Está en la página 1de 8

Actividad N°2

a)
lesionados Frecuencia Frecuencia Frecuencia Frecuencia relativa
en-feb2019 absoluta acumulada Relativa acumulada
0 158 158 0,68996 0,68996
1 32 190 0,13974 0,82969
2 14 204 0,06114 0,89083
3 6 210 0,02620 0,91703
4 1 211 0,00437 0,92140
5 6 217 0,02620 0,94760
6 1 218 0,00437 0,95197
7 1 219 0,00437 0,95633
10 1 220 0,00437 0,96070
13 1 221 0,00437 0,96507
24 1 222 0,00437 0,96943
26 2 224 0,00873 0,97817
31 1 225 0,00437 0,98253
33 1 226 0,00437 0,98690
85 1 227 0,00437 0,99127
94 1 228 0,00437 0,99563
203 1 229 0,00437 1
Total 229   1  

160 Número deLesionados en-feb2019


150
140
130
120 b) M
110 e
100
90
d
80 i
70 d
60
50
a
40 s
30
20
10
0
0 1 2 3 4 5 6 7 10 13 24 26 31 33 85 94 203

de tendencias central y de Posición


medidas de tendencia central

valor aprox
media 2,93 3
mediana 0
moda 0

Para hallar la media se utilizó la función PROMEDIO( )


Para hallar la mediana se utilizó la función MEDIANA( )
Para hallar la moda se utilizó la función MODA( )

Medidas de posición

Cuartiles  
Q1 0
Q2 0
Q3 1

Para hallar los cuartiles se utilizó la función CUARTIL.EXC( )


Percentiles  
P25 0
P50 0

Para hallar los percentiles se utilizó la función PERCENTIL.EXC( )

coeficiente de asimetría
CA=9.75
Para hallar el coeficiente de asimetría se utilizó la función
COEFICIENTE.ASIMETRIA( )

Coeficiente de curtosis
Ku=108.91

Para hallar el coeficiente de curtosis se utilizó la función CURTOSIS( )

como el coeficiente de curtosis es mayor que 0 la distribución tiene forma


leptocúrtica esto quiere decir que presenta un grado elevado de
concentración de datos alrededor de los valores centrales de la variable.
Como el coeficiente de asimetría es mayor que 0 la distribución tiene una
asimetría positiva.
Vemos que la media es 3 esto significa que en promedio hay 3 lesionados en
el intervalo de enero a febrero del 2019 a nivel general
Como la mediana es 0 significa que el 50% de los accidentes tuvieron cero
lesionados. Como el cuartil 3 es 1 entonces el 75% de los accidentes tuvieron
un lesionado o menos.
vemos que el cuartil 4 que es igual al valor máximo de los datos es 203,
entonces Medellín es el municipio con más lesionados en accidentes en el
rango de enero a febrero del 2019.
con los datos anteriores podemos concluir que la distribución no se asemeja
a una distribución normal
c) Medidas de dispersión
Rango 203
Varianza 261,79
Desviación estándar 16,18
Coef de variación 5,53

Rango es igual a
R=v max −v min
r =203−0=203

La varianza se hayo con la función VAR.P( )


La desviación estándar se hayo con la función DESVEST.P( )
Para el coeficiente de variación se utilizó la siguiente formula
σ 16.18
Cv= = =5.53
μ 2.93

La desviación del número de lesionados en el rango de enero a febrero del


2019 con respecto a su media es de 16.80 con respecto a su media.
Como el coeficiente de variación es 5.53 esto significa que representa una
alta precisión sobre las estimaciones obtenidas y el rango de los valores
están en el intervalo (0,203)

Actividad N°3
a)
Tenemos 229 y utilizando la regla de Sturges tenemos que el número de
intervalos es
k =1+3.322∗log(229)=8.84
k =9

El valor mínimo es 0:15 y el valor máximo es 23:05


Así la amplitud del intervalo es
23 :05−0 :15
A= =2 :34
9

Y el rango es 23 :05−0 :15=22 :50


Ya con estos datos podemos construir la tabla de frecuencias
Límite Límite   Marca Frecuencia Frecuencia Frecuencia Frecuencia relativa
inferior Superior Intervalo de clase absoluta acomluda Relativa acomulada
0:15 2:49 [0:15,2:49) 1:32 40 40 0,175 0,175
2:49 5:24 [2:49,5:24) 4:07 9 49 0,039 0,214
5:24 7:59 [5:24,7:59) 6:42 39 88 0,170 0,384
7:59 10:34 [7:59,10:34) 9:17 52 140 0,227 0,611
10:34 13:09 [10:34,13:09) 11:52 9 149 0,039 0,651
13:09 15:44 [13:09,15:44) 14:27 2 151 0,009 0,659
15:44 18:19 [15:44,18:19) 17:02 8 159 0,035 0,694
18:19 20:54 [18:19,20:54) 19:37 35 194 0,153 0,847
[20:54,23:29
20:54 23:29 ] 22:12 35 229 0,153 1
Total       229   1  

Promedio horas 2019


60

50

40

30

20

10

0
) ) ) ) ) ) ) ) ]
49 24 59 34 09 44 19 54 29
, 2: , 5: , 7: 10: 13: 15: 18: 20: 23:
5 9 4 9, , , , , ,
:1 :4 :2 :5 34 09 44 19 54
[0 [2 [5 [7 10: 13: 15: 18: 20:
[ [ [ [ [
Promedio horas 2019
60
52
50
40 39
40 35 35

30

20
9 9 8
10
2
0

Analizando la tabla vemos que en el intervalo [7:59,10:34) es donde hay


una mayor muerte por accidentes de tránsito en el intervalo [13:09,15:44)
presenta el menor número de muertes de personas en accidentes de
tránsito.
Analizando la graficas podemos inferir que el intervalo modal y el
intervalo mediano es [7:59,10:34). Que la distribución es casi simétrica
(más adelante evaluaremos su coeficiente)
b) Medidas de tendencias central y de Posición

medidas de tendencia central

media 11:14:14
mediana 9:23
moda 7:35:00

Para hallar la media se utilizó la función PROMEDIO( )


Para hallar la mediana se utilizó la función MEDIANA( )
Para hallar la moda se utilizó la función MODA( )
Medidas de posición

Cuartiles  
Q1 6:57:30
Q2 9:23:00
Q3 20:30:00

Para hallar los cuartiles se utilizó la función CUARTIL.EXC( )

Percentiles  
P50 9:23:00
P70 18:30:00

Para hallar los percentiles se utilizó la función PERCENTIL.EXC( )

coeficiente de asimetría
CA=0.19

Para hallar el coeficiente de asimetría se utilizó la función


COEFICIENTE.ASIMETRIA( )

Coeficiente de curtosis
Ku=−1.31

Para hallar el coeficiente de curtosis se utilizó la función CURTOSIS( )

El promedio de las horas donde hubo fallecidos por accidente de tránsito fue
a las 11:14. El 50% de los accidentes ocurrieron en promedio a las 9:23 o
antes, el 25% de los accidentes ocurrieron en promedio a las 6:57 o antes, el
70% de los accidentes ocurrieron en promedio a las 18:30 o antes.
Como el coeficiente de curtosis es menor que cero entonces la distribución
tiene forma platicúrtica esto significa que hay una menor concentración del
promedio de las horas respecto a su media.
Como el coeficiente de asimetría es mayor que 0 la distribución tiene una
asimetría positiva, aunque es una leve asimetría, esto quiere decir que
después del intervalo [7:59,10:34) el promedio de horas donde ocurre un
accidente donde hubo fallecidos va a empezar a disminuir.
Con los datos anteriores podemos concluir que la distribución del promedio
de horas del 2019 no es una distribución normal, aunque se asemeja.

c) Medidas de dispersión
Rango 22:50
Varianza 2:18:17
Desviación estándar 7:26:14
Coef de variación 0,661844347

La varianza se hayo con la función VAR.P( )


La desviación estándar se hayo con la función DESVEST.P( )
Para el coeficiente de variación se utilizó la siguiente formula
σ 2 :18
Cv= = =0.662
μ 11: 14

La desviación del promedio de horas de accidentes donde hubo fallecidos


con respecto a su media es de 7:26 en promedio. Como el coeficiente de
variación es muy cercano a cero podemos concluir que hay una alta precisión
sobre las estimaciones obtenida.

También podría gustarte