ANALISIS DE DATOS

EJE 3

ANDRES CAMILO CONTRERAS VILLARREAL

CAROL VALENTINA DELGADO PALACIO
VALENTINA ROJAS BARRETO

FRANCISCO ANDRES AVENDAÑO ACEVEDO

FUNDACION UNIVERSITARIA DEL AREANDINA

ANALISIS DE DATOS
BOGOTA D.C
2021
 INTRODUCCIÓN

En el presente trabajo del eje 3 de Análisis de datos, se realizara el respectivo análisis de los
datos entregados por medio de la actividad los cuales hacen referencia a una empresa dedica
a la venta de vehículos de segunda, por medio del oficio se presentaran las tablas y graficas
con los datos correspondientes para así definir y hallar la correlación que existe entre las
variables y el análisis estadístico de las mismas, así mismo, se pondrán en práctica las
técnicas que expondrán las medidas de tendencia central, correlación de variabilidad y la
dispersión con respecto al mercado de los vehículos de segunda mano.
ANALISIS DE DATOS
Consumo Numero de Peso
Numero Marca Precio Venta Longitud Seguro Proveniencia
Gasolina reparaciones en Ton
1 Chevrolet Aveo $ 40.990.000.000 22 3 2930 4,464 1 Nacional
2 Chevrolet Aveo $ 47.490.000.000 17 3 3350 4,152 1 Nacional
3 Chevrolet Aveo $ 37.990.000.000 22 0 2640 4,032 1 Nacional
4 Volkwagen Jetta $ 48.160.000.000 20 3 3250 4,704 1 Nacional
5 BMW $ 78.270.000.000 15 4 4080 5,328 1 Nacional
6 Renault Duster $ 57.880.000.000 18 3 3670 5,232 1 Nacional
7 Renault Duster $ 44.530.000.000 26 0 2230 4,08 1 Nacional
8 Renault Duster $ 51.890.000.000 20 3 3280 4,8 1 Nacional
9 Chevrolet Camaro $ 103.720.000.000 16 3 3880 4,968 1 Nacional
10 Mazda 2 $ 40.820.000.000 19 3 3400 4,8 0 Nacional
11 Audi $ 113.850.000.000 14 3 4330 5,304 0 Nacional
12 Audi $ 145.000.000.000 14 2 3900 4,896 0 Nacional
13 Audi $ 159.060.000.000 21 3 4290 4,896 0 Nacional
14 Renault Sandero $ 32.990.000.000 29 3 2110 3,912 0 Nacional
15 Mazda 3 $ 57.050.000.000 16 4 3690 5,088 0 Nacional
16 Volkwagen Jetta $ 45.040.000.000 22 3 3180 4,632 0 Nacional
17 Volkwagen Jetta $ 51.040.000.000 22 2 3220 4,8 0 Nacional
18 Chevrolet Aveo $ 36.670.000.000 24 2 2750 4,296 0 Nacional
19 Chevrolet Aveo $ 39.550.000.000 19 3 3430 4,728 0 Nacional
20 Chevrolet Aveo $ 39.840.000.000 30 5 2120 3,912 0 Nacional
21 Volkwagen Jetta $ 40.100.000.000 18 2 3600 4,944 0 Nacional
22 Renault Duster $ 58.860.000.000 16 2 3600 4,944 0 Nacional
23 Renault Koleos $ 63.420.000.000 17 2 3740 5,28 0 Nacional
24 Volkwagen Jetta $ 43.890.000.000 28 4 1800 3,528 0 Nacional
25 Volkwagen Jetta $ 41.870.000.000 21 3 2650 4,296 0 Nacional
26 Ford Mustang $ 114.970.000.000 12 3 4840 5,592 0 Nacional
27 Ford Mustang $ 135.940.000.000 12 3 4720 5,52 0 Nacional
28 Ford Mustang $ 134.660.000.000 14 3 3830 4,824 0 Nacional
29 Mazda 2 $ 38.290.000.000 22 4 2580 4,056 0 Nacional
30 Renault Duster $ 53.790.000.000 14 4 4060 5,304 0 Nacional
31 Renault Koleos $ 61.650.000.000 15 3 3720 5,088 0 Nacional
32 Renault Koleos $ 45.160.000.000 18 3 3370 4,752 0 Nacional
33 Renault Koleos $ 63.030.000.000 14 4 4130 5,208 0 Nacional
34 Renault Sandero $ 32.910.000.000 20 3 2830 4,68 0 Nacional
35 Mercedez Benz $ 88.140.000.000 21 4 4060 5,28 0 Nacional
36 Renault Duster $ 51.720.000.000 19 3 3310 4,752 0 Nacional
37 Renault Duster $ 47.330.000.000 19 3 3300 4,752 0 Nacional
38 Renault Duster $ 48.900.000.000 18 4 3690 5,232 0 Nacional
39 Renault Duster $ 41.810.000.000 19 3 3370 4,8 0 Nacional
40 Renault Duster $ 41.950.000.000 24 1 2730 4,32 0 Nacional
41 BMW $ 103.710.000.000 16 3 4030 4,944 0 Nacional
42 Renault Duster $ 46.470.000.000 28 3 3260 4,08 0 Nacional
43 Renault Duster $ 44.250.000.000 34 5 1800 3,768 0 Nacional
44 Renault Duster $ 44.820.000.000 25 3 2200 3,96 0 Nacional
45 Audi $ 64.860.000.000 26 2520 4,368 0 Nacional
46 Volkwagen Jetta $ 40.600.000.000 18 2 3330 4,824 0 Nacional
47 Volkwagen Jetta $ 57.980.000.000 18 4 3700 5,136 0 Nacional
48 Volkwagen Jetta $ 49.340.000.000 18 1 3470 4,752 0 Nacional
49 Volkwagen Jetta $ 52.220.000.000 19 3 3210 4,824 0 Nacional
50 Renault Duster $ 47.230.000.000 19 3 3200 4,776 0 Nacional
51 Renault Duster $ 44.240.000.000 19 0 3420 4,872 0 Nacional
52 Renault Duster $ 41.720.000.000 24 2 2690 4,296 0 Nacional
53 BMW $ 96.900.000.000 17 5 2830 4,536 0 Importado
54 Ford Fiesta $ 62.950.000.000 23 3 2070 4,176 0 Importado
55 BMW $ 97.350.000.000 25 4 2650 4,248 0 Importado
56 Ford Fiesta $ 62.290.000.000 23 4 2370 4,08 0 Importado
57 Volkwagen Jetta $ 45.890.000.000 35 5 2020 3,96 1 Importado
58 Ford Fiesta $ 50.790.000.000 24 4 2280 4,08 1 Importado
59 Ford Explorer $ 81.290.000.000 21 4 2750 4,416 1 Importado
60 Volkwagen Jetta $ 42.960.000.000 21 3 2130 3,864 1 Importado
61 Ford Explorer $ 57.990.000.000 25 5 2240 4,128 1 Importado
62 Volkwagen Jetta $ 44.990.000.000 28 4 1760 3,576 1 Importado
63 Renault Sandero $ 39.950.000.000 30 4 1980 3,696 1 Importado
64 BMW $ 129.900.000.000 14 0 3420 4,608 1 Importado
65 Volkwagen Jetta $ 38.950.000.000 26 3 1830 3,408 1 Importado
66 Volkwagen Jetta $ 37.980.000.000 35 5 2050 3,936 1 Importado
67 Volkwagen Jetta $ 58.990.000.000 18 5 2410 4,176 1 Importado
68 Renault Sandero $ 37.480.000.000 31 5 2200 3,96 1 Importado
69 Ford Fiesta $ 57.190.000.000 18 5 2670 4,2 1 Importado
70 Ford Explorer $ 71.400.000.000 23 4 2160 4,128 1 Importado
71 Renault Duster $ 53.970.000.000 41 5 2040 3,72 1 Importado
72 Volkwagen Jetta $ 46.970.000.000 25 4 1930 3,72 1 Importado
73 Ford Explorer $ 68.500.000.000 25 4 1990 3,744 1 Importado
74 BMW $ 119.950.000.000 17 5 3170 4,632 1 Importado
 1. CON LAS VARIABLES PRECIO DE VENTA Y CONSUMO DE
GASOLINA, ESTABLEZCA LA CORRELACIÓN EXISTENTE
ENTRE ESAS DOS VARIABLES ¿QUÉ CONCLUYE?

PRECIO VENTA - CONSUMO DE GASOLINA

COEFICIENTE DE
CORRELACIÓN ( r ) -0,46859669
COEFICIENTE DE
DETERMINACIÓN (R2) 0,21958286

Se concluye que al sacar el coeficiente de correlación que es débil, es decir, no existe

(correlación) relación directa entre precio de venta y consumo de gasolina ya que el resultado
obtenido luego de aplicar la formula no es cercano ni a 1 ni a – 1, al ser negativo es
inversamente proporcional; en la que los valores de una variable tienden a incrementarse
mientras que los valores de la otra variable descienden y viceversa. Por otro lado el
coeficiente de determinación es de 0,2, es decir, se encuentra más cerca del 0 que de 1, por lo
tanto la variación o ajuste de fiabilidad es baja.
2. EN CUADRO DE RESUMEN ESTADISTICO, REALICE EL ANALISIS
PERTINENTE DE LA VARIABLE PRECIO DE VENTA Y HAGA USO
DE LAS METRICAS (MEDIA, DESVIACIÓN ESTANDAR, MAXIMO
Y MINIMO).

Precio Venta
Media $ 61.652.567.568
Error típico $ 3.428.719.321
Mediana $ 50.065.000.000
Moda #N/A
Desviación estándar $ 29.494.958.848
Varianza de la muestra $ 869.952.597.426.880.000.000
Curtosis 2
Coeficiente de asimetría 2
Rango $ 126.150.000.000
Mínimo $ 32.910.000.000
Máximo $ 159.060.000.000
Suma $ 4.562.290.000.000
Cuenta 74

Luego de realizar los análisis estadísticos podemos evidenciar que la compañía de vehículos
cuenta con 74 autos de segunda para la venta, y sus clientes están dispuestos a pagar por los
mismos un promedio de $ 61.652.567.568, por otro lado, la empresa tiene un rango de
facturación entre $ 32.910.000.000 y $159.060.000.000. Así mismo se puede observar en la
tabla que la asimetría es positiva ya que se encuentran hacia la izquierda del promedio, es
decir, es menor al promedio o media. La curtosis, arrojo mayor a 0 lo que indica que los datos
se distribuyen de una forma leptocúrtica. Por último, la desviación estándar nos indica que
hay algunos vehículos que tienen un precio alejado del promedio.

3. REALICE LO ANTERIOR PERO AHORA CON LA VARIABLE

CONSUMOS DE GASOLINA.

Consumo Gasolina
Media 21,2972973
Error típico 0,67255109
Mediana 20
Moda 18
Desviación estándar 5,78550321
Varianza de la muestra 33,4720474
Curtosis 1,12991983
Coeficiente de asimetría 0,96846014
Rango 29
Mínimo 12
Máximo 41
Suma 1576
Cuenta 74

Así mismo, se realiza el respectivo análisis estadístico con el consumo de gasolina arrojando
un resumen de datos importantes que nos permiten concluir varias cosas, entre ellas que el
promedio de consumo es de 21, 2 galones de gasolina, se puede decir entonces que un cliente
podría consumir alrededor de la media hallada en gasolina, por otro lado, cuenta con una
desviación estándar de 5,7, además podemos demostrar que el consumo de gasolina en
kilómetros por galón se mueven entre 12 y 41 galones. Así mismo se puede observar en la
tabla que la asimetría es positiva ya que se encuentran hacia la izquierda del promedio, es
decir, es menor al promedio o media. La curtosis, arrojo mayor a 0 lo que indica que los datos
se distribuyen de una forma leptocúrtica.
4. ESTABLEZCA UN GRÁFICO DE CORRELACIÓN CON EL
COEFICIENTE DE DETERMINACIÓN R-CUADRADO (R2) CON
LAS VARIABLES PRECIO DE VENTA Y CONSUMO DE GASOLINA.
¿QUÉ DIFERENCIAS HAY ENTRE EL ÍNDICE DE CORRELACIÓN
DEL PUNTO 1 CON EL COEFICIENTE DE DETERMINACIÓN (R2)?
 PRECIOS VS CONSUMO
$180.000.000.000
$160.000.000.000
$140.000.000.000
$120.000.000.000
$100.000.000.000
$80.000.000.000
$60.000.000.000
$40.000.000.000
$20.000.000.000
R² = 0,2196
$-
0 5 10 15 20 25 30 35 40 45

PRECIO VENTA - CONSUMO DE GASOLINA

COEFICIENTE DE CORRELACIÓN ( r ) -0,468596688
COEFICIENTE DE DETERMINACIÓN (R2) 0,219582856

Según la gráfica de precio venta vs consumo evidenciamos que el coeficiente de correlación

(r) es negativo, con esto podemos concluir que estas variables están es movimiento opuesto,
es decir que tiene el precio de venta está en dirección opuesta al consumo y es evidente que
es las dos variables se correlacionan en sentido inverso.
Con base al coeficiente de determinación evidenciamos que es menor a cero esto nos indica
que esta menos ajustado es decir que es menos fiable.

5. ESTABLEZCA UNA TABLA DE CORRELACIÓN SOLO CON

VARIABLES DE TIPO NUMÉRICO (PESO, LONGITUD Y
REPARACIONES) CON LA VARIABLE PRECIO DE VENTA.
INDIQUE QUE VARIABLE TIENE MAYOR CORRELACIÓN CON
EL PRECIO DE VENTA.

PRECIO VENTA - PESO

COEFICIENTE DE
CORRELACIÓN ( r ) 0,538611463
COEFICIENTE DE
DETERMINACIÓN (R2) 0,290102308
 Precio Venta - Peso
$180.000.000.000
$160.000.000.000
$140.000.000.000
$120.000.000.000
$100.000.000.000
$80.000.000.000
R² = 0,2901
$60.000.000.000
$40.000.000.000
$20.000.000.000
$-
0 1000 2000 3000 4000 5000 6000

Evidenciamos con el coeficiente de correlación, no nos muestra negativo pero igual está
cercano a 0 esto quiere decir que no existe asociación entre las variables y que hay una
asociación o combinación entre las variables, pero tampoco es imposible que se tenga una
lineación entre las variables.
Por ultimo con base al coeficiente de determinación evidenciamos que está más cercano a
cero y que de igual forma no puede estar fiable.

PRECIO VENTA - LONGITUD

COEFICIENTE DE CORRELACIÓN (
r) 0,431831245
COEFICIENTE DE DETERMINACIÓN
(R2) 0,186478224

Precio Venta - Longitud

$180.000.000.000
$160.000.000.000
$140.000.000.000
$120.000.000.000
$100.000.000.000
R² = 0,1865
$80.000.000.000
$60.000.000.000
$40.000.000.000
$20.000.000.000
$-
0 1 2 3 4 5 6

Observamos en la gráfica un coeficiente precio de venta vs longitud, El índice refleja la

dependencia total entre ambas dos variables, la que se denomina relación directa, cuando una
de las variables aumenta, la otra variable aumenta en proporción constante. Como
observamos en la gráfica el coeficiente de correlación (r) es 0,431831245 y un coeficiente de
determinación (R2).

PRECIO VENTA - REPARACIONES

COEFICIENTE DE
CORRELACIÓN ( r ) -0,00829752
COEFICIENTE DE
DETERMINACIÓN (R2) 7E-05

Precio Venta - Reparaciones

$180.000.000.000
$160.000.000.000
$140.000.000.000
R² = 7E-05
$120.000.000.000
$100.000.000.000
$80.000.000.000
$60.000.000.000
$40.000.000.000
$20.000.000.000
$-
0 1 2 3 4 5 6

Gráficamente observamos un coeficiente entre precio venta vs reparaciones con un

coeficiente de correlación R2 de 7 y un coeficiente de determinación de -0,00829752, la tabla
nos refleja un alto valor de R2 y un valor negativo en R, nos logra decir que entre más alto el
coeficiente de correlación R2 menor es el coeficiente de determinación R.
 CONCLUSION

Gracias a todo lo anterior evidenciamos la importancia del análisis de datos para una
compañía, la cual nos ayuda a calcular datos importantes como lo pueden ser la media ,
mediana, máxima y demás datos que nos ayuda con un respectivo análisis donde ayuda a
tener una claridad sobre diferentes variables que tienen datos importantes para las compañías
o demás actividades que se realicen, por ultimo es importante conocer que tan fiable puede
llegar a ser estas estadísticas, o que tan iguales pueden ser las variables asociadas, para esto el
coeficiente de correlación y coeficiente de determinación, el cual nos ayuda a determinar la
fiabilidad de las variables escogidas por la compañía, lo cual ayuda con un análisis más
estadístico y a tomar diferentes decisiones para el bien de las empresas.