Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística
PROFESOR:
KETTY LUZ POSADA GARCES
PRESENTA:
Omar Yesid Gómez Durango
Carlos Elias Moreno De Hoyos
Heriberto Montoya Martinez
Karen Fontalvo Borja
Abraham Ortega
Universidad De Córdoba
Facultad De Ciencias Básicas
Departamento de Química
Montería-Córdoba
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
TABLA DE CONTENIDO
PAUTAS A SEGUIR
INTRODUCCIÓN
MARCO TEORICO
POLICULTIVO
Te vamos a hablar acerca de lo que consiste el policultivo, éste es un sistema en el cual puedes
cultivar dos o más especies acuáticas, que en tu caso sería la tilapia o mojarra y la cachama.
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
Cinco días después de aplicar la cal puedes iniciar el llenado del estanque pero no debes
demorar más de otros cinco días después del llenado, para sembrar tus alevinos, con el
propósito que la libélula no tenga tiempo para poner sus huevos en el estanque y se produzca
la larva, animalito especializado en depredar peces en la etapa de alevinaje (SIPSA, 2014).
problema lo puedes solucionar adicionando sal marina a razón de 300 a 500 gramos/ m3 de
agua por un día, y/o realizar un recambio de agua parcial de la mitad de la existente en el
estanque.
Puedes usar estiércoles de animales (gallinas, cabras,
ovejas, patos, cerdos, conejos, bovinos y caballos) y
desechos de plantas como excelentes abonos orgánicos.
Igualmente, sedimentos de biodigestores, melaza,
contenido ruminal y compost, que son apropiados para
estanques piscícolas. Por el contrario, aquellos materiales
que tardan demasiado en descomponerse tales como
cáscara de arroz, bagazo de la caña y aserrín NO son
buenos fertilizantes orgánicos (Bocek, 1990).
MUESTREO
El muestreo, en otras palabras, es el procedimiento mediante el cual se toman a ciertos
individuos que pertenecen a una población que está siendo sujeto de un análisis.
El muestreo es necesario por el hecho de que las poblaciones pueden ser demasiado grandes
y no es factible (económica y materialmente hablando) tomar datos de todos los individuos.
El objetivo es que la muestra sea representativa. Es decir, que sus indicadores como la media
de edad, el ingreso promedio, el porcentaje de hombres y de mujeres, entre otros, sea el
mismo, o muy similar al de la población.
TIPOS DE MUESTREO
Los tipos de muestreo pueden distinguirse en función de distintos criterios. Así, según la
técnica para seleccionar el subgrupo, se pueden diferenciar los siguientes:
MUESTREO PROBABILÍSTICO
Las observaciones son seleccionadas en base a la aleatoriedad, es decir, al azar. En esta
categoría podemos encontrar:
Muestreo aleatorio simple: Todos los individuos de la población tienen la misma probabilidad
de ser elegidos parte de la muestra. Tiene ventajas, como el hecho de que es fácil de llevar a
cabo a través de sistemas informáticos. Sin embargo, se requiere el listado completo de toda
la población y, si la muestra es muy pequeña, la selección podría no ser representativa.
Esquema de muestreo coordinado negativo
Básicamente un algoritmo coordinado negativo ordena la población de forma aleatoria
asignando un valor aleatorio entre cero y uno a cada individuo. De hecho, se trata de una
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
▪ Diagrama de dispersión
▪ -Correlación lineal simple.
▪ -Coeficiente de determinación R2
▪ -Correlación positiva y correlación negativa
▪ ¿Qué es el coeficiente de correlación lineal y qué nos ayuda a medir?
Diagrama de dispersión.
El diagrama de dispersión es una herramienta de análisis la cual representa en forma gráfica la
relación existente entre dos variables pudiendo observar la dependencia o influencia que
tiene una variable sobre la otra, permitiendo visualizar de forma gráfica su posible correlación.
Correlación lineal simple.
La correlación lineal simple, trata de establecer la relación o dependencia que existe entre las
dos variables que intervienen en una distribución bidimensional.
Coeficiente de determinación R2
En estadística, el coeficiente de determinación, denominado R² y pronunciado R cuadrado, es
un estadístico usado en el contexto de un modelo estadístico cuyo principal propósito es
predecir futuros resultados o probar una hipótesis.
Correlación positiva y correlación negativa
• Si r < 0 Hay correlación negativa: las dos variables se correlacionan en sentido inverso. A
valores altos de una de ellas le suelen corresponder valor bajos de la otra y viceversa.
Cuánto más próximo a -1 esté el coeficiente de correlación más patente será esta
covariación extrema. Si r= -1 hablaremos de correlación negativa perfecta lo que supone
una determinación absoluta entre las dos variables (en sentido inverso): Existe una relación
funcional perfecta entre ambas (una relación lineal de pendiente negativa).
• Si r > 0 Hay correlación positiva: las dos variables se correlacionan en sentido directo. A
valores altos de una le corresponden valores altos de la otra e igualmente con los valores
bajos. Cuánto más próximo a +1 esté el coeficiente de correlación más patente será esta
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
OBJETIVOS
Objetivo General
• Ajustar un modelo para predecir el peso de la cachama mediante la longitud
Objetivo Específicos
• Tomar una muestra mediante muestreo MAS
• Determinar la relación entre las variables de interés
• Ajustar una recta de regresión por mínimos cuadrados
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
PROCEDIMIENTO DE SELECCIÓN
Se muestran los datos originales
LS (L. LH LT LS (L. LH LT
ID estándar) (Horquilla) WT(g) (cm) ID estándar) (Horquilla) WT(g) (cm)
1 10 11,5 36 13,5 31 12,5 14,5 66 16,8
2 12 14 66 16 32 11,5 13 60 15
3 12 13,5 66 15,8 33 10,5 12 44 13,5
4 10,5 12 44 13,5 34 8,8 10 24 11,5
5 10 11,6 36 13,7 35 9 10,5 28 12
6 11,5 13 54 14,5 36 12,5 14 78 16,5
7 9,5 11 40 12,8 37 10,5 12 46 13,5
8 11,5 13 58 15,5 38 12 13,8 70 16,5
9 10 11 38 13,2 39 9 9,3 30 12,1
10 11 12,5 50 14,5 40 8,5 10 28 11,2
11 12,8 14,2 78 16,3 41 12,5 14,4 76 16,5
12 12,8 14,2 72 16,7 42 8,5 9,9 20 11,5
13 11 12,5 52 14,5 43 9,8 10,9 34 12,5
14 11,8 13,1 62 15 44 8,5 10 28 11,5
15 11,1 12,5 54 14,8 45 11,3 12,8 54 15
16 10,7 12,1 48 14 46 11 12,8 48 14,7
17 16 17,5 142 20,5 47 9,5 12 34 13
18 9 10,5 28 12 48 11,5 12,4 66 15
19 9,5 11 36 13 49 10 11,5 42 13,7
20 11 12,5 50 14,2 50 12 14 72 16,4
21 12,8 13 68 15,5 51 11 12 58 15
22 11,5 13 5,8 15 52 12 14 74 16,2
23 10,8 12,5 50 14,5 53 12,5 13,5 72 16
24 11,5 13,3 60 15,4 54 8,4 9,5 24 11
25 13 14,5 84 17 55 9 10 30 12
26 9,4 10,6 34 12,5 56 9,5 11 36 13
27 8,5 9,6 24 11,5 57 10,4 11,5 62 15
28 10 12,7 54 15 58 11,5 13 44 13,16
29 11 12,5 50 14,5 59 14,5 16 116 18,5
30 10,5 12,3 52 14,4 60 11,3 11,9 56 14,5
L. LT L. LT
ID estándar Horquilla WT(g) (cm) ek ID estándar Horquilla WT(g) (cm) ek
1 10 11,5 36 13,5 0,249 31 12,5 14,5 66 16,8 0,520
2 12 14 66 16 0,757 32 11,5 13 60 15 0,292
3 12 13,5 66 15,8 0,703 33 10,5 12 44 13,5 0,212
4 10,5 12 44 13,5 0,563 34 8,8 10 24 11,5 0,858
5 10 11,6 36 13,7 0,730 35 9 10,5 28 12 0,710
6 11,5 13 54 14,5 0,113 36 12,5 14 78 16,5 0,266
7 9,5 11 40 12,8 0,602 37 10,5 12 46 13,5 0,432
8 11,5 13 58 15,5 0,131 38 12 13,8 70 16,5 0,588
9 10 11 38 13,2 0,267 39 9 9,3 30 12,1 0,804
10 11 12,5 50 14,5 0,754 40 8,5 10 28 11,2 0,927
11 12,8 14,2 78 16,3 0,807 41 12,5 14,4 76 16,5 0,198
12 12,8 14,2 72 16,7 0,541 42 8,5 9,9 20 11,5 0,645
13 11 12,5 52 14,5 0,719 43 9,8 10,9 34 12,5 0,861
14 11,8 13,1 62 15 0,690 44 8,5 10 28 11,5 0,542
15 11,1 12,5 54 14,8 0,812 45 11,3 12,8 54 15 0,378
16 10,7 12,1 48 14 0,860 46 11 12,8 48 14,7 0,183
17 16 17,5 142 20,5 0,996 47 9,5 12 34 13 0,587
18 9 10,5 28 12 0,615 48 11,5 12,4 66 15 0,714
19 9,5 11 36 13 0,441 49 10 11,5 42 13,7 0,666
20 11 12,5 50 14,2 0,807 50 12 14 72 16,4 0,892
21 12,8 13 68 15,5 0,037 51 11 12 58 15 0,790
22 11,5 13 5,8 15 0,311 52 12 14 74 16,2 0,653
23 10,8 12,5 50 14,5 0,776 53 12,5 13,5 72 16 0,729
24 11,5 13,3 60 15,4 0,026 54 8,4 9,5 24 11 0,127
25 13 14,5 84 17 0,982 55 9 10 30 12 0,513
26 9,4 10,6 34 12,5 0,145 56 9,5 11 36 13 0,235
27 8,5 9,6 24 11,5 0,480 57 10,4 11,5 62 15 0,484
28 10 12,7 54 15 0,386 58 11,5 13 44 13,16 0,602
29 11 12,5 50 14,5 0,457 59 14,5 16 116 18,5 0,380
30 10,5 12,3 52 14,4 0,628 60 11,3 11,9 56 14,5 0,976
Señalamos los 20 aleatorios mayores, nos queda la tabla solo con las variables de interés
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
Ahora nos quedamos con las variables WT (Peso) y LT (longitud) además de unos cálculos
necesarios
ID WT(g) Y LT (cm) X Y2 X2 XY
2 66 16 4356 256 1056
5 36 13,7 1296 187,69 493,2
10 50 14,5 2500 210,25 725
11 78 16,3 6084 265,69 1271,4
13 52 14,5 2704 210,25 754
15 54 14,8 2916 219,04 799,2
16 48 14 2304 196 672
17 142 20,5 20164 420,25 2911
20 50 14,2 2500 201,64 710
23 50 14,5 2500 210,25 725
25 84 17 7056 289 1428
34 24 11,5 576 132,25 276
39 30 12,1 900 146,41 363
40 28 11,2 784 125,44 313,6
43 34 12,5 1156 156,25 425
48 66 15 4356 225 990
50 72 16,4 5184 268,96 1180,8
51 58 15 3364 225 870
53 72 16 5184 256 1152
60 56 14,5 3136 210,25 812
SUMA 1150 294,2 79020 4411,62 17927,2
PROMEDIO 57,5 14,71
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
✓ ¿Parece que al aumentar la talla total aumenta el peso de la cachama? Trace un diagrama
de dispersión.
NUBE DE PUNTOS
160
140
120
100
PESO
80
60
40
20
0
10 12 14 16 18 20 22
LONGITUD
✓ Traza la recta estimada por mínimos cuadrados, presenta el modelo de regresión estimada
NUBE DE PUNTOS
160
140
120
100
PESO
80
60
40
20
y = 12.041x - 119.62
R² = 0.9438
0
10 12 14 16 18 20 22
LONGITUD
De la tabla se tiene un Valor critico F aproximadamente bajo lo cual nos indica que el
modelo es significativo es decir la variable (Talla) explica el peso
ESTADÍSTICA
UNIVERSIDAD DE CÓRDOBA
Química
Resumen
Estadísticas de la regresión
Coef de correlación múltiple 0,97147647
2
Coeficiente de determinación R 0,94376652
2
R ajustado 0,94064244
Error típico 6,34704958
Observaciones 20
El Coeficiente de determinación R2=0.9406, nos indica que el 94.06% de la variabilidad del peso es
explicada por la longitud.