Taller 1 - Martha

FACULTAD DE CIENCIAS EXACTAS E INGENIERÍA
ESCUELA DE MATEMÁTICAS
ESTADÍSTICA MATEMÁTICA
PRIMER TALLER - ESTADÍSTICA DESCRIPTIVA
ANGIE PAOLA OSORIO RIVERA
27 de abril de 2019
Docente:
Martha Lucia Corrales Bosio
1
PRIMER TALLER - ESTADÍSTICA DESCRIPTIVA
1. La directora de operaciones de una fábrica de cremas bronceadoras, quiere asegurarse de que el proceso que
se emplea para llenar los botes de 8 onzas (237 ml) está funcionando correctamente. Se selecciona una muestra
aleatoria de 100 botes de esta crema, se miden los contenidos y se almacenan los volúmenes (en ml). Describa el
estado del proceso a través de un análisis de las estadísticas descriptivas de los datos. Resuma los datos en una
tabla de distribución de frecuencias y realice los gráficos que estime convenientes.
237.00 236.00 244.00 238.00 236.00 232.00

241.00 231.00 240.00 236.00 241.00 238.00
234.00 236.00 233.00 245.00 229.00 241.00
234.00 240.00 231.00 231.00 247.00 249.00
241.00 231.00 238.00 242.00 241.00 242.00
235.00 224.00 238.00 238.00 229.00 234.00
242.00 236.00 240.00 233.00 242.00 232.00
229.00 249.00 232.00 243.00 243.00 238.00
242.00 236.00 240.00 234.00 237.00 238.00
233.00 246.00 240.00 244.00 234.00 241.00
242.00 238.00 234.00 237.00 235.00 236.00
231.00 234.00 237.00 231.00 234.00 238.00
231.00 236.00 234.00 240.00 235.00 243.00
236.00 245.00 233.00 231.00 232.00 238.00
242.00 237.00 231.00 239.00 231.00 237.00
239.00 242.00 235.00 231.00
Solución: Al consolidar toda la información en R se obtienen las siguientes medidas de tendencia central a
partir de los datos no agrupados suministrados
Mínimo = 224,0
Primer Percentil(25 %) = 233,8
Mediana o Segundo Percentil = 237,0
Media (Aritmetica) = 236, 9
Tercer Percentil(75 %) = 241,0
Máximo = 249,0
Ahora, se va a proceder a generar una tabla de distribución de frecuencias donde se dará el histograma de frecuen-
cias y el diagrama de torta.
2
Volúmenes (ml) Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado
224 1.00 1% 1%
228 1.00 1% 2%
229 3.00 3% 5%
231 11.00 11 % 16 %
232 5.00 5% 21 %
233 4.00 4% 25 %
234 9.00 9% 34 %
235 4.00 4% 38 %
236 9.00 9% 47 %
237 8.00 8% 55 %
238 10.00 10 % 65 %
239 3.00 3% 68 %
240 6.00 6% 74 %
241 6.00 6% 80 %
242 8.00 8% 88 %
243 3.00 3% 91 %
244 3.00 3% 94 %
245 2.00 2% 96 %
246 1.00 1% 97 %
247 1.00 1% 98 %
249 2.00 2% 100 %
Total 100.00 100 % 100 %
Histograma
12
11
Diagrama de Torta
10
10
234 233
9 9
232
235
8 8
231
8
236
229
Frequency
6 6
228
6
224
5 237 249
247
246
4 4 245
4
244
3 3 3 3
238 243
2 2
239 242
2
1 1 1 1
240 241
0
224 229 232 234 236 238 240 242 244 246 249 F IGURA 2. Diagrama de Torta
F IGURA 1. Histograma
Así, se observa que existe una moda en 231 ml ya que es el dato que tiene mayor número de repeticiones con
11 registros en la muestra de 100 valores.
3
Ahora, se van a presentar las medidas de dispersión arrojando los siguientes valores
Varianza (muestra) = 23,80798

Desviación estandar = 4,879342
Desviación absoluta media = 5,9304
Rango Intercuartilico = 7,25
Además, se observa el siguiente diagrama de caja
Grafico de caja
250
245
240
235
230
225
F IGURA 3. Diagrama de cajas
Por lo anterior, se puede evidenciar que no hay presencia de datos atípicos. Por último, se tiene que las medidas
de simétria arrojan el siguiente resultado
Asimétria = 0,132026
Curtosis = −0,3347278
Como conclusión se observa que la media se acerca mucho al valor deseado de 237 ml. Además, la mediana resulta
ser el valor deseado encontrando el rango de los valores en 234 a 241. No obstante, al sacar la tabla de frecuencias
se evidencia que el valor 231 es la moda de los datos y le sigue en número de apariciones el valor de 238 obteniendo
un resultado que no se esperaría al no ser una moda el 237. Luego, se encuentra en las medidas de dispersión que
las varianzas oscilan entre 4,8 − 6,0 siendo una dispersión muy cómoda con respecto a la muestra. Por último, la
asímétria positiva muestra que los valores están mayormente situados por debajo de la media pero no muy lejos y
tienen una forma platicúrtica. En ese orden de ideas, la medición obtuvo valores adecuados en los volúmenes de la
muestra recomendando aumentar mínimamente la cantidad del producto para llegar a obtener un resultado mucho
4
mejor.
1 # A N G I E PAOLA O S O R I O R I V E R A
2 # a n g i e . o s o r i o @ c o r r e o . usa . edu . co
3
4 # Importar datos desde Excel
5
6 library ( readxl )
7 Datos <− read_excel ("Datos1 − taller1 .xlsx")
8 Datos1 <− data. matrix (Datos)
9
10 # Medidas de tendencia central
11
12 X <− mean( Datos1 )
13 M <− median ( Datos1 )
14 Res <− summary ( Datos1 )
15
16 # Tabla de fracuencia
17
18 library ( epiDisplay )
19 T <− tab1(Datos1 , decimal = 1, sort.group = TRUE ,
20 cum. percent = !any(is.na( Datos1 )), graph = TRUE ,
21 missing = TRUE , bar. values = " frequency ",
22 horiz = FALSE , cex = 1, cex.names = 1, main = " Histograma ",
23 xlab = "auto", ylab = "auto", col = "auto", gen.ind.vars = FALSE)
24 Tab <− data.frame(T)
25 Tab [,1] <− NULL
26
27 # Importar a LaTeX
28
29 library ( xtable )
30 print ( xtable (Tab , type = "latex"),file = " Tabla_frecuencia .tex")
31
32 # Diagrama de torta
33
34 pie.sales <− c(Tab [ ,2])
35 pie.sales <− pie.sales[− length (pie.sales )]
36 A <− c(row.names(Tab ))
37 A <− A[− length (A)]
38 names(pie.sales) <− A
39 pie(pie.sales , labels = names(pie.sales),
40 radius = 1,main = " Diagrama de Torta")
41
42 # Medidas de dispersion
43
44 s2 = var( Datos1 )
45 s = sd( Datos1 )
46 abs_s = mad( Datos1 )
5
47 RIC = IQR( Datos1 )

48
49 # Boxplot
50
51 boxplot (Datos1 ,main = " Grafico de caja")
52
53 # Medidas de simetria
54
55 library ( timeDate )
56 library ( fBasics )
57 # asimetria
58 skewness ( Datos1 )
59 # curtosis
60 kurtosis ( Datos1 )
.
X

2. La siguiente tabla muestra el resumen de una muestra de 50 amas de casa acerca de las veces que van al
supermercado en una semana:
Calcular:
a. Promedio de las veces que las amas de casa van al supermercado semanalmente
b. Mediana de las veces que las amas de casa van al supermercado semanalmente
c. Moda de las veces que las amas de casa van al supermercado semanalmente
d. Varianza y desviación estándar de las veces que las amas de casa van al supermercado semanalmente
Solución: Con el uso del siguiente código en R se puede expresar cada uno de los valores solicitados
1 # A N G I E PAOLA O S O R I O R I V E R A
3
4 V1 <− c(1 ,2 ,3 ,4 ,5 ,6)
5 V2 <− c(12 ,15 ,8 ,6 ,5 ,4)
6
7 Dat <− data. frame(V1 ,V2)
6
8
10
11 # Media aritmetica
12
13 n <− sum( Dat$V2 )
14 x <− sum( Dat$V1 * Dat$V2 ) / n
15
16 # Determinar paridad de la cantidad de elementos
17
18 # n es par
19 if (n % % 2 == 0) {
20 k1 <− (n)/(2)
21 k2 <− (n/2)+1
22 k = (k1 + k2 )/2
23 par <− TRUE
24 } else { # n e s i m p a r
25 k <− (n +1)/(2)
26 par <− FALSE
27 }
28
29 # Variables temporales
30
31 Temp <− 0 # A c u m u l a r s u m a
32 Res <− 0 # G u a r d a r i n d i c e s
33
34 # Buscar el valor de la media
35 # caso par
36 if(par == TRUE ){
37 for (i in 1: length ( Dat$V2 )){
38 Temp <− Temp + Dat$V2 [i]
39 if(k < Temp ){
40 Res <− i
41 # Determinar la mediana
42 if ( k2 <= sum( Dat$V2 [1:i − 1]) ){
43 m <− Dat$V1 [i −1]
44 } else if (k1 <= sum( Dat$V2 [1:i − 1]) & k2 <= sum( Dat$V2 [1:i])){
45 m <− ( Dat$V1 [i −1] + Dat$V1 [i])/2
46 } else {
47 m <− Dat$V1 [i]
48 }
49 break ()
50 }
51 }
52 } else { # c a s o i m p a r
53 for (i in 1: length ( Dat$V2 )){
54 Temp <− Temp + Dat$V2 [i]
55 if(k < Temp ){
56 Res <− i
7
57 # Determinar la mediana
58 if ( k <= sum( Dat$V2 [1:i − 1]) ){
59 m <− Dat$V1 [i −1]
60 } else {
61 m <− Dat$V1 [i]
62 }
63 break ()
64 }
65 }
66 }
67
68 # Modas
69
70 moda <− c()
71 temp1 <− 0
72 for (j in 1: length ( Dat$V2 )){
73 if ( Dat$V2 [j]>temp1 ){
74 moda <− c()
75 moda [1] <− j
76 temp1 <− Dat$V2 [j]
77 } else if ( Dat$V2 [j]== temp1 ) {
78 w <− c(j)
79 moda <− c(moda ,w)
80 }
81 }
82
83
84
85 # Varianza
86
87 aux <− 0
88 for (inx in 1: length ( Dat$V1 )){
89 aux <− aux + ( Dat$V1 [inx] − x)^2 * Dat$V2 [inx]
90 }
91
92 S2 <− aux/n
93 S1 <− sqrt(S2)
Así, se obtienen los siguientes valores
Media (Aritmetica) = 2,78

Mediana = 2
Moda = 2
Varianza = 2,4516
.
8
X

3. La directora de Marketing de una importante compañía de telefonía móvil, obtuvo los registros de los minutos
consumidos por una muestra aleatoria de 110 abonados al plan más barato de la empresa (250 minutos mensuales,
plan abierto). Los resultados obtenidos fueron los siguientes:
271.00 236.00 294.00 252.00 254.00 263.00 266.00 222.00 262.00 278.00 288.00
262.00 237.00 247.00 282.00 224.00 263.00 267.00 254.00 271.00 278.00 263.00
262.00 288.00 247.00 252.00 264.00 263.00 247.00 225.00 281.00 279.00 238.00
252.00 242.00 248.00 263.00 255.00 294.00 268.00 255.00 272.00 271.00 291.00
263.00 242.00 288.00 252.00 226.00 263.00 269.00 227.00 273.00 281.00 267.00
263.00 244.00 249.00 252.00 256.00 263.00 252.00 261.00 245.00 252.00 294.00
288.00 245.00 251.00 269.00 256.00 264.00 252.00 232.00 275.00 284.00 252.00
263.00 274.00 252.00 252.00 256.00 254.00 269.00 234.00 285.00 275.00 263.00
263.00 246.00 294.00 252.00 231.00 265.00 269.00 235.00 275.00 288.00 294.00
263.00 247.00 252.00 269.00 261.00 266.00 269.00 236.00 276.00 248.00 298.00
Mínimo = 222,0
Máximo = 298,0
Ahora se va proceder a generar una tabla de distribución de frecuencias donde se dará el histograma de frecuencias
y el diagrama de torta.
9
Minutos Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado

222 10.00 9.1 % 9.1 %
224 1.00 0.9 % 10 %
226 1.00 0.9 % 10.9 %
231 1.00 0.9 % 11.8 %
236 1.00 0.9 % 12.7 %
237 1.00 0.9 % 13.6 %
238 1.00 0.9 % 14.5 %
242 2.00 1.8 % 16.4 %
244 1.00 0.9 % 17.3 %
245 1.00 0.9 % 18.2 %
246 1.00 0.9 % 19.1 %
247 3.00 2.7 % 21.8 %
248 2.00 1.8 % 23.6 %
249 1.00 0.9 % 24.5 %
251 1.00 0.9 % 25.5 %
252 11.00 10 % 35.5 %
254 1.00 0.9 % 36.4 %
255 1.00 0.9 % 37.3 %
256 3.00 2.7 % 40 %
261 1.00 0.9 % 40.9 %
262 12.00 10.9 % 51.8 %
263 18.00 16.4 % 68.2 %
264 1.00 0.9 % 69.1 %
266 10.00 9.1 % 78.2 %
267 1.00 0.9 % 79.1 %
269 2.00 1.8 % 80.9 %
271 2.00 1.8 % 82.7 %
274 1.00 0.9 % 83.6 %
275 1.00 0.9 % 84.5 %
278 2.00 1.8 % 86.4 %
279 1.00 0.9 % 87.3 %
281 1.00 0.9 % 88.2 %
282 1.00 0.9 % 89.1 %
284 1.00 0.9 % 90 %
288 5.00 4.5 % 94.5 %
291 1.00 0.9 % 95.5 %
294 4.00 3.6 % 99.1 %
298 1.00 0.9 % 100 %
Total 110.00 100 % 100 %
10
Histograma
18
15 12
11
Frequency
10 10
10
5
4
5
3 3
2 2 22 2
111111 111 11 11 1 1 1 11 1111 1 1
0
222 236 244 248 254 262 267 275 282 294
F IGURA 4. Histograma
Diagrama de Torta
251
249
248247
252 246
245
244
242
254
255 238
237
256 236
231
261 226
224
222
262
298
294
291
288
263 284
282
281
279
278
275
274
264 269271
266 267
F IGURA 5. Diagrama de Torta

11
Así, se observa que existe una moda en 263 minutos ya que es el dato que tiene mayor número de repeticiones
con 18 registros en la muestra de 110 valores.

Grafico de caja
300
280
260
240
220
Por lo anterior, se puede evidenciar que hay presencia de datos atípicos siendo aquellos personas que consumie-
ron entre 220 − 238 y 281 − 298 minutos. Además, se observa que los datos caen en su mayoría entre el primer
percentil y la mediana. Por último, se tiene que las medidas de simétria arrojan el siguiente resultado
Asimétria = −0,258531
Curtosis = −0,08052568
Como conclusión se observa que la media supera el valor del plan de 250 en 9 minutos. Además, la mediana resulta
ser Mayor que la media obteniendo que la mayoría de los datos estén entre el primer percentil y la mediana. No
obstante, al sacar la tabla de frecuencias se evidencia que el valor 263 es la moda de los datos y le sigue en número
de apariciones el valor de 262 obteniendo un resultado que no se esperaría al no ser una moda el 250. Luego, se
12
encuentra en las medidas de dispersión que las varianzas oscilan entre 14 − 18,5 siendo una dispersión muy alta
con respecto a la muestra. Por último, la asímétria negativa muestra que los valores están mayormente situados
por encima de la media pero no muy lejos y tienen una forma platicúrtica. En ese orden de ideas, se sugiere a la
directora de Marketing ofrecer un plan de adición de minutos sugiriendo un plan entre un intervalo de 260 − 270
para recoger a los usuarios que representan la mayoría. Ahora, también se puede considerar una mejora del plan a
280 minutos para asegurar que los usuarios no sobrepasen el limite.
1 # A n g i e P a o l a O s o r i o R i v e r a De C l a v i j o
3
5
7 Datos <− read_excel (" punto3 .xlsx")
9
11
12 x <− mean( Datos1 )
13 m <− median ( Datos1 )
14 res <− summary ( Datos1 )
15
16 # Tabla de frecuencia
17
22 horiz = FALSE , cex = 1, cex.names = 1, main = " Histograma ",
23 xlab = "auto", ylab = "auto", col = "auto",
24 gen.ind.vars = FALSE)
26 Tab [,1] <− NULL
27
28 # Exportar a LaTeX
29
30 # T a b $ o u t p u t . t a b l e . P e r c e n t <− p a s t e ( T a b $ o u t p u t . t a b l e . P e r c e n t , " % " )
31 # T a b $ o u t p u t . t a b l e . Cum . . p e r c e n t <− p a s t e ( T a b $ o u t p u t . t a b l e . Cum . . p e r c e n t , " %
32 # library ( xtable )
33 # p r i n t ( x t a b l e ( Tab , t y p e = " l a t e x " ) , f i l e = " t a l l e r 1.3 − t f . t e x " )
34
36
40 A <− A[− length (A)]
42 pie(pie.sales , labels = names(pie.sales), radius = 1,
13
43 main = " Diagrama de Torta")

44
46
48 s = sd( Datos1 )
51
52 # Boxplot
53
55
58 library ( timeSeries )
60 # asimetria
62 # curtosis
.
X

4. La demanda de agua embotellada aumenta durante la temporada de huracanes en la Florida. El director de

operaciones de una planta que embotella agua quiere estar seguro de que el proceso de embotellado de botellas de
un galón esté funcionando correctamente. Actualmente, la compañía está comprobando el volumen de las botellas
de 1 galón (3, 7854118 litros). Se toma una muestra aleatoria de 75 botellas. Estudie el proceso y presente un
informe del estado del proceso de embotellamiento a través del uso de estadísticas descriptivas y gráficas que
considere necesarias.
3.81 3.72 3.63 3.75 3.71 3.84

3.93 3.77 3.88 3.74 3.93 4.06
3.78 3.91 3.81 3.82 3.95 3.96
3.98 3.96 3.94 3.90 3.71 3.94
3.82 3.77 3.64 3.79 3.77 3.72
3.77 3.76 3.89 3.75 3.82 3.71
3.94 3.75 3.77 3.73 3.74 3.65
3.76 3.82 3.89 3.99 3.79 3.74
4.11 3.81 3.87 3.94 3.86 3.80
3.78 3.67 3.85 3.84 3.86 3.69
3.67 3.74 3.79 3.67 3.57
3.79 3.77 3.81 3.85 3.69
3.87 3.74 3.82 3.81 3.71
14
Mínimo = 3,570
Máximo = 4,110
Ahora, se va a proceder a generar una tabla de distribución de frecuencias donde se dará el histograma de frecuen-
cias y el diagrama de torta.
15
Volúmenes (ml) Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado
3.57 1.00 1.3 % 1.3 %
3.63 1.00 1.3 % 2.7 %
3.64 1.00 1.3 % 4%
3.65 1.00 1.3 % 5.3 %
3.67 3.00 4% 9.3 %
3.69 2.00 2.7 % 12 %
3.71 4.00 5.3 % 17.3 %
3.72 2.00 2.7 % 20 %
3.73 1.00 1.3 % 21.3 %
3.74 5.00 6.7 % 28 %
3.75 3.00 4% 32 %
3.76 2.00 2.7 % 34.7 %
3.77 6.00 8% 42.7 %
3.78 2.00 2.7 % 45.3 %
3.79 4.00 5.3 % 50.7 %
3.8 1.00 1.3 % 52 %
3.81 5.00 6.7 % 58.7 %
3.82 5.00 6.7 % 65.3 %
3.84 2.00 2.7 % 68 %
3.85 2.00 2.7 % 70.7 %
3.86 2.00 2.7 % 73.3 %
3.87 2.00 2.7 % 76 %
3.88 1.00 1.3 % 77.3 %
3.89 2.00 2.7 % 80 %
3.9 1.00 1.3 % 81.3 %
3.91 1.00 1.3 % 82.7 %
3.93 2.00 2.7 % 85.3 %
3.94 4.00 5.3 % 90.7 %
3.95 1.00 1.3 % 92 %
3.96 2.00 2.7 % 94.7 %
3.98 1.00 1.3 % 96 %
3.99 1.00 1.3 % 97.3 %
4.06 1.00 1.3 % 98.7 %
4.11 1.00 1.3 % 100 %
Total 75.00 100 % 100 %
16
Histograma
6
5 55
5
4 4 4 4
Frequency
3 3
3
2 2 2 2 2222 2 2 2
2
1111 1 1 1 11 1 1111
1
0
3.57 3.67 3.73 3.77 3.8 3.84 3.88 3.93 3.98
Diagrama de Torta
3.75 3.74 3.73

3.72
3.76
3.71
3.77 3.69
3.67
3.78
3.65
3.64
3.79 3.63
3.57
3.8 4.11
4.06
3.99
3.81 3.98
3.96
3.95
3.82 3.94
3.84 3.93
3.853.86 3.91
3.9
3.87 3.89
3.88

17
Así, se observa que existe una moda en 3,77 litros ya que es el dato que tiene mayor número de repeticiones
con 6 registros en la muestra de 75 valores.

Grafico de caja
4.1
4.0
3.9
3.8
3.7
3.6
Por lo anterior, se puede evidenciar que hay presencia de un dato atípico en 4,11 litros. Por último, se tiene que
las medidas de simétria arrojan el siguiente resultado
Asimétria = 0,4299727
Curtosis = 0,106257
Como conclusión se observa que la media se acerca mucho al valor deseado de 3, 7854118 litros. Además, la
mediana resulta ser muy cercana a el valor deseado encontrando el rango de los valores en 3,57 a 4,11. Luego,
al sacar la tabla de frecuencias se evidencia que el valor 3,77 es la moda de los datos y le siguen en número de
apariciones los valores de 3,74, 3,81, y 3,82 obteniendo un resultado esperarado al ser valores muy cercanos. Así,
se encuentra en las medidas de dispersión que las varianzas oscilan entre 0,8 − 0,11 siendo una dispersión muy
18
cómoda con respecto a la muestra. Por último, la asímétria positiva muestra que los valores están mayormente
situados por debajo de la media pero no muy lejos y tienen una forma platicúrtica. En ese orden de ideas, se
recomienda aumentar en una proporción muy mínima el contenido para ajustar más el producto al valor deseado.
1 rm(list = ls ())
2 cat("\014")
3
6
8
10 Datos <− read_excel (" punto4 .xlsx")
12
14
15 X <− mean( Datos1 )
16 M <− median ( Datos1 )
17 Res <− summary ( Datos1 )
18
19 # Tabla de fracuencia
20
25 horiz = FALSE , cex = 1, cex.names = 1, main = " Histograma ", x
26 ylab = "auto", col = "auto", gen.ind.vars = FALSE)
28 Tab [,1] <− NULL
29
31
32 # T a b $ o u t p u t . t a b l e . P e r c e n t <− p a s t e ( T a b $ o u t p u t . t a b l e . P e r c e n t , " % " )
33 # T a b $ o u t p u t . t a b l e . Cum . . p e r c e n t <− p a s t e ( T a b $ o u t p u t . t a b l e . Cum . . p e r c e n t , " %
35 # p r i n t ( x t a b l e ( Tab , t y p e = " l a t e x " ) , f i l e = " T a b l a _ f r e c u e n c i a . t e x " )
36
38
42 A <− A[− length (A)]
44 pie(pie.sales , labels = names(pie.sales), radius = 1,main = " Diagrama de
45
19
47
49 s = sd( Datos1 )
52
53 # Boxplot
54
56
61 # asimetria
63 # curtosis
.
X

3. Dos operarios elaboran la siguiente cantidad de productos en una fábrica durante ocho días:
Cuál de los dos operarios parece ser (Justifique en forma estadística sus respuestas)
a. Más eficiente
b. Más consistente (uniforme en su producción)
20
OPERARIO I:
Mínimo1 = 10,00
Primer Percentil1 (25 %) = 11,50
Mediana o Segundo Percentil1 = 13,00
Media (Aritmetica)1 = 12,88
Tercer Percentil1 (75 %) = 14,25
Máximo1 = 16,00
OPERARIO II:
Mínimo2 = 11,00
Primer Percentil2 (25 %) = 13,50
Mediana o Segundo Percentil2 = 15,00
Media (Aritmetica)2 = 14,50
Tercer Percentil2 (75 %) = 15,25
Máximo2 = 18,00
Ahora, se va a proceder a generar las tablas de distribución de frecuencias donde se darán los histograma de
frecuencias y los diagramas de tortas.
OPERARIO I:
Productos Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado

10 2.00 25 % 25 %
12 1.00 12.5 % 37.5 %
13 2.00 25 % 62.5 %
14 1.00 12.5 % 75 %
15 1.00 12.5 % 87.5 %
16 1.00 12.5 % 100 %
Total 8.00 100 % 100 %
OPERARIO I:
Productos Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado

11 1.00 12.5 % 12.5 %
12 1.00 12.5 % 25 %
14 1.00 12.5 % 37.5 %
15 3.00 37.5 % 75 %
16 1.00 12.5 % 87.5 %
18 1.00 12.5 % 100 %
Total 8.00 100 % 100 %
21
OPERARIO I:
Histograma Diagrama de Torta
2 2 12
2.0
10
1.5
Frequency
1 1 1 1 13
1.0
16
0.5
14 15
0.0
10 12 13 14 15 16
F IGURA 10. Histograma F IGURA 11. Diagrama de Torta
OPERARIO II:
Histograma Diagrama de Torta
3 14 12
3.0
2.5
11
2.0
Frequency
1.5
1 1 1 1 1
1.0
15 18
0.5
16
0.0
11 12 14 15 16 18
F IGURA 12. Histograma F IGURA 13. Diagrama de Torta
En los datos del Operario I se tiene que es bimodal siendo 10 y 13 las modas respectivas con dos apariciones.
Por el otro lado, se tiene que los datos del Operario II es unimodal. siendo 15 la moda con tres apariciones. Ahora,
se van a presentar las medidas de dispersión arrojando los siguientes valores
OPERARIO I:

22
OPERARIO II:

Además, se observan los siguientes diagramas de caja OPERARIO I:
Grafico de caja
16
15
14
13
12
11
10

23
OPERARIO II:
Grafico de caja
18
17
16
15
14
13
12
11
Por último, se tiene que las medidas de simétria arrojan los siguientes resultados
OPERARIO I:
Asimétria = −0,08175006
Curtosis = −1,557179
OPERARIO II:
Asimétria = −0,1401264
Curtosis = −1,174686
Por lo tanto el Operario II es más eficiente al obtener una media mucho mayor junto con un rango más alto.
Mientras que el Operario I resulta mucho más consistente en la producción ya que su varianza fue menor que la
del otro operario. Además, su asimétria está más cerca a tener un comportamiento normal.
1 rm(list = ls ())
2 cat("\014")
3
24
6
7 Ope1 <− c(10 ,12 ,13 ,14 ,15 ,16 ,13 ,10)
8 Ope2 <− c(12 ,15 ,18 ,16 ,15 ,14 ,11 ,15)
9
10 # Medidas de tendencia central Ope1
11
12 X1 <− mean(Ope1)
13 M1 <− median (Ope1)
14 Res1 <− summary (Ope1)
15
16 # Medidas de tendencia central Ope2
17
18 X2 <− mean(Ope2)
19 M2 <− median (Ope2)
20 Res2 <− summary (Ope2)
21
22 # Tabla de fracuencia Ope 1
23
25 T1 <− tab1(Ope1 , decimal = 1, sort.group = TRUE ,
26 cum. percent = !any(is.na(Ope1 )), graph = TRUE ,
28 horiz = FALSE , cex = 1, cex.names = 1, main = " Histograma ", x
30 Tab1 <− data.frame(T1)
31 Tab1 [,1] <− NULL
32
34
35 # T a b 1 $ o u t p u t . t a b l e . P e r c e n t <− p a s t e ( T a b 1 $ o u t p u t . t a b l e . P e r c e n t , " % " )
36 # T a b 1 $ o u t p u t . t a b l e . Cum . . p e r c e n t <− p a s t e ( T a b 1 $ o u t p u t . t a b l e . Cum . . p e r c e n t
38 # p r i n t ( x t a b l e ( Tab1 , t y p e = " l a t e x " ) , f i l e = " T a b l a _ f r e c u e n c i a _ o p e 1 . t e x "
39
40 # Diagrama de torta Ope1
41
42 pie. sales1 <− c(Tab1 [ ,2])
43 pie. sales1 <− pie. sales1[− length (pie. sales1 )]
44 A <− c(row.names(Tab1 ))
45 A <− A[− length (A)]
46 names(pie. sales1 ) <− A
47 pie(pie.sales1 , labels = names(pie. sales1 ), radius = 1,main = " Diagrama
48
49 # Tabla de fracuencia Ope 2
50
52 T2 <− tab1(Ope2 , decimal = 1, sort.group = TRUE ,
53 cum. percent = !any(is.na(Ope2 )), graph = TRUE ,
25
55 horiz = FALSE , cex = 1, cex.names = 1, main = " Histograma ", xlab

57 Tab2 <− data.frame(T2)
58 Tab2 [ ,1] <− NULL
59
61
62 # T a b 2 $ o u t p u t . t a b l e . P e r c e n t <− p a s t e ( T a b 2 $ o u t p u t . t a b l e . P e r c e n t , " % " )
63 # T a b 2 $ o u t p u t . t a b l e . Cum . . p e r c e n t <− p a s t e ( T a b 2 $ o u t p u t . t a b l e . Cum . . p e r c e n t , " % " )
65 # p r i n t ( x t a b l e ( Tab2 , t y p e = " l a t e x " ) , f i l e = " T a b l a _ f r e c u e n c i a _ o p e 2 . t e x " )
66
67 # Diagrama de torta Ope2
68
69 pie. sales2 <− c(Tab2 [ ,2])
70 pie. sales2 <− pie. sales2[− length (pie. sales2 )]
71 A <− c(row.names(Tab2 ))
72 A <− A[− length (A)]
73 names (pie. sales2 ) <− A
74 pie(pie.sales2 , labels = names(pie. sales2 ), radius = 1,main = " Diagrama de To
75
76 # Medidas de dispersion Ope1
77
78 s2_1 = var(Ope1)
79 s_1 = sd(Ope1)
80 abs_s_1 = mad(Ope1)
81 RIC_1 = IQR(Ope1)
82
83 # Medidas de dispersion Ope2
84
85 s2_2 = var(Ope2)
86 s_2 = sd(Ope2)
87 abs_s_2 = mad(Ope2)
88 RIC_2 = IQR(Ope2)
89
90 # Boxplot Ope1
91
92 boxplot (Ope1 ,main = " Grafico de caja")
93
94 # Boxplot Ope2
95
96 boxplot (Ope2 ,main = " Grafico de caja")
97
98 # Medidas de simetria Ope1
99
103 # asimetria
26
104 skewness (Ope1)

105 # curtosis
106 kurtosis (Ope1)
107
108
109 # Medidas de simetria Ope2
110
114 # asimetria
115 skewness (Ope2)
116 # curtosis
117 kurtosis (Ope2)
.
X

Taller 1 - Martha

Cargado por

Información del documento

Título original

Derechos de autor

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Taller 1 - Martha

Título original:

Cargado por

Copyright:

FACULTAD DE CIENCIAS EXACTAS E INGENIERÍA

PRIMER TALLER - ESTADÍSTICA DESCRIPTIVA

ANGIE PAOLA OSORIO RIVERA

PRIMER TALLER - ESTADÍSTICA DESCRIPTIVA

237.00 236.00 244.00 238.00 236.00 232.00

Varianza (muestra) = 23,80798

Además, se observa el siguiente diagrama de caja

F IGURA 3. Diagrama de cajas

47 RIC = IQR( Datos1 )

Así, se obtienen los siguientes valores

Media (Aritmetica) = 2,78

Minutos Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado

F IGURA 5. Diagrama de Torta

Varianza (muestra) = 341,3429

Además, se observa el siguiente diagrama de caja

F IGURA 6. Diagrama de cajas

43 main = " Diagrama de Torta")

4. La demanda de agua embotellada aumenta durante la temporada de huracanes en la Florida. El director de

3.81 3.72 3.63 3.75 3.71 3.84

3.57 3.67 3.73 3.77 3.8 3.84 3.88 3.93 3.98

F IGURA 7. Diagrama de cajas

3.75 3.74 3.73

F IGURA 8. Diagrama de cajas

Varianza (muestra) = 0,01048728

Además, se observa el siguiente diagrama de caja

F IGURA 9. Diagrama de cajas

Productos Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado

Productos Frecuencias Absoluta Simple (FAS) Porcentaje de FAS Porcentaje Acumulado

Histograma Diagrama de Torta

F IGURA 10. Histograma F IGURA 11. Diagrama de Torta

Histograma Diagrama de Torta

F IGURA 12. Histograma F IGURA 13. Diagrama de Torta

Varianza (muestra) = 4,696429

Varianza (muestra) = 4,857143

Además, se observan los siguientes diagramas de caja OPERARIO I:

F IGURA 14. Diagrama de cajas

F IGURA 15. Diagrama de cajas

55 horiz = FALSE , cex = 1, cex.names = 1, main = " Histograma ", xlab

104 skewness (Ope1)

Intereses relacionados

También podría gustarte