UNIVERSIDAD TÉCNICA

DE AMBATO

FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL

CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN

“Proyecto Académico”

Título: “APLICACIÓN DE LA ESTADÍSTICA”

Carrera: Ingeniería Industrial en Procesos de

……………………………………………......Automatización

Área Académica: Investigación y aplicación de conocimientos.

Línea de Investigación: Línea Industrial

Ciclo Académico y Paralelo: Abril 2016 – Septiembre 2016 / “B”

Alumnos participantes: Acosta Lezcano Flavio Cesar

Cárdenas Jácome Andrés Sebastiano
Martínez Soto Bryan Alexander
Moyolema Eugenio Guillermo Fabricio
Torres Tipan Edison Xavier
Modulo y Docente: ESTADÍSTICA Y PROBABILIDAD -- Ing. Franklin Tigre.
 UNIVERSIDAD TÉCNICA DE AMBATO 2
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

1. TÍTULO
“Análisis de probabilidad que sé que produzca un paro cardiaco en un
estudiante del tercero “B” de la carrera de ingeniería industrial en procesos de
automatización en el periodo marzo- septiembre 2016 y posteriormente la
probabilidad a que sobreviva basado en su estilo de vida.

2. OBJETIVOS:
2.1. Objetivo General:

Demostrar los conocimientos obtenidos en el módulo de estadística mediante

una investigación que determina el rendimiento académico de los estudiantes
del tercer semestre del paralelo “B” en cada uno de los módulos.

2.2. Objetivos Específicos:

 Ordenar y establecer tablas de estadística correspondientes a cada asignatura.

 Establecer una comparación con los resultados obtenidos en cada tabla.

 Sacar conclusiones y analizar de que manera influyen, las asignaturas, y la

asistencia en el rendimiento de los alumnos.

3. INTRODUCCION:
 UNIVERSIDAD TÉCNICA DE AMBATO 3
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

La importancia del presente estudio consiste en profundizar los conocimientos de

estadística, para lograr una formación académico integral de los individuos que
cursan tercer semestre en la facultad de ingeniería industrial a fin de hacerla mas
productiva y eficiente.

Como trabajo de investigación, hemos decidido comparar los resultados obtenidos

por los estudiantes de tercer semestre del paralelo “B” de la carrera de Ingeniería
Industrial en la Universidad Técnica de Ambato.
Esta investigación nos servirá para conocer la eficacia de cada asignatura y así,
hacer una comparación. Además de ver los resultados en general de los alumnos.
A través de este trabajo, conoceremos también, si la exigencia en estas asignaturas
debe o no variar.

4. MARCO TEORICO:

4.1.1. DATOS AGRUPADOS

Los datos agrupados son como lo indica su nombre, una cantidad dada de datos
que puede clasificarse, ya sea por sus cualidades cualitativas o cuantitativas, y por
tal agruparse para su análisis.
Estos datos por lo general son aconsejable agruparles cuando su población cuenta con alrededor
de 25 o más elementos que comparten una característica y caben
 UNIVERSIDAD TÉCNICA DE AMBATO 4
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

dentro de una categorización (repeticiones de un valor), pues permite un mejor

manejo y análisis más profundo de los mismos.

MEDIDAS DE DISPERSIÓN
Se llaman medidas de dispersión aquellas que permiten retratar la distancia de los
valores de la variable a un cierto valor central, o que permiten identificar la
concentración de los datos en un cierto sector del recorrido de la variable. Se trata
de coeficiente para variables cuantitativas.

MEDIDAS DE TENDENCIA CENTRAL

La estadística busca entre otras cosas, describir las características típicas de
conjuntos de datos y, como hay varias formas de hacerlo, existen y se utilizan
varios tipos de promedios. Se les llama medidas de tendencia central porque
general mente la acumulación más alta de datos se encuentra en los valores
intermedios.
En la sección anterior se definió la frecuencia como el número de veces que
aparece un dato, en el caso de datos agrupados, la definición varia ligeramente:
La Frecuencia (simple o absoluta) de un intervalo es el número de datos que
caen en el mismo.

Frecuencia Relativa Se define, igual que en la sección anterior, como la

Frecuencia Simple dividida por el tamaño de muestra.
Frecuencia Acumulada de los Intervalos de clase. Se construye sumando la
frecuencia simple de cada intervalo con las frecuencias de los intervalos que le preceden.
 UNIVERSIDAD TÉCNICA DE AMBATO 5
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

Frecuencia Acumulada
Se construye, sumando la frecuencia relativa de cada intervalo con las
frecuencias relativas de los intervalos que le preceden, o dividiendo la frecuencia
acumulada entre el tamaño de muestra.

MEDIDAS DE TENDENCIA CENTRAL PARA DATOS AGRUPADOS

Cuando la muestra es grande y los datos se agrupan en intervalos de clase, el
cálculo de las medidas de tendencia central varía significativamente.
Moda
La moda se definió como el dato con la mayor frecuencia, de manera similar
definimos ahora la Clase Modal, como aquel intervalo de clase con la mayor
frecuencia.
Mediana
La mediana se definió como el dato central cuando el conjunto se encuentra
ordenado, ahora definimos la Clase Mediana, como aquel intervalo de clase que
cubre el 50% de los datos.
Media
La media igual que antes, se define como el promedio de los datos.

MEDIDAS DE DISPERSIÓN PARA DATOS AGRUPADOS

Rango
Si sólo disponemos de una tabla de frecuencias, el Rango se define como la
diferencia entre el límite real superior de la última clase y el límite real inferior de
la primera.
Varianza
 UNIVERSIDAD TÉCNICA DE AMBATO 6
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

La varianza para datos agrupados se calcula de manera similar, con algunas

modificaciones: las marcas de clase de cada intervalo toman el lugar de los datos
y es necesario multiplicar por cada frecuencia simple
Desviación estándar
Sigue siendo la raíz cuadrada de la varianza:
(Urbina, 2004)
REPRESENTACIÓN GRÁFICA
Cuando los datos son de tipo cualitativo es adecuado utilizar gráficas de barras o
circulares. Si los datos son de tipo cuantitativo, el polígono de frecuencias o los
histogramas de frecuencias, son los más útiles.
Toda gráfica debe tener: Un título descriptivo, el nombre de la variable que
representa, las unidades de la variable, y en su caso la escala utilizada.
Grafica Circular Se conoce también como Diagrama de pastel, de sectores y
otros.

Grafico 1: ejemplo de diagrama de pastel

 UNIVERSIDAD TÉCNICA DE AMBATO 7
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

Gráfica de barras
En este tipo de gráfica se muestran en un sistema de ejes cartesianos los valores de
la variable, y los valores de la frecuencias, absolutas o relativas.
Los valores de la variable se localizan sobre un eje horizontal y las frecuencias
sobre uno vertical.

Grafico 2: ejemplo de diagrama de barras

Histograma
Consiste en un gráfico de barras o rectángulos cuya altura corresponde a la
frecuencia de cada valor o de cada intervalo localizada sobre el eje vertical.
Para datos no agrupados, cada frecuencia se representa por una barra cuya área
sea proporcional a ella. Típicamente, el ancho de cada barra se escoge como 1 y
así, la altura y el área de la barra son iguales a la frecuencia del valor.
Para datos agrupados, el ancho de los rectángulos corresponde al tamaño de los
 UNIVERSIDAD TÉCNICA DE AMBATO 8
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

intervalos de clase. Las barras, por lo tanto, son contiguas, y se encuentran

centrados en las marcas de clase

Grafica 2: ejemplo de Histograma

(Medina, 1999)

4.1.2. DATOS NO AGRUPADOS

 UNIVERSIDAD TÉCNICA DE AMBATO 9
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

Los datos no agrupados son el conjunto de datos que no se ha clasificado y se es

presentada en su forma de aparición en una tabla de datos donde cada valor se
representa de forma individual. Por lo general este conjunto comprende una
cantidad de elementos menor a 30 (n<30) con poca o nula repetición.

Tendencia central: la tendencia central se refiere al punto medio de una

distribución. Las medidas de tendencia central se conocen como medidas de
posición.

Dispersión
Se refiere a la extensión de los datos en una distribución, es decir, al grado en que
las observaciones se distribuyen.
Moda: Como el dato con la frecuencia más alta, es decir, el que más se repite.
Mediana: La mediana se define como el dato central de la distribución, es decir
el dato que queda justo en el medio.
Media: La media aritmética es lo que usualmente conocemos como “promedio”,
y se interpreta como tal.

Medidas de Dispersión
A las Medidas de Dispersión también se les llama Medidas de Variación. La
variación es la cantidad de dispersión, o “separación”, que presentan los datos.
Rango: El rango de un conjunto de números es la diferencia entre el mayor y
el menor de todos ellos.
Varianza: La varianza es la suma de los cuadrados de las diferencias de los datos
con relación a su media aritmética, dividida entre el tamaño de la muestra menos
 UNIVERSIDAD TÉCNICA DE AMBATO 10
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

Desviación Estándar: Un inconveniente de la varianza es que sus unidades

de medición se encuentran al cuadrado, por lo que no se puede comparar con
la media aritmética. Debido a esto, se define la Desviación Estándar como la
raíz cuadrada de la varianza.
Coeficiente de Variación: El coeficiente de variación es una medida relativa
de la variación. Mide la dispersión de los datos con respecto de su media.

Medidas de Posición
Los cuantiles son medidas de posición “no central” que se utilizan para resumir
o describir las propiedades de conjuntos grandes de datos numéricos.
Cuartiles
Son tres valores numéricos que dividen a la muestra ordenada en cuatro partes
iguales.

RENDIMIENTO ACADEMICO
Rendimiento académico hace referencia a la evaluación del conocimiento
adquirido en el ámbito escolar, terciario o universitario. Es una medida de las
capacidades del alumno, que expresa lo que éste ha aprendido a lo largo del proceso
formativo. También supone la capacidad del alumno para responder a los estímulos
educativos. En este sentido, el rendimiento académico está vinculado a la aptitud.
(Torricheli, 2002)
Inasistencia a clases
“La inasistencia a clases consiste en la desatención del estudio y de todas las
actividades que este implica, lo que afecta el aprendizaje del estudiante”.
(Moratinos, 1995)
 UNIVERSIDAD TÉCNICA DE AMBATO 11
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

Beneficios de asistencia diaria “Si asiste a clases con regularidad, es más

probable que el niño pueda seguirle el ritmo a las lecciones y a las tareas diarias,
así como tomar las pruebas y exámenes a tiempo”. (García, 1999)
5. CONCLUCIONES

Se ordenaron las tablas de estadística correspondientes a cada asignatura.

Se estableció una relación con los resultados obtenidos en cada tabla.

Se realizó una

6. RECOMENDACIONES
Se recomienda identificar de una manera correcta las variables dependientes e independientes para
el posterior análisis.
 UNIVERSIDAD TÉCNICA DE AMBATO 2
FACULTAD DE INGENIERÍA EN SISTEMAS ELECTRÓNICA E INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN
PERÍODO ACADÉMICO: OCTUBRE/2015 – MARZO/2016

7. REFERENCIAS BIBLIOGRAFICAS:

Medina, B. (1999). cch sur. Obtenido de http://www.cch-

sur.unam.mx/guias/matematicas/estadist1_2012.pdf
Torricheli, E. (2002). Definiciones. Obtenido de http://definicion.de/rendimiento-
academico/#ixzz4AaMtqAJ1
Urbina, J. (2004). shadpw. Obtenido de http://shadowsover.blogspot.com/2012/07/datos-
agrupados-y-no-agrupados_8296.html