You are on page 1of 15

ESTADISTICA DESCRIPTIVA TRABAJO COLABORATIVO 2 ACTIVIDAD 10

Tutor: ARNOL ORTIZ Grupo: 100105_12

UNIVERSIDAD ABIERTA Y A DISTANCIA UNAD Julio de 2013

INTRODUCCIN La estadistica esta presente en todas las investigaciones, estudios y anlisis cientificos, en observaciones de los patrones o factores que conllevan a determinar una teoria o hiptesis. La carrera de las ingenierias y especificamente la Ingeniera electrnica no es ajena a estos procedimientos. Es imposible descartar comportamientos probabilisticos en cualquier diseo

experimental especialmente cuando de circuitos se trata. La corriente elctrica est suficientemente estudiada como para determinar su comportamiento bajo ciertas condiciones impuestas con la creacin de elementos de control. Pudiendo en determinado momento conocer la probabilidad de falla de estos. No es cuestin de un error fsico en los diseos sino muchas variables externas las que participan activamente en el proceso; es comn realizar un muestreo de datos y a partir de ellos conseguir una funcin relativamente parecida para describir un futuro comportamiento. Pero para saber que tan cerca se esta del resultado es cuestin de inferencia estadistica; y usualmente no se aceptan nuevos hechos a menos que se pueda verificar de alguna manera su autenticidad. Aqu se da la variabilidad en datos tomados, y concretamente tales como corriente, voltajes, potencia, etc. La mayor parte de las variables que intervienen en los problemas de ingenieria son exactamente eso, variables. En electrnica, se encuentran aplicaciones muy interesantes donde a veces es necesario que los sistemas utilicen estimaciones para lograr resultados esperados, algunos por ejemplo son tecnicas algoritmicas para el tratamiento digital de seales o aplicaciones en comunicaciones como el tratamiento de voz e imagen, elementos y subsistemas basados en tratamiento de seal. En los anlisis de redes es comn hacer proyecciones sobre cantidad de informacin generada y recibida, esto se puede analizar por medio de una red virtual, donde se realizan ejemplos ficticios, pero con todas las expectativas fsicas del diseo.

JUSTIFICACIN

El presente trabajo colaborativo pretende dilucidar temas de estadistica y lograr su comprensin mediante ejercicios prcticos, a la vez integrar saberes con el fin de sacar adelante una actividad en conjunto.

El desarrollo del este ejercicio nos muestra como la estadistica tiene gran importancia en un gran numero de ramas dentro de la ingenieria y fuera de la misma. En particular en Ingeniera electronica, se utiliza para hacer calculos y estimaciones en sistemas que no son casuales, es decir que son aleatorios en su comportamiento, y que por ende, no se puede determinar un modelo matemtico preciso para anticipar su comportamiento. Estos sistemas estan sometidos a procesos que no se pueden determinar con exactitud, es decir son aleatorios, con lo cual, se debe utilizar la estadistica para obetener algun tipo de respuesta a su comportamiento.

OBJETIVOS

Realizar ejercicios prcticos determinar la importancia de la estadistica en diferentes sistuaciones cotidianas. Comprender como utilizar la estadistica en la carrera profesional que estamos actualmente adelantando. Lograr la comprensin de temas estadisticos mediante la realizacin de ejercicios prcticos.

DESARROLLO DE LA ACTIVIDAD

1. Realizar un mentefacto conceptual sobre las medidas absolutas de dispersin.

ESTADISTICA DESCRIPTIVA

Si la dispersin es poca, indica gran uniformidad de los datos en la distribucin. Una gran dispersin indica poca uniformidad

MEDIDAS ABSOLUTAS DE DISPERSIN

Medidas de tendencia central

DISPERSIN ABSOLUTA Varianza: (S2) es la suma de los cuadrados de las desviaciones de los datos con respecto a la media dividida por el numero total de datos. = Desviacin tpica: (S) es la raiz cuadrada positiva de la varianza =

DISPERSIN RELATIVA Coeficiente de variacion de Pearson: se define como el cociente entre la desviacipon tpica y el valor absoluto de la merdia aritmtica

Amplitud (o rango) es la diferencia entre los valores mximo y mnimo de la distribucion.

2. Una empresa despulpadora de fruta busca optimizar su produccin de jugo de mango, para esto inicio un estudio en el cual midi los pesos en gramos de una muestra. 76 84 90 68 104 80 102 83 69 76 92 77 74 79 83 70 94 91 82 108 65 109 87 96 67 90 102 88 100 100 98 104 90 102 102 99 105 96 107 98 78 100 94 98 99 97 102 92 93 130

Realizar una tabla de distribucin de frecuencias para datos agrupados dado que la variable es peso (cuantitativa continua), Calcular varianza, desviacin estndar y coeficiente de variacin. Interprete los resultados. Rango: 130 65 = 65 Numero de clases: Amplitud de los intervalos de clase: Exceso 70 65 = 5. Se redistribuye = = = Intervalos de clase 62 + 9 = 71 72 + 9 = 81 82 + 9 = 91 92 + 9 = 101 102 + 9 = 111 112 + 9 = 121 122 + 9 = 131 Tabla de distribucin de frecuencias Pesos en gramos Frecuencia Frecuencia relativa 61,5 - 71,5 71,5 - 81,5 81,5 - 91,5 91,5 - 101,5 101,5 - 111,5 111,5 - 121,5 121,5 - 131,5 TOTAL Varianza 5 7 10 16 11 0 1 50 10,00% 14,00% 20,00% 32,00% 22,00% 0,00% 2,00% 100,00% Frecuencia absoluta acumulada 5 12 22 38 49 49 50 Frecuencia relativa acumulada 10,00% 24,00% 44,00% 76,00% 98,00% 98,00% 100,00%

= = = = = =

Intervalo 61,5 - 71,5 71,5 - 81,5 81,5 - 91,5

X 66,5 76,5 86,5

f 5 7 10

X*f 332,5 535,5 865

x 4422,25 5852,25 7482,25

22111,25 40965,75 74822,5

91,5 - 101,5 101,5 - 111,5 111,5 - 121,5 121,5 - 131,5 TOTAL

96,5 106,5 116,5 126,5

16 11 0 1 50

1544 1171,5 0 126,5 4575

9312,25 11342,25 13572,25 16002,25

148996 124764,75 0 16002,25 427662,5

= Aplicamos la formula para datos agrupados

=
= = =

R/: Varianza =181 La varianza no viene expresada en las mismas unidades que los datos, ya que las desviaciones estn elevadas al cuadrado . Desviacin estndar

Esta medida se obtiene extrayendo la raz cuadrada de la varianza, tomando siempre el valor positivo. Se simboliza por s en la muestra y en la poblacin. Esta es la medida de dispersin ms conocida y ms utilizada en el anlisis de datos estadsticos.

= = R/: Desviacin estndar: 13 grs La desviacin estndar es una medida de variacin de todos los valores con respecto a la media, las unidades de la desviacin estndar son las mismas de los datos originales (pulgadas, centmetros, etc.)

Coeficiente de variacin = =

El promedio de los pesos en gramos de la muestra es de 91.5gr, con una tendencia a variar por debajo o por encima de dicho valor en 13 gr. Conociendo estos datos, se podr optimizar la produccin de jugo de mango el resultado de una muestra gracias al exceso de peso de los empaques y por ende, da las bases para tomar correctivos necesarios para lograr una optimizacin de la produccin.

3. Un empleado de la empresa de Acueducto de la ciudad de Cartagena, realiza un estudio sobre los reclamos realizados en los 2 ltimos aos, para ello elige una muestra de 60 personas, con los siguientes resultados: N reclamaciones N de usuarios 0 26 1 10 2 8 3 6 4 4 5 3 6 2 7 1

Calcular: a. El promedio de reclamos. b. La varianza y su deviacin tpica c. El coeficiente de variacin.

a. R/: El promedio de reclamaciones es de 7,5 b. Varianza y su desviacin tpica Varianza para datos no agrupados = =

= = =

R/: Varianza= 57 Desviacin tipica o desviacin estandar Para Dator no agrupados =


=

= = =

R/: Desviacin tipica o desviacin estandar = 7,549

c. Coeficiente de variacin = =

= = R/: Coeficiente de variacin = 1,006 %

El promedio de reclamaciones en la empresa de Acueducto de la ciudad de Cartagena es de 7,5 reclamaciones en los dos ultimos aos, esto se evidencia en una muestra de 60 personas. La desviacin estandar demuestra cunto variacin o dispersin existe de los valores respecto a la media, para nuestro ejemplo es igual al promedio de reclamaciones. El coeficiente de variacin depende de la desviacin tpica, y de la media aritmtica, como en nuestro ejemplo las dos son iguales el coeficiente es igual a 1%. 4. Ingresar al blog de Estadstica Descriptiva que se encuentra en la pgina principal del curso en el TOPICO DE CONTENIDOS, posteriormente buscar el LABORATORIO (REGRESIN Y CORRELACIN LINEAL EXCELL) y realizar los ejercicio 2 y 3 que se encuentra al final del laboratorio. Ejercicio 2
Para verificar el efecto de un nuevo pesticida aplicado a un cultivo de caf, se selecciono una muestra de 42 matas y se les midi su altura en centimetros despus de 3 meses de haber sido plantadas y regadas con el producto. Los resultados son los siguientes: 25.4 18.6 25.8 37.7 16.8 37.2 25.2 34.7 32.6 42.8 21.3 38.3 42.3 28 34.3 29.4 35.4 24.3 38.7 29.1 27.9 36.2 28 39 24 19.4 31.6 28.5 32.9 23.6 35.5 30.6 32.8 38.6 39.7 26.5 42.3 37.5 36 40.5 20 31.4

a. Realizar el histograma de frecuencias para la variable altura b. Escribir las conclusiones a partir del grfico Para realizar el histograma hemos dividido las alturas en rangos de 5 cm. Tabla de altura de las matas de caf en cms % altura cms fcia 0 - 5 0 5,1 - 10 0 10,1 - 15 0 9,5 15,1 - 20 4 9,5 20,1 - 25 4 23,8 25,1 - 30 10 16,7 30,1 - 35 7 31 35,1 - 40 13 9.5 40,1 - 45 4 100 TOTAL 42

Crecimiento con aplicacin del nuevo pesticida


14 12 Nmero de plantas 10 8 6 4 2 0 0 - 5 5,1 - 10 10,1 - 15 15,1 - 20 20,1 - 25 25,1 - 30 30,1 - 35 35,1 - 40 40,1 - 45 Altura de las plantas en cms.

Conclusiones: De las 42 matas seleccionadas como muestra, luego de 3 mesesde haber sido plantadas y regadas con el nuevo producto (pesticida) se observa que el mayor porcentaje 31% correspondiente a 13 plantas, obtuvieron la mayor altura en el rango comprendido entre los 35,1 y 40 cms. Le sigue un porcentaje de 23,8% que corresponde a 10 plantas, en un rango de altura entre 25,1 y 30 cms.; 7 plantas corresponden al 16,7% y tienen una altura entre 30,1 y 35 cms y 12 plantas que corresponden al 28,5% pero sus alturas estan en rangos diferentes, 8 plantas con un 19% estan en el rango de altura entre 15,1 y 25 cms. Y 4 plantas correspondientes al 9,5%

Ejercicio 3

En una empresa de desechables se va a producir un nuevo tipo de envase para liquidos por tal razn, midi el volumen de 60 recipientes que se usaron en una nueva prueba de aceptacin Volumen (mm3) 0-5 5-10 10-15 15-20 20-25 25-30 Fcia 4 8 10 11 12 15

Construir un poligono para la variable volumen Escribir las conclusiones a partir del grfico

poligono de Frecuencia variable de volumen


16 14 12 10 8 6 4 2 0 0-5 5 a 10 10 a 15 15 - 20 20 - 25 25 - 30 Frecuencia

Conclusiones: Se evidencia que de una muestra de 60 recipientes 15 de ellos con un volumen entre 25 y 30 mm3 correspondientes al 25%, tuvieron mayor aceptacin, le sigue en preferencia con un 20% el tamao comprendido entre 20 y 25 mm3, ; con un 18% el tamao entre 15 y 20 mm3 , un 17% del tamao entre 10 y 15 mm3 ; un 13% entre 5 y 10 mm3 y con un porcentaje poco significativo dentro del total de la muestra un 7% correspondiente a 4 elementos el tamao de entre 0 y 5 mm3

5. A continuacin Se presentan las ventas nacionales de mviles nuevos de 1992 a 2004 en la siguiente tabla. Obtenga un ndice simple para las ventas nacionales utilizando una base variable: Los ndices son de base variable cuando a cada observacin se le divide por el valor de la observacin inmediatamente anterior

Ao

1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

Ventas (millones $) 8.8 9.7 7.3 6.7 8.5 9.2 9.2 8.4 6.4 6.2 5.0 6.7 7.6

Para calcular el ndice con base variable se calcul dividiendo el dato de cada periodo por el inmediatamente anterior:

Ao 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

Ventas (millones $) 8,8 9,7 7,3 6,7 8,5 9,2 9,2 8,4 6,4 6,2 5 6,7 7,6

ndice 1,1023 0,7526 0,9178 1,2687 1,0824 1,0000 0,9130 0,7619 0,9688 0,8065 1,3400 1,1343

ndice % 110,23 75,26 91,78 126,87 108,24 100,00 91,30 76,19 96,88 80,65 134,00 113,43

Variacin en las ventas 10% -25% -8% 27% 8% 0% -9% -24% -3% -19% 34% 13%

VARIACION DE LAS VENTAS CON RESPECTO AL AO 1992


40% 34% 30% 27%

20% 13% PORCENTAJE 10% 10% 8% 0% 0% -3% -10% -8% -9%

-20% -25% 1993 1994 1995 1996 1997 1998 1999 -24% 2000 2001

-19%

-30%

2002

2003

2004

AOS

CONCLUSIONES La place, en uno de sus criterios parte del hecho que no se conocen las probabilidades de ocurrencia de cada uno de los estados de la naturaleza, entonces propuso que las probabilidades eran las mismas para cada estado. Como ahora ya se cuenta con informacin de la probabilidad de ocurrencia, se calcula la esperanza matemtica asociada a cada alternativa y por ltimo se selecciona aquella alternativa que corresponda al mximo valor monetario esperado. En ingenieria siempre se esta al acecho de buscar soluciones para tantos y complicados anlisis elctricos, estructurales y an mecanicos. Una base necesaria para tomar estas decisiones adecuadas es realizar previamente una simulacin, donde se visualice un comportamiento definido de las variables (variables o continuas) y lograr un esquema controlado. Un ejemplo prctico de dicho proceso se realiza cuando un sistema experto, sistema aplicativo de la inteligencia artificial, analiza un conjunto de entradas llamadas variables y toma una decisin final. Para esta toma de decisiones, se crean algoritmos que analizan probabilidades de ocurrencia y cual sera un resultado temporal para aquella respuesta, si se desplaza demasiado de ciertas tables preestabelcidas, entonces se recalcula la variable y as sucesivamente hasta lograr un parametro controlado. Es claro que la varianza y la desviacin estandar se debe comparar entre distribuciones de un mismo tipo, en nuestro lenguaje, son variables de entrada de diferentes fuentes pero utilizando los mismos protocolos de seal. (por ejemplo podran ser voltajes, corrientes, etc). Con la gran capacidad de los sistemas conputacionales actuales, estos sistemas han logrado interpretar estadisticas, para as formular reglas. Con esto nos damos cuenta que implementaciones estadisticas y probabilisticas, son parte esencialo de sistemas electrnicos tan delicados como los que involucran inteligencia artificial y ramas aplicativas derivadas de este grupo.

REFERENCIAS Behar, R., Klinger, R., Andrade, M., Olaya, J., Mesa, E., Conde, G., Delgado, J., Arbelez, D., Trujillo, P., & Solano, H. El rol de la estadstica en el trabajo del Ingeniero. [Recuperado de]:
http://pino.univalle.edu.co/~robehar/ENSE%D1ANZA%20DE%20LA%20ESTADISTICA/El%20Rol%2 0de%20la%20Estad%EDstica%20en%20el%20trabajo%20del%20Ingeniero-mayo-200.pdf

Coeficiente de Variacin
http://es.wikipedia.org/wiki/Coeficiente_de_variaci%C3%B3n

Como calcular la varianza para datos agrupados [Recuperado de] http://www.vitutor.com/estadistica/descriptiva/a_15.html Normasapa.pdf (Protegido) Ortegon, M. (2010). Mdulo de Estadistica Descriptiva 100105, Segunda Versin. Escuela de Ciencias Bsicas, Tecnologa e Ingeniera. Universidad Abierta y a Distancia UNAD. Probabilidad y estadistica en la electrnica. [Recuperado de] http://estadistica-electronica.blogspot.com/ http://espanol.answers.yahoo.com/question/index?qid=20110609124648AAwuFaJ http://www.ub.edu/stat/docencia/Mates/indices.pdf