SERVICIO NACIONAL DE ADIESTRAMIENTO EN TRABAJO INDUSTRIAL

PLAN DE TRABAJO
DEL ESTUDIANTE
 TRABAJO FINAL DEL CURSO

1. INFORMACIÓN GENERAL

Apellidos y Nombres: Sanchez velasquez fiorella ID: 1476622

Dirección Zonal/CFP: Lima Callao – Independencia / Administració n industrial
Carrera: Administració n industrial Semestre: 2
Curso/ Mód. Formativo Estadísticas de la administració n.
Tema del Trabajo: Ejercicios aplicando las herramientas estadísticas aprendidas.

2. PLANIFICACIÓN DEL TRABAJO

N ACTIVIDADES/
CRONOGRAMA/ FECHA DE ENTREGA
° ENTREGABLES
01 Indagación Sobre El Tema. 13/06
15/0
02 Recolección de información.
6
03 Realización del trabajo 1/1 17/06
04 Realización del trabajo 1/2 19/06
05 Revisión general 20/06
06 Entrega 21/06

2
 TRABAJO FINAL DEL CURSO

HOJA DE RESPUESTAS A LAS PREGUNTAS GUÍA

1. ¿Qué es una tabla de distribución de frecuencias y cuál es su

estructura?
La distribución de frecuencias es una forma de ordenar datos estadísticos de
forma que sea mucho más fácil poder comprender los resultados obtenidos. La
tabla de frecuencias pues es un recurso estadístico que nos facilita la
comprensión de datos. En dicho instrumento a cada dato, o variable, se le es
asignada una frecuencia.
La estructura básica de una tabla de distribución de frecuencias incluye las
siguientes columnas:

1.Intervalo o clase: Representa los rangos o intervalos en los que se agrupan los datos.
Cada intervalo debe ser mutuamente excluyente y abarcar todo el rango de los datos.

2.Frecuencia absoluta: Indica el nú mero de veces que los datos caen en cada intervalo o
clase. Se cuenta cuá ntas observaciones se encuentran dentro de cada intervalo.

3.Frecuencia relativa: Es la proporció n o porcentaje de la frecuencia absoluta en

relació n con el total de observaciones. Se calcula dividiendo la frecuencia absoluta de
cada intervalo entre el tamañ o total de la muestra.
Dependiendo de los requerimientos y del tipo de datos, la tabla de distribució n de
frecuencias puede incluir columnas adicionales, como:
4.Frecuencia acumulada: Es la suma acumulada de las frecuencias absolutas. Puede ser
calculada en forma ascendente o descendente.

Referencia: https://estudianteo.com/matematicas/tabla-de-distribucion-de-frecuencias
https://pe.images.search.yahoo.com/sea

3
 TRABAJO FINAL DEL CURSO

5. Frecuencia relativa acumulada: Es la suma acumulada de las frecuencias relativas.

También puede ser calculada en forma ascendente o descendente. La tabla de
distribució n de frecuencias permite resumir y visualizar la distribució n de los datos,
identificando patrones, concentraciones y dispersió n. Ademá s, facilita el cá lculo de
medidas estadísticas como la media, mediana, moda y desviació n está ndar, entre otras.

2. ¿Qué son las medidas de variabilidad?, explicar (varianza,

desviación media y estándar, medida de asimetría).
Las medidas de variabilidad son utilizadas en estadística para describir la
dispersión o variación de un conjunto de datos. Estas medidas nos brindan
información sobre qué tan cerca o lejos están los valores individuales con
respecto a la medida central, como la media, mediana o moda. Algunas de las
medidas de variabilidad más comunes son la varianza, desviación media,
desviación estándar y la medida de asimetría.
 Varianza: La varianza es una medida que indica la
dispersió n de los datos con respecto a la media. Se
calcula como la media de los cuadrados de las
diferencias entre cada valor y la media. Una varianza
alta indica una mayor dispersió n, mientras que una
varianza baja indica una menor dispersió n.

 Desviación media: La desviació n media, también conocida como desviació n

absoluta media, mide la distancia promedio entre cada valor y la media. Se
calcula como la media de los valores absolutos de las diferencias entre cada
valor y la media. La desviació n media es menos sensible a los valores extremos
que la varianza.

Desviación estándar: La desviació n está ndar

es otra medida de dispersió n que se
utiliza ampliamente. Es la raíz cuadrada
positiva de la varianza y tiene la misma
unidad de medida que los datos
4
 TRABAJO FINAL DEL CURSO

originales. La desviació n está ndar nos indica qué tan dispersos está n los
valores con respecto a la media y es especialmente ú til cuando los datos siguen
una distribució n normal.

 Medida de asimetría: La medida de asimetría, también llamada coeficiente de

asimetría, se utiliza para evaluar la simetría o asimetría de una distribució n de
datos. Indica si la distribució n está sesgada hacia la izquierda (asimetría
negativa), hacia la derecha (asimetría positiva) o si es simétrica (asimetría
cercana a cero).
Una asimetría negativa indica una cola larga en el lado izquierdo de la distribució n,
mientras que una asimetría positiva indica una cola larga en el lado derecho.
Estas medidas de variabilidad proporcionan informació n importante sobre la
dispersió n y la forma de distribució n de los datos, lo que nos permite comprender
mejor la variabilidad y tomar decisiones adecuadas en el aná lisis de datos.

3. ¿Qué es la distribución normal?, (indicar sus propiedades,

estandarización de variables).
La distribució n normal, también conocida como distribució n de Gauss o distribució n
gaussiana, es una de las distribuciones de probabilidad má s importantes en
estadística. Se caracteriza por tener una forma de campana y está completamente
determinada por dos pará metros: la media (μ) y la desviació n está ndar (σ).
- Propiedades de la distribución normal:
1. Simetría: La distribució n normal es simétrica
alrededor de su media. Esto significa que la mitad de la
distribució n se encuentra a la izquierda de la media y la
otra mitad a la derecha.

2.Media, mediana y moda

iguales: En una distribució n normal, la
media, mediana y moda tienen el mismo
valor y se encuentran en el centro de la
distribució n.

3.Distribución acotada: Aunque la

distribució n normal se extiende hacia los infinitos positivo y negativo, la probabilidad
5
 TRABAJO FINAL DEL CURSO

de que un valor se aleje mucho de la media es muy baja.

4.Curva suave: La curva de la distribució n

normal es suave y continua, sin puntos de quiebre
ni picos bruscos.

5. Regla Empírica: La regla empírica establece que aproximadamente el 68% de

los datos se encuentra dentro de una desviació n está ndar de la media, el 95% se
encuentra dentro de dos desviaciones está ndar y el 99.7% se encuentra dentro de tres
desviaciones está ndar.

6
 TRABAJO FINAL DEL CURSO

1. Elaborar dos ejemplos calculando el tamaño de una muestra

para una población finita y una infinita.
 Ejemplo 1:
Tamaño de muestra para una población finita Supongamos que queremos realizar
una encuesta en una ciudad con una población
de 50,000 habitantes. Queremos determinar el
porcentaje de personas que apoyan una
determinada medida política con un nivel de
confianza del 95% y un margen de error del
3%.
Para calcular el tamaño de muestra necesario,
utilizaremos la fórmula:
n = (Z² * p * q) / E²
Donde:
n es el tamaño de la muestra.
Z es el valor crítico de la distribución normal estándar para el nivel de confianza deseado
(en este caso, 1.96 para un nivel de confianza del 95%).
P es la estimación del parámetro poblacional (en este caso, asumiremos un valor
conservador
de 0.5, que representa la máxima variabilidad).
q es 1 - p (en este caso, también 0.5).
E es el margen de error deseado expresado como fracción (en este caso, 0.03).
Sustituyendo los valores en la fórmula, obtenemos:
n = (1.96² * 0.5 * 0.5) / (0.03²) n ≈ 1067.11
Por lo tanto, necesitaríamos una muestra de al menos 1068 individuos para realizar la
encuesta en una población finita de 50,000 habitantes.

 Ejemplo 2: Tamaño de muestra para una

población infinita Supongamos que queremos
estimar la proporción de estudiantes universitarios que
poseen un teléfono inteligente. No
tenemos información precisa sobre el tamaño de la
población estudiantil, pero sabemos que
es muy grande (por ejemplo, decenas de miles de
estudiantes).
Queremos obtener un nivel de confianza del 95% y un
margen de error del 4%.
En este caso, podemos utilizar una fórmula
simplificada para muestras de poblaciones
infinitas:
n = (Z² * p * q) / E²

Sustituyendo los valores conocidos:

n = (1.96² * 0.5 * 0.5) / (0.04²) n ≈ 600.25
Por lo tanto, necesitaríamos una muestra de al menos 601 estudiantes para estimar la
proporción de estudiantes universitarios que poseen un teléfono inteligente con un nivel de
confianza del 95% y un margen de error del 4% en una población infinita.

2. Elaborar un mapa conceptual indicando la clasificación de datos estadísticos y

7
los tipos de variables.
 TRABAJO FINAL DEL CURSO

LAS VARIBLES
ESTADISTICAS

MEDIDAS
cuantitativas CUALITATIVAS ESTADISTICAS

TABLA DE
FRECUENCIA

toma toman no medidas

valores valores de
numericos numericos centraliza
. . graficos
estadisticos
cion.
(medida aritmetica, moda,
discretas :toma
n valores mediana )nos indican
entorno a que valores se
aislados.
agrupan los datos.

continuas:pueden
tomar todos los
valores de un
intervalo.

3. Elaborar una tabla de distribución de frecuencias, que contenga (rango,

amplitud de clase, marca de clase, frecuencia absoluta, frecuencia relativa) y su
gráfico(histograma) en Excel.

8
 TRABAJO FINAL DEL CURSO
Para elaborar una tabla de distribución de frecuencias necesitamos tener una variable cuantitativa y
un conjunto de datos Supongamos que tenemos el siguiente conjunto de datos:

14, 21, 16, 19, 23, 18, 22, 15, 17, 20, 24, 16, 18, 22, 21, 17, 19, 20, 15, 18

Ahora, vamos a seguir los pasos para crear la tabla de distribución de frecuencias y el histograma:

Paso 1: Determinar el rango de los datos. El rango se calcula restando el valor mínimo al valor
máximo.

Rango = Valor máximo - Valor mínimo

24 14 10

Paso 2: Calcular el número de clases. Se puede utilizar la regla de Sturges para determinar el
número de clases:

Número de clases = 1 + log2(n),

donde n es el tamaño de la muestra. En este caso, n = 20, por lo que el número de clases sería
aproximadamente 4.

Paso 3: Calcular la amplitud de clase. La amplitud de clase se obtiene dividiendo el rango entre el
número de clases

y redondeando al entero más próximo. Amplitud de clase = Redondeo (Rango / Número de clases)
= Redondeo (10 / 4) = 3.

10 04 2.5

Paso 4: Crear los intervalos de clase. Para determinar los intervalos de clase, se toma el valor
mínimo como punto de partida

y se suma la amplitud de clase sucesivamente hasta llegar al valor máximo. Asegúrate de que
todos los valores se incluyan en los intervalos.

En este caso, con una amplitud de clase de 3, los intervalos de clase serían: 14-16, 17-19, 20-22,
23-25

14-16 17-19 20-22 23-25

Paso 5: Calcular la marca de clase. La marca de clase se obtiene promediando los límites superiores
e inferiores de cada intervalo de clase. Marca de clase = (Límite inferior + Límite superior) / 2

Paso 6: Determinar la frecuencia absoluta. La frecuencia absoluta se refiere al número de veces

que aparece cada intervalo de clase en los datos. Para calcular la frecuencia absoluta, debes contar
cuantos valores caen dentro de cada intervalo de clase. A continuación, presento la tabla de
distribución de frecuencias:

9
 TRABAJO FINAL DEL CURSO
Rango M. de clase fi fr FI

14-16 15 3 0.21 3

17-19 18 5 0.36 8

20-22 21 4 0.29 12

23-15 24 2 0.14 14

TOTAL 14 1.00

HISTOGRAMA

4. Elaborar tres ejercicios de probabilidades y explicarlos.

 Ejercicio 1: Lanzamiento de un dado Supongamos que lanzamos un dado

justo de seis caras.Queremos calcular la probabilidad de obtener un
número par.

Explicación: En este caso, tenemos un espacio muestral de seis posibles resultados igualmente

probables: {1, 2, 3, 4, 5, 6}. De estos, hay tres resultados favorables para obtener un número

par: 2, 4 y 6. Por lo tanto, la probabilidad de obtener un número par es de 3/6, que se reduce a

1/2 o 0.5.

 Ejercicio 2: Selección de una carta de una baraja Supongamos que

seleccionamos al azar una carta de una baraja de 52 cartas.
Queremos calcular la probabilidad de obtener una carta de
corazones.

Explicación: En este caso, el espacio muestral consta de 52 cartas igualmente

probables. El

número de cartas de corazones en la baraja es de 13 (hay 13 cartas de cada palo). Por lo tanto,

la probabilidad de obtener una carta de corazones es de 13/52, que se reduce a 1/4 o 0.25.

10
 TRABAJO FINAL DEL CURSO
 Ejercicio 3: Probabilidad de obtener un resultado al lanzar una moneda
Supongamos que lanzamos una moneda justa. Queremos calcular la probabilidad
de obtener cara tres veces seguidas.

Explicación: En este caso, el espacio muestral consta de 2 posibles resultados igualmente

probables: cara (C) y cruz (X). Para calcular la probabilidad de obtener cara tres veces seguidas,necesitamos multiplicar
las probabilidades de cada lanzamiento individual, ya que son eventos independientes. La probabilidad de obtener cara en
un solo lanzamiento es de 1/2. Entonces,

la probabilidad de obtener cara tres veces seguidas es (1/2) * (1/2) * (1/2), que se reduce a 1/8 o 0.125.

Estos ejercicios ilustran cómo calcular la probabilidad en diferentes situaciones, teniendo encuenta el espacio
muestral y los eventos favorables. Es importante comprender las reglasbásicas de la probabilidad y
considerar la independencia de los eventos para realizar los cálculos correctamente .

5. Elaborar un ejercicio de distribución normal.

Elaborar un ejercicio de correlación lineal aplicando el método de mínimos
cuadrados.
 Ejercicio de distribución normal:

Supongamos que las alturas de los estudiantes de una universidad siguen una distribución normal con una
media de 170 cm y una desviación estándar de 5 cm. Se pide:

1.- Calcular la probabilidad de que un estudiante seleccionado al azar tenga una altura mayor a180 cm.

2.-Calcular la probabilidad de que un estudiante seleccionado al azar tenga una altura entre165 cm y 175 cm.

3.- Encontrar el percentil correspondiente a una altura de 160 cm, es decir, determinar el porcentaje de
estudiantes que tienen una altura menor o igual a 160 cm.

Solución:

1. Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar el área bajo la
curva de la distribución normal a la derecha de 180 cm. La probabilidad de que un estudiante tenga una altura
mayor a 180 cm es el complemento de esta área, es decir, 1 menos el valor encontrado en la tabla.

2. Para calcular la probabilidad de que un estudiante tenga una altura entre 165 cm y 175

cm, necesitamos encontrar el área bajo la curva de la distribución normal entre estos dos valores.
Esto se puede hacer encontrando el área a la derecha de 165 cm y restando el área a la derecha de
175 cm. Nuevamente, se puede utilizar la tabla de la distribución normal estándar o una calculadora.

3. Para encontrar el percentil correspondiente a una altura de 160 cm, necesitamos encontrar el área bajo la
curva de la distribución normal a la izquierda de 160 cm. Este valor representa el porcentaje de estudiantes
que tienen una altura menor o igual a160 cm. Podemos utilizar la tabla de la distribución normal estándar o
una calculadora para encontrar este valor.

- Ejercicio de correlación lineal utilizando el método de mínimos cuadrados:

Supongamos que tenemos datos sobre la cantidad de horas de estudio y las calificaciones obtenidas por un
grupo de estudiantes. Los datos se presentan a continuación:

Horas de estudio: [4, 7, 3, 6, 5] Calificaciones: [70, 90, 65, 85, 75]

Se pide encontrar la ecuación de la recta de regresión utilizando el método de mínimoscuadrados.

11
 TRABAJO FINAL DEL CURSO
Solución:

1. Calcular la media de las horas de estudio (X) y las calificaciones (Y).

Media de X: (4 + 7 + 3 + 6 + 5) / 5 = 5

Media de Y: (70 + 90 + 65 + 85 + 75) / 5 = 77

2. Calcular las desviaciones de X (dX) y las desviaciones de Y (dY) para cada dato.

dX = X - media de

dY = Y - media de Y

dX: [-1, 2, -2, 1, 0]

dY: [-7, 13, -12, 8, -2]

3. Calcular los productos de las desviaciones (dX * dY) para cada dato.

dX * dY: [7, 26, 24, 8, 0]

4. Calcular los cuadrados de las desviaciones (dX^2) para cada dato.

dX^2: [1, 4, 4, 1, 0]

5. Calcular la suma de los productos de las desviaciones (SUM(dX * dY)) y la suma de los

cuadrados de las desviaciones (SUM(dX^2)).

SUM(dX * dY) = 7 + 26 + 24 + 8 + 0 = 65

SUM(dX^2) = 1 + 4 + 4 + 1 + 0 = 10

6. Calcular el coeficiente de regresión b utilizando la fórmula:

b = SUM(dX * dY) / SUM(dX^2)

b = 65 / 10 = 6.5

7. Calcular el coeficiente de intersección a utilizando la fórmula:

a = media de Y - (b * media de X)

a = 77 - (6.5 * 5) = 44.5

8. La ecuación de la recta de regresión es: Y = 6.5X + 44.5

Esta ecuación nos permite predecir la calificación (Y) en función de la cantidad de

horas de estudio (X). Por ejemplo, si un estudiante estudia 8 horas, podemos estimar

que obtendrá una calificación de 6.5 * 8 + 44.5 = 99.5

12
TRABAJO FINAL DEL CURSO

13
TRABAJO FINAL DEL CURSO

14