UNIVERSIDAD EAN

FACULTAD DE AMBIENTES VIRTUALES

OPTIMIZACIÓN Y ESTADÍSTICA PARA ECONOMISTAS

GUIA 2 ESTADÍSTICA DESCRIPTIVA Y PROBABILIDAD

AUTORES

HAMILTON ARIZA GUERRERO

CAMILA GIRALDO MORRIS
CRISTIAN CAMILO CASTAÑEDA

TUTOR ENCARGADO

DIANA MARCELA FERRUCHO

BOGOTÁ, 30 DE AGOSTO DE 2020

 
UALES

CONOMISTAS
OBABILIDAD

DA

020
Objetivos

El presente documento se desarrollan los ejercicios planteados por la guía numero 2 estadística descriptiva y
probabilidad, el cual tiene como objetivo dar una visión de la estadística y la aplicación de comportamientos de
conjunto de datos con una o más variables.
Para la segunda parte con ayuda de la herramienta de Excel se resolvieron las diferentes preguntas propuestas e
interpretaron los resultados.
mero 2 estadística descriptiva y
plicación de comportamientos de un

diferentes preguntas propuestas e

INTRODUCCIÓN
 
Con el desarrollo de esta guia, se pusieron en práctica los métodos y herramientas que permiten identificar datos e
una situación en específico. A través de diferentes ejemplos, se visualiza de manera amigable la forma en que esto
En esta guia en especial, se presenta con claridad las formas y formulas que permiten llegar a resultados desde cua
realiza una análisis estadístico para llegar a un escenario que presente un aproximado de la realidad.
Para esto, se utilizan diferentes fórmulas para hallar datos como la media, mediana, desviación estándar, cuartiles,
entre otros, así como gráficos para un mayor entendimiento de cada una de las circunstancias que se requieran an
Por otro lado, se presenta uno de los métodos para construir distribuciones de frecuencia, lo que facilitará el analis
sintetizando la información para un manejo mas eficiente y eficaz de los mismos.
De igual forma, en este trabajo se observará el cálculo de probabilidades con el uso de las herramientas matemátic
establecer predicciones aproximadas del comportamiento de algunas situaciones con base en el histórico de datos
métodos según el caso analizado con el cálculo de probabilidades, y la distribución de poisson, o la binomial.
as que permiten identificar datos estadísticos para la mejor comprensión de
era amigable la forma en que estos pueden ser hallados e interpretados.
miten llegar a resultados desde cualquier tipo de muestras, sobre las cuales se
imado de la realidad.
na, desviación estándar, cuartiles, rango intercuartil, tamaño de muestra,
circunstancias que se requieran analizar.
ecuencia, lo que facilitará el analis datos de una manera óptima y
s.
uso de las herramientas matemáticas y tecnológicas , lo cual permitirá
con base en el histórico de datos que se conozcan. Es así como se verificará
ión de poisson, o la binomial.
Tiempo de secado
(Horas)
2.5 a. ¿Cuál es el tamaño de la muestra anterior?
2.8 Respuesta: 15
2.8
2.9 b. Calcule la media de la muestra para estos datos.
3 Respuesta: 3.787
3.3
3.4 c. Calcule la mediana de la muestra.
3.6 Respuesta: 3.6
3.7
4 d. Grafique los datos utilizando una gráfica de puntos.
4.4 Respuesta:
4.8
4.8
5.2 2.5 Tiempo de secado de pintur
5.6 2
1.5
1
0.5
0
2 2.5 3 3.5 4 4.5

e. Calcule la media recortada al 20% para el conjunto de datos anterior.

Respuesta:
Tamaño de la muestra*20%= 3
Como nos dio un numero impar tenemos dos opciones:
1. No tenemos en cuenta un dato de cada extremo del conjunto de datos =
2. No tenemos en cuenta dos datos de cada extremo del conjunto de datos=
f. ¿La media muestral para estos datos es más o menos descriptiva como centro de localización, que la media rec
Respuesta:

Para este caso no hay mucha diferencia entre la media y la media recortada pero sigue siendo mas robusta la
recortada porque esta elimina la posibilidad de que se afecte por los datos extremos excluyendo del estudio
sistematicamente los valores altos y bajos.

g. Calcule la varianza y la desviación estandár de la muestra.

Respuesta:
Varianza Muestral 0.943
Desviación estandar Muestral 0.971
maño de la muestra anterior?

dia de la muestra para estos datos.

diana de la muestra.

datos utilizando una gráfica de puntos.

Tiempo de secado de pintura esmaltada (Horas)

2.5 3 3.5 4 4.5 5 5.5 6

conjunto de datos = 3.746

el conjunto de datos= 3.700
va como centro de localización, que la media recortada?

ia y la media recortada pero sigue siendo mas robusta la media

e afecte por los datos extremos excluyendo del estudio
Tabla 1. Logros educativos de la población de 25 años: 2016
Genero
Nivel educativo
Masculino Femenino Totales
Menos de diplo 11,841 11,613 23,454
Diploma de sec 30,780 31,221 62,001
Parte de univer 26,468 31,192 57,660
Titulo de licen 21,281 23,497 44,778
Titulo de maste 8,829 11,129 19,958
Título profesio 1,841 1,337 3,178
Título de docto 2,332 1,654 3,986
Totales 103,372 111,643 215,015
Fuente. United States Census Bureau (2016).

a. Construye un gráfico de barras agrupadas de género y nivel educativb. Comente sobre la naturaleza de género y
Respuesta: Respuesta:
Para esta encuesta seleccionaron a 215,015
hombres y 111,643 son mujeres, de lo cual
Logr os educati vos de la
1. Una mayor cantidad de mujeres están m
población de 25 años : 2016 oportunidades de estudiar.
Genero Masculino Femenino
2. Una baja cantidad de hombres sobresale
35000
profesional o doctorado.
30000
25000 3. La mayor cantidad de encuestados tienen
20000 cantidad tienen Título Profesional.
15000
10000 4. Más del 60% de las personas de referenc
5000 superior
0
ia ia d to er al do
dar ar i da jun st i on ra
n d s d a s o
cu un ve
r
/a m fe ct
se s ec ni ra de pro do
u t u lo e
de de de cia
lo d
a a e n T itu T ítu tu lo
om m rt e í
pl lo Pa lic T
di D ip de
de lo
nos T itu
e
M
 se c i ra de
se un tu pr d
de de lo lo de
a a de cia itu ítu lo
om om rte en T T
Tí
tu
pl pl Pa lic
di Di de
e lo
sd tu
en
o Ti
M
 la naturaleza de género y nivel educatico en Estados Unidos.

a seleccionaron a 215,015 personas, de las cuales 103,372 son

43 son mujeres, de lo cual podemos deducir lo siguiente:

ntidad de mujeres están más interesadas o tienen más

estudiar.

dad de hombres sobresalen sobre las mujeres al adquirir un título

ctorado.

idad de encuestados tienen diploma de secundaria, y la menor

Título Profesional.

de las personas de referencia, tienen Parte de Universidad o

Mediciones de conductividada
eléctrica (microsiemens por
centímetro
200 a. Encuentre la media.
215 Respuesta: 783.913
257
260 b. Encuentre la desviación estandar.
375 Respuesta: 627.285
384
424 c. Encuentre la mediana.
461 Respuesta: 513
486
488 d. Construya una gráfica de puntos.
500 Respuesta:
513
522
528 Mediciones de conducti vidada
557 1.5
789 1
810 0.5
1018 0
0 500 1000
1350
1499
2030 e. Encuentre la media recortada al 10%
2099 Respuesta:
2265 Tamaño de la muestra*10%=
1. No tenemos en cuenta un dato de cada extremo del conjunto de

f. Encuentre el primer cuartil.

Respuesta: 384

g. Encuentre el tercer cuartil.

Respuesta: 1018

h. Encuentre el rango intercuartil.

Respuesta: 634

i. Construya un diagrama de caja. j.¿Cuáles puntos, si los hay, son atípicos?

Respuesta: Respuesta: 2265, 2099, 2030, 1499

k.Si se hubiera construido un histograma, ¿estaria sesga

Respuesta:
Seria un histograma sesgado a la derech
mas grande que la mediana.

Diagrama de caja realizado a traves de la pagina: http://www.alcula.com/

s de conducti vidada eléctrica (microsiemens por centí metro

1000 1500 2000 2

2
dato de cada extremo del conjunto de datos = 741.1904762
hay, son atípicos?
65, 2099, 2030, 1499

do un histograma, ¿estaria sesgado a la izquierda, sesgado a la derecha, o casi simétrico?

ia un histograma sesgado a la derecha , porque la media es

s grande que la mediana.
2500
Ejercicio N° 4

David Wise ha manejado su propio portafolio de inversiones durante muchos

años. Abajo se enlista el periodo de tenencia (registrado al último año completo)
entre la compra y la venta de su colección de acciones
8 8
9 15

Rango
a)¿ Cuántas clases propone?
Respuesta 6 12

b) ¿Qué intervalo de clase sugiere?

Respuesta 2

c) ¿Qué cantidad utilizaría para el límite inferior de la clase inicial?

Respuesta [3-5)

d) Con base en sus respuestas a los puntos a, b y c, construya una distribución de frecuencias.
e) Identifique la apariencia de la distribución de frecuencias.
 6 11 11 9 8 5 11 4 8
8 8 12 5 9 8 5 9 10

Número de Amplitud de
MIN MAX
intervalos Intervalo
6.185599932557 2 3 15
APROX 6

Limite Inferior Limite superior Clases

3 5 [3-5)
5 7 [5-7)
7 9 [7-9)
9 11 [9-11)
11 13 [11-13)
13 15 [13-15)

Frecuencia Frecuenci Frecuencia Frecuencia

Absoluta a Relativa Relativa
Absoluta (%) acumulada
Acumulad (%)
2 2 6% 6%
a
7 9 20% 26%
 11 20 31% 57%
7 27 20% 77%
7 34 20% 97%
1 35 3% 100%

Clases Frecuencia
Relativa (%)
[3-5) 6%
[5-7) 20%
[7-9) 31%
[9-11) 20%
[11-13) 20%
[13-15) 3%
 5 14 7 12 8 6 11 9 7
11 3 9 8 6
Ejercicio N° 5
Para los siguientes datos

x 1.4 2.4 4 4.9

y 2.3 3.7 5.7 9.9

a) Realice una gráfica de dispersión de y contra x. ¿Es la relación entre x y y casi lineal, o no lo es?

b) Calcule el logaritmo natural de cada valor de y. Esto se conoce como hacer una transformación de logaritmo de y.

x 1.4 2.4 4
ln y 0.832909123 1.30833282 1.740466175
c) En general, es más fácil trabajar con cantidades que tienen una relación lineal aproximada que con cantidades que n

Reespuesta: En este caso considero que es más fácil trabajar con ln y porque la línea de tendencia muestra una relació
 5.7 6.3 7.8 9 9.3 11
6.9 15.8 15.4 36.9 34.6 53.2

Gráfica de Dispersión de Y contra X

60

50

, o no lo es? 40
EJE Y

30

20

10

0
0 2 4 6 8 10 12
EJE X

r= 0.914747508 Si hay una relación líneal positiva fuerte

sformación de logaritmo de y. Realice una gráfica de dispersión de Ln y contra x. ¿La relación de x contra Ln y es casi lineal, o n

4.9 5.7 6.3 7.8 9 9.3 11

2.292534757 1.931521412 2.76000994 2.734367509 3.608211551 3.543853682 3.974058396

ln y
4.5

3.5

2.5

1.5

0.5

0
0 2 4 6 8 10 12
 2

1.5

0.5

0
0 2 4 6 8 10 12

mada que con cantidades que no tienen una relación lineal. ¿Para estos datos, pensaría que es más fácil trabajar con x y y o con x

e tendencia muestra una relación líneal claramente definida positiva fuerte

x contra Ln y es casi lineal, o no lo es?
fácil trabajar con x y y o con x y Ln y? Explique
Ejercicio 6.

En cierto distrito de la ciudad de Cali se establece que la causa de 75 % de

todos los robos es la necesidad de dinero para comprar drogas. Calcule la
probabilidad de que entre los siguientes 5 casos de robo que se reporten en
este distrito

a) Exactamente 2 sean resultado de la necesidad de dinero para comprar drogas.

b) A lo sumo 3 resulten de la necesidad de dinero para comprar drogas.

𝑛=5
𝑝=0,75
𝑥=0,1,2,3,4,5

𝑝(𝑥=2) 0.087890625

𝑝(𝑥≤3) 0.3671875
 Según el diario USA Today (18 de marzo de 1997), de 4 millones de trabajadores, el 5.8 % resultó positivo en un

a) ¿Cuál es la probabilidad de que de 10 trabajadores que dieron positivo, 2 sean usuarios de cocaína, 5 sean usua

b) ¿Cuál es la probabilidad de que de 10 trabajadores que dieron positivos, todos son usuarios de marihuana?

c) ¿Cuál es la probabilidad de que de 10 trabajadores que dieron positivo, ninguno es un usuario de cocaína?

P(A), probabilidad de que consuman cocaína P(A) 0.225

P(B), probabilidad de que cosuman marihuana P(B) 0.544
P(C.), pobabilidad de que consuman otros medicamentos P(C.) 0.231

𝒂) 𝑃(𝐴, 𝐵, 𝐶)=(10!/((2!5!3!) ))(( 〖 0,225 〗 ^2 )( 〖 0,544 〗 ^5 )

( 〖 0,231 〗 ^3 ))=0,0749=7,49%
𝒃) 𝑃(𝐵)=𝐶_10^10 ( 〖 0,544 〗 ^10 ) 0.227%
〖 (1−0,544) 〗 ^(10−10)=0,00226=0,2%
𝒄) 𝑃(𝐴)=𝐶_0^10 ( 〖 0,225 〗 ^0 ) 〖 (1−0,255) 〗 ^(10−0)=0,078 7.817%
% resultó positivo en una prueba de drogas.

s de cocaína, 5 sean usuarios de marihuana y 3 sean usuarios de otros medicamentos?

uarios de marihuana?

usuario de cocaína?
Ejercicio 8.
Un fabricante de automóviles se preocupa por una falla en el mecanismo de freno de un modelo
ocaciones la falla puede causar una catástrofe al manejarlo a alta velocidad. La distribución del
año que experimentará la catástrofe es una variable aleatoria de Poisson con 𝜆=5.

a) ¿Cuál es la probabilidad de que, a lo sumo, 3 automóviles por año de ese modelo específico

La probabilidad esta dada por la distribución de Poisson, P(𝑥≤3) con 𝜇=5. Entonces.

𝑃(𝑋=0)=(5^0
𝑒^(−5))/0! 0.006737946999085 0.674%

𝑃(𝑋=1)=(5^1
𝑒^(−5))/1! 0.033689734995427 3.369%

𝑃(𝑋=2)=(5^2
𝑒^(−5))/2! 0.084224337488568 8.422%

𝑃(𝑋=3)=(5^3
𝑒^(−5))/3! 0.140373895814281 14.037%

𝑃(𝑋≤3)=
𝑃(𝑋=0)+𝑃(𝑋=1)+𝑃(𝑋=2)+𝑃(𝑋=3) 0.265025915297362 26.503%

b) ¿Cuál es la probabilidad de que más de un automóvil por año, experimenten una catástrofe?

La probabilidad esta dada por la distribución de Poisson, P(𝑥>1) con 𝜇=5. Entonces.

𝑃(𝑋=0)=(5^0
𝑒^(−5))/0! 0.006737946999085 0.674%

𝑃(𝑋=1)=(5^1
𝑒^(−5))/1! 0.033689734995427 3.369%

𝑃(𝑋>1)=1−𝑃(𝑋≤1) 0.959572318005487 95.957%

o de freno de un modelo específico. En raras
dad. La distribución del número de automóviles por
con 𝜆=5. 𝑃(𝑋)=(𝜇^𝑥 𝑒^(−𝜇))/𝑥!
ese modelo específico sufran una catástrofe?

𝜇=5. Entonces.

imenten una catástrofe?

n 𝜇=5. Entonces.
𝑒^(−𝜇))/𝑥!
CONCLUSIÓN:

A lo largo de esta guía se desarrollaron varios ejercicios para cumplir con el propósito de la misma de tener una vis
estadística y la probabilidad, y de su aplicación para describir el comportamiento de un conjunto de datos.

Para esto, se emplearon conceptos como gráficas estadísticas, descriptivas, distribuciones de probabilidad discreta,
distribuciones de probabilidad continua, distribución binomial, distribución Poisson. Y se desarrollaron los ejercici
aplicando estos conocimientos, empleando algunos softwares que contienen un paquete estadístico, como Excel y S
de Pearson.

En el aprendizaje y desarrollo de estos ejercicios aprendimos los diferentes métodos para plantear e interpretar dato
numéricos con el fin de tener una mayor capacidad de análisis y tomar decisiones o acciones con base a los resultad
ósito de la misma de tener una visión de la
de un conjunto de datos.

buciones de probabilidad discreta,

son. Y se desarrollaron los ejercicios
aquete estadístico, como Excel y Statdisk

dos para plantear e interpretar datos

s o acciones con base a los resultados.
REFERENCIA BIBLIOFRÁFICAS:

Triola, M., Pineda, L., y Medina, L. (2013). Estadística. México, Naucalpan de Juárez: Pearson.

Alvarado, J., y Obagi, J. (2008). Fundamentos de inferencia estadística. Bogotá́ : Editorial Pontificia Universidad

Anderson, D., Sweeney, D., Williams, T., y Hano, M. (2008). Estadística para administración y economía. México
Learning.

Lind, D., Marchal, W., y Wthen, S. (2015). Estadística aplicada a los negocios y la economía. México, D. F.: McG

Mendenhall, W. (2010). Introducción̤ a la probabilidad y estadística. México: Cengage Learning.

Navidi, W. (2006). Estadística para ingenieros y científicos. México D. F.: McGrawHill.

 rez: Pearson.

ditorial Pontificia Universidad Javeriana.

nistración y economía. México: Cengage

economía. México, D. F.: McGraw-Hill.

age Learning.

wHill.