Histograma

UNIVERSIDAD NACIONAL DE HUANCAVELICA
ESCUELA DE POST GRADO
MAESTRIA EN PLANIFICACIN ESTRATGICA Y GESTIN

EN INGENIERA DE PROYECTOS
ASIGNATURA: ESTADSTICA APLICADA A LA

INVESTIGACIN CIENTFICA
1. REPRESENTACIN DE LOS DATOS
Dr. Alfonso Cordero Fernndez

Una empresa metalmecnica fabrica diariamente
una serie de piezas y componente auto motivos.
Para los ejes de produccin fabricados, una de las
caractersticas de cualidad importantes en el
control de calidad es el peso, teniendo el tcnico
la responsabilidad diaria de inspeccionar las
medidas de posicin, dispersin, asimetra y
curtosis, para que sea hecho un anlisis
preliminar del comportamiento del peso del eje
en el lote producido, del cual una muestra de 110
ejes fue separada y la caracterstica de cualidad
fue medida, cuyos datos es como sigue:
DATA ESTADISTICA_DESCRPTIVA;
INPUT PESO @@;
CARDS;
2.559 2.556 2.566 2.546 2.561
2.570 2.546 2.565 2.543 2.538
2.560 2.560 2.545 2.551 2.568
2.546 2.555 2.551 2.554 2.574
2.568 2.572 2.550 2.556 2.551
2.561 2.560 2.564 2.567 2.560
2.551 2.562 2.542 2.559 2.556
2.556 2.550 2.561 2.559 2.561
2.559 2.557 2.532 2.575 2.551
2.550 2.559 2.565 2.552 2.580
2.559 2.547 2.569 2.559 2.549
Continua...........................
2.550 2.550 2.552 2.536 2.570
2.534 2.553 2.558 2.538 2.564
2.544 2.543 2.562 2.571 2.553
2.564 2.569 2.552 2.536 2.537
2.552 2.552 2.575 2.545 2.551
2.539 2.537 2.547 2.533 2.538
2.532 1.545 2.545 2.556 2.543
2.547 2.569 2.559 2.534 2.561
2.571 2.572 2.558 2.542 2.574
2.551 2.542 2.552 2.551 2.553
2.567 2.531 2.563 2.554 2.554
Continua.....................................................
PROC UNIVARIATE DATA =
ESTADISTICA_DESCRPTIVA;
VAR PESO;
TITLE `TESTE NORMALIDAD`;
RUN;
PROC SUMARY DATA =
ESTADISTICA_DESCRPTIVA ALPHA = 0.05 PRINT N
MEAN
CLM STD STDERR VAR MIN MAX RANGE;
VAR PESO;
PROC MEANS DATA = ESTADISTICA_DESCRPTIVA;
VAR PESO;
RUN;
`TESTE NORMALIDAD`
Procedimiento UNIVARIATE
Variable: PESO
Momentos
N 110 Sumar pesos 110

Media 2.54521818 Observ suma 279.974
Desviacin std 0.09689125 Varianza 0.00938792
Asimetra -10.274925 Curtosis 107.00039
SC no corregida 713.618198 SC corregida 1.02328276
Coef. variacin 3.80679564 Media error std 0.00923822
Medidas estadsticas bsicas
Ubicacin Variabilidad
Media 2.545218 Desviacin std 0.09689

Mediana 2.554000 Varianza 0.00939
Moda 2.551000 Rango 1.03500
Rango intercuantil 0.01500
Cuantil Estimador
100% Mx 2.5800
99% 2.5750
95% 2.5720
90% 2.5695
75% Q3 2.5610
50% Mediana 2.5540
25% Q1 2.5460
10% 2.5375
5% 2.5340
1% 2.5310
0% Mn 1.5450
`TESTE NORMALIDAD
Procedimiento UNIVARIATE
Variable: PESO
Observaciones extremas
------Inferior------ ------Superior------
Valor Observacin Valor Observacin
1.545 87 2.574 20
2.531 107 2.574 100
2.532 86 2.575 44
2.532 43 2.575 78
2.533 84 2.580 50
Procedimiento SUMMARY
Variable de anlisis: PESO
Inferior 95% Superior 95% Error

N Media CL para media CL para media Dev tip estndar Varianza

110 2.5452182 2.5269083 2.5635280 0.0968913 0.0092382 0.0093879

Variable de anlisis: PESO
Mnimo Mximo Rango

1.5450000 2.5800000 1.0350000
UNIVERSIDAD NACIONAL DE HUANCAVELICA
ESCUELA DE POST GRADO
MAESTRIA EN PLANIFICACIN....
ASIGNATURA: ESTADSTICA APLICADA A LA

INVESTIGACIN CIENTFICA
2. HISTOGRAMA
Dr. Alfonso Cordero Fernndez

REPRESENTACIN DE DATOS
HISTOGRAMA
Ejemplo: Variable tipo cuantitativo continua
Consideremos hipotticamente los contenidos de

protena cruda (kilos) de una especie vegetal:
4.5 5.8 6.4 4.2 7.1 5.0 4.9 5.9 6.4 7.3
5.5 6.1 6.9 4.7 6.2 6.1 7.8 4.9 6.1 7.5
8.8 6.2 5.9 5.2 5.8 6.4 5.8 7.1 7.9 8.2
Ordenamiento de los datos
k = 30 5.47 6 clases
R
Amplitud de clase h =
K
R = Nmero mayor nmero menor

8.8 4.2
h= = 0.8 (amplitud de clase)
6
Informacin adicional:
Resolucin por paquete estadstico
DATA HISTOGRAMA_ESTADISTICA;
INPUT KILOS @@;
CARDS;
4.5 5.8 6.4 4.2 7.1 5.0 4.9 5.9 6.4 7.3
5.5 6.1 6.9 4.7 6.2 6.1 7.8 4.9 6.1 7.5
8.8 6.2 5.9 5.2 5.8 6.4 5.8 7.1 7.9 8.2
PROC UNIVARIATE PLOT NORMAL;
VAR PROTCRUDA;
HISTOGRAM;
RUN;
Informacin estadstica:
N 30 Sumar pesos 30
Asimetra 0.34435096 Curtosis -0.2922005

.
Tabla de distribucin de frecuencias (datos
agrupados)
Variable tipo cuantitativa continua
0.433
Tabla de distribucin de frecuencias (datos
agrupados) en forma resumida
RESUMEN SOBRE HISTOGRAMA VARIABLE
CUANTITATIVA CONTINUA
1. Introduccin
. Al estudiar grandes conjuntos de datos, es
necesario resumirlos en una tabla, por medio
del agrupamiento de los datos en clases con sus
respectivas frecuencias.
. El procedimiento anterior, permite la posibilidad
de construir un histograma con la finalidad de
visualizar la distribucin de frecuencias de
clases; es decir, de visualizar el padrn de la
variacin de todos los datos colectados en
relacin a la media.
. El histograma es un grfico formado por columnas
yuxtapuestas, cuya altura es funcin de la
ocurrencia de los datos dentro de una faja de
variacin que es denominada clase, la misma
que es definida por la longitud de la base de la
columna.
2. Pasos para la construccin de un histograma
a) Obtener una muestra de datos;
b) Obtener la amplitud total (R) de la muestra de
datos;
c) Determinar el nmero de clases (k) por medio
de una de las siguientes opciones:
.k= n,
. Para n>5, Regla de Sturges (K= 1 + 3.22 log n)
. Tabla de Ishiawa
K = 5 a 7, para n < 50
k = 6 a 10, para n = 50 a 100
k = 7 a 12, para n = 100 a 250
k = 10 a 20, para n > 250 ;
d) Determinar, aproximadamente, el intervalo de
R
clase h = ;
k
e ) Determinar los limites inferior y superior de
cada clase;
f) Construir la tabla de distribucin de frecuencias,
de acuerdo con el intervalo de clase; y
g) Construir el histograma basado en la tabla de
frecuencias.
Ejemplo: Dimetros de internos de 32 caos

utilizados en la construccin de
canaletas de agotamiento de agua en
caminos en funcin a los lugares de
procedencia y sexo de las personas.
Informacin (34 datos sobre dimetros de caos)
23.45 14.48 Orden creciente de datos
24.45 15.67
23.45 17.45 10.39
19.34 19.46 11.34
17.47 23.56 12.67
11.34 25.78
12.67
13.45
10.39 26.60
14.48
. 27.45
.
. 28.45
.
. 29.67
.
. 30.45
. 31.46 .
. 32.45 32.45
. 34.56 32.67
. 13.45 34.56
Construccin de histograma por el SAS
OPTIONS NODATE NONUMBER;
DATA MEDIDAS;
INPUT CODIGO $ SEXO $ DIAMETRO;
CARDS;
HUERTAS M 23.45
HUERTAS H 24.45
HUERTAS M 23.45
HUERTAS H 19.34
HUERTAS M 17.45
HUERTAS H 11.34
HUERTAS M 10.39
HUERTAS H 17.38
HUERTAS H 16.34
MOLINOS M 12.67
MOLINOS H 12.67
MOLINOS M 23.45
MOLINOS H 32.67
MOLINOS H 31.45
MOLINOS M 26.34
MOLINOS H 20.89
MOLINOS H 13.45
MOLINOS M 14.48
MOLINOS H 15.67
MOLINOS M 17.45
MOLINOS H 19.46
Viene....
JAUJA H 23.56
JAUJA M 25.78
JAUJA H 26.60
JAUJA M 27.45
JAUJA H 28.45
JAUJA M 29.67
JAUJA H 30.45
JAUJA M 31.46
JAUJA H 32.45
JAUJA M 34.56
;
RUN;
PROC SUMMARY DATA=MEDIDAS PRINT RANGE;
VAR DIAMETRO;
RUN;
PROC CAPABILITY DATA= MEDIDAS;
HISTOGRAM DIAMETRO/MIDPOINTS= 12.39 TO 32.39 BY 4;
HISTOGRAM DIAMETRO;
HISTOGRAM DIAMETRO/NOBARS KERNEL (C=.675 K=T);
HISTOGRAM DIAMETRO/NOBARS KERNEL (C=1.35 K=T);
RUN;
PROC CAPABILITY DATA = MEDIDAS;
VAR DIAMETRO;
COMPHISTOGRAM DIAMETRO/CLASS = SEXO;
INSET MEAN STD N/POSITION = NE HEIGHT= 1.5;
LABEL SEXO =SEXO PERSONAS;
RUN;
El primer comando (histogram dimetro /
midpoints = 12.39 to 32.39 by 4 , permiti
construir un histograma con 12 clases por medio
de los puntos medios 12.39 a 32.39, espaciados
de 4 mm. Para ello, inicialmente se calcul:
. n = 32
. R (rango) = 24.17 ( 34.56, valor mayor 10.39,
valor menor).
. Nmero de clases (k) = 32 = 6.
R 24.17
. Amplitud de clase (h) = = = 4.
K 6
El primer comando (histogram dimetro /
midpoints = 12.39 to 32.39 by 4
Obtencin de puntos medios 12.39 a 32.39

Clases Puntos medios
10.39 14.39 12.39
14.39 18.39 16.39
18.39 22.39 20.39
22.39 26.39 24.39
26.39 30.39 28.39
30.39 34.39 32.39
Las clases de dimetros (D) utilizadas fueron:
1. 10.39 D < 14.39 (presente caso:10.39 + 4 = 14.39)
2. 14.39 D < 18.39
3. 18.39 D< 22.39
4. 22.39 D < 26.39
5. 26.39 D < 30.39
6. 30.39 D < 34.39.
El comando histogram dimetro, permiti que el
propio proc capability establezca el nmero y el
intervalo de clases (por medio de un algoritmo
desarrollado por Terrell y Scott).
La tercera y cuarta manera de obtener una
estimacin de los datos es por medio de la
estimativa de la densidad de Kernel.
La estimativa de Kernel fue aplicada con el
objetivo de verificar la existencia de 2 picos en la
distribucin de los dimetros de fibra de las
alpacas. Este mtodo puede ser considerada como
un mtodo grfico producido para analizar
distribuciones de datos multimodales.
El comando histogram dimetro/norbars Kernel
(c = 1.35 k = T), permiti que los datos sea
estratificado de acuerdo con el sexo de los
animales M y H.
Variable de anlisis: DIAMETRO
Rango
24.1700000
...............................................................................................................
Procedimiento CAPABILITY
Variable: DIAMETRO
Momentos
N 32 Sumar pesos 32
Asimetra 0.02801738 Curtosis -1.1798534

Moda 23.45000 Rango 24.17000
.............................................................................
Cuantiles (Definicin 5)
Cuantil Estimador
100% Mx 34.56
99% 34.56
95% 32.67
90% 31.46
75% Q3 27.95
50% Mediana 23.45
25% Q1 16.86
10% 12.67
5% 11.34
1% 10.39
0% Mn 10.39
Variable: DIAMETRO
------Inferior------ ------Superior------
10.39 7 31.45 14
11.34 6 31.46 30
12.67 11 32.45 31
12.67 10 32.67 13
13.45 17 34.56 32
__________________________________________________________
Capability = capacidad
17.5
15.0
12.5
10.0
Porcentaje
7.5
5.0
2.5
0
10.39 12.39 14.39 16.39 18.39 20.39 22.39 24.39 26.39 28.39 30.39 32.39 34.39
DIAMETRO
35
30
25
20
Porcentaje
15
10
0
9 15 21 27 33
DIAMETRO
35
30
25
Porcentaje
20
15
10
0
3 9 15 21 27 33 39
DIAMETRO
Curva: Kernel(c=0.68)
35
30
25
Porcentaje
20
15
10
0
-3 3 9 15 21 27 33 39 45
DIAMETRO
Media 22.15412
30
Desv iacin std 7.230778
N 17
25
Porcentaje
20
H
15
10
SEXO PERSONAS
0
Media 22.36733
30
N 15
25
20
Porcentaje
M
15
10
0
12.5 17.5 22.5 27.5 32.5
DIAMETRO
Otro ejemplo sobre construccin de
histograma
Un conjunto de datos que contienen el contenido

de protena de plantas distintas, gramneas y
leguminosas que fueron muestreadas de una 1 ha
de terreno.
OPTIONS NODATE NONUMBER;
DATA HISTOGRAMA3;
INPUT CODIGO $ PLANTAS $ PROTEINA @@;
CARDS;
LACHO GRA 5 ACOB GRA 6 PAM LEG 16
LACHO LEG 13 ACOB LEG 13 PAM LEG 18
LACHO LEG 12 ACOB GRA 9 PAM LEG 15
LACHO GRA 7 ACOB GRA 6 PAM GRA 9
LACHO GRA 16 ACOB LEG 15 PAM GRA 9
LACHO LEG 13 ACOB GRA 14 PAM GRA 8
LACHO LEG 16 ACOB LEG 12 PAM GRA 6
LACHO LEG 5 ACOB LEG 15 PAM GRA 8
LACHO GRA 18 ACOB LEG 13 PAM LEG 17
LACHO LEG 14 ACOB GRA 8 PAM GRA 13
LACHO GRA 4 ACOB LEG 10 PAM LEG 10
;
RUN;
PROC SUMMARY DATA=HISTOGRAMA3 PRINT RANGE;
VAR PROTEINA;
RUN;
TITLE H ="HISTOGRAMA REFERENTE AL CONTENIDO DE
PROTEINA DE PLANTAS";
PROC CAPABILITY DATA= HISTOGRAMA3;
HISTOGRAM PROTEINA /MIDPOINTS= 5.5 TO 19.5 BY 2;
HISTOGRAM PROTEINA;
HISTOGRAM PROTEINA/NOBARS KERNEL (C=.675 K=T);
HISTOGRAM PROTEINA/NOBARS KERNEL (C=1.35 K=T);
RUN;
PROC CAPABILITY DATA = HISTOGRAMA3;
VAR PROTEINA;
COMPHISTOGRAM PROTEINA /CLASS = PLANTAS;
INSET MEAN STD N/POSITION = NE HEIGHT= 1.5;
LABEL PLANTAS =PLANTAS DE LUGARES;
RUN;
Para el comando histogramproteina / midpoints
= 5.5 to 19.5 by 2 , permiti construir un
histograma con 9 clases por medio de los puntos
medios 5.5 a 19.5, espaciados de 2 mm. Para ello,
inicialmente se calcul:
. n = 96
. R (rango) = 15 ( 19, valor mayor 4, valor
menor)
. Nmero de clases (k) = 8 (Tabla Ishiawa)
R 15
. Amplitud de clase (h) = = = 1.87 = 2 .
K 8
Variable de anlisis: PROTEINA
Rango
15.0000000
Momentos
N 96 Sumar pesos 96
Media 11.4166667 Observ suma 1096
Asimetra -0.0138163 Curtosis -1.0884889
SC no corregida 14128 SC corregida 1615.33333

Moda 9.00000 Rango 15.00000
Cuantiles (Definicin 5)
Cuantil Estimador
100% Mx 19
99% 19
95% 18
90% 17
75% Q3 15
50% Mediana 12
25% Q1 8
10% 6
5% 5
1% 4
0% Mn 4
Variable: PROTEINA
------Inferior----- ------Superior-----
4 68 18 48
4 64 18 54
5 94 18 60
5 88 19 51
5 82 19 57
17.5
15.0
12.5
10.0
Porcentaje
7.5
5.0
2.5
0
3.5 5.5 7.5 9.5 11.5 13.5 15.5 17.5 19.5
PROTEINA
20.0
17.5
15.0
12.5
Porcentaje
10.0
7.5
5.0
2.5
0
3.75 6.25 8.75 11.25 13.75 16.25 18.75
PROTEINA
25
20
15
Porcentaje
10
0
1.25 3.75 6.25 8.75 11.25 13.75 16.25 18.75 21.25
PROTEINA
20.0
17.5
15.0
12.5
Porcentaje
10.0
7.5
5.0
2.5
0
-1.25 1.25 3.75 6.25 8.75 11.25 13.75 16.25 18.75 21.25 23.75
PROTEINA
Media 9.306122
40
N 49
35
30
Porcentaje
25
GRA
20
15
PLANTAS DE LUGARES
10
0
Media 13.61702
40
N 47
35
30
Porcentaje
25
LEG
20
15
10
0
5.0 7.5 10.0 12.5 15.0 17.5 20.0
PROTEINA
REPRESENTACIN DE LOS DATOS.
TABLA DE FRECUENCIAS
VARIABLE CUANTITATIVA DISCRETA
En una caseta de vegetacin se tiene 10 plantas de
trbol cuyo nmero de hojas se indica en la tabla
siguiente:
. Xi fri fri (%) Fi Fri (%)
fi
Frec. Frec.
(n de Planta trbol
relativa absta
Frec.
hojas) Absoluta Acumul
0 1/10 = 0.10 fr1 = 10% F1 = 1 1/10 = 0.10

1 = f1
1 2/10 = 0.20 fr2 = 20% F2 = 3 3/10 = 0.30
2 = f2
2 4/10 = 0.40 fr3 = 40% F3 = 7 7/10 = 0.70
4 = f3
3 2/10 = 0.20 fr4 = 20% F4 = 9 9/10 = 0.90
2 = f4
4 1/10 = 0.10 fr5 =10% F5 =10 10/10 = 1
1 = f5
1.0 100% X X
10 plantas
.
Xi fi
(n de Planta trbol
Frec. Absoluta
hojas)
0 1 = f1
Existen 2 plantas de trbol,
1 = f2 cada una de ellas con 1 una
hoja
2 4 = f3
3 2 = f4
4 = f5 Existe una planta de trbol
con 4 hojas
10 plantas
. Explicar:
f2 , fr2 , F2 , Fr2
f2 = existen 2 plantas de trbol que tienen una hoja.

fr2 = 20 % (de las plantas de trbol tienen una hoja).
F2 = 3 ( plantas de trbol tienen de cero a una hoja).
Fr2 = 30 % ( de las plantas de trbol tienen de cero a una
hoja).
.
.
Nmero de hojas
4.5
4
4
3.5
3
2.5
2 2
2
1.5
1 1
1
0.5
0
1 2 4 2 1
0 1 2 parte inferior
Nmero de hojas 3 4

Histograma

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Histograma

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE HUANCAVELICA

ESCUELA DE POST GRADO

MAESTRIA EN PLANIFICACIN ESTRATGICA Y GESTIN

ASIGNATURA: ESTADSTICA APLICADA A LA

1. REPRESENTACIN DE LOS DATOS

Dr. Alfonso Cordero Fernndez

N 110 Sumar pesos 110

Medidas estadsticas bsicas

Media 2.545218 Desviacin std 0.09689

Valor Observacin Valor Observacin

Variable de anlisis: PESO

Inferior 95% Superior 95% Error

Variable de anlisis: PESO

Mnimo Mximo Rango

ESCUELA DE POST GRADO

ASIGNATURA: ESTADSTICA APLICADA A LA

Dr. Alfonso Cordero Fernndez

Ejemplo: Variable tipo cuantitativo continua

Consideremos hipotticamente los contenidos de

R = Nmero mayor nmero menor

Coef. variacin 18.2743051 Media error std 0.20752

Ejemplo: Dimetros de internos de 32 caos

Obtencin de puntos medios 12.39 a 32.39

Media 22.25406 Desviacin std 7.07221

Valor Observacin Valor Observacin

Un conjunto de datos que contienen el contenido

Medidas estadsticas bsicas

Media 11.41667 Desviacin std 4.12353

Valor Observacin Valor Observacin

0 1/10 = 0.10 fr1 = 10% F1 = 1 1/10 = 0.10

f2 = existen 2 plantas de trbol que tienen una hoja.

También podría gustarte