1.

1- (10 puntos) Los resultados de una muestra que un Licenciado en Higiene y Seguridad Laboral pudo haber obtenido de un trabajo sobre
residuos txicos, pueden ser fiables o no a partir:
a) De un contraste de hiptesis.
b) Del establecimiento de lmites de confianza para los estadsticos de la muestra tomada.
c) Del ordenamiento adecuado de los datos (distribucin de frecuencias).
d) Ninguna es correcta.

2.
El nivel de confianza es tan amplio para que los valores estn lo ms cercano posible al dimetro verdadero, de manera que se
cumplan los requisitos de calidad o de uso de dichas esferas.
En Estadstica, al estimar un parmetro poblacional, nos referimos a intervalo de confianza a un rango de valores (calculado de la
muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza, y se
denota 1-.

3.

Siempre que el valor

crtico de tabla sea
mayor que el valor del
estadstico de prueba,
se acepta la hiptesis
nula. Para la
experiencia 1 (ejercicio
2 actividad 2 modulo 4)
se acepta la Hiptesis nula
ya que -1,3699 < 1,311, es decir que el nuevo proceso no incrementa la media establecida.Para la experiencia 2 (parcial punto 3) se observa que
tambin se acepta la Hiptesis nula ya que -5,89 < 1,298, es decir que el nuevo proceso no incrementa la media establecida, sino que es peor que
la primera experiencia.
 4. Ejercicio 4 parcial
Coefici Peso del x- y- xy x2 y2 (x- (x- (y-
ente Intelectual Cerebro( x_medi y_medi x_media)*( x_media) y_media)2
(x) y) a a y-y_media) 2
68 540 -34,4 -334,3 36720 4624 291600 11499,92 1183,36 111756,49
102 720 -0,4 720 73440 10404 518400 -288 0,16 518400
110 987 7,6 987 10857 12100 974169 7501,2 57,76 974169
0
97 693 -5,4 693 67221 9409 480249 -3742,2 29,16 480249
103 873 0,6 873 89919 10609 762129 523,8 0,36 762129
120 1253 17,6 1253 15036 14400 157000 22052,8 309,76 1570009
0 9
124 1037 21,6 1037 12858 15376 107536 22399,2 466,56 1075369
8 9
86 675 -16,4 675 58050 7396 455625 -11070 268,96 455625
100 850 -2,4 850 85000 10000 722500 -2040 5,76 722500
114 1115 11,6 1115 12711 12996 124322 12934 134,56 1243225
0 5
Promedio 8743 92497 10731 59770,72 2456,4 7913431,4
total 8 4 9
1024
102,4 874,3

1 = b1 = [n(x.y) - (x) . (y)]/[n(X^2)-(x)^2]

B1=12,08874776
0 = Y_media - b1 * X_media
B0=-363,5877707

Se puede observar a comparacin del ejercicio Ejercici 3 ACT 1 MOD 5

Se puede observar a comparacin de ejer 3 act 1 mod 5 que la relacin es ms fuerte, en el sentido de ser ms clara. El
coeficiente aumenta 12,088 CM^3 mientras que en el modelo anterior lo hace en una unidad. La ordenada al origen nos
muestra que peso tiene el cerebro cuando su Coeficiente intelectualest en cero (en el ejercicio del mdulo 5 cuando el CI es
 nulo el cerebro pesa 966,81, y en este ejercicio la ordenada al origen es de sentido fsico, ya que toma valores negativos cuando
el Coeficiente intelectual es nulo.

d)

CoefiT Peso x-x_ y-y_ xy x2 y2 Y calculada e e^2 (y-

Intelec del medi media y_media)^
tual Cere a 2
(x) bro(y)
68 540 -34,4 -334,3 36720 4624 291600 458,447077 81,5529229 6650,87924 111756,49
8 6
102 720 -0,4 -154,3 73440 10404 518400 869,464500 - 22339,6370 23808,49
9 149,464500 3
9
110 987 7,6 112,7 10857 12100 974169 966,174483 20,8255170 433,702159 12701,29
0 2
97 693 -5,4 -181,3 67221 9409 480249 809,020762 - 13460,8172 32869,69
1 116,020762 4
1
103 873 0,6 -1,3 89919 10609 762129 881,553248 - 73,1580625 1,69
7 8,55324865 8
7
120 1253 17,6 378,7 15036 14400 157000 1087,06196 165,938039 27535,4329 143413,69 5.
0 9 1 4 2
124 1037 21,6 162,7 12858 15376 107536 1135,41695 - 9685,89636 26471,29
8 9 2 98,4169516 9
4
86 675 -16,4 -199,3 58050 7396 455625 676,044536 - 1,09105696 39720,49
7 1,04453672
100 850 -2,4 -24,3 85000 10000 722500 845,287005 4,71299462 22,2123183 590,49
4 6 5
114 1115 11,6 240,7 12711 12996 124322 1014,52947 100,470526 10094,3265 57936,49
0 5 4 9
Total 8743 92497 10731 8743 1,25056E-12 90297,1529 449270,1
Promedio 8 4 9
1024
102,4 874,3
6.

Enero Febrero Marz Abril May Juni Julio Agoto Septiembre Octubre Noviembre Diciembre
o o o
210,1 180,3 187,7 172,6 177,1 186,1 210,6 205,7 180,7 173 173,4 184,7
185,65 188,02 Semi
promedios
A=(y1)+(y2)/n1(N+n2) P1= y1/n1
B=(y1)-(y2)/n1(N-n2) P2= y2/n2

A= 1113,90+1128,1/12 B=1128,1-1113,90/36
A=186,83 B=7,10
P1= 1113,90/6 P2=1128,1/6
P1=185,65 P2=188,016
La ecuacin de la recta y=186,83*x+7,10

Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octibre Noviembre Diciembre
Columna1
7. Movimientos irregulares o aleatorios: estos se refieren a los movimientos espordicos de las series de tiempo, debido a
eventos aleatorios tales como: inundaciones, huelgas o elecciones. Los accidentes de trabajo son un claro ejemplo de movimientos
aleatorios, ya que un accidente no est programado; este puedo ocurrir en cualquier momento o situacin, durante el da, mes o ao.
De esta manera decimos que los sucesos no son previsibles. Un ejemplo El Nmero de accidentes ocurridos por falta de uso de los
elementos de proteccin personal.

Movimientos a largo plazo o seculares. regular, indica la marcha general y persistente del fenmeno observado, es una
componente de la serie que refleja la evolucin a largo plazo. Por ejemplo, la tendencia creciente del ndice de reciclado de basuras
en los pases desarrollados, o el uso creciente de Internet en la sociedad, independientemente de que en un mes concreto en un
pas, por determinadas causas, haya una baja en la utilizacin de Internet. Como dijimos son obligatorias, pero por ciertas razones u
obligaciones algn empleado no puede asistir a la misma. De todas maneras el nmero de presentes no vara en gran cantidad; se
mantiene dentro de lo estipulado. ejemplo: El aumento y cada vez mayores exigencias relacionadas con los requisitos legales
adicionales que se suman a cualquier actividad.
Movimientos cclicos o variaciones cclicas: aquellos relacionados con las oscilaciones o los movimientos respecto de una recta
o curva de tendencia. Estos ciclos, como se les denomina en ocasiones, son o no peridicos; es decir, pueden o no seguir patrones
exactamente similares, despus de intervalos iguales de tiempo. Por ejemplo puede citarse una produccin puede variar en un largo
lapso de tiempo debido a que un puesto de trabajo es operado por dos personas en diferentes turnos. Ambos tienen diferentes
facultades de operacin (mayor experiencia una que la otra), esto puede llevar a la produccin a un proceso de oscilacin durante
las jornadas laborales y a una mayor o menor cantidad de producto final. El profesional deber realizar una adecuacin de tareas,
para evitar este problema. Otro claro ejemplo es el nmero de accidentes en una empresa.
Movimientos estacionales o variaciones estacionales: estos se relacionan con los patrones idnticos o casi idnticos que las
series de tiempo parecen seguir durante los meses o trimestres correspondientes de aos sucesivos. Tales movimientos se deben a
eventos recurrentes que suceden anualmente, como por ejemplo las ventas previas a la navidad. Un claro ejemplo son los incidentes
o accidentes por monxido de carbono durante el ao, en los meses de bajas temperaturas los usuarios utilizan ms los artefactos
sometidos a este contaminante, en cambio en tiempo de calor los riesgos son menores, pero no nulos.