UNIVERSIDAD DEL VALLE DE MXICO

PROGRAMA DE ESTUDIOS DE LICENCIATURA (PROGRAMA EJECUTIVO CUATRIMESTRAL)

PROBABILIDAD Y ESTADISTICA

Hay gente que utiliza la Estadstica como un borracho utiliza el poste de la luz; ms para apoyarse que para iluminarse. Andrew Lang (Citado por Thomas y Ronald Wonnacott) Las cifras no mienten, pero los mentirosos s hacen clculos con ellas General Charles H. Grosvenor (Citado por Thomas y Ronald Wonnacott)

OBJETIVO GENERAL El estudiante interpretar los resultados obtenidos en el anlisis estadstico de datos demostrando su utilidad prctica en la toma de decisiones.

Unidad 1: Estadstica descriptiva

Objetivo Especfico: El estudiante conocer las principales medidas estadsticas de acuerdo al tipo de datos para aplicarlas adecuadamente a la resolucin de problemas.

Temas y Subtemas: 1.1 Estadstica descriptiva. 1.2 Conceptos generales. 1.3 Escalas de Medicin. 1.4 Organizacin de datos. 1.5 Medidas de tendencia central. 1.6 Medidas de dispersin. 1.7 Medidas de posicin. 1.8 Medidas de distribucin.

La estadstica es un mtodo cientfico de anlisis que se aplica a las ciencias sociales y naturales. Su principal utilizacin es la inferencia estadstica, esto es, que a partir de la informacin obtenida de una muestra -reducido nmero de observaciones de un universo- se hacen inferencias sobre la poblacin total. Estadstica Descriptiva Lo primero que se debe hacer con la informacin obtenida de una muestra, es reducirla a unas cuantas cifras que condensen o concentren la informacin ms importante. Estas cifras se conocen como las estadsticas de la muestra. Obsrvese la diferencia entre Estadstica, rea del conocimiento que permite hacer inferencia sobre poblaciones, y la estadstica de una muestra, que es una cifra que describe a esa muestra o al universo. Tambin debe distinguirse entre la estadstica de una muestra y el parmetro que describe a un universo. Lo que se calcula para una muestra son las estadsticas de la muestra que pueden servir para calcular o hacer una estimacin de los parmetros del universo. Supngase que se ha obtenido una muestra de la audiencia de una cierta poblacin y se indaga sobre hbitos de lectura. Si la muestra que se obtuvo es de 1.000 personas y 345 de ellas responden que no leen, entonces una forma de describir la muestra es diciendo que el 34,5% de ella no lee. Esta cifra puede ser utilizada para hacer una inferencia de la poblacin en cuanto a los hbitos de lectura. Ahora bien, los datos que se obtienen no pueden ser utilizados sin un previo anlisis y sin reserva. Por lo general, cuando se toma una muestra se incurre en algn tipo de error estadstico, el cual tiene que ver con el tamao de la muestra; intuitivamente es obvio que si se tiene un universo muy grande, a mayor informacin que se obtenga -mayor tamao de la muestra- ms cerca de la realidad van a estar las estadsticas de la muestra, comparadas con las estadsticas del universo. Los tcnicos reconocen entonces un margen de error, y se dice que un dato tiene un margen de error. Por ejemplo, los datos de preferencia de votos en una campaa electoral se expresan como que el 65% de la gente votar por el candidato A, con un margen de error de 5%. Esto es, que el verdadero valor se estima que est dentro del intervalo 60%-70% y esta afirmacin tiene una determinada probabilidad de que sea cierta; se dice entonces que es un intervalo de P% de confianza (por ejemplo, 95% de confianza). Escalas de medicin La Estadstica es una disciplina que proporciona principios y herramientas para emitir juicios sobre colectivos basados en datos obtenidos para propsitos especficos. Es decir, brinda el soporte para saber qu datos obtener, cmo, cundo, dnde obtenerlos, y una vez obtenidos proporciona mtodos y

procedimientos para organizarlos con diferentes propsitos. La correspondencia entre los anlisis aplicados y datos recabados permite construir juicios concluyentes sobre el colectivo en estudio. Los datos que precisamos deben ser generados de alguna forma, la cual siempre est asociada a la definicin de variables, que constituyen los conceptos de referencia ms importantes en los inicios de una investigacin. Variable Es la caracterstica de la muestra o poblacin que se esta estudiando. Los datos son el producto de su medicin sobre los elementos o sujetos de estudio. Por ejemplo, en un estudio sobre la cantidad mensual devengada de los trabajadores de una empresa, la variable es ingreso y est medida en pesos. Las variables pueden ser de dos tipos:

Variables cualitativas o atributos: no se pueden medir numricamente (por ejemplo: nacionalidad, color de la piel, sexo). Variables cuantitativas: tienen valor numrico (edad, precio de un producto, ingresos anuales). Estas pueden ser: o Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: nmero de hermanos (puede ser 1, 2, 3....,etc, pero, por ejemplo, nunca podr ser 3,45). o Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehculo puede ser 80,3 km/h, 94,57 km/h...etc.

Las variables tambin se pueden clasificar en:

Variables unidimensionales: slo recogen informacin sobre caracterstica (por ejemplo: edad de los alumnos de una clase).

una

Variables bidimensionales: recogen informacin sobre dos caractersticas de la poblacin (por ejemplo: edad y altura de los alumnos de una clase). Variables pluridimensionales: recogen informacin sobre tres o ms caractersticas (por ejemplo: edad, altura y peso de los alumnos de una clase).

Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes conceptos:

Individuo: cualquier elemento que porte informacin sobre el fenmeno que se estudia. As, si estudiamos la altura de los nios de una clase,

cada alumno es un individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo.

Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten informacin sobre el fenmeno que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de dicha ciudad. Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las viviendas de la ciudad (sera una labor muy compleja), sino que se suele seleccionar un subgrupo (muestra) que se entienda que es suficientemente representativo.

Organizacin de los datos La distribucin de frecuencia es la representacin estructurada, en forma de tabla, de toda la informacin que se ha recogido sobre la variable que se estudia. Variable (Valor) x X1 X2 ... Xn-1 Xn Frecuencias absolutas Frecuencias relativas Simple Acumulada Simple Acumulada x x x x n1 n1 f1 = n1 / n f1 n2 n1 + n2 f2 = n2 / n f1 + f2 ... ... ... ... n1 + n2 +..+ nn-1 fn-1 = nn-1 / n f1 + f2 +..+fn-1 nn-1 nn n fn = nn / n f

Siendo X los distintos valores que puede tomar la variable. Siendo n el nmero de veces que se repite cada valor. Siendo f el porcentaje que la repeticin de cada valor supone sobre el total

Veamos un ejemplo: Medimos la altura de los nios de una clase y obtenemos los siguientes resultados (cm):

Alumno Estatura Alumno Estatura Alumno Estatura Alumno 1 1,25 Alumno 11 1,23 Alumno 21 1,21 Alumno 2 1,28 Alumno 12 1,26 Alumno 22 1,29 Alumno 3 1,27 Alumno 13 1,30 Alumno 23 1,26 Alumno 4 1,21 Alumno 14 1,21 Alumno 24 1,22 Alumno 5 1,22 Alumno 15 1,28 Alumno 25 1,28 Alumno 6 1,29 Alumno 16 1,30 Alumno 26 1,27 Alumno 7 1,30 Alumno 17 1,22 Alumno 27 1,26 Alumno 8 1,24 Alumno 18 1,25 Alumno 28 1,23 Alumno 9 1,27 Alumno 19 1,20 Alumno 29 1,22 Alumno 10 1,29 Alumno 20 1,28 Alumno 30 1,21 Si presentamos esta informacin estructurada obtendramos la siguiente tabla de frecuencia: Variable (Valor) 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30 Frecuencias absolutas Simple Acumulada 1 1 4 5 4 9 2 11 1 12 2 14 3 17 3 20 4 24 3 27 3 30 Frecuencias relativas Simple Acumulada 3,3% 3,3% 13,3% 16,6% 13,3% 30,0% 6,6% 36,6% 3,3% 40,0% 6,6% 46,6% 10,0% 56,6% 10,0% 66,6% 13,3% 80,0% 10,0% 90,0% 10,0% 100,0%

Si los valores que toma la variable son muy diversos y cada uno de ellos se repite muy pocas veces, entonces conviene agruparlos por intervalos, ya que de otra manera obtendramos una tabla de frecuencia muy extensa que aportara muy poco valor a efectos de sntesis. Supongamos que medimos la estatura de los habitantes de una vivienda y obtenemos los siguientes resultados (cm):

Habitante Estatura Habitante Habitante 1 1,15 Habitante 11 Habitante 2 1,48 Habitante 12

Estatura Habitante Estatura 1,53 Habitante 21 1,21 1,16 Habitante 22 1,59

Habitante 3 Habitante 4 Habitante 5 Habitante 6 Habitante 7 Habitante 8 Habitante 9 Habitante 10

1,57 1,71 1,92 1,39 1,40 1,64 1,77 1,49

Habitante 13 Habitante 14 Habitante 15 Habitante 16 Habitante 17 Habitante 18 Habitante 19 Habitante 20

1,60 1,81 1,98 1,20 1,42 1,45 1,20 1,98

Habitante 23 Habitante 24 Habitante 25 Habitante 26 Habitante 27 Habitante 28 Habitante 29 Habitante 30

1,86 1,52 1,48 1,37 1,16 1,73 1,62 1,01

Si presentramos esta informacin en una tabla de frecuencia obtendramos una tabla de 30 lneas (una para cada valor), cada uno de ellos con una frecuencia absoluta de 1 y con una frecuencia relativa del 3,3%. Esta tabla nos aportara escasa informacin En lugar de ello, preferimos agrupar los datos por intervalos, con lo que la informacin queda ms resumida (se pierde, por tanto, algo de informacin), pero es ms manejable e informativa: Estatura Cm 1,01 - 1,10 1,11 - 1,20 1,21 - 1,30 1,31 - 1,40 1,41 - 1,50 1,51 - 1,60 1,61 - 1,70 1,71 - 1,80 1,81 - 1,90 1,91 - 2,00 Frecuencias absolutas Simple Acumulada 1 1 3 4 3 7 2 9 6 15 4 19 3 22 3 25 2 27 3 30 Frecuencias relativas Simple Acumulada 3,3% 3,3% 10,0% 13,3% 10,0% 23,3% 6,6% 30,0% 20,0% 50,0% 13,3% 63,3% 10,0% 73,3% 10,0% 83,3% 6,6% 90,0% 10,0% 100,0%

El nmero de tramos en los que se agrupa la informacin es una decisin que debe tomar el analista: la regla es que mientras ms tramos se utilicen menos informacin se pierde, pero puede que menos representativa e informativa sea la tabla. Medidas de posicin Las medidas de posicin nos facilitan informacin sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas caractersticas de esta serie de datos. Las medidas de posicin son de dos tipos:

Medidas de posicin central: informan sobre los valores medios de la serie de datos. 2. Medidas de posicin no centrales: informan de cmo se distribuye el resto de los valores de la serie.
1.

Las principales medidas de posicin central son las siguientes: Media: es el valor medio ponderado de la serie de datos. Se pueden calcular diversos tipos de media, siendo las ms utilizadas: Media aritmtica: se calcula multiplicando cada valor por el nmero de veces que se repite. La suma de todos estos productos se divide por el total de datos de la muestra:
(X1 * n1) + (X2 * n2) + (X3 * n3) + ..... + (Xn - 1 * nn - 1) + (Xn * nn) n

Xm =

Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido. Se multiplican todo estos resultados y al producto final se le calcula la raz "n" (siendo "n" el total de datos de la muestra).

X = X 1n1 * X 2n2 * ... X nnn

1 n

Segn el tipo de datos que se analice ser ms apropiado utilizar la media aritmtica o la media geomtrica. La media geomtrica se suele utilizar en series de datos como tipos de inters anuales, inflacin, etc., donde el valor de cada ao tiene un efecto multiplicativo sobre el de los aos anteriores. En todo caso, la media aritmtica es la medida de posicin central ms utilizada. Lo ms positivo de la media es que en su clculo se utilizan todos los valores de la serie, por lo que no se pierde ninguna informacin. Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmtica como geomtrica) se puede ver muy influido por valores extremos, que se aparten en exceso del resto de la serie. Estos valores anmalos podran condicionar en gran medida el valor de la media, perdiendo sta representatividad. Mediana: es el valor de la serie de datos que se sita justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son superiores). No presentan el problema de estar influido por los valores extremos, pero en cambio no utiliza en su clculo toda la informacin de la serie de datos (no pondera cada valor por el nmero de veces que se ha repetido).

Moda: es el valor que ms se repite en la muestra. Ejemplo: vamos a utilizar la tabla de distribucin de frecuencias con los datos de la estatura de los alumnos que vimos anteriormente. Variable (Valor) 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30 Frecuencias absolutas Simple Acumulada 1 1 4 5 4 9 2 11 1 12 2 14 3 17 3 20 4 24 3 27 3 30 Frecuencias relativas Simple Acumulada 3,3% 3,3% 13,3% 16,6% 13,3% 30,0% 6,6% 36,6% 3,3% 40,0% 6,6% 46,6% 10,0% 56,6% 10,0% 66,6% 13,3% 80,0% 10,0% 90,0% 10,0% 100,0%

Vamos a calcular los valores de las distintas posiciones centrales: Media aritmtica Media geomtrica Mediana Moda Las medidas de posicin no centrales permiten conocer otros puntos caractersticos de la distribucin que no son los valores centrales. Entre otros indicadores, se suelen utilizar una serie de valores que dividen la muestra en tramos iguales:

Cuartiles: son tres valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cuatro tramos iguales, en los que cada uno de ellos concentra el 25% de los resultados. Deciles: son nueve valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los resultados. Percentiles: son noventa y nueve valores que distribuyen la serie de datos, ordenada de forma creciente o decreciente, en cien tramos iguales, en los que cada uno de ellos concentra el 1% de los resultados.

Vamos a calcular los cuartiles de la serie de datos referidos a la estatura de un grupo de alumnos. Los deciles y percentiles se calculan de igual manera, aunque haran falta distribuciones con mayor nmero de datos. Variable (Valor) 1,20 1,21 1,22 1,23 1,24 1,25 1,26 1,27 1,28 1,29 1,30

Frecuencias absolutas Simple Acumulada 1 1 4 5 4 9 2 11 1 12 2 14 3 17 3 20 4 24 3 27 3 30

Frecuencias relativas Simple Acumulada 3,3% 3,3% 13,3% 16,6% 13,3% 30,0% 6,6% 36,6% 3,3% 40,0% 6,6% 46,6% 10,0% 56,6% 10,0% 66,6% 13,3% 80,0% 10,0% 90,0% 10,0% 100,0%

Primer cuartil: es el valor 1,22 cm, ya que por debajo suya se sita el 25% de la frecuencia (tal como se puede ver en la columna de la frecuencia relativa acumulada). Segundo cuartil: es el valor 1,26 cm, ya que entre este valor y el 1 cuartil se sita otro 25% de la frecuencia. Tercer cuartil: es el valor 1,28 cm, ya que entre este valor y el 2 cuartil se sita otro 25% de la frecuencia.

Adems, por encima suya queda el restante 25% de la frecuencia. Atencin: cuando un cuartil recae en un valor que se ha repetido ms de una vez (como ocurre en el ejemplo en los tres cuartiles) la medida de posicin no central sera realmente una de las repeticiones. Medidas de dispersin Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o menos concentrados, o ms o menos dispersos. Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las siguientes: Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el valor ms bajo.

Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatorio de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el nmero de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamao de la muestra.

2 Sx =

( X

X m ) 2 * ni n

La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms concentrados estn los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, ms dispersos estn. Desviacin tpica: Se calcula como raz cuadrada de la varianza. Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media. Ejemplo: Utilizando la serie de datos de la estatura de los alumnos de una clase (usado anteriormente) calcular sus medidas de dispersin. Rango Varianza Desviacin tpica Coeficiente de variacin de Pearson

El inters del coeficiente de variacin es que al ser un porcentaje permite comparar el nivel de dispersin de dos muestras. Esto no ocurre con la desviacin tpica, ya que viene expresada en las mismas unidas que los datos de la serie. Por ejemplo, para comparar el nivel de dispersin de una serie de datos de la altura de los alumnos de una clase y otra serie con el peso de dichos alumnos, no se puede utilizar las desviaciones tpicas (una viene vienes expresada en cm y la otra en Kg.). En cambio, sus coeficientes de variacin son ambos porcentajes, por lo que s se pueden comparar. Medidas de Distribucin Comparan la forma que tiene la representacin grfica, bien sea el histograma o el diagrama de barras de la distribucin, con la distribucin normal.

Medida de Asimetra. Diremos que una distribucin es simtrica cuando su mediana, su moda y su media aritmtica coinciden. Diremos que una distribucin es asimtrica a la derecha si las frecuencias (absolutas o relativas) descienden ms lentamente por la derecha que por la izquierda. Si las frecuencias descienden ms lentamente por la izquierda que por la derecha diremos que la distribucin es asimtrica a la izquierda. Existen varias medidas de la asimetra de una distribucin de frecuencias. Una de ellas es el Coeficiente de Asimetra de Pearson:
As = X M0 S

Su valor es cero cuando la distribucin es simtrica, positivo cuando existe asimetra a la derecha y negativo cuando existe asimetra a la izquierda.

Medida de Apuntamiento o Curtosis. Miden la mayor o menor cantidad de datos que se agrupan en torno a la moda. Se definen 3 tipos de distribuciones segn su grado de curtosis:

Distribucin mesocrtica: presenta un grado de concentracin medio alrededor de los valores centrales de la variable (el mismo que presenta una distribucin normal). Distribucin leptocrtica: presenta un elevado grado de concentracin alrededor de los valores centrales de la variable. Distribucin platicrtica: presenta un reducido grado de concentracin alrededor de los valores centrales de la variable.

Diagrama de Caja Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una presentacin visual que describe varias caractersticas importantes, al mismo tiempo, tales como la dispersin y simetra. Para su realizacin se representan los tres cuartiles y los valores mnimo y mximo de los datos, sobre un rectngulo, alineado horizontal o verticalmente. Una grfica de este tipo consiste en una caja rectangular, donde los lados ms largos muestran el recorrido intercuartlico. Este rectngulo est dividido por un segmento vertical que indica donde se posiciona la mediana y por lo tanto su relacin con los cuartiles primero y tercero (recordemos que el segundo cuartil coincide con la mediana). Esta caja se ubica a escala sobre un segmento que tiene como extremos los valores mnimo y mximo de la variable. Las lneas que sobresalen de la caja se llaman bigotes. Estos bigotes tienen tienen un lmite de prolongacin, de modo que cualquier dato o caso que no se encuentre dentro de este rango es marcado e identificado individualmente. Ejemplo distribucin de edades Utilizamos la siguiente distribucin de frecuencias que representan la edad de un colectivo de 20 personas: 36 39 25 24 37 29 24 23 39 41 20 40 36 33 45 24 31 34 31 40

Para calcular los parmetros estadstico, lo primero es ordenar la distribucin: 20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40 41 45

Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la distribucin. Como N = 20 resulta que N/4 = 5; el primer cuartil es la media aritmtica de dicho valor y el siguiente:
Q1 = 24 + 25 = 24 .5 2

Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribucin, es el valor de la variable que ocupa el lugar central en un conjunto de datos ordenados. Como N/2 =10 ; la mediana es la media aritmtica de dicho valor y el siguiente:
Q2 = Me = 33 + 34 = 33 .5 2

Q3, el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de la distribucin. En nuestro caso, como 3N / 4 = 15, resulta
39 + 39 = 39 2

Q3 =

El bigote de la izquierda representa al colectivo de edades (Xmn, Q1).La primera parte de la caja a (Q1, Q2), La segunda parte de la caja a (Q2, Q3) El bigote de la derecha viene dado por (Q3, Xmx). Podemos obtener abundante informacin de una distribucin a partir de estas representaciones. Veamos alguna:

La parte izquierda de la caja es mayor que la de la derecha; ello quiere decir que las edades comprendidas entre el 25% y el 50% de la poblacin est ms dispersa que entre el 50% y el 75%. El bigote de la izquierda (Xmin, Q1) es ms corto que el de la derecha; por ello el 25% de los ms jvenes estn ms concentrados que el 25% de los mayores.

El rango intercuartlico = Q3 - Q1 = 14,5; es decir, el 50% de la poblacin est comprendido en 14,5 aos.

Otro ejemplo: comparacin entrenamientos de un corredor Un corredor entrena para una determinada carrera y se toman los tiempos que necesita para recorrer los 100m, durante 10 das consecutivos (cada da se toman varios tiempos y se calculan mediana, cuartiles, valores mnimo y mximo)

Observamos que el desplazamiento de las grficas de caja hacia la izquierda indica que el entrenamiento ha dado resultado, ya que se tardan menos segundos en recorrer la misma distancia, siendo la diferencia entre el mximo y el mnimo menor, como as tambin la diferencia intercuartlica.

Ejercicios: I. El nmero de das necesarios por 10 equipos de trabajadores para terminar 10 instalaciones de iguales caractersticas han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y 80 das. Calcular la media, mediana, moda, varianza y desviacin tpica.

II.

El precio de un interruptor magentotrmico en 10 comercios de electricidad de una ciudad son: 25, 25, 26, 24, 30, 25, 29, 28, 26, y 27 euros. Hallar la media, moda, mediana, diagrama de barras y el diagrama de caja.

III. Los datos que se muestran a continuacin representan el costo de la energa elctrica durante el mes de julio del 2006 para una muestra aleatoria de 50 departamentos con dos recamaras en una ciudad grande.

a) Determine una tabla de frecuencias b) Elabore un histograma de frecuencias c) Alrededor de que cantidad parece concentrarse el costo mensual de energa elctrica IV. Se identific una muestra de estudiantes que posea automviles producidos por la General Motors y se registr la marca de cada automvil. A continuacin se presenta la muestra que se obtuvo (Ch = Chevrolet, P = Pontiac, O = Oldsmobile, B = Buick, Ca = Cadillac):

a) Encuentre el nmero de automviles de cada marca que hay en la muestra. b) Qu porcentaje de estos automviles son Chevrolet, Pontiac, Oldsmobile, Buick, Cadillac? V. Un polica de una ciudad, usando radar, verific la velocidad de los automviles que circulaban por una calle de la ciudad: 2 7 2 5 23 22 38 43 24 23 22 52 31 30

2 9 2 6 2 1

28 27 25 29 28 33 25 27 25 23 24 18 23

Calcule Media Geometria, Media Aritmetica, Moda, Mediana, Rango, Primer Cuartil. Elabore diagrama de caja VI. Por un error, un profesor borr la calificacin obtenida por uno de diez alumnos. Si los otros nueve estudiantes obtuvieron 43, 66, 74, 90, 40, 52, 70, 78 y 92 y la media de las diez calificaciones es 67, Qu calificacin borr el profesor?
VII.

En los siguientes ejercicios, calcule Media aritmtica, Media geomtrica, Mediana, Moda, Segundo Cuartil, Rango, Varianza, Desviacin tpica y Coeficiente de variacin de Pearson. Represente grficamente la campana de Gauss y determine la Medida de Asimetra y la Medida de Apuntamiento. Elabore el Diagrama de Caja a) Los valores que se dan son pesos (en onzas) de carnes listadas en el men de un restaurante como cortes Porterhouse de 20 onzas. 17 20 20 19 21 21 18 20 20 18 20 20 20 20 18 19 19 18 19 19

b) Dgitos seleccionados en la lotera Maryland Pick Three: 0 1 7 6 3 8 6 6 2 9 7 5 6 2 6 1 6 5 3 0 8 3 1 9 7 9 8 0 7 7

c) Concentraciones de alcohol en la sangre de 15 conductores implicados en accidentes mortales y luego condenados a prisin (basados en datos del departamento de Justicia de Estados Unidos). 0.27 0.14 0.17 0.16 0.17 0.12 0.16 0.16 0.13 0.21 0.24 0.17 0.29 0.18 0.24

d) La concentracin de slidos suspendidos en agua de un ro es una caracterstica ambiental importante. Un artculo cientfico report sobre la concentracin (en partes por milln, o ppm) para varios ros diferentes. Supongamos que se obtuvieron las siguientes 50 observaciones para un ro en particular:

55.8 42.3 45.9 71.7 83.2 47.3 75.3 48.0 60.7 69.8

60.9 33.8 39.1 61.2 40.0 94.6 71.4 61.8 77.1 64.9

37.0 60.6 35.5 61.5 31.7 56.3 65.2 78.8 59.1 27.1

91.3 76.0 56.0 47.2 36.7 30.0 52.6 39.8 49.5 87.1

65.8 69.0 44.6 74.5 62.3 68.2 58.2 65.0 69.3 66.3

e) Los siguientes son los nmeros de los minutos durante los cuales una persona debi esperar el autobs hacia su trabajo en 15 das laborales: 10, 1, 13, 9, 5, 2, 10, 3, 8, 6, 17, 2,