ESTADISTICA Y PROBABILIDAD

ESTUDIANTE
Blanca Rodriguez
COD: 1123510062

Grupo
216

Tutor:
Sergio Andrés Trujillo

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Septiembre, 2018
 En un evento de Bienestar Institucional unadista en Bogotá se requiere analizar los programas a los que
están inscritos los estudiantes asistentes, por esto se presentan los datos de la variable X: programas
académicos de la UNAD de los estudiantes asistentes al evento SS de Bienestar.
La variable X presenta los siguientes datos:
INGENIERÍA INDUSTRIAL – CONTADURÍA - INGENIERÍA DE ALIMENTOS -INGENIERÍA AMBIENTAL -
ECONOMÍA - INGENIERÍA INDUSTRIAL - INGENIERÍA DE ALIMENTOS - AGRONOMÍA - - INGENIERÍA
INDUSTRIAL - INGENIERÍA INDUSTRIAL - INGENIERÍA INDUSTRIAL – GESTIÓN PÚBLICA - PSICOLOGÍA-
ADMINISTRACIÓN EN SALUD - FILOSOFÍA –PSICOLOGÍA - GESTIÓN PÚBLICA -
ECONOMÍA INGENIERÍA AMBIENTAL -INGENIERÍA AMBIENTAL – FILOSOFÍA – CONTADURÍA
- INGENIERÍA DE ALIMENTOS - ECONOMÍA

• Tabule esta información en una Tabla de distribución de frecuencias en Excel, luego realice su gráfico estadístico.

xi
n hi Ni Hi
(variable) i
I.Industrial 5 21% 5 21%
I.Ambient
3 13% 8 33%
al
Admon en
1 4% 9 38%
Salud
GestionPu
2 8% 11 46%
blica
Filosofia 2 8% 13 54%
Economia 3 13% 16 67%
Psicologia 2 8% 18 75%

Contaduri
2 8% 20 83%
a
I.Alimento
3 13% 23 96%
s
Agronomi
1 4% 24 100%
a
TOTAL 24 100%
su gráfico estadístico.

• Saque conclusiones de la distribución de frecuencias que realizó,

interpretando las siguientes frecuencias: n2, h3, N4, H6.
n2, Del programa académico de Ingeniera ambiental de la UNAD se obti
como frecuencia absoluta 3 estudiantes que asistieron al evento.
h3, La frecuencia relativa que se registró fue el 4% de la asistencia d
estudiantes para el programa de Administración en salud al evento SS
Bienestar.
N4, se registró para el programa de Gestión pública una frecuencia abso
acumulada de 11 estudiantes.
H6. De los estudiantes que asistieron al evento se obtiene como Frecue
relativa acumulada un 67% para el programa de economía.
 ción de frecuencias que realizó,
ecuencias: n2, h3, N4, H6.
ra ambiental de la UNAD se obtiene
antes que asistieron al evento.
stró fue el 4% de la asistencia de
nistración en salud al evento SS de
tar.
tión pública una frecuencia absoluta
1 estudiantes.
evento se obtiene como Frecuencia
a el programa de economía.
Desuerado Valor maximo 13.9 Aproximado Intervalos de clase
7.6 Valor minimo 1.3 Intervalos
8.1 Rango 12.6 13 1,2-2,30
6.1 Número de datos 1300 2,3-3,38
9.2 Número de intervalos 11.34 12 3,38-4,47
8 Amplitud 1.08 1.1 4,47-5,55
5.7 Rango nuevo 13.2 5,55-6,63
10.1 Diferencia 0.20 6,63-7,72
7.4 7,72-8,80
4.9 8,80-9,88
7.5 9,88-10,97
8.6 10,97-12,05
7.4 12,05-13,33
9.7 13,33-14,52
8.1 TOTAL
7.1
9
7.2
5.8 Histograma y poligono variable Desuerado
7.7 350

7.9 300
7.5 250
6
200
9.9
9.3 150
6.3 100
7.8
50
6.5
6.7 0
1,2- 2,3- 3,38- 4,47- 5,55- 6,63- 7,72- 8,80- 9,88- 10,97- 12,05- 13,33-
8.2 2,30 3,38 4,47 5,55 6,63 7,72 8,80 9,88 10,97 12,05 13,33 14,52
9.7
6.7
4.1
6.3
4.8
10.1
7.5
10.1
6.6
6.2
9.8
8
10.9
5.5
6.4
9
7.9
8.6
7.9
5.2
8.9
7.2
4.8
6.5
6.7
7.7
6.5
7.5
6.5
9.5
7.5
8.3
10
7
8.3
5.4
8.2
4.6
8.6
4.7
7.8
5.5
8.6
7.1
9.8
6.7
7.6
7.9
5.8
7
7.7
8.4
6.7
6.3
8.8
7
6.9
5.1
6.9
5.4
6.2
8.4
9.8
10
8.1
5.8
7.5
7.5
7.6
8.1
8
9.4
9
7.2
8.3
8.7
8.3
8
8.5
5.4
5
8.1
6.4
8.5
8.1
8.5
8.8
12.7
5.6
6.6
9.6
3.3
4.2
6.4
6.8
4.4
6.6
6.7
8.7
4.2
6.5
5.8
5.5
8.9
8.7
12.7
8.2
5.2
5.7
8.1
4.8
9.6
3.7
7.8
7.9
9
4.9
12.1
9.6
8.8
7.2
3.2
9.2
5.6
8.7
7.3
7.6
6.9
5.4
7.3
9.9
6.5
4.8
7.3
10.3
4.1
6.6
6.8
9.7
4.8
8.7
7.5
7.9
4.5
8.3
6.1
8.4
8.4
7.5
7.7
8.2
6.5
5.9
8.4
8
8.9
5.3
7.7
9.3
3.9
6.6
5
8.7
6.3
7.4
8.9
7.5
6.5
6.9
6.2
9.2
7
6.8
8.2
5.7
7.1
10
7.6
4.3
6.9
7.2
7.2
7.7
8.1
6.2
4.5
9.6
6.4
6.3
6
7.3
7.4
6
7.5
6.9
9.7
9.1
8.8
5.8
5.1
9.4
5
6.4
5.3
7.1
4.3
6.5
7.7
7.3
6.8
6.3
10.7
8.8
3.7
8.3
7.8
7.7
7
7.4
5.5
10.8
7.5
7
6
5.1
5.1
5.8
6.8
8.6
7.5
10.5
7.3
8.3
6.3
6.5
6
13.9
9.4
7
7.6
5.9
7.1
7.1
7.9
4.4
3
3
7.7
5.3
5.8
8.2
3.5
7
3.6
7
5.2
6.6
4.1
8.6
4.2
7.5
7.3
8.1
6.1
9.7
5.3
6.1
2.8
7.4
9.6
8
5.7
11.4
7.1
9.1
9.1
6
7.8
5.9
8
9.7
7.8
9.9
8.4
7.1
7.5
4.4
8.9
6.4
6.9
4.3
6.7
10.5
7.6
10
8.7
7.1
9.2
8.1
9.1
4.4
5.8
10
9.9
8.2
9.8
1.3
5.3
9.9
6.8
8.9
7.7
10
9.3
10.4
6.1
6.6
7.1
7.8
7.6
6.9
6.2
6
12
6.7
2.4
5.4
5.5
6.9
7.6
7.3
6.3
5.7
6.4
10.6
9.4
6
6.5
8.6
6
5.7
6.6
5.1
8.6
6.2
12.3
9
8.5
10.2
7
5.7
6.5
4.9
7.4
8.8
8.4
7.7
7.4
7.2
4.9
9.1
6.4
9.8
4.7
4.3
5.4
6.2
8.8
7.8
4.3
6.2
4.2
8
9.5
5.6
6.1
3
12.8
9.1
7.2
8
7.9
8.2
8.3
9
11.1
7.4
7.5
3.2
5.9
9.6
10.9
9.2
11.3
6.8
4.5
6.1
3.3
4.9
5.2
8.7
6.7
9.9
7.6
7.1
8.9
8.9
8.5
6.2
8.5
7.9
9.7
6.6
7.5
8.8
9.9
5.3
6.9
7.1
7.4
7.6
7.7
5.3
9.2
7.8
7.1
7.9
6.2
12.6
8
7.4
9.8
8.7
7.3
6.9
2.9
6.4
6.4
8.2
7.8
5.9
4.2
4.4
8
7.3
5.3
10.2
9.7
7.5
7
9.9
10.2
8.2
7.6
8.2
6.8
6
7
8.3
9.6
10.7
5.9
6.7
9.7
8.1
7.3
8.2
8.3
6.8
12.7
5.9
9.3
4.1
7.6
6.2
7
4.2
8.4
6.6
5.8
7.8
7.7
7.4
6
6.6
7
9.7
11.1
10.6
7.7
9.5
6.2
6.9
5.9
6.3
7.3
7.3
6.7
3.7
5.6
7.1
9.7
7.6
5.8
10
10
8.5
5.8
7.3
4.8
4.3
4.2
10
6.6
5.5
10.9
4.8
9.9
9
7.7
3.7
7.2
8.7
9.5
4.9
7.9
8
8.4
7
4.3
10
4.5
8.8
7.1
8.4
10.3
5.5
8
5.8
3.3
9.7
6.5
8.9
6.3
5.5
4.8
11.3
9.6
9.7
5.6
6.6
9.7
8.1
7.5
 6
6.8
6.4
8.9
8
6.4
7.6
6.5
6
5.7
5.7
7.3
7
5
11.1
5.1
7.9
5
9
4.4
6
7.1
10.2
3.8
7.2
9.6
6.9
8.4
4.6
6
5.8
5.7
6.8
7.8
9.4
7.3
6.1
7.7
5
9.8
3.3
7.3
11.4
6
6
6.3
8.4
8
6.5
9.2
6.6
5.8
8
8.6
10.9
6.7
6.5
3.9
8.1
7.3
7.1
7.6
10
8
8.3
7.2
5.6
9.5
5.8
7.6
6.1
7.1
8
5.6
4.5
6.5
7
9.1
8.4
7.4
9.3
8.9
4.8
5.5
5.7
4.1
11.1
5.7
7.8
7.2
6.5
9.3
8.2
7.3
6
5.1
9.3
5.2
4.9
7.5
3.6
10
6
7.2
8.9
7.1
8.9
9.1
5.3
8.2
6.7
8.9
5
8.1
5.9
8.2
8.8
8.6
8.3
7.1
7.6
7.9
7.6
7.6
8.6
6.6
7.2
8.1
9.5
9.1
4.3
7
3.7
2.7
6.6
6.9
6.9
8.8
5.5
5.9
5.9
7.1
3.9
7.7
5.4
6.2
6.9
11
5.5
5.2
10.6
4.7
8.8
2.5
4.8
8.6
7.1
4.5
5.1
6.5
3.4
4.1
11.8
10.6
6.3
8.6
9.4
7.8
8.2
8.8
7.6
6.4
6.6
7
5.6
8.7
7
8
9.8
7.9
8.5
9.6
7.5
9.1
5.6
6.1
4.9
4.1
6.4
5.9
7.6
11
8.9
6.4
6.9
9.8
8.3
9.3
5.5
6.5
5.3
5.7
4.1
6.9
10.2
7.5
6
6.2
8
10.5
7.1
7.9
9
7.6
6.4
7.1
8.9
5.9
6.6
6.5
8
4.9
6.4
6.9
5.3
6.9
6.6
7.3
9.7
7.7
7.6
8.2
7.4
9.6
4.9
5.8
6.1
6.6
8.4
8.7
8.7
7.4
6.5
6.7
7.1
6.2
5.3
7.5
5.5
9.4
5.4
4.3
7.8
7.7
9.5
6.6
4.6
6
6.4
6.4
6.6
9.5
7.2
8.8
9.8
11.8
8.7
8.4
6.1
4.9
5.8
11.1
4.5
8.9
6.6
8.1
7
8.6
9.9
7.7
9.5
6.8
6.4
10.6
4.5
6.1
8.9
6.9
3.7
9.1
6.8
6.6
5.8
6.7
6.5
7.7
8.1
8.2
8.2
7.4
8.6
8.2
5.7
7.1
4.3
7.2
9.2
8.6
6.7
7.3
7.9
4.3
12.5
4.3
5.8
6.2
8.2
6.6
8.2
5.2
8.1
7
5.9
4.5
7.4
6.4
7.6
10.5
6.8
6.6
10.5
7
6.4
8.2
6.2
8.2
7.5
6.3
8.3
6
8.1
7.5
6
5.9
8.5
6.4
8.2
7.6
10.1
8.5
5
9.6
12.6
6.9
9.7
6.1
3.8
7.8
8.3
8.2
2.5
7.5
5.9
8.8
6.2
6.3
5
4.2
8.1
5.8
6.6
5.4
7.2
8.1
8.4
6.7
8.3
8.6
5.7
9.3
4.6
10.6
8.2
4.9
5.9
6.1
5.5
5.5
6.4
9.2
6.1
7.1
8.2
9.8
8
6.4
8.6
6.7
6.4
8.9
8.9
6.6
8.2
9.7
8.6
6.3
5.4
7.7
8.1
5.9
8.1
7.6
4.8
5.9
5.3
10
9.3
8.1
5.5
7
8.3
6.3
8.5
9.3
9.6
6.6
10.6
4.9
8.2
7.1
7.8
5.8
7.8
10.1
5.9
6.7
6
7
7.6
11.2
8.6
7.6
7.6
7.3
8.7
6.6
5.3
7.7
8.5
7.3
7.9
4.8
6.5
8.7
8.8
6.9
6.9
8.9
6.9
8
8.5
8.2
8.1
6.4
3.7
7
9.8
8.7
6.9
9.2
4.8
7.2
6.7
9.5
10.1
9.3
8.5
9.2
6.9
4.8
10
8.4
9.4
7.7
4.7
9.4
3.2
7.3
5.9
7.3
8.6
9.9
6.9
10.2
6.3
5.3
6.2
6.7
6.5
8.7
7.7
9.5
9
9.9
5.6
7
6.3
6.4
6.6
9.8
8.4
6.9
8.8
7.3
8.1
8.8
7.9
8.8
3.7
7
8.1
8.2
6.5
6
9.9
8.2
5.9
7.8
9.3
7.3
7.4
7
9.1
7.7
10.5
5
5.1
7.7
8.3
9.2
8.4
6.5
9.5
6.9
2.5
5.4
6.6
10.5
7.2
6.8
7.4
7.1
6.6
9.5
10.2
6.5
6.5
4.9
6.1
7.4
7.7
8.3
4.9
5.9
3.6
7.9
8.1
8.1
6.9
9.8
8.8
10.4
8.9
7.7
8.4
9.3
7.1
5.1
8.7
8.6
9
5.5
5.7
8.1
5.2
8.3
10.7
6.5
7
10
6.2
8
7.4
3.9
5.5
11.8
8.6
6.7
5.7
6
7.9
5.1
8.2
7.1
6.3
9
4.7
7.2
6.8
3.7
6.5
6.2
8.5
6.3
8.8
5.3
5.3
9.9
6.4
9
9.2
8.2
5.2
7.6
2.2
8
6.7
4.1
7.2
8.7
8.6
6.1
7.3
3.8
4
7.8
8.1
8.9
9
8.8
6.2
8
10.3
10.5
3.2
7.8
5.1
8.5
9.1
7.2
6.9
8.5
10.4
7.1
8.3
9.2
8.1
10.3
10.1
4.1
6.7
7.5
8.2
5.2
5.5
8.2
4.3
4.8
5.9
11.8
9.9
6.6
9.5
9.9
4.7
8.4
5.9
7.6
9.8
6.8
10.4
7.2
5.8
7.1
9.5
3.6
10.8
10.3
7
6.9
7.6
4.8
7
10.4
6.3
5.4
9.9
6.2
7.1
9.9
10.7
7.2
6.3
7.4
6.3
10.1
8.3
9.2
8.5
6.6
4.6
8.7
7.2
5.6
5.9
8.5
7.8
 Intervalos de clase
X ni hi Ni Hi
Limite inferior Limite superior
1.20 2.30 1.75 2 0.002 2 0.002
2.30 3.38 2.84 18 0.014 20 0.015
3.38 4.47 3.93 60 0.046 80 0.062
4.47 5.55 5.01 131 0.101 211 0.162
5.55 6.63 6.09 261 0.201 472 0.363
6.63 7.72 7.18 304 0.234 776 0.597
7.72 8.80 8.26 244 0.188 1020 0.785
8.80 9.88 9.34 170 0.131 1190 0.915
9.88 10.97 10.43 83 0.064 1273 0.979
10.97 12.05 11.51 17 0.013 1290 0.992
12.05 13.33 12.69 9 0.007 1299 0.999
13.33 14.52 13.93 1 0.001 1300 1
TOTAL 1300 1

paso 4.1:• ¿Qué conclusiones puede obtener? Use mínimo una

variable Desuerado frecuencia relativa(hi) y una acumulada(Hi): Analizando la h6, la
cual sus intervalos está en el promedio del tiempo de desuerado,
el 23.4% del tiempo de desuerado esta en el promedio del
tiempo para el desuerado. y la H7 tiene un porcentaje acumulado
de 59,7% del tiempo de desuerado que se encuentra hasta el
promedio de tiempo.

paso 4.2: En la moda, al hacer la ecuación en Excel, aparece8.2, lo

cual significa que ese tiempo es el que se repite más, .
En la mediana, vemos que el valor dado es 7.33, que es tiempo
7,72- 8,80- 9,88- 10,97- 12,05- 13,33- medio utilizado para el desuerado.
8,80 9,88 10,97 12,05 13,33 14,52 En el promedio, el valor encontrado es la medida media de todos
los valores, se puede decir que en promedio el tiempo para el
desuerado fue de 7.30

punto 4.3: En la parte de cuartiles, deciles y percentiles, primero

que todo debemos saber que los cuartiles se dividen en 4 partes
iguales de 25%, es decir, el Q1 representa el 25%, el Q2
representa el 50% y el Q3 representa el 75% de los datos. En este
caso el 75% del tiempo es 8.52
En los deciles, está dividido en 10 partes iguales, en este caso
sería, el decil 5, equivale al 50% del total de los datos, y el decil 9,
al 90% del total de los datos. En este ejercicio, el 90% del tiempo
de desuerado es es 9.7
En los percentiles, son 100 partes iguales, entonces el percentil
14 equivale al 14% de todos los datos, que sería 5.4.
Media aritmetica 7.33
Mediana 7.30
Moda 8.2
Cuartil 3 8.525
Decil 9 9.7
Percentil 14 5.4
Varianza 3.31
Desviación 1.82
Coeficiente de variación 0.249
Curtosis 0.05245345
Coeficiente de asimetría 0.04073348

paso 4.4: La distribución es homogenea porque su distribución de datos tiene

poca dispersión, tomando como referencia el dato de desviación estandar
obtenida y su coeficiente de variación
La Asimetria tiene un coeficiente muy cercano a 0, esto significa que sus datos
son simétricos, por su cercanía del valor a 0. En cuanto a la curtosis Una
distribución con un valor positivo de curtosis indica que la distribución tiene
colas más pesadas que la distribución normal. En este caso el valor es positivo
y cercano a 0, lo que se asemeja a una distribución normal.
Volumen (x) Pasteurizacion (y)
28.1 0.8
28.1 0.8 paso 5.3
28.1 0.8
24.7 0.9 Volumen vs Pasteurizacion
28.1 0.8
1.2
25.5 0.7
24.7 0.9 1
28.1 0.8
28.1 0.8 0.8
f(x) = − 0.006149028842747 x + 0.966168831608348
28.1 0.8 R² = 0.018072692139973
24.7 0.9 0.6

28.1 0.8
0.4
25.5 0.7
28.1 0.8 0.2
24.7 0.9
25.5 0.7 0
24 24.5 25 25.5 26 26.5 27 27.5
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
paso 5.1: La relación entre las dos variables es negativa, ya
28.1 0.8 observando su línea de tendencia, su pendiente es negativa
24.7 0.9 lo que se ve en la linea que va descendiendo. Según los crit
24.7 0.9 del coeficiente de correlación, y analizandolo con el r obteni
la línea de tendencia, el cual es 0.134, no hay correlación, y
28.1 0.8 según la tabla de los criterios, un r entre 0 y 0.30 indican qu
24.7 0.9 variables no tienen correlación.
28.1 0.8
28.1 0.8
24.7 0.9 paso 5.2:
24.5 0.6
El coeficiente de determinación en este caso es de 0.0181, y
28.1 0.8 que porcentaje de información es recogida o explicada po
28.1 0.8 modelo de regresión escogido.
28.1 0.8
24.7 0.9 paso 5.4
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8 según el modelo de la línea de tendencia, tomando x c
24.7 0.9 pasteurización, podemos calcular lo solicitado: • Si el volum
será el tiempo de pasteurización? Y=-0.0061x+0.9662= Y=-0
28.1 0.8 • Si el tiempo de pasteurización es de 0,3 minutos ¿Cuá
28.1 0.8 0.3=-0.0061x+0.9662 : desepejamos x:( 0.3-0.9662)
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
24.7 0.9
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.5 0.6
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.5 0.6
24.7 0.9
24.7 0.9
25.5 0.7
25.5 0.7
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
25.5 0.7
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
24.7 0.9
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
27.1 1
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
27.1 1
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
24.5 0.6
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
27.1 1
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.5 0.6
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
27.1 1
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
24.5 0.6
25.5 0.7
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
24.7 0.9
25.5 0.7
24.7 0.9
25.5 0.7
27.1 1
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
24.7 0.9
24.7 0.9
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
24.7 0.9
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
24.7 0.9
25.5 0.7
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
27.1 1
24.7 0.9
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
24.5 0.6
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
24.7 0.9
25.5 0.7
24.7 0.9
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
25.5 0.7
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
25.5 0.7
28.1 0.8
24.7 0.9
24.7 0.9
24.7 0.9
25.5 0.7
24.5 0.6
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
27.1 1
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
27.1 1
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
24.7 0.9
25.5 0.7
24.7 0.9
24.7 0.9
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
25.5 0.7
24.7 0.9
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
27.1 1
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
27.1 1
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
24.5 0.6
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
25.5 0.7
27.1 1
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.5 0.6
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
27.1 1
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
24.7 0.9
24.5 0.6
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
28.1 0.8
25.5 0.7
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
24.5 0.6
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
27.1 1
28.1 0.8
24.7 0.9
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
27.1 1
28.1 0.8
24.7 0.9
28.1 0.8
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
25.5 0.7
24.7 0.9
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
24.7 0.9
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
25.5 0.7
24.7 0.9
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
28.1 0.8
28.1 0.8
28.1 0.8
24.7 0.9
25.5 0.7
28.1 0.8
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
25.5 0.7
28.1 0.8
28.1 0.8
24.7 0.9
24.5 0.6
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.1 0.8
28.2 0.8
28.5 0.8
28.5 0.8
25.5 0.7
28.5 0.8
24.7 0.9
28.5 0.8
28.5 0.8
24.7 0.9
28.5 0.8
25.5 0.7
25.5 0.7
24.5 0.6
28.5 0.8
25.5 0.7
28.5 0.8
24.7 0.9
25.5 0.7
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
24.7 0.9
28.5 0.8
28.5 0.8
25.5 0.7
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
25.5 0.7
24.7 0.9
25.5 0.7
28.5 0.8
28.5 0.8
28.5 0.8
24.7 0.9
24.7 0.9
24.7 0.9
28.5 0.8
28.5 0.8
24.7 0.9
25.5 0.7
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
25.5 0.7
24.7 0.9
24.7 0.9
28.5 0.8
28.5 0.8
28.5 0.8
24.7 0.9
28.5 0.8
25.5 0.7
28.5 0.8
24.7 0.9
28.5 0.8
25.5 0.7
28.5 0.8
24.7 0.9
24.7 0.9
28.5 0.8
24.4 0.9
28.5 0.8
25.5 0.7
24.4 0.9
28.5 0.8
24.4 0.9
28.5 0.8
25.5 0.7
28.5 0.8
28.5 0.8
25.5 0.7
28.5 0.8
28.5 0.8
25.5 0.7
28.5 0.8
25.5 0.7
28.5 0.8
28.5 0.8
25.5 0.7
28.5 0.8
28.5 0.8
24.5 0.6
28.5 0.8
28.5 0.8
28.5 0.8
25.5 0.7
24.4 0.9
28.5 0.8
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
25.8 0.7
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
25.8 0.7
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
24.4 0.9
25.8 0.7
25.8 0.7
25.8 0.7
24.4 0.9
24.4 0.9
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
24.4 0.9
24.4 0.9
25.8 0.7
28.5 0.8
25.8 0.7
24.4 0.9
25.8 0.7
25.8 0.7
28.5 0.8
24.4 0.9
28.5 0.8
24.4 0.9
24.4 0.9
24.4 0.9
28.5 0.8
28.5 0.8
24.4 0.9
25.8 0.7
24.4 0.9
28.5 0.8
24.4 0.9
25.8 0.7
24.4 0.9
24.4 0.9
25.8 0.7
28.5 0.8
28.5 0.8
24.4 0.9
24.4 0.9
24.4 0.9
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
28.5 0.8
25.8 0.7
25.8 0.7
28.5 0.8
28.5 0.8
25.8 0.7
28.5 0.8
25.8 0.7
28.5 0.8
28.5 0.8
24.4 0.9
25.8 0.7
24.4 0.9
28.5 0.8
25.8 0.7
25.8 0.7
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
25.8 0.7
28.5 0.8
25.8 0.7
25.8 0.7
24.4 0.9
25.8 0.7
24.4 0.9
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
28.5 0.8
25.8 0.7
28.5 0.8
24.4 0.9
28.5 0.8
25.8 0.7
28.5 0.8
25.8 0.7
25.8 0.7
28.5 0.8
28.5 0.8
28.5 0.8
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
25.8 0.7
28.5 0.8
28.5 0.8
25.8 0.7
28.5 0.8
24.4 0.9
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
28.5 0.8
24.4 0.9
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
25.8 0.7
24.4 0.9
28.5 0.8
28.5 0.8
24.4 0.9
28.5 0.8
28.5 0.8
25.8 0.7
lumen vs Pasteurizacion

028842747 x + 0.966168831608348
139973

5.5 26 26.5 27 27.5 28 28.5 29

las dos variables es negativa, ya que

dencia, su pendiente es negativa, por
va descendiendo. Según los criterios
n, y analizandolo con el r obtenido de
l es 0.134, no hay correlación, ya que
os, un r entre 0 y 0.30 indican que las
o tienen correlación.

ción en este caso es de 0.0181, y mide

ación es recogida o explicada por el
regresión escogido.

línea de tendencia, tomando x como el volumen y Y como

lcular lo solicitado: • Si el volumen de la leche es 20 litros, ¿Cuál
ación? Y=-0.0061x+0.9662= Y=-0.0061*20+0.9662=0.84 minutos.
urización es de 0,3 minutos ¿Cuál será el volumen de la leche?:
62 : desepejamos x:( 0.3-0.9662)/-0.0061= 109.21 Litos.
 Correlación y Regresión

En muchos casos se requiere conocer más que el comportamiento de una sola variable, se requiere
conocer la relación entre dos o más variables como la relación entre producción y consumo; salarios y
horas de trabajo; oferta y demanda; salarios y productividad; la altura de un árbol y el diámetro de su
tronco.

Muchos de estos comportamientos tienen una tendencia lineal, aunque hay muchos otros que lo
hacen de forma curva. Para determinar el grado de correlación entre las variables, no basta con
calcular la varianza explicada, pues existe el coeficiente de determinación coeficiente de correlación;
sin embargo, frecuentemente se utiliza un coeficiente de correlación rectilíneo, siendo este un valor
entre -1y1.

Para estas confrontaciones se utiliza el diagrama de dispersión que es plano cartesiano en el que se
marcan los puntos correspondientes a los pares (x,y) de los valores de las variables.

El análisis de Regresión tiene los siguientes usos: el primero es obtener los estimadores de los
parámetros, estimar la varianza del error, obtener los errores estándares de los parámetros estimados,
probar la hipótesis sobre los parámetros, cálculo de valores estimados basados en la ecuación
estimada, estimar el ajuste o la falta de ajuste del modelo.

El modelo a utilizar es Y= a+ bx, a es el intercepto, b es la pendiente de la función, la que nos indica el

cambio marginal de Y respecto a X.

Ejemplo

Una empresa de mensajería de entrega puerta a puerta, con el fin de mejorar la prestación del
servicio desea establecer la relación que puede existir entre el tiempo empleado y la distancia
recorrida para la entrega de un determinado Producto.

diagrama de dispersión a partir de los datos obtenidos

Analisis

Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy buena
estimación de la relación entre las variables distancia y tiempo de entrega. El R2 afirma además que
el modelo explica el 90.05 % de la información y el valor de r coeficiente de correlación lineal confirma
además una correlación Excelente entre las variables: Distancia y tiempo de entrega de un
determinado producto
Analisis

Con los resultados obtenidos se puede asegurar que la ecuación de la recta es una muy buena
estimación de la relación entre las variables distancia y tiempo de entrega. El R2 afirma además que
el modelo explica el 90.05 % de la información y el valor de r coeficiente de correlación lineal confirma
además una correlación Excelente entre las variables: Distancia y tiempo de entrega de un
determinado producto
 quiere
salarios y
etro de su

ue lo
con
elación;
n valor

que se

s
stimados,
n

indica el

el
cia

a
más que
confirma
a
más que
confirma
 Bibliografía

*Gómez Barrantes, M. (2014). Elementos de estadística descriptiva. EUNED.

*de Datos, A. E. (1983). Estadística Descriptiva.
*Calot, G., & Sevilla, F. J. C. (1982). Curso de estadística descriptiva (No. 310/C16cE). Paraninfo.
No. 310/C16cE). Paraninfo.