecto a la media aritmética, al cuadrado, es 1.640384615 Kg.
-Desviación Estándar:

𝑆𝑦 = √𝑆𝑦2

𝑆𝑦 = √1.640384615 = 1.280775005 𝐾𝑔

INTERPRETACION ESTADISTICA: La raíz cuadrada de la variancia

es1.280775005Kg.

D.16) Desviación Media de datos agrupados:

∑𝑚 ̅|2
𝑖=1 𝑛𝑖 |𝑌𝑖 − 𝑦
𝐷𝑀 =
𝑛
𝐷𝑀 = 1.0225 𝐾𝑔
INTERPRETACION ESTADISTICA: La desviación media de datos agrupados, de los
valores absolutos respecto a la mediana es 1.0225Kg.

D.17) Desviación Mediana de datos agrupados:

∑𝑚
𝑖=1 𝑛𝑖 |𝑌𝑖 − 𝑀𝑒 |
2
𝐷𝑀𝑒 =
𝑛
𝐷𝑀𝑒 = 1.01071428𝐾𝑔
INTERPRETACION ESTADISTICA: La desviación mediana de los valores absolutos
respecto a la mediana es 1.01071428 Kg.
D.18) Coeficiente de Variación:
𝑆𝑦
(𝐶. 𝑉)𝑦 =
𝑦̅
(𝐶. 𝑉)𝑦 = 0.0136361459
INTERPRETACION ESTADISTICA: El Coeficiente de Variación de los pesos de 40
lingotes de acero es de 0.0136361459.

D.19) El Primer Cuartil(𝑄1 ),y el Tercer Cuartil(𝑄3 ):

-Primer Cuartil(𝑄1 ):
1er paso:
𝑛 1×𝑛
𝑖( ) =
4 4
1 × 𝑛 1 × 40
= = 10
4 4

2do paso: Criterio de desigualdad.

1×𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
4
𝑁𝑗−1 ≤ 10 ≤ 𝑁𝑗

8 ≤ 10 ≤ 18
3er paso: Intervalo del Primer Cuartil.
[92.9,93.9[
4to paso: Fórmula del Primer Cuartil.
1𝑛
− 𝑁𝑗−1
′
𝑄1 = 𝑦𝑗−1 + 𝐶𝑗 [ 4 ]
𝑁𝑗 − 𝑁𝑗−1

𝑄1 = 93.1 𝐾𝑔
INTERPRETACION ESTADISTICA: El Primer Cuartil es un estadígrafo de posición
cuyo valor es 93.1kg, que supera a no más del 25% de observaciones y que a su vez es
superado por no más del 75% de observaciones restantes.
-Tercer Cuartil(𝑄3 ):
1er paso:
𝑛 3×𝑛
𝑖( ) =
4 4
3 × 𝑛 3 × 40
= = 30
4 4
2do paso: Criterio de desigualdad.
3×𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
4
 𝑁𝑗−1 ≤ 30 ≤ 𝑁𝑗

18 ≤ 30 ≤ 32
3er paso: Intervalo del Tercer Cuartil.
[93.9,94.9[
4to paso: Fórmula del Tercer Cuartil.
1𝑛
− 𝑁𝑗−1
𝑄3 = ′
𝑦𝑗−1 + 𝐶𝑗 [ 4 ]
𝑁𝑗 − 𝑁𝑗−1

𝑄3 = 94.75714 𝐾𝑔
INTERPRETACION ESTADISTICA: El Tercer Cuartil es un estadígrafo de posición
cuyo valor es 94.75714 kg, que supera a no más del 75% de observaciones; pero que a
su vez es superado por no más del 25% de observaciones restantes.

D.20) El Primer Decil y el Noveno Decil:

-Primer Decil
1er paso:
𝑛 1×𝑛
𝑖( )=
10 10
1 × 𝑛 1 × 40
= =
10 10
2do paso: Criterio de desigualdad.
1×𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
10
𝑁𝑗−1 ≤ 4 ≤ 𝑁𝑗

2≤4≤8
3er paso: Intervalo del Primer Decil.
[91.9,92.9[
4to paso: Fórmula del Primer Decil.
1𝑛
− 𝑁𝑗−1
′
𝐷1 = 𝑦𝑗−1 + 𝐶𝑗 [10 ]
𝑁𝑗 − 𝑁𝑗−1

𝐷1 = 92.233333𝐾𝑔
INTERPRETACION ESTADISTICA: El Primer Decil es un estadígrafo de posición
cuyo valor es 92.233333Kg, que supera a no más del 10% de observaciones; pero que a
su vez es superado por no más del 90% de observaciones restantes.

-Noveno Decil
1er paso:
𝑛 9×𝑛
𝑖( )=
10 10
9 × 𝑛 9 × 40
= = 36
10 10
2do paso: Criterio de desigualdad.
9×𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
10
𝑁𝑗−1 ≤ 36 ≤ 𝑁𝑗

32 ≤ 36 ≤ 38
3er paso: Intervalo del Noveno Decil.
[94.9,95.9[
4to paso: Fórmula del Noveno Decil.
9𝑛
− 𝑁𝑗−1
′
𝐷9 = 𝑦𝑗−1 + 𝐶𝑗 [10 ]
𝑁𝑗 − 𝑁𝑗−1

𝐷9 = 95.566667 𝐾𝑔
INTERPRETACION ESTADISTICA: El Noveno Decil es un estadígrafo de posición
cuyo valor es 95.56667 kg, que supera a no más del 90% de observaciones; pero que a
su vez es superado por no más del 10% de observaciones restantes.

D.21) El Nonagésimo Percentil y el Décimo Percentil.

-El Nonagésimo Percentil(𝑃90 ).
1er paso:
𝑛 90 × 𝑛
𝑖( )=
100 100
90 × 𝑛 90 × 40
= = 36
100 100
2do paso: Criterio de desigualdad.
 90 × 𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
100
𝑁𝑗−1 ≤ 36 ≤ 𝑁𝑗

32 ≤ 36 ≤ 38
3er paso: Intervalo del Nonagésimo Percentil(𝑃90 ).
[94.9,95.9[
4to paso: Fórmula del Nonagésimo Percentil.
90𝑛
− 𝑁𝑗−1
𝑃90 = ′
𝑦𝑗−1 + 𝐶𝑗 [100 ]
𝑁𝑗 − 𝑁𝑗−1

𝑃90 = 95.566667 𝐾𝑔
INTERPRETACION ESTADISTICA:El Nonagésimo Percentil(𝑃90 ),es un estadígrafo
de posición, cuyo valor es 95.566667 kg, que supera a no más del 90% de
observaciones; pero que a su vez es superado por no más del 10% de las observaciones
restantes.

-El Décimo Percentil(𝑃10 ).

1er paso:
𝑛 10 × 𝑛
𝑖( )=
100 100

10 × 𝑛 10 × 40
= =5
100 100

2do paso: Criterio de desigualdad.

10 × 𝑛
𝑁𝑗−1 ≤ ≤ 𝑁𝑗
100
𝑁𝑗−1 ≤ 4 ≤ 𝑁𝑗

2≤4≤8
3er paso: Intervalo del Décimo Percentil(𝑃10 ).
[91.9,93.9[
4to paso: Fórmula del Décimo Percentil.
 10𝑛
− 𝑁𝑗−1
𝑃10 = ′
𝑦𝑗−1 + 𝐶𝑗 [100 ]
𝑁𝑗 − 𝑁𝑗−1

𝑃10 = 92.233333 𝐾𝑔
INTERPRETACION ESTADISTICA:El Décimo Percentil(𝑃10 ),es un estadígrafo de
posición, cuyo valor es 92.333333 kg, que supera a no más del 10% de observaciones;
pero que a su vez es superado por no más del 90% de las observaciones restantes.

D.22) El Recorrido Intercuartilico y Recorrido Interpercentilico.

-El Recorrido Intercuartilico.
𝑅. 𝐼 = 𝑄3 − 𝑄1
𝑅. 𝐼 = 1.6571428
INTERPRETACION ESTADISTICA: El Recorrido Intercuartilico del peso de 50
lingotes de acero es 1.6571428.
-El Recorrido Interpercentilico.
𝑅. 𝐼𝑃 = 𝑃90 − 𝑃10
𝑅. 𝐼𝑃 = 3.333334

INTERPRETACION ESTADISTICA: El Recorrido Interpercentilico del peso de 50

lingotes de acero es 3.333334.
D.23) El 1er Coeficiente de Asimetría PEARSON.
𝑦̅ − 𝑀𝑑
𝐴𝑆 =
𝑆𝑦

𝐴𝑆 = −0.24073965 < 0
INTERPRETACION ESTADISTICA: El Primer Coeficiente de Asimetría de
PEARSON 𝐴𝑆 genera una distribución asimétrica ligeramente negativa o sesgada a la
izquierda.

D.24) El 2do Coeficiente de Asimetría PEARSON.

𝑄3 + 𝑄1 − 2𝑀𝑒
𝐴𝑆 =
𝑄3 − 𝑄1
 𝐴𝑆 = −0.137931034 < 0
INTERORETACION ESTADISTICA:El segundo Coeficiente Asimétrico de
PEARSON 𝐴𝑆 genera una distribución ligeramente asimétrica negativa o sesgada a la
izquierda.
D.25) Coeficiente Percentilico de KURTOSIS.
𝑄3 − 𝑄1
𝐾= − 0.263
2(𝑃90 − 𝑃10 )

𝐾 = −0.01442857 < 0
INTERPRETACION ESTADISTICA:El Coeficiente Percentilico de KURTOSIS (𝐾)
genera una distribución PLATICURTICA.
E.26) Compare los valores de la media, mediana y moda. Graficar estos datos-
resultados en un plano cartesiano; observar la curva correspondiente, luego de
determinar que distribución ha generado las distribuciones de asimetría.

PARTE E. TIPOLOGÍA Y SUB-TIPOLOGÍA DE VARIABLES ESTADÍSTICA. -

Dadas las siguientes proposiciones, determine el tipo y sub-tipo de variable estadística
que tiene:
E.1 Escuelas Profesionales de Facultad de Ingeniería Minas, Geología y Civil, UNSCH.

 Variación cualitativa Nominal. (V.C.N.).

E.2 Nº de libros de estructuras de acero en la Biblioteca Central “Efraín Morote Best”,

UNSCH.

 Variación Cuantitativa Discreta. (V.C.D.).

E.3 Total de capital social de la empresa constructora “Pegasus Ingenieros” de Trujillo.

 Variación Cuantitativa continúa. (V.C.C.).

E.4 Número de Ingenieros Civiles Colegiados en el colegio de ingenieros del Perú –

consejo Departamental de Ayacucho.
  Variación Cuantitativa Discreta. (V.C.D.).

E.5 Cantidades de precipitación pluviométrica en octubre de 2015 en Cajamarca.

 Variación Cuantitativa Continua. (V.C.C.).

E.6 Los tres primeros puestos en el ingreso a EP de Derecho, 2016-I, UNSCH

 Variación cualitativa ordinal. (V.C.O.).

E.7 Las Cruzadas Cristianas en el Medio Oriente.

 Variación cualitativa Ordinal. (V.C.O.).

E.8 La temperatura promedio diario de Cusco en el mes de junio de 2019.

 Variación Cuantitativa continúa. (V.C.C.).

E.9 La descarga anual de los ríos de la selva en el Amazonas.

 Variación Cuantitativa Discreta. (V.C.D.).

E.10 Órdenes religiosa de la Iglesia Católica Romana.

 Variación cualitativa Ordinal. (V.C.O.).

E.11 Grados de cultura de una persona.

 Variación cualitativa Ordinal. (V.C.O.).

E.12 Tipología de teodolitos para levantamiento topográfico de un territorio.
 Variación cualitativa nominal. (V.C.N.).