PRESENTACION DE RESULTADOS

Unidad 1,2,3 - Paso 5

Nombres: Códigos:
Javier José Pacheco Ramos 1066180368
Yuri Marcela Meléndez Ordoñez 1005770306
Carol Dahiana Enciso Castaño 1005753743
Yisel Nayibe Espinosa

Grupo colaborativo:
204040_280

Nombre del docente:

Alejandro Méndez González

Nombre del curso:

Estadística Descriptiva

Periodo:
2020 I PERIODO 16-01 (761)

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
2020
 TABLA DE CONTENIDO

 INTRODUCCION
 JUSTIFICACION
 OBJETIVOS
 ACTIVIDADES PARA DESARROLLAR
 ACTIVIDAD 1. AJUSTE DE DATOS
 ACTIVIDAD 2. PROCESAMIENTO DE VARIABLES
 ACTIVIDAD 3. PROPUESTA DE SOLUCIÓN A LA PROBLEMÁTICA
ACTIVIDAD 4. CONSOLIDACIÓN DE INFORME DESCRIPTIVO
 CONCLUSIONES
 REFERENCIAS BIBIOGRAFICAS
 INTRODUCCION

En el siguiente informe se analizará los indicadores de accidentalidad en 50 de

los 200 municipios de Colombia durante el año 2019, donde se emplearán
diversos métodos estadísticos con el fin de analizar algunas variables.

Se analizarán diferentes variables de los indicadores de accidentalidad, para

esto se escogieron diferentes variables para canalizarlas con los métodos de
las medidas de tendencia central, dispersión, univariantes y bivariantes, con el
fin de diseñar una propuesta de solución a la problemática en pro de mejorar
los índices de accidentalidad en Colombia.
Justificación
 Objetivo general
Fomentar en los estudiantes la importancia del aprendizaje del curso
estadística descriptiva, la enseñanza que se obtiene a futuro para realizar
una investigación aplicando las diferentes variables y medidas
necesarias para obtener datos confiables, en lo cual se pudo obtener los
resultados de la problemática, índice de accidentalidad en Colombia
2019.

Objetivos específicos:

 Aprender la realización del manejo de la herramienta infostat que

nos genera los diagramas de barras e histogramas en los cuales
nos interpretan la información validada.

 Analizar la problemática de investigación índice de tasas de

accidentes en Colombia (2019), con el fin de disminuir los grados
de accidentalidad en Colombia.

 Adquirír la enseñanza que nos deja el curso, para así mismo

poder analizar fácilmente dicha problemática o investigación que
este presentando en la sociedad, con las medidas
correspondientes.
Informe de las variables cualitativas
 Variable cualitativa nominal: Genero

Tabla de frecuencias

Genero Frecuencia

fallecidos Frecuencia absoluta Frecuencia Frecuencia

2019 absoluta acumulada relativa porcentual %

Hombre 35 35 0,7 70
Mujer 15 50 0,3 30
TOTAL 50   1 100

Diagrama

GENERO

Hombre Mujer
Moda
la moda del género de fallecidos en el 2019, son los hombres con una
frecuencia de 35 que corresponde al 70%

Tabla de contingencia

Cuenta de Etiquetas de

GENERO columna
Etiquetas de muje Total

fila hombre r general

Antioquia 27 13 40
Atlántico 8 2 10
Total, general 35 15 50

Conclusiones
1. De la anterior tabla de frecuencias podemos determinar que los hombres
fueron los que más fallecieron en el 2019 a causa de un accidente de
tránsito.
2. De la anterior tabla de frecuencias podemos concluir que las mujeres
equivalen al 30% de los fallecidos durante el 2019 a causa de un
accidente de tránsito.

 Variable cualitativa ordinal: día

 Tabla de frecuencias

Frecuencia

Frecuencia absoluta Frecuencia Frecuencia

Dia absoluta acumulada relativa porcentual %

Lunes 7 7 0,14 14
Martes 4 11 0,08 8
Miércoles 8 19 0,16 16
Jueves 6 25 0,12 12
Viernes 5 30 0,1 10
Sábado 10 40 0,2 20
Domingo 10 50 0,2 20
Total 50   1 100

Diagrama
 DIA
Lunes
Domingo 14%
20%

Martes
8%

Sabado Miercoles
20% 16%

Viernes Jueves
10% 12%

Moda
La moda de prevalencia de día de la semana 2019, equivale a los días sábado y
domingo, con una frecuencia de 20 que corresponde a el 40%.

Tabla de contingencia

Cuenta de Etiquetas de

DIA columna
Etiquetas de Atlántic Total

fila Antioquia o general

lunes 6 1 7
martes 3 1 4
miércoles 6 2 8
jueves 5 1 6
viernes 4 1 5
sábado 9 1 10
domingo 7 3 10
Total,

general 40 10 50

Conclusiones
1. De la anterior tabla de frecuencias podemos concluir que los días en los
que más se presentan accidentes de tránsito son los días sábado y
domingo.
2. De la anterior tabla de frecuencias podemos concluir que el 16% de los
accidentes de tránsito se presentaron el día miércoles.

Informe de las variables cuantitativas discretas

Variable Cuantitativa discreta: usuario T pasajeros

1. Medidas univariantes de Tendencia Central.
 Media
 Mediana
 Moda
Para la media podemos deducir que el promedio fallecidos por actor vial
presentados en usuarios T. Pasajeros es de 8 personas aproximadamente en los
50 municipios colombianos estudiados.
La mediana, en esta medida univariante de tendencia central concluimos que
el 50% de los municipios estudiados se presentaron entre 5 y 7 fallecidos por
actor vial usuarios de T. pasajeros, el otro 50% 7 y 20 fallecidos por actor
vial usuarios de T. pasajeros en los Indicadores de accidentalidad en 50
municipios de Colombia 2019.

La moda, es la
medida univariante de tendencia central que se puede establecer como la
variable de mayor frecuencia, en este caso que estudiamos los Indicadores de
accidentalidad en 50 municipios de Colombia 2019, podemos concluir que en
14 municipios se repite la tendencia de 7 fallecidos por actor vial usuarios T.
Pasajeros.
 Medidas Univariantes de posición

 Todos los cuartiles

 Deciles
 Percentiles

Todos los cuartiles en esta medida de posición concluimos que los cuartiles
dividen un conjunto de datos en 4 partes iguales, para resumir, haremos un
ejemplo en el cuartil 1(Q1), en los Indicadores de accidentalidad en 50 de los
200 municipios de Colombia 2019 este valor es de 6, quieres decir que el 25%
de los usuarios T. Pasajeros van desde 5 a 6 y el otro 75% van desde 6 a 20
fallecidos por actor vial usuarios T. Pasajeros

Los Deciles en esta medida de posición concluimos que los deciles como su
nombre lo indica dividen un conjunto de datos en 10 partes iguales, es decir
que para el decil 5 serían el 50% de los datos en este caso sería igual al
percentil 50 con un dato de 5 y 7 fallecidos por actor vial usuarios T. Pasajeros
y el decil 9 sería el 90% de los datos, este es lo podemos denotar como el
percentil 90 que para este caso serian 11 fallecidos por actor vial usuarios T.
Pasajeros que los podemos concluir que entre 5 y 11 serían el 90% de
fallecidos por actor vial usuarios T. Pasajeros en los Indicadores de
accidentalidad en 50 de los 200 municipios de Colombia 2019.

Percentiles, esta medida de posición la podemos denotar fácilmente como el

porcentaje % respetivamente de los datos de fallecidos por actor vial usuarios
T. Pasajeros en los Indicadores de accidentalidad en 50 de los 200 municipios
de Colombia 2019,

P (25) = 6 este valor representa el 25% de fallecidos por actor vial usuarios T.
Pasajeros
P (50) = 7 este valor representa el 50% de fallecidos por actor vial usuarios T.
Pasajeros
P (90) = 11 este valor representa el 90% de fallecidos por actor vial usuarios
T. Pasajeros

Medidas univariantes de dispersión absoluta

Para la variable elegida, se deberán calcular las medidas univariantes de

dispersión:

 Rango,
 Varianza,
 Desviación típica
 Coeficiente de variación.
podemos concluir mediante las medidas univariantes de dispersión que para
este caso no hay diferencias significativas entre el número de fallecidos por
actor vial usuarios T. Pasajeros, ya que podemos relacionar que el dato minino
es 5 fallecidos y el dato máximo es 20 fallecidos, por tal motivo llegamos a la
conclusión, conociendo los datos de D.E(3) aprox. y C.V(36) aprox.
afirmamos que no hay diferencias significativas porque los valores no son
distantes entre en el lapso de datos suministrados. Después de dar estas
conclusiones podemos anexar que la varianza esta en los rangos normales eso
es significado que los datos no están dispersos. Para el Rango, podemos decir que
es la resta del dato mayor menos el dato menor, en este caso el Rango de los
fallecidos por actor vial usuarios T. Pasajeros sería de 15 fallecidos en 50
municipios del estudio de los Indicadores de accidentalidad de los 200
municipios 2019.

Informe de las variables cuantitativas continuas

La variante cuantitativa continua para estudiar es: Promedio de edad

Con la siguiente tabla de frecuencia se logra agrupar los datos para poder
estudiarlos con más facilidad, tenemos 7 intervalos que logramos calcular
mediante la regla de correspondiente, pudimos obtener una conclusión más
relevante, donde logramos analizar que en 11 municipios fue donde se
presentó más accidentes de los 50 municipios estudiados por la variable
promedio de edad, donde logramos ver con claridad que el rango esta entre
30 y 33 años.

En este histograma ratificamos lo concluido en el anterior grafico o

tabla de frecuencia, donde logramos analizar el agrupamientos de datos
y reiterando la conclusión más relevante donde logramos analizar el
rango de edades más frecuente presentados en los 11 municipios donde
se presenta más accidentes donde están implicadas personas en el rango
 de edades entre 30 y 33 años, lo que podemos denotar es que con la
opción de polígono podemos analizar la tendencia del promedio de
edad, en los accidentes en los factores que influyen en la accidentalidad
y en el grado de muertes asociadas a los accidentes de tránsito en 50
municipios en Colombia 2019.

Medidas de tendencias central

 Media,
 Mediana
 Moda.

De los Indicadores de
accidentalidad en 50 de los 200 municipios de Colombia 2019, podemos
concluir con medida univariante de tendencia central media, el promedio de
edad es de 32 años.
La mediana, en esta medida univariante de tendencia central concluimos que
el 50% de los municipios estudiados el promedio de edad es de 20 y 33 años,
el otro 50% es de 33 y 44 años, en los Indicadores de accidentalidad en 50 de
los 200 municipios de
Colombia 2019.
La moda es la medida univariante de tendencia central que se puede establecer
como la variable de mayor frecuencia, en este caso que estudiamos el
promedia de edad en los factores que influyen en la accidentalidad y en el
grado de muertes asociadas a los accidentes de tránsito en Colombia, podemos
concluir que en 5 municipios se repite la tendencia del promedio de edad entre
30 y 33 años.

Medidas Univariantes de posición

 Todos los cuartiles

 Deciles
 Percentiles

Todos los cuartiles, en esta medida de posición concluimos que los cuartiles
dividen un conjunto de datos en 4 partes iguales, para resumir, haremos un
ejemplo en el cuartil 3(Q3), los factores que influyen en la accidentalidad y en
el grado de muertes asociadas a los accidentes de tránsito en Colombia, este
valor es de 37, quieres decir que el 75% del promedio de edad en 50
municipios de Colombia.
Deciles, en esta medida de posición concluimos que los deciles como su
nombre lo indica dividen un conjunto de datos en 10 partes iguales, es decir
que para el decil 5 serían el 50% de los datos en este caso sería igual al
percentil 50 = 33, esto quiere decir que el 50% del promedio de edad en 50 de
los 200 municipios en Colombia
Percentiles, esta medida de posición la podemos denotar fácilmente como el
25 y 50% respetivamente de los datos del promedio de edad en 50 de los 200
municipios en Colombia asociadas a los accidentes de tránsito en Colombia,
que para este caso serían P (25) = 26 años y P (50) =33 años.
podemos denotar en la tabla anterior el dato de la asimetría y kurtosis que en
este caso es negativo, el cual quiere decir que las mayorías del promedio de
edad en 50 de los 200 municipios estudiados son a partir de los 32 años el dato
del cual es referenciado de la media.

Medidas univariantes de dispersión absoluta

Mediante las medidas univariantes de dispersión Desviación típica o estándar
y el coeficiente de variación, podemos concluir que no hay diferencias
significativas entre el promedio de edad en los 50 municipios estudiados , ya
que podemos relacionar que el dato minino 20 años el dato máximo 44 años,
por tal motivo llegamos a la conclusión anterior ya conociendo los datos de
D.E(7) y C.V(21) afirmamos que no hay diferencias significativas porque los
valores no son distantes y es un lapso de datos corto.

Después de dar estas conclusiones podemos anexar que la varianza no esta

elevada significa que los datos no están dispersos.

Para el Rango, podemos decir que es la resta del dato mayor menos el dato
menor, en este caso el Rango del promedio de edad seria 24 años, todo lo antes
mencionados son los factores que influyen en la accidentalidad en 50 de los
200 municipios en Colombia.

Análisis de regresión
Regresión y correlación entre variables cuantitativas
Identificar dos variables cuantitativas de la situación estudiada que puedan
estar relacionadas y:
a. Realizar el diagrama de dispersión de dichas variables y determinar el
tipo de asociación entre las variables.

El tipo de asociación entre las variables se asemeja a una relación lineal, si no

es por algunos valores atípicos que no permiten su visualización (Al quitar
dichos valores se obtiene una “grafica 2” lineal); por ende, es una correlación
positiva, debido a que, al aumentar la cantidad de fallecidos en accidentes de
motos en cada municipio, también aumentara la cantidad total de los mismo.
 Grafica 2

b. Encontrar el modelo matemático que permite predecir el efecto de una variable

sobre la otra. ¿Es confiable?

Para ello debemos partir de la función ayuste.

Y =a+bX

n∙ ∑ x ∙ y −∑ x ∙ ∑ y
b= 2
n ∙ ∑ x 2−( ∑ x )

a=
∑ y−b ∙ ∑ x
n
 N° (FM) (TF) TF*FM ‫ ܯܨ‬ଶ ܶ‫ ܨ‬ଶ
1 205 371 76055 42025 137641
2 5 33 165 25 1089
3 6 39 234 36 1521
4 5 33 165 25 1089
5 4 27 108 16 729
6 3 21 63 9 441
7 4 27 108 16 729
8 10 63 630 100 3969
9 2 15 30 4 225
10 2 15 30 4 225
11 6 39 234 36 1521
12 4 27 108 16 729
13 8 51 408 64 2601
14 6 39 234 36 1521
15 3 21 63 9 441
16 4 27 108 16 729
17 2 15 30 4 225
18 4 27 108 16 729
19 4 27 108 16 729
20 5 33 165 25 1089
21 6 39 234 36 1521
22 4 27 108 16 729
23 7 45 315 49 2025
24 4 27 108 16 729
25 6 39 234 36 1521
26 4 27 108 16 729
27 2 15 30 4 225
28 4 27 108 16 729
29 3 21 63 9 441
30 3 21 63 9 441
31 5 33 165 25 1089
32 6 39 234 36 1521
33 11 69 759 121 4761
34 2 15 30 4 225
35 5 33 165 25 1089
36 17 105 1785 289 11025
37 4 27 108 16 729
38 4 27 108 16 729
39 2 15 30 4 225
40 3 21 63 9 441
41 3 21 63 9 441
42 4 27 108 16 729
43 10 63 630 100 3969
44 2 15 30 4 225
45 2 15 30 4 225
46 6 39 234 36 1521
47 4 27 108 16 729
48 8 51 408 64 2601
49 6 39 234 36 1521
50 3 21 63 9 441
51 4 27 108 16 729
Sumatoria 446 1967 85988 43560 202027
Reemplazamos los datos de la tabla en la ecuación.

n∙ ∑ FM ∙ FT−∑ FM ∙ ∑ FT
b= 2
n∙ ∑ FM 2−( ∑ FM )

(51 ) ∙ ( 85988 )−( 446 ) (1967 )

b=
(51 ) ∙ ( 43560 )− (198916 )

( 4385388 )−( 877282 )

b=
( 2221560 )−( 198916 )

3508106
b=
2023644

b ≅1,734

Hacemos lo mismo para “a”

a=
∑ y−b ∙ ∑ x
n

a=
∑ TF−b ∙ ∑ FM
n

(1967 )−( 1,734 )( 446 )

a=
( 51 )

a ≅23,40

Reemplazamos los datos en la ecuación y obtenemos lo siguiente.

Y =a+bX

Y =23,40+ 1,734 X

Dicha ecuación relaciona la mayoría de los datos obtenidos, es decir, que cada esta sobre la
gráfica de dicha ecuación; dejando fuera muy pocos.

B. Determinar el grado de relación de las dos variables

Para hallar el coeficiente de correlación debemos obtener primero el error estándar del
estimado, utilizando la siguiente ecuación, donde utilizaremos los valores a y b obtenidos
anteriormente.
 ∑ y 2−a∙ ∑ y−b ∙ ∑ x ∙ y
Se=
√ n−2

Reemplazamos.

∑ FT 2−a ∙ ∑ FT −b ∙ ∑ FM ∙ FT
Se=
√ n−2

( 202027 )− ( 23,40 )( 1967 )−( 1,734 ) ( 85988 )

Se=
√ 51−2

( 202027 )−46027,8−149103,2
Se=
√ 49

202027−195131
Se=
√ 49

6896,008
Se=
√ 49

Se ≅ 11,8

Ahora calculamos el coeficiente de determinación, para ello necesitamos la varianza de los

datos separables la cual la calculamos, utilizando la siguiente ecuación.

2 ∑ y2
Sy = − yprom2
n

Reemplazamos.

S y 2=
∑ TF 2 −TFpromedio 2
n

202027
S y 2= −( 38,56863 )2
51

S y 2=2473,774

Por último, calculamos el coeficiente de correlación, utilizando la siguiente ecuación.

2 Se 2
R =1−
S y2
 (11,8 )2
R2=1−
2473,774

139,24
R2=1−
2473,774

R2=0,9437

c. Relacionar la información obtenida con el problema.

De acuerdo con los datos obtenidos de los indicadores de accidentalidad, se
logra observar que existe una relación directa entre las personas que mueren
en accidentes de motos, con la cantidad total de accidente; ya que existe una
correlación del 94% entre las variables, lo cual es muy próximo a uno.
Dándonos a conocer que, si aumenta en cierto grado la cantidad de muertos en
moto, habrá un cambio casi lineal en la cantidad total de muertos por
accidentes.

D. Realizar regresión múltiple en caso de que se determine dependencia entre

las variables cuantitativas
( FM ) X 1=Fallecidos por accidentes en moto
( FU −TC ) X 2=Fallecidos por accidentes en usuarios en trabajos de carga
( TF ) Y =Total fallecidos por accidentes .
 N° (FM)X1 (FU-TC)X2 (TF)Y [(FM)X1]*[(TF)Y] [(FU-TC)X2]*[(TF)Y] [(FM)X1]*[(FU-TC)X2] ሾሺ‫ ܯܨ‬ሻܺ ሿଶ
ͳ ሾሺ‫ ܷܨ‬Ǧܶ‫ܥ‬ሻܺʹ ሿଶ ሾሺܶ‫ܨ‬ሻܻሿଶ
1 205 125 371 76055 46375 25625 42025 15625 137641
2 5 7 33 165 231 35 25 49 1089
3 6 8 39 234 312 48 36 64 1521
4 5 7 33 165 231 35 25 49 1089
5 4 6 27 108 162 24 16 36 729
6 3 5 21 63 105 15 9 25 441
7 4 6 27 108 162 24 16 36 729
8 10 12 63 630 756 120 100 144 3969
9 2 4 15 30 60 8 4 16 225
10 2 4 15 30 60 8 4 16 225
11 6 8 39 234 312 48 36 64 1521
12 4 6 27 108 162 24 16 36 729
13 8 10 51 408 510 80 64 100 2601
14 6 8 39 234 312 48 36 64 1521
15 3 5 21 63 105 15 9 25 441
16 4 6 27 108 162 24 16 36 729
17 2 4 15 30 60 8 4 16 225
18 4 6 27 108 162 24 16 36 729
19 4 6 27 108 162 24 16 36 729
20 5 7 33 165 231 35 25 49 1089
21 6 8 39 234 312 48 36 64 1521
22 4 6 27 108 162 24 16 36 729
23 7 9 45 315 405 63 49 81 2025
24 4 6 27 108 162 24 16 36 729
25 6 8 39 234 312 48 36 64 1521
26 4 6 27 108 162 24 16 36 729
27 2 4 15 30 60 8 4 16 225
28 4 6 27 108 162 24 16 36 729
29 3 5 21 63 105 15 9 25 441
30 3 5 21 63 105 15 9 25 441
31 5 7 33 165 231 35 25 49 1089
32 6 8 39 234 312 48 36 64 1521
33 11 13 69 759 897 143 121 169 4761
34 2 4 15 30 60 8 4 16 225
35 5 7 33 165 231 35 25 49 1089
36 17 19 105 1785 1995 323 289 361 11025
37 4 6 27 108 162 24 16 36 729
38 4 6 27 108 162 24 16 36 729
39 2 4 15 30 60 8 4 16 225
40 3 5 21 63 105 15 9 25 441
41 3 5 21 63 105 15 9 25 441
42 4 6 27 108 162 24 16 36 729
43 10 12 63 630 756 120 100 144 3969
44 2 4 15 30 60 8 4 16 225
45 2 4 15 30 60 8 4 16 225
46 6 8 39 234 312 48 36 64 1521
47 4 6 27 108 162 24 16 36 729
48 8 10 51 408 510 80 64 100 2601
49 6 8 39 234 312 48 36 64 1521
50 3 5 21 63 105 15 9 25 441
51 4 6 27 108 162 24 16 36 729
Sumatoria 446 466 1967 85988 59500 27642 43560 18324 202027
 REGRESIÓN LINEAL MÚLTIPLE.
Partimos de la siguiente ecuación lineal.
Y =a+b1 X 1 +b 2 X 2

Para ello tenemos en cuenta las siguientes ecuaciones auxiliares:

∑ Y =n ∙ a+b1 ∑ X 1 +b 2 ∑ X 2
Remplazamos los valores, de acuerdo con la tabla obtenida previamente.
∑ (TF)Y =n ∙ a+b 1 ∑ ( FM ) X 1+b 2 ∑ (FU −TC) X 2
1967=51∙ a+b 1 ∙ 446+ b2 ∙ 466

∑ X 1 ∙ Y =a∙ ∑ X 1+b 1 ∑ X 21+ b2 ∑ X 1 ∙ X 2

∑ [( FM ) X 1]∗[(TF)Y ]=a ∙ ∑ ( FM ) X 1+ b1 ∑ [( FM ) X 1]2+ b2 [(FM ) X 1]∙ ∑ [( FM ) X 1]∙ [( FU −TC) X 2]
85988=a ∙ 446+b 1 ∙ 43560+b 2 ∙ 27642

∑ X 2 ∙ Y =a∙ ∑ X 2+ b1 ∑ X 1 ∙ X 2 +b 2 ∑ X 22
∑ [( FU −TC) X 2]∗[(TF )Y ]=a ∙ ∑ ( FU −TC) X 2+b1 ∑ [(FM ) X 1]∙[( FU −TC) X 2]+ b2 ∑ [( FU −TC )X 2
59500=a ∙ 466+b1 ∙27642+ b2 ∙ 18324

Al reemplazar los datos en las ecuaciones auxiliares, nos da un sistema de

ecuaciones 3x3:

1967=51a+ 446 b 1+ 466 b2 (1)

85988=446 a+ 43560 b1 +27642 b2 (2)

59500=466 a+27642 b1 +18324 b 2 (3)

.
 466
( )
Multiplicamos la ecuación (1) por − 51 y para sumar el valor con la
ecuación (3) y así eliminar la variable a

( −466
51 )
[1967=51 a+ 446 b +466 b ]
1 2

[ −17972,980=−466 a−4075,216−4075,216 ]

Sumar este resultado con la ecuación (3)

−17972,980=−466 a−4075,216 b 1−4257,960

59500=466 a+27642 b1 +18324 b 2

Resultado.
41527,019=23566,784 b1 +14066,039 b2

446
( )
Multiplicamos la ecuación (1) por − 51 y para sumar el valor con la
ecuación (2) y así eliminar la variable a
446
( ( )) [
−
51
1967=51 a+ 446 b1 +466 b2 ]

−17201,608=−446 a−3900,314 b1 + 4075,216 b2

Sumar este resultado con la ecuación (2)

−17201,608=−446 a−3900,314 b1 −4075,216 b2

85988=446 a+ 43560 b1 +27642 b2

Resultado.
68786,392=39659,686 b 1+23566,784 b2

Obtenemos dos ecuaciones 2x2

 41527,019=23566,784 b1 +14066,039 b2

68786,392=39659,686 b 1+23566,784 b2

Utilizaremos el método de igualación. Despejamos la misma variable en

ambas ecuaciones y las igualamos.
41527,019=23566,784 b1 +14066,039 b2

41527,019−14066,039 b2=23566,784 b 1

41527,019−14066,039 b 2
=b1
23566,784

68786,392=39659,686 b 1+23566,784 b2

68786,392−23566,784 b2=39659,686 b1

68786,392−23566,784 b2
=b 1
39659,686

Igualamos las dos ecuaciones.

41527,019−14066,039 b 2 68786,392−23566,784 b 2
=
23566,784 39659,686

( 39659,686 ) ( 41527,019−14066,039 b2 )=( 68786,392−23566,784 b2 ) ( 23566,784 )

1646948569,5625−557854702,4191 b2=1621074067,6801−555393322,8897 b 2

1646948569,5625−1621074067,6801=−555393322,8897 b 2+557854702,4191 b2

25874501,8823=2461379,5294 b2

25874501,8823
=b2
2461379,5294
10,5122=b 2

Reemplazamos dicho valor en alguna de las ecuaciones donde despejamos b 1

 68786,392−23566,784 b2
=b 1
39659,686
68786,392−247738,6351
=b1
39659,686
−178952,2429
=b1
39659,686
−4,5122=b1

Reemplazamos dichos valores en una de las ecuaciones de tres incógnitas para

encontrar el valor de a.
1967=51a+ 446 b 1+ 466 b2

1967=51a−2012,4390+ 4898,6829
1967=51a+ 2886,2439
1967−2886,2439=51 a
−919,2439=51 a
−919,2439
=a
51
−18,0244=a

Por último, reemplazamos los valores en la ecuación.

Y =a+b1 X 1 +b 2 X 2

Y =−18,0244−4,5122 X 1+ 10,5122 X 2
SUMMARY OUTPUT

Regression Statistics
Multiple R 1
R Square 1
Adjusted R Square 1
Standard Error 6,12508E-14
Observations 51

ANOVA
df SS MS F Significance F
Regression 2 126162,5098 63081,2549 1,68E+31 0
Residual 48 1,8008E-25 3,75166E-27
Total 50 126162,5098

Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept -18,02439024 3,193E-14 -5,64497E+14 0 -18,02439024 -18,02439024 -18,02439024 -18,02439024
X Variable 1 -4,512195122 4,63029E-15 -9,74495E+14 0 -4,512195122 -4,512195122 -4,512195122 -4,512195122
X Variable 2 10,51219512 7,77494E-15 1,35206E+15 0 10,51219512 10,51219512 10,51219512 10,51219512

Comparamos con los datos obtenidos por el Excel y tenemos valores

similares.

Propuesta de solución
En relación con la base indicadores de accidentalidad en 200 municipios de
Colombia 2019, al reducir los datos estamos tomando una muestra de solo 50
municipios en los cuales podemos presentar la siguiente alternativa.
 podemos realizar un estudio haciendo énfasis en los principales factores de la causal
de los accidentes, donde lo primero sea confirmar que en cada uno de los municipios
se estén cumpliendo la debida señalización vial impuestas en las normas de tránsito
colombianas
al obtener los datos estadísticos podemos realizar actividades para concientizar sobre
el respeto a la vida que deben tener los conductores que en base a estos estudios el
70% son hombres,

GENERO

Hombre Mujer
así como dedican mucho tiempo para conducir,
obligatoriamente deben dedicar tiempo para formarse como conductores
responsables, aplicando de manera sistemática y organizada, procesos de
aprendizaje de conocimientos, actitudes y habilidades en función de aprender las
normas de seguridad y las implicaciones de no cumplirlas. Después de un análisis
detallado y teniendo claro las causas que ocasionan los accidentes, mediante
postulados pedagógicos diseñar un modelo que sirva para educar a las personas del
rango de edades entre los 30 y 33 años que son las que más están implicadas en la
relación de este estudio, también podemos darles charlas para que tomen conciencia
todos los colombianos que tienen licencia de conducción y que deseen solicitarla, a
capacitarlos y condicionar el comportamiento al conducir, garantizando unas
medidas preventivas para que se disminuya al máximo las tasas de accidentalidad.
también debemos tener en cuenta la educación a los conductores empíricos que son
motociclistas y gente que transita en bicicleta que no conocen ninguna norma de
seguridad vial en este caso podemos pedirles a las alcaldías tomar esta información
donde se presenta mayor accidentalidad los días sábados y domingos, que tomen
medidas y mano dura, que se apoyen con la policía de tránsito y agente de tránsito
municipales colaboración en estos días que son los más críticos según este estudio
tenemos que inculcar concientización y citarlos a cursos cortos para que sean
alimentados de información vial donde incluyan todas las normas vigente y respeto a
las distintas señalizaciones de tránsitos situadas en estos municipios de Colombia.

Para esta situación de análisis de datos nos apoyarnos en los fundamentos básicos de
la Estadística Descriptiva y las etapas dentro de esta investigación, por medio de
datos tomados de esta solución, aplicando las medidas estadísticas univariantes y las
medidas estadísticas bivariantes en función de las posibles soluciones de factores
que influyen en la accidentalidad de vehículos y en el grado de muertes asociadas a
los accidentes de tránsito en Colombia

CONCLUSIONES
para concluir este tema nosotros como futuros profesionales y en apoyo en la
estadística descriptiva podemos resolver problemas en el día a día empleando
sus principios como lo es Población, la muestra, la unidad estadística, las
variables y todos los aspectos relacionado con la temática, relacionando la
solución de problemas en nuestra vida profesional y cotidiana desarrollando
modelos estadísticos que permitan identificar los factores influyentes en la
severidad de accidentes y muertes asociados a los accidentes de tránsito
ocurridos en estos municipios estudiados en Colombia; también contamos con
las medidas estadísticas univariantes como son las medidas de tendencia
central y dispersión en la cual aparecen conceptos básicos como; media
aritmética, mediana y moda, cuartiles, deciles, percentiles y todos los aspectos
relacionado con la temática, las cuales se centran en el análisis de una única
característica o cualidad del individuo. También se logró comprender todos lo
relacionado con las medidas estadísticas bivariantes, en esta se estudió:
Regresión lineal, coeficiente de determinación lineal, Análisis de correlación,
Regresión simple, Diagramas de dispersión etc.… aquí encontramos el
análisis conjunto de dos características de las variables en estudio con el
propósito de detectar posibles relaciones entre ellas, todos estos conceptos se
logró analizar las variables elegidas de los datos de los indicadores de
accidentalidad en 50 municipios escogidos en Colombia 2019 llegando a su
compresión total y así poder llegar todos estos conceptos a la vida cotidiana
para resolver problemas en nuestras vidas como profesionales cada uno en su
respectivo campo.
Referencia Bibliográficas
Unidad 1 - Conceptos preliminares e investigación
descriptiva
 Martínez, C. (2011). Capítulo 2. Distribuciones de frecuencia. En:
Estadística y muestreo, 13a ed. [Online] Bogotá: Ecoe Ediciones. (pp 2 –
10). Recuperado de http://bibliotecavirtual.unad.edu.co/login?
url=http://search.ebscohost.com/login.aspx?
direct=true&db=edselb&AN=edselb.3199239&lang=es&site=eds-
live&scope=site

 Montero, J. M. (2007). Conceptos Generales Estadística descriptiva.

Madrid: Paraninfo.(pp 3 - 16). Recuperado de
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100007&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=0a7
332df0d4700de0bd272caa41e1718

 Montero, J. M. (2007). Características de Una Distribución de Frecuencias.

Statistical Descriptive.   Cengage Learning Paraninfo, S.A. (pp 4 – 10).
Recuperado de García, J. E (2005). Análisis de Datos Unidimensionales.et
al. Madrid: Paraninfo. (pp 26 -42). Recuperado de
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052300007&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=03f8
699ec7ccf10e8745c0ceb7b85bf1

Unidad 2 - Medidas Estadísticas Univariantes.

      Montero, J. M. (2007). Características de Una Distribución de
Frecuencias. Statistical Descriptive. Cengage Learning Paraninfo, S.A.
(pp 41-50). Recuperado de http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100008&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=99fe
ba20c3312cbea60961107ffc27a0

http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100008&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=99fe
ba20c3312cbea60961107ffc27a0
Unidad 3 - Regresión y Determinación.
 Montero, J.M. (2007). Regresión y Correlación Simple. Madrid:
Paraninfo. (pp 151 – 158). Recuperado de
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4052100011&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b
82c81e98fcc1361e1929abe203c8219 

 Churchill, G.A. (2009). Análisis de Correlación y de Regresión Simple.

México City: Cengage Learning. (pp 675 – 686). Recuperado de
http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900232&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=e
558184ed89e57d11ede116134cfce41

 Churchill, G.A. (2009). "Análisis de Regresión Múltiple." Investigación

de mercados. México City: Cengage Learning.(pp 686 –
695).Recuperado de http://go.galegroup.com/ps/i.do?id=GALE
%7CCX4058900234&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=4
9575112db86a0eb46dae86bbaf74cb9   
  
 Ortegon Pava, M. (03,10,2018). Regresión y Correlación lineal.
[Archivo de video]. Recuperado de http://hdl.handle.net/10596/20621
 Matus, R., Hernández, Martha, and García, E (2010). Estadística.
México, D.F., MX: Instituto Politécnico Nacional, (2010). ProQuest
ebrary. (pp 95-109). Recuperado de
http://site.ebrary.com/lib/unadsp/reader.action?
ppg=12&docID=10365616&tm=1471981556569
 Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y
estadística 1. Distrito Federal, MÉXICO: Grupo Editorial Patria. (pp
99-109). Recuperado de http://site.ebrary.com/lib/unadsp/reader.action?
ppg=6&docID=11230886&tm=1471982022168

 el blog del curso, allí encontraran más videos:

http://estadisticadescriptivaunad100105.blogspot.com/2010/03/estadisti
ca-100105.html
 enlace para la descarga del INFOSTAT
http://hdl.handle.net/10596/7779

http://hdl.handle.net/10596/7779