Formato de Prácticas

Hoja __1_de__7_
Cuatrimestre: Práctica
2PIMG2 N° 1

Asignatura: Probabilidad y Estadística Unidad: 1

Profesor: MCII Juan Reséndiz Ríos Tema(s):  Tamaño de muestra

 Tabla de frecuencia
Alumno(s) Luis Alejandro Perez Quijano  Ojiva
Kevin Haziel Maqueda Lara  Histograma

Fecha de Enero – Abril 2024

elaboración:

Nombre de Análisis de datos

la práctica:

Objetivo: Conocer por que son especialmente útiles para estimar los porcentajes de una distribución
de igual forma podemos conocer el punto central para que el 50% de las observaciones están
por debajo y el 50% por encima

Material: Pijas de Acero Pavonado

Descripción: Pijas de Acero Pavonado de 2 pulgadas, para madera o tabla roca, de cabeza redonda plana
entrada para desarmador de cruz y plano
Secuencia: El profesor Juan Reséndiz nos pidió hacer equipos de dos para poder trabajar con el proyecto, al
igual que nos encargo comprar 70 piezas de cualquier objeto pero de la misma línea de producción,
describimos la pieza con sus características principales cuando la vamos a comprar, prácticamente la
descripción del objeto, kevin y yo analizamos el diámetro y la longitud de las pijas pavonadas nosotros
utilizamos el instrumento vernier para medir el diámetro y la longitud para mayor precisión
1. Plantear el problema.
En el proceso de pijas pavonadas, se ha observado una variabilidad inusual en las medidas de las
pijas producidas, lo que ha generado preocupación en cuanto a la calidad del producto, el problema
comienza en la anomalía que afectan a las dimensiones de las pijas pavonadas, lo que quiero decir es
que existen variaciones inesperadas en la longitud y el diámetro de estas, estas pequeñas pero no
insignificantes anomalías pueden comprometer la integridad estructural de las pijas y por lo tanto su
capacidad para cumplir las especificaciones técnicas y los estándares de calidad establecidos para la
satisfacción de nuestros clientes.

A continuación, se muestran las tablas ordenadas de menor a mayor con la tabla real de cada una
Longitud de Pijas Pavonadas (mm)
49.61 50.12 49.72 49.83
49.35 49.76 49.66 50.21 48.28
50.05 49.86 49.55 50.16 48.85
49.85 49.27 49.93 49.67 48.92
50.13 49.74 49.75 49.73 49.09
49.70 49.99 49.92 50.28 49.12
49.36 50.09 49.97 49.42 49.13
49.79 49.86 49.13 49.89 49.22
49.80 49.59 49.86 49.34 49.27
50.40 49.49 50.04 49.78 49.27
8.37 9 49.34
0.01 Tamaño de 0.32 49.35
2.69 clase 49.36
Tabla de distribución de frecuencias 49.42
Marca de Frecuencia Frec. Rel.
Frecuencia
clase relativa % Acumulada 49.49
Err:522 48.43 Err:522 1.43 49.55
Err:522 Err:522 Err:522 Err:522 49.56
Err:522 Err:522 Err:522 Err:522 49.59
Err:522 Err:522 Err:522 Err:522 49.61
Err:522 Err:522 Err:522 Err:522 49.63
Err:522 Err:522 Err:522 Err:522 49.64
Err:522 Err:522 Err:522 Err:522 49.66
Err:522 Err:522 Err:522 Err:522 49.67
Err:522 Err:522 Err:522 Err:522 49.70
70 49.70
ojiva 49.72
49.73
49.74
49.74
49.74
49.75
49.75
49.76
3 4 5 6 7 8 9 49.78
49.79
49.80
Histograma de longitud 49.80
49.80
49.82
49.83
49.85
49.85
49.86
49.86
49.86
longitud 49.89
49.89
2.-Determinar el modelo matemático
Dato mayor=MAX (selección de todos los datos)
Dato menor=MIN (selecciónde todoslos datos)
Relación de datos=(0 , 1 , 0 , 01, 0,001)dependiendolas milésimas que se necesiten
Rango=(Dato mayor + Relación de datos)– (Dato menor + Relación de datos)
Tamaño de Clase =Rango/número de Barras
Límite Inferior=Dato menor – Relación de datos
Limite Superior=Límite Inferior+tamaño de clase
Frecuencia=todoslos datos seleccionados y en formulactrl + shift+ enter
Marca de Clase =( Límite inferior + Limite Superior )/2
Frecuencia Relativa=primer Frecuencia /total de datos x 100
Frecuencia Relativa Acumulada= primer resultado es la primera frecuencia y el segundo es la suma de
el ultimo resultado debe ser 100

A continuación, se muestran las tablas reales de las medidas de longitud y de diámetro de las pijas
pavonadas al igual que las tablas de frecuencia con el material de apoyo grafico como lo es el
histograma y la ojiva
 Diametro de pijas pavonadas (mm)
8.97 9.87 8.92 9.08 8.90 8.88 8.87
8.78 9.83 8.89 8.93 9.05 8.92 8.85
8.87 8.92 8.91 9.03 8.79 8.91 8.81
8.74 9.03 9.00 8.75 8.78 8.83 9.05
9.07 9.00 8.92 8.87 8.92 8.81 9.01
8.88 8.07 8.87 8.84 8.85 8.81 9.12
8.93 9.05 8.83 8.99 9.01 8.93 8.87
8.90 8.96 8.87 8.99 8.92 9.15 9.04
8.89 8.93 8.96 8.89 9.17 8.88 8.87
8.81 8.92 8.87 8.92 8.96 8.82 8.82
No. de datos 70 No. barras 8.37 9
Dato mayor 9.87 Rel./Datos 0.01 Tamaño de 0.22
Dato menor 8.07 Rango 1.80 clase
Tabla de distribución de frecuencias
Límite Límite Marca de Frecuencia Frec. Rel.
<X≤ Frecuencia
inferior superior clase relativa % Acumulada
8.06 <X≤ 8.28 Err:522 8.17 Err:522 1.43
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
70

Histograma de diametro de pijas pavonadas

12
poligono de frecuencia
10
frecuencia

8
6
4
2
0
diametro
FREC REAL ACU

ojiva
2.00

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
Err:522 <X≤ Err:522 Err:522 Err:522 Err:522 Err:522
70

Histograma de longitud
12
frecuencia

10 POLIGONO DE FREC
8
6
4
2
0
longitud
FRECUENCIA RELATIVA ACU

ojiva
2.00

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9
2. Métodos de estadísticas
Se realizaron 9 ejercicios 3 con el 1%, 3 con el 5% y 3 con el 10%; posteriormente se puso en práctica
la siguiente formula.
n = Tamaño de muestra
N = Población “Lote”
Σ =Marguen de error (10%, 5%, 1%)
Z = Valores dependiendo el % (1,96, 1,64, 2,58)
Se realizaron 9 ejercicios 3 con el 1%, 3 con el 5% y 3 con el 10%; posteriormente se puso en práctica
la siguiente formula.
n = Tamaño de muestra
N = Población “Lote”
Σ =Marguen de error (10%, 5%, 1%)
Z = Valores dependiendo el % (1,96, 1,64, 2,58)
P =Proporción de Afirmación (50%)
q = Proporción de negación (50%)

Pq/(Σ/Z)^2 +Pq/N
Resolver el modelo matemático P =Proporción de Afirmación (50%)
q = Proporción de negación (50%)

Pq/(Σ/Z)^2 +Pq/N
Resolver el modelo matemático
❑

3. Resolver el modelo matemático

∑
❑
❑ xi
X=
n
Datos Datos Datos
n 21.44 n 79.21 n 934.25
N 1,600 N 1,600 N 1,600
E 10% E 5% E 1%
Z 1.64 Z 1.96 Z 2.58
P 0.91 P 0.94 P 0.97
q 0.09 21.44 q 0.06 79.21 q 0.03 934.25

Datos Datos Datos

n 19.26 n 66.71
N 1,600 N 1,600
E 10% E 5%
Z 1.64 Z 1.96
P 0.92 P 0.95
q 0.08 19.26 q 0.05
n 971.11
N 5,000
E 1%
Z 2.58
P 0.98
66.71 q 0.02 971.11

Datos Datos Datos

n 17.04 n 53.93
N 1,600 N 1,600
E 10% E 5%
Z 1.64 Z 1.96
P 0.93 P 0.96
q 0.07 17.04 q 0.04
n 490.51
N 5,000
E 1%
Z 2.58
P 0.99
53.93 q 0.01 490.51
4. Interpretación de los resultados.

De los nueve ejercicios escogimos el primero para trabajar el tamaño de la muestra con un (E) margen
de error del 10 % del cual ya conocemos el valor de (Z) y es 1.64, teniendo un lote (N) de 1600 piezas
y contamos con un porcentaje de afirmación (p) del 91% o 0.91 en decimales, y de porcentaje
negación (q) tenemos el 9% o 0.09 en decimales, y la fórmula que vamos a utilizar para resolver el
pq
n=
( )
2
problema es E pq
+
Z N
0.91∗0.09
n=
( ) (0.91∗0.09) R= 21.728676693
2
0.10
+
1.64 1600
Ambos histogramas representan la variabilidad en los datos obtenidos, así como brindar una
representación visual de los datos mas comunes y se utilizo la ojiva para demostrar a partir de qué
punto dichas medidas se normalizan en su totalidad dentro de un rango

5.-Conclucion
La estadística nos proporciona herramientas para analizar datos, identificar patrones, tomar decisiones
asertivas y determinar la muestra la comprensión de estos conceptos estadísticos es esencial para
aplicar métodos apropiados y obtener resultados significativos en el análisis de datos, este proyecto
fue una herramienta crucial para entender tendencias de mercado y analizar los posibles márgenes de
error para buscar una solución que nos apoye a corregir el erro identificado y poder brindar una
satisfacción a los clientes.