LAB-01-Mat - Apli.Electr - SOLUCION

Matemática Aplicada a la
Electrónica
Estadística con Excel
➢ Integrantes:
- Navarro Juarez Jairo Jahir
- Cerna Perez Paulo Cesar
- Tucno Nuñez Vladimir
➢ Carrera:
- Electrónica y Automatización
Industrial
➢ Sección:
- C
➢ Docente:
- Ing. Jorge D. Mendoza
Ejercicio 1)
En un salón de clase se propone realizar una actividad de contaje de frejoles para
experimentar el fenómeno estadístico de variabilidad de los datos.
-Indicaciones:
• El aula está formada por 5 filas de carpetas
• Se elige un representante por cada fila
• Cada uno recibe una bolsa de frejoles
• De esta bolsa, saca varios puñados
• Los puñados se reparten en la fila
• Cada alumno en la fila ayuda contando
-Los resultados del experimento se muestran a continuación:
-Se plantea una pregunta:

• ¿Cómo podemos presentar los resultados del experimento?
• Para esto, realice lo siguiente:
a) Ingrese los datos en una hoja de cálculo de Excel
b) Calcule el contaje promedio por cada fila
c) Calcule la desviación estándar por cada fila
d) Calcule el coeficiente de variación por cada fila
e) Calcule el rango por cada fila
f) Muestre los valores máximos y mínimos en cada caso
g) Finalmente, realice estos cálculos considerando todos los datos
Solución:
El ejercicio 1 nos plantea una aplicación de la estadística con Excel, para
ello copiamos los datos en nuestra hoja de cálculo tal como se aprecia en
la tabla 1. Cada valor numérico dentro de las celdas, de color celeste,
representa la cantidad de frejoles que toma cada alumno por puñado.
Columnas de las carpetas

Filas de las carpetas
A B C D E
1 83 72 84 80 75
2 74 86 97 75 78
3 84 67 88 73 72
4 88 68 99 67 62
5 82 85 82 84 86
6 85 108 76 74 82
7 84 73 88 68 70
8 78 91 95 68 80
9 81 82 79 73 63
10 76 102 114 68 90
Tabla 1
-Promedio por cada columna:
Calcular el promedio por cada columna nos brindará una idea aproximada
de cuantos frejoles en promedio selecciona cada alumno por puñada por
columna. En la tabla 2 se muestra los resultados calculados en nuestra
hoja de cálculo.
Cantidad de fregoles
Promedio de la columna A 82
Promedio de la columna B 83
Promedio de la columna C 90
Promedio de la columna D 73
Promedio de la columna E 76
Promedio total 81
Tabla 2
Los resultados son los siguientes:
-En la columna A cada alumno saca por puñada 82 frejoles en promedio.
-En la columna B cada alumno saca por puñada 83 frejoles en promedio.
-En la columna C cada alumno saca por puñada 90 frejoles en promedio.
-En la columna D cada alumno saca por puñada 73 frejoles en promedio.
-En la columna E cada alumno saca por puñada 76 frejoles en promedio.
Después de haber obtenido estos datos viene la pregunta ¿Cuántos frejoles
toma cada alumno por cada puñada? Para resolver está pregunta tenemos
que sacar el promedio de todos los datos obtenidos y se tiene como
resultado el promedio total que es de 81 frejoles (tabla 2).
Por consiguiente, se genera la siguiente interrogativa: ¿Cómo
interpretamos el promedio total? . Esto nos indica que aproximadamente
cada alumno por puñada saca 81 frejoles en promedio.
-Promedio por cada fila:
Calcular el promedio por cada fila, a diferencia del promedio por columnas,
nos brindará una idea aproximada de cuantos frijoles saca cada alumno por
puñada en cada fila de las 10 en total; obtendremos datos diferentes a los
datos obtenidos en promedio por columna. Sin embargo, hay que tener en
cuenta que el promedio total nos debe dar igual. En la tabla 3 se muestra
los datos obtenidos en nuestra hoja de cálculo.
Cantidad de
frejoles
Promedio de la fila 1 79
Promedio total 81
Tabla 3
Los resultados son los siguientes:
-Por cada alumno ubicado en la fila 1 saca por puñada 79 frijoles.
Tal como se dijo anteriormente el promedio total nos debería dar igual, ya
que es el promedio que cada alumno saca por puñada. Entonces, según
nuestra hoja de cálculo:
cada alumno por puñada saca 81 frejoles en promedio.
-Desviación estándar por cada fila:
Calcular la desviación estándar nos ayudará a saber que tan dispersos
están los datos alrededor del promedio.
Desviación estándar fila 1 4.622

Tabla 4
Para una mejor interpretación los datos de la tabla 4 las aproximamos a un
numero entero y se obtiene la tabla 5.
Desviación estándar por filas
Desviación estándar fila 1 5
Tabla 5
Los resultados obtenidos de la desviación estándar por filas nos dan a
entender lo siguiente:
-En la fila 1 la desviación estándar se desvía del promedio en 5 frejoles.
Coeficiente de variación por cada fila:
El coeficiente de variación nos ayudará a describir la variación en los datos
con respecto al promedio. Mientras mayor sea el coeficiente de variación,
mayor será la dispersión en los datos.
Coeficiente de variaciòn por fila
Fila 1 0.0587
Fila 2 0.1049
Fila 3 0.1027
Fila 4 0.1851
Fila 5 0.0191
Fila 6 0.1431
Fila 7 0.1037
Fila 8 0.1171
Fila 9 0.0930
Fila 10 0.1859
Tabla 6
Máximos y mínimos por cada fila
En los máximos nos ayudará a entender cuál es la cantidad máxima sacada
por cada puñado en cada fila (tabla 7)
Máximos por cada fila
Fila 1 84
Fila 2 97
Fila 3 88
Fila 4 99
Fila 5 86
Fila 6 108
Fila 7 88
Fila 8 95
Fila 9 82
Fila 10 114
Tabla 7
Se obtiene que:
-En la fila 1 la máxima cantidad de frejoles sacada por puñado fue de 84
frejoles.
frejoles.
frejoles.
frejoles.
frejoles.
frejoles.
frejoles.
frejoles.
frejoles.
frejoles.
Se puede deducir que la fila 10 fue donde más frejoles se extrajeron de la
bolsa. Por otro lado, los mínimos nos ayudarán a entender cuál es la
cantidad mínima de frejoles extraída en cada puñado por fila (tabla 8).
Mínimos por cada fila
Fila 1 72
Fila 2 74
Fila 3 67
Fila 4 62
Fila 5 82
Fila 6 74
Fila 7 68
Fila 8 68
Fila 9 63
Fila 10 68
Tabla 8
Según la tabla 8 , obtenida de nuestra hoja de cálculo , la fila en dónde
menos se extrajo frejoles fue en la fila 4 , ya que solo de un puñado se
extrajeron 62 frejoles.
¿Cómo cambiarían los resultados del experimento si definimos que el
rango válido de contaje es N = [70 100]?
Si el rango de contaje de los frejoles cambia en el intervalo N = [70 100],el
mínimo sería 70 frejoles y el máximo 100 frejoles, esto nos daría resultados
distintos a los ya obtenidos, ya que según nuestra tabla número 8 ,el
mínimo es de 62 frejoles extraídos en la fila 4 y en la tabla número 7 el
máximo es de 114 frejoles extraídos en la fija 10 . Es decir, en nuestros
datos tenemos los intervalos A= [62, 114] en el cual la diferencia es
bastante con el intervalo propuesto N = [70 100] .
Ejercicio 2)
En el laboratorio de instrumentación se cuenta con 10 mesas rectangulares.
Se desea realizar un análisis estadístico del perímetro y área de su parte
superior.
• Se procede a realizar la medición de sus lados y se reportan los

resultados en milímetros:
Preguntas:
• ¿Cómo se calcula el perímetro y el área?
• Realizar el análisis estadístico respectivo, presentando:
a) Perímetro: (μ±σ), μ: Promedio, σ: Desviación estándar
b) Area estimada
c) Histograma/diagrama cajas y bigotes (con interpretación)
d) Explicación: causas de diferencias/errores encontrados
Solución:
1- ¿Cómo se calcula el perímetro y el área?
Tal como se puede apreciar las mesas no todas son rectangulares, ya que
presentan variaciones en sus medidas en cada lado y como consecuencia
obtendremos errores al momento de calcular el área. Cabe mencionar, que
la mesa número 1 (fila 1) es la única mesa rectangular, ya que presenta
medidas iguales en su base y en su lado , por ello la utilizaremos más
adelante para encontrar nuestro índice de error.
2-Encontrando el perímetro estimado:
Para encontrar el perímetro estimado solo hay que sumar en nuestra hoja
de cálculo toda la medida de las mesas:
Perímetro estimado
Mesa 1 2994 mm
Mesa 2 2994 mm
Mesa 3 2996 mm
Mesa 4 3001 mm
Mesa 5 3002 mm
Mesa 6 3005 mm
Mesa 7 3002 mm
Mesa 8 3001 mm
Mesa 9 3003 mm
Mesa 10 3002 mm
Tabla 9
3-Promedio:
El promedio nos dará un aproximado de cuál es la medida del ancho y largo
de cada mesa. Lo ideal es que el largo mida 1000 mm y su ancho 497 mm ,
ya que es un rectángulo por presentar medidas que guardan relación con
sus medidas opuestas. A continuación, se presenta las medidas en
promedio obtenidas nuestra hoja de cálculo (tabla 10).
Promedio
del ancho
Ancho mesa 1 (L1) 499.3 mm
Promedio
del largo
Promedio de Largo (L2) 1000.6 mm
Tabla 10
En la tabla 10 se muestra el promedio obtenido de todo los largos y anchos
del total de mesas, estos datos obtenidos deberían coincidir con los
promedios de los otros lados (L3 y L4) ya que son sus opuestos y se debería
tener un promedio igual al de la tabla 10, veamos lo que obtenemos en
nuestra siguiente tabla (tabla 11).
Promedio
del ancho
Ancho mesa 1 (L3) 500 mm
Promedio
del largo
Promedio de Largo (L4) 1000.1 mm
Tabla 11
Tal como se pudo adelantar anteriormente, los promedios no coinciden ya
que las medidas opuestas no son igual, excepto en la primera mesa , se
tendría mesas descuadradas .
Para tener una sola medida de promedio de ancho y largo se calcula el
promedio del ancho L1+L3 y el promedio de largo L2+L4 y se obtiene lo
siguiente:
Promedio
del ancho
Ancho mesa (L1)+(L3) 499.65 mm
Promedio
del largo
Promedio de
Largo(L2)+(L4) 1000.35 mm
Tabla 12
En la tabla 12 se tiene el promedio total de las mesas por su largo y su
ancho.
4- Desviación estándar:
En la desviación estándar nos indicará que tan dispersos están las medidas
alrededor del promedio.
Desviación estándar del ancho L1 2.15
Desviación estándar del ancho L3 1.84
Tabla 13
Como resultado se tiene que:
-En promedio el ancho L1 se desvía de la media en 2.15 mm
aproximadamente.
aproximadamente.
Desviación estándar del largo L2 1.11
Desviación estándar del largo L4 1.22
Tabla 14
Como resultado se tiene que:
-En promedio el largo L2 se desvía de la media en 1.11 mm
aproximadamente.
aproximadamente.
5-Àrea estimada:
El área ideal sería el de la primera mesa que es de 497000 mm2, ya que sus
medidas del ancho y largo coinciden con sus opuestos. Lo factible es
calcular el área independientemente por cada lado y ancho de las 10 mesas
y al final obtener un promedio del área tal como se puede apreciar en las
siguientes tablas:
Área estimada L1*L2
Mesa 1 497000 mm2
Mesa 2 495000 mm2
Mesa 3 496503 mm2
Mesa 4 501000 mm2
Mesa 5 501000 mm2
Mesa 6 501000 mm2
Mesa 7 501500 mm2
Mesa 8 499499 mm2
Mesa 9 502000 mm2
Mesa 10 501501 mm2
Promedio
del área 499600.3 mm2
Tabla 15
Área estimada L3*L4
Mesa 1 497000 mm2
Mesa 2 499998 mm2
Mesa 3 498996 mm2
Mesa 4 499499 mm2
Mesa 5 501000 mm2
Mesa 6 502502 mm2
Mesa 7 498498 mm2
Mesa 8 501994 mm2
Mesa 9 501000 mm2
Mesa 10 500000 mm2
Promedio
del área 500048.7 mm2
Tabla 16
Se obtiene como resultado un área estimada de:
Promedio total del área: 499824.5mm2
6-Histograma:
Usaremos un histograma para calcular el numero de mesas dado en un
intervalo:
Histograma 1
Se tiene que hay 3 mesas entre las áreas [495000,499100] mm2 y 7 mesas entre
las áreas [499100,503200]mm2.
Histograma 2
Se tiene que hay 4 mesas entre las áreas [497000,499700]mm2 , 5 mesas entre las
áreas [497000,502400]mm2 y solo 1 mesa entre las áreas [502400,505100]mm2.
Ejercicio 3)
Las válvulas de control se utilizan para regular condiciones de operación
de un proceso, tales como flujo, presión o temperatura. Mediante su
apertura se permite el paso en mayor o menor medida de un cierto
componente según se requiera.
Se lleva a cabo un experimento aplicando señal a una válvula de 0 a 100%

y anotando el valor que alcanza la variable de proceso.
Realice/responda lo siguiente:
a) Presente diagrama de dispersión
b) Calcule el coeficiente de correlación
c) ¿Existe relación lineal entre la entrada y la salida?
d) ¿Podría encontrar 3 regiones donde la relación se podría considerar
lineal?
Solución:
1-Diagrama de dispersión:
El problema nos habla sobre una válvula de control el cual regula el paso de
un determinado componente. El diagrama de dispersión nos mostrará
como estas dos variables (señal de entrada y señal de salida) se relacionan
entre si. A continuación, se muestra la tabla 17.
Diagrama de dispersión
100
90
87.5 87.5 87.5
85.2 86.4 87.2
82.6
80 79.9
75.5 77.5
70 70.9
64.8
60 59.5
50 50.7
40 39.5
30 30.4
20 20.2
10 9.8
5.2
0 0 2.1
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105
Series1 Series2 Series3
Diagrama de dispersión 1
Tal como se muestra en el Diagrama de dispersión la variable X (Señal de
entrada al sistema) con la variable Y (Señal de salida) guardan cierta
relación, ya que desde la señal de entrada (Eje X) de 0% hasta el 85% la señal
de salida se relaciona directamente proporcional. Después la señal de
entrada (Eje X) desde el 90 % con la señal de salida (Eje Y) la relación se
mantiene constante.
2 Coeficiente de correlación:
El coeficiente de correlación en nuestra hoja de cálculo nos sale un numero
positivo muy cercano a uno, esto sucede ya que hay una relación
proporcional entre ambas variables.
Coeficiente de correlación: 0.94713886
3 ¿Existe relación lineal entre la entrada y la salida?

No, ya que para una relación lineal entre la entrada y la salida su coeficiente
de correlación debería ser 1 .
4 ¿Podría encontrar 3 regiones donde la relación se podría considerar
lineal?
Las regiones donde el coeficiente de relación se aproxima a nuestro a 1 son
las siguientes:
Diagrama de dispersión 2
Coeficiente de correlación cercano a 1
X Y
15-25 9.8-30.4 0.99998
30-40 39.5-59.5 0.998
45-55 64.8-75.5 0.997
Tabla 17
Ejercicio 4)
En una planta cervecera se desea implementar un mecanismo sencillo que
permita evaluar automáticamente si las etiquetas en la línea de producción
se están colocando correctamente.
• Se propone emplear como mecanismo de detección la correlación

que existe entre una etiqueta de muestra y un patrón
predeterminado. Para esto, se debe representar una imagen en
forma de un vector binario. Como ejemplo de esto se propone
trabajar con las siguientes imágenes simplificadas:
• Patrón: Número 4
• Muestra 1: Número 4 con poco ruido
• Muestra 2: Número 4 con mucho ruido
• Muestra 3: Número 2
Ejemplos:
• La fila 1 del patrón se puede expresar como: [0 1 1 1 0]
• La columna 2 de la muestra 1 como: [0 1 0 1 1]
• Se debe binarizar cada imagen sea avanzando por filas o columnas,
al final debe quedar un vector.
Realice/responda lo siguiente:
a) Binarice las imágenes mostradas
b) Calcule la correlación con el patrón
c) ¿Se correlacionan las muestras con el patrón?
d) ¿Qué tan robusto es este método? (¿qué nivel de ruido soporta?)
1-Binarice las imágenes mostradas
Primero es importante binarizar el patrón en el cual se basará todas las
etiquetas:
El patrón a seguir durante todo el proceso
COLUMNAS
0 1 1 1 0
FILAS
0 1 1 1 0
0 0 0 0 0
1 1 1 1 0
1 1 1 1 0
Tabla 18
Binarizaciòn de la muestra 1 (Etiqueta con poco ruido)
Muestra 1 (POCO RUIDO)
COLUMNAS
0 0 1 1 0
FILAS
0 1 1 1 0
0 0 0 0 0
1 1 1 1 0
1 1 1 1 1
Tabla 19
Binarizaciòn de la muestra 2 (Etiqueta con mucho ruido)
Muestra 2 (MUCHO RUIDO)
COLUMNAS
0 1 1 1 0
FILAS
0 1 0 1 1
0 0 1 0 0
0 1 1 1 0
1 1 1 1 0
Tabla 20
Binarizaciòn de la muestra de la muestra 3 (Etiqueta con número 2)
Muestra 3 (NÙMERO 2)
COLUMNAS
0 0 0 0 0
FILAS
1 1 1 1 0
0 0 0 0 0
0 1 1 1 1
0 0 0 0 0
Tabla 21
2-Calcule la correlación con el patrón ¿Se correlacionan las muestras con
el patrón?
Para encontrar un parecido en el etiquetado de las etiquetas se procede a
calcular el coeficiente de correlación entre columnas de la etiqueta con la
etiqueta patrón , si el resultado es 1 entonces hay parecido de lo contrario
no serían similares.
A continuación, se muestra un ejemplo de como se ha obtenido el
coeficiente de correlación .En la primera ambas son idénticas , entonces
su coeficiente de correlación será 1 , así se hará con todas las etiquetas.
En la tabla 22 se puede ver que casi todas las columnas de la etiqueta de
muestra numero 1 es parecida en las columnas 1,3 y 4. Sin embargo, en la
columna 2 y 5 hay un ruido que distorsiona de la etiqueta patrón, ya que
los coeficientes de correlación son menores a 1 .
Coeficiente de correlación (Por columnas) de la muestra 1 con el patrón
Columna 1 Columna 2 Columna 3 Columna 4 Columna 5
1 0.61 1 1 #¡DIV/0!
Tabla 22
En la tabla 23 se puede que solo la columna 2 y 4 guardan relación con la
etiqueta patrón. Asimismo, en la columna 3 se puede apreciar que está de
color rojo, ya que se tiene un coeficiente negativo ; esto debido a que no
guarda ninguna relación en lo más mínimo con la etiqueta patrón .
Coeficiente de correlación (Por columnas)de la muestra 2 con el patrón
0.61 1.00 -0.25 1 #¡DIV/0!
Tabla 23
En la tabla 24 se puede apreciar que ninguna columna guarda relación
con la etiqueta patrón.
Coeficiente de correlaciòn (Por columnas)de la muestra 3 con el patròn
-0.41 0.41 0.41 0.41 #¡DIV/0!
Tabla 24
3-¿Qué tan robusto es este método? (¿qué nivel de ruido soporta?)
Este método es factible, ya que con el coeficiente de correlación se puede
llevar el control del modelado de las etiquetas que se estampan en las
cervezas. Asimismo, el nivel máximo de ruido permitido es el de la
etiqueta de muestra numero 1 , ya que los coeficiente de correlación en
su mayoría son 1 .
Nivel máximo de ruido permitido por columnas (Etiqueta modelo 1) :
Coeficiente de correlación (Por columnas)de la muestra 1 con el patrón
1 0.61 1 1 #¡DIV/0!
Tabla 25
Bibliografía:
-https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/statistics/basic-statistics/how-to/store-descriptive-statistics/interpret-
the-statistics/interpret-the-
statistics/#:~:text=Por%20lo%20general%2C%20una%20desviaci%C3%B3n
,la%20media%20de%20la%20poblaci%C3%B3n.
-https://support.microsoft.com/es-es/office/calcular-el-promedio-de-un-
grupo-de-n%C3%BAmeros-e158ef61-421c-4839-8290-34d7b1e68283

LAB-01-Mat - Apli.Electr - SOLUCION

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

LAB-01-Mat - Apli.Electr - SOLUCION

Cargado por

Copyright:

Formatos disponibles

Matemática Aplicada a la

-Se plantea una pregunta:

Columnas de las carpetas

Desviación estándar fila 1 4.622

• Se procede a realizar la medición de sus lados y se reportan los

Se lleva a cabo un experimento aplicando señal a una válvula de 0 a 100%

Series1 Series2 Series3

3 ¿Existe relación lineal entre la entrada y la salida?

• Se propone emplear como mecanismo de detección la correlación

También podría gustarte