Universidad Nacional Auténoma de México Facultad de Ingenieria Profesor(a): Amanda Lolita Pineda Norman, Semestre 2022-2 ‘Tarea No 3: Estadistica Descriptiva Fundamentos de Estadistica Grupo: 7 Alumno: Vazquez Reyes Sebastién Fecha: 14/03/2022Pregunta 1. Considera las calificaciones (con escala de 0 a 100) de 30 estudiantes en la materia de raciones mecanicas, distribuya en 5 clases y conteste los siguientes incisos: 100 | 78 8 | 68 8 68 6 7° | 84 | 46 36 76 40 7 88 3 30 Cy 70 oe [30 7 ES 82 5 78 60 7 33] 100 a) Calcula la media y la varianza para datos no agrupados. Usa R 0 Python, ) Realiza a mano o R una tabla de distribucién de frecuencias completa (Clase, intervalo, marca do clase, frecuencia, frecuencia acumulada, frecuencia relativa y frecuencia acumulada relativa) ¢) Realiza a mano o en R (Python) un poligono de las frecuencias relatvas cerrado. Resolucion: Ordenamos ia taba [30 36 40 45 46] 52 58 60 67 67 68 68 ee 68 68 70 7 7 70 78 (e880 98] 0000 a) Calcula la media y la varianza para datos no agrupados. Usa R o Pythonb) Realiza amano o R una tabla de distribucién de frecuencias completa (Clase, intervalo, marca de clase, frecuencia, frecuencia acumulada, frecuencia relativa y frecuencia acumulada relativa) Joi O CE ecead lola 20©) Realza amano on R (Python) un Poligono de las frecuencia relatives cerrado, Ejercicio 1 20 60 oP as marca de case %de las y. ©) Calcula a mano la media, mediana, la moda, la varianza insesgada y desviacién estandar (datos agrupados) Resolucién: 2) Completa la siguiente de tabla de distribucién de frecuencias (td. La frecuencia acumulada es la suma de las frecuencias del intervalo actual y los intervalos anteriores, Poor lo tanto: Clase 1:Fi= 5 ; Clase 2: fi=11-5=6 ; Clase3:Fi=5+6+13= 24 ; Clase 4: fi=33-24=9 ; Clase5:Fi=33+3=36 Notamos que los intervalos tienen un valor de 25: 261-236 = 25, 286 ~ 261 = 25, La marca de clase es el valor promedio del intervalo, entonces: 2364261 ja zitzas Clase 1: xi = 248.5 ; Clase 2: xi 7 73.5 ; Clase 3: BESH = 2085 ; Clase 4: xi= SS— 3235 ; Clases: xi= S84 = 3485 Calculames la frecuencia Relativa, entonces. Clase 1: % = 0.138 ; Clase 3: 3 = 0.361 ; Clase 4: = 0.25 ; Clase 5:- = 0.083 Calculamos la frecuencia Acumulada Relativa, entonces: i e; ae ele osie 7 38 ie Clase 2: 2 = 0.305 ; Clase 3: $= 0.6 ; Clase 4: = 0.916 ; ClaseS:e= 1 Frecuencia Frecuencia | Frecuencia Marca de | Frecuencia Acumulada Intervalo Acumulada | Relativa clase (xi) (fy Relativa Fi) (fir) | (Fr) 1 [236-261] | 2485 5 5 0.138 0.138 2 (261-286) | 273.5 6 " 0.16 0.305 3 (286-317) | 208.5 B 24 0.367 06 4 (311-336) | 323.5 9 ES 0.25 0.916 5 (336-361) | 3485 ane Ce b) De la tf. del inciso, zcual es el valor de n (datos totales) y de c (longitud de ctase)?. El valor de n es el ultimo valor de la frecuencia acumulada (Fi), Rango = 361-236 =125 + =36, La longitud de clase es:em Btnas “a © ©) Realiza a mano un histograma con las frecuencias. Nota: etiquetar al eje de las x y al eje de las y. Eoacaucass 3 Frecuencia TS : Site Haress de Clos > 248.5 46S 4) Realiza a mano una ojva de frecuencia acumulada relativa. Nota: etiquetar al eje de las x y al eje de las y.a+ uf Bre ARS IS IAGO,4 17, (NS S298 BI0,"9 CONT 03 0,49 G3 189 boowd Sea4.al 20.7 TSIONS OL 2930764 tsp Gantt) aneeee / ADedviocion calender | Toss, - lebenes = 18,908 Pregunta 3. Para probar si un tratamiento reductor de peso es eficiente se toma una muestra de 10 Personas, se anotan sus pesos en kilogramos antes y después del tratamiento, y se obtienen los datos de la tabla siguiente: Persona] 1 2 3 + 5 6 7 8 pen Antes [81 | 75 | 74 | 69 | 7 | 72 | 70 |e | 75 | 7 Después| 75 | 72 | 71 | 67 | 68 | 7 | 68 | | 72] 73 4) Realiza una grafica de los puntos (Antes y Después) en R o Python con lineas suavizadas y marcadores. 2Qué se puede comentar sobre ol tratamiento reductor aplicado (antes y después)?Ejercico 3 Se puede afirmar que el tratamiento es efectivo en todos los individues, y mientias mas grande sea el 'Pes0 original del individuo, sufre una reduccién de peso mayor. b) Calcula ta media para ambos pesos en Ro Python. ¢) Mediante la varianza insesgada (calcular en R o Python) indique qué cardcter tiene mayor variabilidad, si los pesos antes o después del tratamiento, Los pesos antes del tratamiento son mas variablesPregunta 4, 2Cuanto tiempo tarda en torminar la carrera de trineos de perros de Iditarod de 1868 km desd Anchorage a Nome, Alaska? A continuacién, se presentan los tiempos de llegada (a la hora mas. cercana) para 36 equipos de trineos de perros, 256 | 247 [288 | 261] 261] 288] ana] ar 279 | 283 204 [287 [268 | 288 | 206 | 256 | 298 | a0 303 | 304 GS) PLS PH BLE Bk es pe 3a7_| 330 332 [333] 333 | 38) 343 | 380 3) Realiza a mano un diagrama de caja etiquetando y justiticando cada uno de los valores para construirio. Ejuccso 4: ¥Cvertiles sTetumes 36 clanecten betas veto 216)= 4 Ret SS Bathe SEBS 220) e: = 8600. sre” 5 legs | ie raise + 2 30) bast { € Fate datonsy. rd : | t be | Caps * = ae ~~ | f») 2Qué puedes concluir respecto al sesgo de acuerdo con lo que ves en el diagrama? Ls datos presentan sesgo negatvo, ya que el diagrama de caja cuenta con una parte lequierda ligeramente mas grande a comparacién de la parte derecha Progunta 5. ‘os siguientes datos representan salarios anuales, en miles de délares, para los empleados de tuna Pequefia empresa. Observe que los datos se han organizado en orden creciente, Ce a a [es [es [68 se eee [es _ [e ss [es [99 [et [at [er [oe les los —72a0 a) Realiza en Ro Python un histograma con los datos. Eercico 5 'b) Observe el ditimo valor de los datos. ¢Parece ser un valor atipico 0 aberrante? Discutir Es un valor aberrante ya que se aleja demasiado del del ho de valores, fo que no nos permite ) Elimina el salario alto de 280 mil délares. Hacer un nuevo histograma. 2Esty/histograma ‘efica a distribucién salarial de la mayoria de los empleados mejor que ol higtograma del inciso a)? ‘ASI 65, con este histograma podemos estudiar los salarios de casi todos los empleados de manera precisa estudiar con detalle a la muestra wserica § Pregunta 6. Los siguientes datos representan niveles sanguineos de glucosa (mg/100 mL) después de un ayuno de 12 horas para una muestra aleatoria de 70 mujeres. eB 66 33 a 76 64 59 59 76 @ 80 at Ey 7 a2 30 7 72 73 @ cS 74 oF e 81 76 cS a 7 Cs a 3 34 73 38 33 ES a 80 78 80 85 3 84 74 a 70 75 88 70 80 84 17 65 ry 80 70 75 45 a 73 80 72 at 6 74 4) Realiza a mano o en R (Python) un diagrama de tallos y hojas.= = Ey eceicco 6: fe) Gendaaidaas ldo aS Lasdcines ob dades 4115.56 fae 4 Pog Ss rahe gt ary K, } F006 11112393448 5kee77 94 bg 660 DOOLIN 2739533 445559749 | qo D444 oe tort 14 ) Di cual es la moda y la mediana de acuerd fn ¢! diagrama del inciso a). {La moda es 80, la mediana también es 60