UNIVERSIDAD NACIONAL DE SAN CRISTOBAL DE

HUAMANGA
FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL
DEPARTAMENTO ACADÉMICO DE MATEMÁTICA Y FÍSICA-
ÁREA DE ESTADÍSTICA
ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA
CIVIL

TRABAJO : RESOLUCION DEL PRIMER EXAMEN PARCIAL DE ESTADÍSTICA Y PROBABILIDADES (ES – 241)
CURSO : ESTADÍSTICA Y PROBABILIDADES

DOCENTE : Ing. CIP GuillermoB. TAPIA CALDERÓN; Ing. Estadístico

e Informático (UNALM); 2º Especialidad Profesional +
Maestría en Ciencias-Planificación Urbana y Regional (UNI)

ESTUDIANTE : ROJAS QUINTO, Danny

CODIGO : 16110507 SERIE: 200 IMPAR

Email : dannyrojasquinto@[Link]

AYACUHO- 2012-PERÚ
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
RESOLUCION DEL PRIMER EXAMEN PARCIAL DE ESTADÍSTICA Y PROBABILIDADES (ES – 241)
Escuela de F.P.: INGº CIVIL (Grupos I y II) *FECHA: Ayacucho, 01-DICIEMBRE-2012.
**Fecha única de entrega: 24-NOV-2012**Pre-requisito del I examen [Link]-I.
*Prof.: Ing. CIP Guillermo B. TAPIA CALDERÓN * Ing. Estadístico e Informático (UNALM);
** Maestría en Ciencias-Planificación y Gestión Urbana y Regional (Posgrado FAUA-UNI).

I. CÁLCULOS CON LA SIMBOLIZACIÓN DE DATOS, REGRESIÓN Y

CORRELACIÓN LINEAL SIMPLE.
Dada la siguiente Tabla I, calcular los valores numéricos de lo que se pide e interpretar:

TABLA I

X Y
-3 -3
-2 1
0 3
1 4
2 5.5

I-a) Media muestral de X : x , e interprete.

X : S X2
I-b) Variancia muestral de las e interpretarlas estadísticamente
I-c) Media muestral de Y : y, e interprete.

Y : SY2
I-d) Variancia muestral de las e interpretarlas estadísticamente.
.
I-e) Hallar :

β=
∑ xi y i
∑ x 2i →
x i=X i−x ,
y i=Y i − y
β : Coeficiente de Regresión Lineal Simple

I-f) α= y−βx → Intersección de la recta con el eje Y Y′

I-g) Hallar la ecuación de la recta de la Regresión Lineal estimada Y.
i-h) Si X=14, ¿Cuánto valdría Y?
I-i) Pronostique Y cuando X=21. Interprete estadísticamente.
I-j) Calcule el coeficiente de Correlación Lineal Simple e interprete estadísticamente.
I-k) Calcule el coeficiente de Determinación e interprete estadísticamente: r 2
2
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

SOLUCIÓN:
I-a) Media muestral de X : x , e interprete.

x́=
∑ Xi
n

−3+ (−2 ) +0+1+ 2

x́= =−0.4
5

x́=−0.4

INTERPRETACIÓN ESTADÍSTICA: Nos muestra el promedio de los valores de “X”

X : S X2
I-b) Variancia muestral de las e interpretarlas
estadísticamente
2
2 ∑ ( X i− x́ )
S=
x
n

6.76 +2.56+0.16+1.96 +5.76

S2x =
5

S2x =3.44

INTERPRETACIÓN ESTADÍSTICA: La variancia de 5 valores es igual a 3.44 que se

diferencia entre el promedio del producto del cuadrado de los valores de “X” y el
promedio de estos valores.

I-c) Media muestral de Y : y, e interprete.

ý=
∑Yi
n

−3+1+3+ 4+ 5.5
ý= =2.1
5

ý=2.1
3
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

INTERPRETACIÓN ESTADÍSTICA: Nos muestra el promedio de los valores de “Y”

Y:S
I-d) Variancia muestral de las Y2 e interpretarlas estadísticamente.
2
2 ∑ ( Y i − ý )
S=
y =¿
n

26.1+1.21+0.81+3.61+11.56
S2y =
5

S2y =8.658

INTERPRETACIÓN ESTADÍSTICA: La variancia de 5 valores es igual a 8.658 que se

diferencia entre el promedio del producto del cuadrado de los valores de “Y” y el
promedio de estos valores.

I-e) Hallar :

β=
∑ xi y i
∑ x 2i → x i=X i−x , y i=Y i − y
β : Coeficiente de Regresión Lineal Simple

^β= ∑ X i Y i
∑ X 2i

^β= ∑ ( X i− X́ )( Y i−Ý )
2
∑ ( X i− X́ )
^β= 13.26+1.76+0.36+ 2.66+8.16
17.2

^β= 29.4
17.2
4
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

^β=1.7093

INTERPRETACIÓN ESTADÍSTICA: El β representa el coeficiente de regresión lineal

simple que resulta ser igual a 1.7093.

I-f) α= y−βx → Intersección de la recta con el eje Y Y′

α= y−βx
α^ =2.1−1.7093 (−0.4 )

α^ =2.78372

INTERPRETACIÓN ESTADÍSTICA: El α^ representa el punto de intersección de la

recta con el eje Y Y’.

I-g) Hallar la ecuación de la recta de la Regresión Lineal estimada Y.

Y = ý+ ^β( X− x́ )

Y =2.1+1.7093 ( X−(−0.4))

Y =1.523255814 X +2.709302326

INTERPRETACIÓN ESTADÍSTICA: La ecuación de la recta de la Regresión Lineal

estimada Y =1.523255814 X +2.709302326 .

I-h) Si X=14, ¿Cuánto valdría Y?

Y = ý+ ^β( X− x́ )

Y =2.1+1.7093 ( X−(−0.4))

5
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
Y =1.523255814 X +2.709302326

Y =1.523255814 (14)+2.709302326

Y =24.03488372

INTERPRETACIÓN ESTADÍSTICA: Se pronostica que para un valor X=14 se tendrá otro

valor Y =24.03488372.

I-i) Pronostique Y cuando X=21. Interprete estadísticamente.

Y = ý+ ^β( X− x́ )

Y =2.1+1.7093 ( X−(−0.4))

Y =1.523255814 X +2.709302326

Y =1.523255814 (21)+ 2.709302326

Y =34.69767442

INTERPRETACIÓN ESTADÍSTICA: Se pronostica que para un valor X=21 se tendrá otro

valor Y =34.69767442; la ecuación de la recta de la Regresión Lineal estimada
Y =1.523255814 X +2.709302326.

I-j) Calcule el coeficiente de Correlación Lineal Simple e interprete r:

6
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
n n n
n X iYi   X i  Yi
r i 1 i 1 i 1

 n  n

2
  n
 n

2

  i  i     i  i  
n X 2
 X . n Y 2
 Y
 i 1  i 1    i 1  i 1  

5 x8.5   2   10.5 
r
 5x18   2   . 5x65.25   10.5 
2 2

r  0.465905271

INTERPRETACIÓN ESTADÍSTICA: Como el coeficiente de correlación se acerca tanto a

1 entonces la correlación no es fuerte por lo tanto las predicciones que tengamos
con la ecuación de regresión es posible que no fallemos.

I-k) Calcule el coeficiente de Determinación e interprete

estadísticamente: r2

r =(0.465905271)2

r =0.217067722

INTERPRETACIÓN ESTADÍSTICA: r 2=0.217067722 representa la reducción relativa de

la suma de cuadrados de error total gracias al uso de la recta de regresión. Así r 2
mide la “bondad de ajuste” en el sentido que indica la cantidad de mejoramiento en
términos de reducción del error total gracias al uso de la recta de regresión.

7
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

II. SUMATORIAS DOBLES Y VALOR NUMÉRICO.- Dado el siguiente Cuadro II;

donde cada valor corresponde a un Xij , desarrolle y calcule su valor numérico.
Cuadro II
j
1 2 3 4
I
1 2 4 3 2
2 5 -1 -4 8
3 3 7 1 -2
4 1 2 0 6

∑ X i1 ∑ X1j i) X .2
a) e)
∑ X i2 ∑ X2j j)
X3 .
b) f)
k) X ..
c) ∑ X i3 g) ∑ X3j
∑ X i4 ∑ X4j l) ∑∑ Xij
d) h)

Solución:

a) ∑ X i 1=X 11 + X 21+ X 31+ X 41

¿ 2+5+3+1=11

8
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
b) ∑ X i 2=X 12 + X 22 + X 32 + X 42
¿ 4 + (−1 ) +7+2=12
c) ∑ X i 3=X 13 + X 23 + X 33+ X 43
¿ 3+ (−4 ) +1+0=0
d) ∑ X i 4= X 14 + X 24 + X 34 + X 44
¿ 2+8+ (−2 )+6=14

e) ∑ X 1 j= X 11 + X 12 + X 13 + X 14
¿ 2+4 +3+2=11
f) ∑ X 2 j= X 21+ X 22+ X 23 + X 24
¿ 5+ (−1 ) + (−4 ) +8=8
g) ∑ X 3 j= X 31+ X 32+ X 33 + X 34
¿ 3+7+1+ (−2 )=9
h) ∑ X 4 j=X 41+ X 42+ X 43 + X 44
¿ 1+2+0+6=9
4
i¿ ∑ X .2=∑ X i 2=X 12 + X 22 + X 32 + X 42
i=1
¿ 4 + (−1 ) +7+2=12
4
j ¿ ∑ X 3. =∑ X 3 j=¿ X 31 + X 32 + X 33 + X 34 ¿
j=1
¿ 1+2+0+6=9

4 4 4 4 4
k ¿ ∑ X ..=∑ ∑ X ij =∑
i=1 j=1 i =1
( )
∑ X ij =¿ ∑ ( X i 1+ X i 2+ X i 3+ X i 4 ) ¿
j=1 i=1

¿ ( X 11 + X 12+ X 13 + X 14 ) + ( X 21+ X 22+ X 23 + X 24 ) + ( X 31 + X 32+ X 33 + X 34 ) +( X 41+ X 42+ X 43 + X 44 )

¿ ( 2+4 +3+2 ) + ( 5+ (−1 )+ (−4 )+ 8 ) + ( 3+7 +1+ (−2 ) ) + ( 1+2+0+6 )
¿ 11+8+ 9+9=37

4 4 4
l ¿ ∑ ∑ X ij =¿ ∑
i=1
(∑ )
j=1
X ij =¿ ∑ ( X i 1 + X i 2 + X i3 + X i 4 ) ¿ ¿
i=1

¿ ( X 11 + X 12+ X 13 + X 14 ) + ( X 21+ X 22+ X 23 + X 24 ) + ( X 31+ X 32+ X 33 + X 34 ) +( X 41+ X 42+ X 43 + X 44 )

¿ ( 2+4 +3+2 ) + ( 5+ (−1 )+ (−4 )+ 8 ) + ( 3+7 +1+ (−2 ) ) + ( 1+2+0+6 )
¿ 11+8+ 9+9=37

9
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

III. DEMOSTRACIONES USANDO SUMATORIAS Y PRODUCTORIAS.- Dada la

relación conocida,
x=∑ X i /n demostrar que:

2
III-a) ∑ [ X i ( X i−x́ ) + ( x́− X i ) ]=∑ X 2i −( ∑ X i ) /n
2 2
III-b) ∑ [ X i ( X i− x́ ) + x́ ]=∑ X i
III-c) ∏ Y i W i Zi =∏ Y i ∏ W i ∏ Z i

Solución:

2
III-a) ∑ [ X i ( X i−x́ ) + ( x́− X i ) ]=∑ X 2i −( ∑ X i ) /n

n n
   Xi ( Xi  X )  ( x  Xi )    X i2 
 Xi 2
n
n
   X i 2  X i x  x  X i 
n n n n
  X i2  x X i   x   X i
i 1 I 1 i 1 i 1

n X i
X
  X  xni
2
 nx  n i

i 1 n n

n
  X i2  x  nx  nx
2

10
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
2
 n 
n   Xi 
  X i2    .n
 n 
 
 
n
 n 
n   Xi 
  X i2   
n
n

n X i
2

  X i2 
n

Solución:
2 2
III-b) ∑ [ X i ( X i− x́ ) + x́ ]=∑ X i

n
   X i 2  X i x)  x 
2

i 1
 
n
   X i 2  X i x)  x 
2

i 1
 
n n n
  X i2  x  X i   x
2

i 1
n

n X i
  X  xn
2
i
2
 nx
i 1 n

n n
  X i2  x n  nx   X i2
2 2

i 1 i 1

Solución:

III-c) ∏ Y i W i Zi =∏ Y i ∏ W i ∏ Z i

∏ Y i W i Z i=Y 1 .W 1 .Z 1 .Y 2 W 2 Z 2 .Y 3 .W 3 . Z3 ...Y n .W n .Z n
11
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
=( Y 1 .Y 2 .Y 3 ...Y n ) . ( W 1 .W 2.W 3 ...W n) . ( Z1 .Z 2 .Z 3 )
n n n
=∏ Y i . ∏ W i . ∏ Z i

IV. ORGANIZACIÓN DE DATOS Y CÁLCULO DE ESTADÍGRAFOS.

Los siguientes datos corresponden al muestreo de los diámetros de 50 cojinetes fabricados

por una Empresa Metal-Mecánica del PARQUE INDUSTRIAL DE TRUJILLO.

0.529 0.538 0.532 0.529 0.535 0.536 0.534 0.542 0.537 0.530
0.538 0.536 0.536 0.526 0.524 0.524 0.530 0.543 0.539 0.542
0.536 0.528 0.546 0.532 0.535 0.534 0.539 0.527 0.544 0.527
0.535 0.534 0.540 0.536 0.540 0.532 0.535 0.535 0.528 0.541
0.535 0.531 0.540 0.532 0.535 0.533 0.535 0.537 0.541 0.537

IV.1 Tipología de variable estadística bajo estudio. ¿El tamaño de la muestra

n es pequeña o grande?

 Tipología de variable estadística bajo estudio: Variable Cuantitativa Contínua

(v.c.c)

 El tamaño de muestra n: Muestra aleatoria grande porque n>30; n=50

Calcular el rango de datos originales Rx.

12
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
Hallando:

i) Rango de datos originales Rx.

X máx=0.546

X min=0.524

Rango R x =X m á x −X min

R x =0.546−0.524
R x =0.022

4.2 Determinar el número de intervalos de clase (m) por el método de Sturges

¿Existirá un nuevo rango y alguna diferencia de Rangos?

Fórmula : m=1+3.32 log ⁡( n)

m=1+3.32 log ⁡( 50)

m=1+3.32∗(1.698970004)
m=6.640580414
m ' =7

i) Hallando la Amplitud Interválica c :

Rx
c=
m'

0.022
c=
7

c=0.003142857143

Entonces la nueva amplitud interválica c’, es:

c ' =0.004

ii) Nuevo rango R ' x

13
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
R ' x =c ' × m'

R ' x =0.004 ×7

R ' x =0.028

iii) Calculando la diferencia de Rangos∆ R x :

∆ R x =R ' x −R X
∆ R x =0.028−0.022

∆ R x =0.006

iV) Por lo tanto la diferencia de rangos será: ∆ R x =0.006

Repartiendo la diferencia de rangos: ∆ R x

∆ R ' x =+0.003
∆ R ' ' x =−0.003

Por lo tanto:

X ' máx= X máx + ∆ R ' x

X ' máx=0.546+0.003
X ' máx=0.549

X ' min= X min −∆ R ' ' x

X ' min=0.524−0.003
X ' min=0.521

4.3 Elaborar un cuadro completo de distribución de diámetros de 50 cojinetes.

i ⌊ y ' i−1 , y ' i ⟩ ¿ ¿ y ' i−1+ y ' i c i= y ' i − y ' i−1 Tabulació ni ni hi ×100
y i= hi =
2 n o conteo n
1 ⌊ 0.521 , 0.525 ⟩ ¿ ¿ 0.523 0.004 I 1 0.02 2
2 ⌊ 0.525 , 0.529 ⟩ ¿ ¿ 0.527 0.004 IIII I 6 0.12 12
3 ⌊ 0.529 , 0.533 ⟩ ¿ ¿ 0.531 0.004 IIII IIII 9 0.18 18
4 ⌊ 0.533 , 0.537 ⟩ ¿ ¿ 0.535 0.004 IIII IIII IIII II 17 0.34 34
5 ⌊ 0.537 , 0.541 ⟩ ¿ ¿ 0.539 0.004 IIII IIII 10 0.20 20
14
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
6 ⌊ 0.541 , 0.545 ⟩ ¿ ¿ 0.543 0.004 IIII I 6 0.12 12
7 ⌊ 0.545 , 0.549 ⟩ ¿ ¿ 0.547 0.004 I 1 0.02 2
50 50 1.00 100 %

i Nj Hj H j ×100 N j¿ H j¿ H j¿ × 100 y i ni y i hi
1 1 0.02 2 50 1.00 100 0.523 0.01046
2 7 0.14 14 49 0.98 98 3.162 0.06324
3 16 0.32 32 43 0.86 86 4.779 0.09558
4 33 0.66 66 34 0.68 68 9.095 0.18190
5 43 0.86 86 17 0.34 34 5.39 0.10780
6 49 0.98 98 7 0.14 14 3.258 0.06516
7 50 1.00 100 1 0.02 2 0.547 0.01094
26.754 0.53508

4.4 Calcule el Diámetro Medio, el Diámetro Mediano y el diámetro Modal de

los datos agrupados. Interpretarlos estadísticamente.

i).Hallando el Diámetro Medio de los datos agrupados.

Ý =
∑ Y i∋¿
i=1
¿
n

26.754
Ý =
50

Ý =¿0.53508

Interpretación Estadística:
El promedio de diámetro medio de los 50 cojinetes de acero es de 0.53508, este valor
nos indica que cada vez que un cojinete sea producido, el diámetro que se espera que
tenga es de aproximadamente 0.53508 .

ii).Hallando el Diámetro Mediano de los datos agrupados. Interpretar

estadísticamente.

15
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

1º Paso: Dividimos
n 50
= =25
2 2

2º Paso: Criterio de desigualdad:

n
Nj-1 ≤ ≤ Nj
2

16 ≤ 25≤ 33

3º Paso: Intervalo j-ésimo (Intervalo mediano)

⌊ Y ' j−1 , Y ' j ⟩ ¿ ¿ ⌊ 0.533 , 0.537 ⟩ ¿ ¿

4º Paso: formula general de la mediana:

n
−N j−1
2
Me=Y ' j−1+ C j ⌈ ⌉
N j−N j−1

25−16
Me=0.533+ 0.004 ⌈ ⌉
33−16

9
Me=0.533+ 0.004 ⌈ ⌉
17

Me=0.533+ 0.002117647059

Me=0.535117

Interpretación Estadística:
La mediana o el valor mediano corresponden en este caso a 0.535117, que es un valor
que supera a no más del 50% de datos, pero que a su vez es superado por no más del
50% de datos restantes.

iii).Hallando el Diámetro Modal de los datos agrupados. Interpretar estadísticamente.

16
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
1º Paso: Hallamos los valores máximos (nj) y sus vecinos (nj-1 , nj)

 nj = 17
 nj+1 = 10
 nj-1 =9

2º Paso: Hallamos las diferencias o deltas (∆ )

∆ 1=n j−n j−1

∆ 1=17−9
∆ 1=8

∆ 2=n j−n j+1

∆ 2=17−10
∆ 2=7

3º Paso: Intervalo j, o sea el intervalo j-ésimo

⌊ Y ' j−1 , Y ' j ⟩ ¿ ¿ ⌊ 0.533 , 0.537 ⟩ ¿ ¿

4º Paso: Formula general de la moda de datos agrupados:

∆1
Md=Y ' j−1 +C j ⌈ ⌉
∆1 +∆ 2

8
Md=0.533+0.004 ⌈ ⌉
8+ 7

8
Md=0.533+0.004 ⌈ ⌉
15

Md=0.535133

Interpretación Estadística:

17
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
La moda o valor modal de los 50 diámetros de cojinetes fabricados por la Empresa Metal –
Mecánica en el PARQUE INDUSTRIAL DE TRUJILLO, que más se repite es el 0.535133, por lo
tanto podemos deducir que la modal en este caso es 0.535133.

4.5 Calcule la variancia y la desviación estándar de datos agrupados.

Interpretarlos.

 Hallando la Variancia:
m

Y i
2
ni
2
s2 y  i 1
Y
n
0.273529+1.66374+ 2.537649+ 4.865825+2.90521+1.769094+ 0.299209
s2 y = −0.535082
50

14.31689
s2 y = −0.286310606
50

s2 y =0.2863378−0.286310606

s2 y =2.7194 x 10−5

 Hallando la Desviación estándar:

sy  s2 y

sy  2.7194 x10 5
s y  5.214786669 x10 3

Interpretación Estadística:

18
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
Como la medida de los 50 diámetros de cojinetes fabricados por la Empresa Metal –
Mecánica en el PARQUE INDUSTRIAL DE TRUJILLO tienen medidas diferentes, la variancia es
igual a 2.7194 x 10−5 y la desviación estándar será igual a 5.214786669 x 10−3 .

4.6Calcule la Desviación Media y calcule la Desviación Mediana de datos

agrupados. Interpretarlos estadísticamente.

 Hallando la Desviación Media

m
D M =∑ ni ¿ ¿ ¿
i=0

0.01208+0.04848+0.03672+0.00136+ 0.0392+ 0.04752+ 0.01192

DM=
50

0.19725
DM=
50

D M =0.0039456

Interpretación Estadística:
Por lo común los diámetros de los cojinetes fabricados por la Empresa Metal – Mecánica en
el PARQUE INDUSTRIAL DE TRUJILLO están a 0.0039456 del diámetro medio 0.535mm.

 Hallando la Desviación Mediana

∑ n i|y i− M |
e

D Me= i=0
n

0.01211+ 0.04866+0.03699+0.00187+ 0.0389+ 0.04734+0.01189

D Me=
50

0.19776
D Me=
50

D Me=0.0039553

19
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
Interpretación Estadística:
Es la raíz cuadrada del promedio de los cuadrados de las desviaciones medias de cada
cojinete de la variable con respecto de la media aritmética la cual es igual a 0.0039553.

4.7Calcule el coeficiente de variación de datos agrupados. Interpretar

estadísticamente.

Sy
(CV ) y =
Ý

5.214786669 x 10−3
(CV ) y =
0.53508

(CV ) y =0.9745880748

Interpretación Estadística:
El coeficiente de variación equivale a la razón entre la desviación típica o estándar y la media
aritmética de los diámetros de cojinetes fabricados por la Empresa Metal – Mecánica en el
PARQUE INDUSTRIAL DE TRUJILLO, la que es igual a 0.9745880748.

4.8 Calcule el Primer Cuartil (Q1), y el tercer Cuartil (Q3). Interpretarlos

estadísticamente.

i) Hallando el Primer Cuartil (Q1):

1º Paso: Dividimos
n 50
i =1 =12.5
4 4

2º Paso: Criterio de desigualdad:

n
Nj-1 ≤ 1 ≤ Nj
4

7 ≤ 12.5≤ 16

3º Paso: Intervalo j-ésimo (Intervalo 1-Intercuartílico)

⌊ Y ' j−1 , Y ' j ⟩ ¿ ¿ ⌊ 0.529 , 0.533 ⟩ ¿ ¿

4º Paso: formula general:
20
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

n
1 −N j−1
4
Q1=Y ' j−1+ C j ⌈ ⌉
N j−N j−1

12.5−7
Q 1=0.529+ 0.004 ⌈ ⌉
16−7

5.5
Q 1=0.529+ 0.004 ⌈ ⌉
9

Q 1=0.53145

Interpretación Estadística:
El primer cuartil es de 0.53145 que corresponde a un estadígrafo de posición que supera a
lo sumo al 25% de observaciones y es superado por no más del 75% de observaciones
restantes.

ii) Hallando el tercer Cuartil (Q3):

1º Paso: Dividimos
n 50
i =3 =37.5
4 4

2º Paso: Criterio de desigualdad:

n
Nj-1 ≤ 3 ≤ Nj
4

33 ≤ 37.5≤ 43

3º Paso: Intervalo j-ésimo (Intervalo 3-Intercuartílico)

⌊ Y ' j−1 , Y ' j ⟩ ¿ ¿ ⌊ 0.537 , 0.541 ⟩ ¿ ¿

4º Paso: formula general:

n
3 −N j −1
4
Q3=Y ' j−1+ C j ⌈ ⌉
N j −N j−1

21
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
37.5−33
Q 3=0.537+0.004 ⌈ ⌉
43−33

4.5
Q 3=0.537+0.004 ⌈ ⌉
10

Q 3=0.5388
Interpretación Estadística:
El tercer cuartil es 0.5388 que supera a lo sumo al 75% de observaciones y es superado por
no más del 25% de observaciones restantes.

4.9 Calcule el Nonagésimo Percentil y el Décimo Percentil. Interpretarlos

estadísticamente.

i) Hallando el Nonagésimo Percentil ( P90)

1º Paso: Dividimos
n 50
i =90 =45
100 100

2º Paso: Criterio de desigualdad:

n
Nj-1 ≤ 90 ≤ Nj
100

43 ≤ 45 ≤ 49

3º Paso: Intervalo j-ésimo (Intervalo 90-Percentílico)

⌊ Y ' j−1 , Y ' j ⟩ ¿ ¿ ⌊ 0.541 , 0.545 ⟩ ¿ ¿

4º Paso: formula general:

n
90 −N j−1
100
P90=Y ' j−1+ C j ⌈ ⌉
N j−N j−1

45−43
P90=0.541+ 0.004 ⌈ ⌉
49−43

22
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
2
P90=0.541+ 0.004 ⌈ ⌉
6

P90=0.542333

Interpretación Estadística:
El nonagésimo percentil es 0.542333que supera a lo sumo al 90% del total de observaciones,
pero a la vez es superado por no más del 10% de las observaciones restantes.
ii) Hallando el Décimo Percentil ( P10):

1º Paso: Dividimos
n 50
i =10 =5
100 100

2º Paso: Criterio de desigualdad:

n
Nj-1 ≤ 10 ≤ Nj
100

1 ≤ 5≤ 7

3º Paso: Intervalo j-ésimo (Intervalo 10-Percentílico)

⌊ Y ' j−1 , Y ' j ⟩ ¿ ¿ ⌊ 0.525 , 0.529 ⟩ ¿ ¿

4º Paso: formula general:

n
10 −N j−1
100
P10=Y ' j−1+C j ⌈ ⌉
N j−N j −1

5−1
P10=0.525+ 0.004 ⌈ ⌉
7−1

4
P10=0.525+ 0.004 ⌈ ⌉
6

P10=0.527667

Interpretación Estadística:
23
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
El décimo percentil es 0.527667 que supera a lo sumo al 10% de observaciones; pero a la
vez es superado por no más del 90% de observaciones restantes.

4.10 Calcule el Recorrido Intercuartílico y el Semi-Recorrido Intercuartílico.

Interpretarlos.

 Hallando el Recorrido Intercuartílico:

RIQ=Q3 −Q 1

RIQ=0.5388−0.53145

RIQ=0.00735

 Hallando el Semi- Recorrido Intercuartílico:

Q 3−Q 1
SRIQ=
2

0.5388−0.53145
SRIQ=
2

0.00735
SRIQ=
2

SRIQ=0.003675

Interpretación Estadística:
El Recorrido Intercuartílico es aquel en la que se halla la diferencia entre el valor del tercer
cuartil (Q3) y el primer cuartil (Q1), la que es igual a 0.00735; y el Semi- Recorrido
Intercuartílico es aquel en la que se halla la diferencia entre el valor del tercer cuartil (Q3) y
el primer cuartil (Q1) todo esto divido entre 2, lo cual resulta 0.003675.

4.11 Hallar el 1er. Coeficiente de Asimetría de PEARSON. ¿Qué distribución

genera As?

Ý −M d
*Fórmula: A s=
Sy

24
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
Ý −M d
A s=
Sy

0.53508−0.535133
A s=
0.005214786669

−0.000053
A s=
0.005214786669

A s=−0.01016340713

**Interpretaciones estadísticas:
Si A s> 0 …………………………………►Distribución Asimétrica Positiva
Si A s=0 …………………………………►Distribución Simétrica
Si A s< 0 …………………………………►Distribución Asimétrica Negativa

Como el C A s(1) <0 , la distribución es asimétrica negativa (-) o sesgada hacia la izquierda.

4.12 Hallar el 2do. Coeficiente de Asimetría de PEARSON. ¿Qué distribución

genera As?

Q 3+ Q 1−2 Me
*Fórmula: A s=β=
Q 3−Q 1

Hallando A s :

Q3+ Q1−2 Me
A s=β=
Q3−Q1

0.5388+0.53145−2(0.535117)
A s=β=
0.5388−0.53145

1.07025−1.070234
A s=β=
0.00735

0.000016
A s=β=
0.00735

A s=β=0.002176870748

25
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
Como el C A s >0 , la distribución es asimétrica positiva (+) o sesgada hacia la derecha.

**Interpretaciones estadísticas:
Si A s> 0 …………………………………►Distribución Asimétrica Positiva
Si A s=0 …………………………………►Distribución Simétrica
Si A s< 0 …………………………………►Distribución Asimétrica Negativa

4.13 Hallar el Coeficiente Percentílico de Kurtosis. ¿Qué distribución genera

K?

(Q ¿ ¿ 3−Q )
1
*Fórmula: k = 2(P −P ) ¿
90 10

Hallando k :

(Q ¿ ¿ 3−Q 1)
k= ¿
2( P 90−P10)

(0.5388−0.531455)
k=
2(0.542333−0.527667)

0.00735
k=
2(0.014666)

0.00735
k=
0.029332

k =0.2505795718

**Interpretaciones estadísticas:
Si K >0,263 ……………………………………►Distribución Leptocúrtica
Si K=0,263 ……………………………………►Distribución Mesocúrtica
Si K <0,263 ……………………………………►Distribución Platicúrtica

Como K <0,263, genera un distribución Platicúrtica (la distribución más aplastada que la
curva normal)

26
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H
4.14 Hallar el Coeficiente de Asimetría de FISHER. ¿Qué distribución genera
As ?
m

*Fórmula:
∑ ni (Y i−Ý )3
A s= i=1
n( S¿¿ y )3 ¿

∑ ni (Y i−Ý )3
A s= i=1
n( S¿¿ y )3 ¿

1 x (−0.012)3+ 6 x(−0.008)3+ 9 x (−0.004)3+ 17 x (−0.0008)3 +10 x (−0.004)3 +6 x (0.008)3+ 1 x (0.012)3

A s=
50(0.005214786669)3

A s=0.2

Como el C A s >0 , la distribución es asimétrica positiva (+) o sesgada hacia la derecha.

Distribución Platicúrtica
4.15 Compare en un histograma y curva los estadígrafos de tendencia central
o medidas de posición. ¿Qué distribución genera As?

 Histograma

27
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

y
ymo

Distribución asimétrica positiva sesgada a la derecha Mo< Y̌ < Me

 Curva

Mo < Y̌ < Ḿe

Genera una distribución asimétrica positiva o sesgada a la derecha.

28
 UNSC
ESTADÍSTICA Y PROBABILIDADES
H

29