Universidad nacional san Cristóbal de huamanga

Facultad de ingeniería civil

TEMA:
RESOLUCION DEL EXAMEN PARCIAL
DOCENTE:
GUILLERMO BERNARDINO TAPIA CALDERON

ALUMNO:
CASAVERDE SOSA, JIMMY JHÓNATHAN

CURSO:
ESTADISTICA
PARTE A: Simbolización de datos. CASOS de sumatorias y productorias
simples.
A.1 CASO I. Señalar los límites superior e inferior de las sumatorias y
desarrollar las “sumas abreviadas” o sea los elementos de las sumatorias
simples:

A.1.1) ∑(𝒀𝑲 − 𝒀 ̅ )𝟐 = …; desde k=1 hasta k=5

∑5𝑘=1(𝑌𝐾 − 𝑌̅)2 = (𝑌1 − 𝑌̅)2 + (𝑌2 − 𝑌̅)2 + (𝑌3 − 𝑌̅)2 + (𝑌4 − 𝑌̅)2 + (𝑌5 − 𝑌̅)2

A.1.2) ∑ √(𝑿𝒋 𝒀𝒋 + 𝑽𝒋 𝒁𝒋 ) = …; desde i=1 hasta i=N

∑𝑁
𝑖=1 √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) = √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) + √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) + √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) +
√(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) + ⋯ + √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) = 𝑁√(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 )

A.1.3) ∑(𝑿𝒊 𝒀𝒊+𝟏 + 𝑾𝒊 𝒁𝒊−𝟏 ) = …; desde i=3 hasta i=N

∑𝑁
𝑖=3(𝑋𝑖 𝑌𝑖+1 + 𝑊𝑖 𝑍𝑖−1 ) = (𝑋3 𝑌4 + 𝑊3 𝑍2 ) + (𝑋4 𝑌5 + 𝑊4 𝑍3 ) + (𝑋5 𝑌6 + 𝑊5 𝑍4 ) +
(𝑋6 𝑌7 + 𝑊6 𝑍5 ) + … + (𝑋𝑁 𝑌𝑁+1 + 𝑊𝑁 𝑍𝑁−1 )

A.1.4) ∑(𝑰𝑪)𝟑 = …; desde j=1 hasta j=204

∑204 3 3 3 3 3 3 3 3 3
𝑗=1(𝐼𝐶) = (𝐼𝐶) + (𝐼𝐶) + (𝐼𝐶) + (𝐼𝐶) + (𝐼𝐶) + (𝐼𝐶) + (𝐼𝐶) + (𝐼𝐶) +
(𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + ⋯ + (𝐼𝐶)3 = 204(𝐼𝐶)3

A.1.5) ∑(𝑿𝒊 − 𝟐)𝟐 = …; desde i=3 hasta i=10

∑10 2 2 2 2 2 2
𝑖=3(𝑋𝑖 − 2) = (𝑋3 − 2) + (𝑋4 − 2) + (𝑋5 − 2) + (𝑋6 − 2) + (𝑋7 − 2) +
(𝑋8 − 2)2 + (𝑋9 − 2)2 + (𝑋10 − 2)2

A.2 CASO II. Señale como datos los elementos desarrollados de los
ejercicios anteriores y ponga la notación sumatoria simple
correspondiente (desde A.2.1 hasta A.2.7; forma invertida a A.1)

A.2.1)
(𝑌1 − 𝑌̅)2 + (𝑌2 − 𝑌̅)2 + (𝑌3 − 𝑌̅)2 + (𝑌4 − 𝑌̅)2 + (𝑌5 − 𝑌̅)2 = ∑𝟓𝒌=𝟏(𝒀𝑲 − 𝒀 ̅ )𝟐
∑(𝒀𝑲 − 𝒀 ̅ )𝟐 = …; desde k=1 hasta k=5
A.2.2)
√(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) + √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) + √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) + √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) +
√(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) + ⋯ + √(𝑋𝑗 𝑌𝑗 + 𝑉𝑗 𝑍𝑗 ) = ∑𝑵 𝒊=𝟏 √(𝑿𝒋 𝒀𝒋 + 𝑽𝒋 𝒁𝒋 )
∑ √(𝑿𝒋 𝒀𝒋 + 𝑽𝒋 𝒁𝒋 ) = …; desde i=1 hasta i=N
A.2.3)
(𝑋3 𝑌4 + 𝑊3 𝑍2 ) + (𝑋4 𝑌5 + 𝑊4 𝑍3 ) + (𝑋5 𝑌6 + 𝑊5 𝑍4 ) + (𝑋6 𝑌7 +
𝑊6 𝑍5 )+. . . +(𝑋𝑁 𝑌𝑁+1 + 𝑊𝑁 𝑍𝑁−1 ) = ∑𝑵 𝒊=𝟑(𝑿𝒊 𝒀𝒊+𝟏 + 𝑾𝒊 𝒁𝒊−𝟏 )
∑(𝑿𝒊 𝒀𝒊+𝟏 + 𝑾𝒊 𝒁𝒊−𝟏 ) = …; desde i=3 hasta i=N
A.2.4)
(𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 + (𝐼𝐶)3 +
(𝐼𝐶)3 +. . . … + (𝐼𝐶)3 = 204(𝐼𝐶)3 = ∑𝟐𝟎𝟒𝑱=𝟏 (𝑰𝑪)
𝟑

∑(𝑰𝑪)𝟑 = …; desde j=1 hasta j=204

A.2.7)
(𝑋3 − 2)2 + (𝑋4 − 2)2 + (𝑋5 − 2)2 + (𝑋6 − 2)2 + (𝑋7 − 2)2 + (𝑋8 − 2)2 +
(𝑋9 − 2)2 + (𝑋10 − 2)2 = ∑𝟏𝟎
𝒊=𝟑(𝑿𝒊 − 𝟐)
𝟐

∑(𝑿𝒊 − 𝟐)𝟐 = …; desde i=3 hasta i=10

A.3 CASO III. Sean los valores 𝑿𝟏 = −𝟐 , 𝑿𝟐 = 𝟑 , 𝑿𝟑 = 𝟒 , 𝑿𝟒 = 𝟓 , 𝑿𝟓 = 𝟎 y
media aritmética x. Hallar el valor numérico de las sumatorias simples
siguientes.

1. Hallamos la media aritmética

∑𝑛𝑖=1 𝑋𝑖
𝑥̅ =
𝑛
−2 + 3 + 4 + 5 + 0 10
𝑥̅ = = =2
5 5

A.3.1) ∑[𝑿𝒊 (𝑿𝒊 − 𝒙 ̅ − 𝑿𝒊 )] = …; desde i=1 hasta i=5.

̅) + (𝒙
5
∑𝑖=1[𝑿𝒊 (𝑿𝒊 − 𝒙
̅) + (𝒙
̅ − 𝑿𝒊 )] = [𝑋1 (𝑋1 − 𝑥̅ ) + (𝑥̅ − 𝑋1 )] + [𝑋2 (𝑋2 − 𝑥̅ ) + (𝑥̅ − 𝑋2 )] +
[𝑋3 (𝑋3 − 𝑥̅ ) + (𝑥̅ − 𝑋3 )] + [𝑋4 (𝑋4 − 𝑥̅ ) + (𝑥̅ − 𝑋4 )] +
[𝑋5 (𝑋5 − 𝑥̅ ) + (𝑥̅ − 𝑋5 )] = [−2(−2 − 2) + (2 − 3)] +
[3(3 − 2) + (2 − 3)] + [4(4 − 2) + (2 − 4)] + [5(5 − 2) +
(2 − 5)] + [0(0 − 2) + (2 − 0)]
= [7] + [2] + [6] + [12] + [2] = 29

A.3.2) ∑(𝑿𝟐𝒊 − 𝟒𝑿𝒊 + 𝒙

̅) = …; desde i=3 hasta i=5.
5 𝟐
̅) = (𝑋32 − 4𝑋3 + 𝑥̅ ) + (𝑋42 − 4𝑋4 + 𝑥̅ ) + (𝑋52 − 4𝑋5 + 𝑥̅ )
∑𝑖=3(𝑿𝒊 − 𝟒𝑿𝒊 + 𝒙
= (42 − 4𝑥4 + 2) + (52 − 4𝑥5 + 2) + (02 − 4𝑥0 + 2)
= (2) + (7) + (2) = 11

A.3.3) ∑(𝟑𝑿𝟑𝒊 − 𝟐𝑿𝟐𝒊 ) = …; desde i=1 hasta i=3.

∑𝟑𝒊=𝟏(𝟑𝑿𝟑𝒊 − 𝟐𝑿𝟐𝒊 ) = (3𝑋13 − 2𝑋12 ) + (3𝑋23 − 2𝑋22 ) + (3𝑋33 − 2𝑋32 )
= (3𝑥(−2)3 − 2𝑥(−2)2 ) + (3𝑥33 − 2𝑥32 ) + (3. 43 − 2. 42 )
= (−32) + (63) + (160) = 191

A.4 CASO IV. Dada la fórmula de media aritmética de datos no agrupados

∑ 𝑿𝒊
𝒙= siendo límites desde i = 1 hasta i = n de las Ʃ, Π. Demostrar las
𝒏
igualdades siguientes:

A.4.1) ∑[(𝑿𝒊 − 𝒙 ̅)𝟐 + 𝑿𝒊 (𝒙 ̅ − 𝟏)] = ∑ 𝑿𝟐𝒊 − 𝒏𝒙 ̅

a-1) 𝑨 → 𝑩
∑[(𝑋𝑖 )2 − 2(𝑋𝑖 )(𝑥̅ ) + (𝑥̅ )2 + (𝑋𝑖 )(𝑥̅ ) − (𝑋𝑖 )] = ∑ 𝑋𝑖2 − 𝑛𝑥̅
∑ 𝑋𝑖2 − ∑(𝑋𝑖 )(𝑥̅ ) + ∑ 𝑥̅ 2 − ∑ 𝑋𝑖 = ∑ 𝑋𝑖2 − 𝑛𝑥̅
∑ 𝑋𝑖2 − 𝑛(𝑥̅ )2 + 𝑛(𝑥̅ )2 − 𝑛𝑥̅ = ∑ 𝑋𝑖2 − 𝑛𝑥̅
∑ 𝑋𝑖2 − 𝑛𝑥̅ = ∑ 𝑋𝑖2 − 𝑛𝑥̅

a-2) 𝑩 → 𝑨
∑ 𝑋𝑖2 − 𝑛𝑥̅ = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
∑ 𝑋𝑖2 − 𝑛(𝑥̅ )2 + 𝑛(𝑥̅ )2 − 𝑛𝑥̅ = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
∑ 𝑋𝑖2 − ∑(𝑋𝑖 )(𝑥̅ ) + ∑ 𝑥̅ 2 − ∑ 𝑋𝑖 = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
∑[(𝑋𝑖 )2 − 2(𝑋𝑖 )(𝑥̅ ) + (𝑥̅ )2 + (𝑋𝑖 )(𝑥̅ ) − (𝑋𝑖 )] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 𝑋𝑖 (𝑥̅ − 1)]
a-3) Si se cumple que 𝑨 → 𝑩 𝒚 𝑩 → 𝑨 entonces A=B

A.4.2) ∑[(𝑿𝒊 − 𝒙 ̅)𝟐 + 𝟏⁄𝒏] = ∑ 𝑿𝟐𝒊 − 𝒏𝒙 ̅𝟐 + 𝟏

c-1) 𝑨 → 𝑩
∑[𝑋𝑖2 − 2𝑋𝑖 𝑥̅ + 𝑥̅ 2 + 1⁄𝑛] = ∑ 𝑋𝑖2 − 𝑛𝑥̅ 2 + 1
∑ 𝑋𝑖2 − ∑ 2𝑋𝑖 𝑥̅ + ∑ 𝑥̅ 2 + ∑ 1⁄𝑛 = ∑ 𝑋𝑖2 − 𝑛𝑥̅ 2 + 1
∑ 𝑋𝑖2 − 2𝑛𝑥̅ 2 + 𝑛𝑥̅ 2 + 1 = ∑ 𝑋𝑖2 − 𝑛𝑥̅ 2 + 1
∑ 𝑋𝑖2 − 𝑛𝑥̅ 2 + 1 = ∑ 𝑋𝑖2 − 𝑛𝑥̅ 2 + 1

c-2) → 𝑨
∑ 𝑋𝑖2 − 𝑛𝑥̅ 2 + 1 = ∑[(𝑋𝑖 − 𝑥̅ )2 + 1⁄𝑛]
∑ 𝑋𝑖2 − 2𝑛𝑥̅ 2 + 𝑛𝑥̅ 2 + 1 = ∑[(𝑋𝑖 − 𝑥̅ )2 + 1⁄𝑛]
∑ 𝑋𝑖2 − ∑ 2𝑋𝑖 𝑥̅ + ∑ 𝑥̅ 2 + ∑ 1⁄𝑛 = ∑[(𝑋𝑖 − 𝑥̅ )2 + 1⁄𝑛]
∑[𝑋𝑖2 − 2𝑋𝑖 𝑥̅ + 𝑥̅ 2 + 1⁄𝑛] = ∑[(𝑋𝑖 − 𝑥̅ )2 + 1⁄𝑛]
∑[(𝑋𝑖 − 𝑥̅ )2 + 1⁄𝑛] = ∑ 𝑋𝑖2 − 𝑛𝑥̅ 2 + 1
c-3) Si se cumple que 𝑨 → 𝑩 𝒚 𝑩 → 𝑨 entonces A=B

𝟐
A.4.3) ∑[𝑿𝒊 (𝑿𝒊 − 𝒙 ̅ − 𝑿𝒊 )] = ∑ 𝑿𝟐𝒊 − (∑ 𝑿𝒊 ) ⁄𝒏
̅) + (𝒙
d-1) 𝑨 → 𝑩
∑ 2
∑[𝑋𝑖 2 − 𝑋𝑖 𝑥̅ + 𝑥̅ − 𝑋𝑖 ] = ∑ 𝑋𝑖 2 − 𝑋𝑖 ⁄𝑛
∑ 2
∑ 𝑋𝑖 2 − ∑ 𝑋𝑖 𝑥̅ + ∑ 𝑥̅ − ∑ 𝑋𝑖 = ∑ 𝑋𝑖 2 − 𝑋𝑖 ⁄𝑛
∑ 2
∑ 𝑋𝑖 2 − 𝑥̅ 2 𝑛 + 𝑛𝑥̅ − 𝑛𝑥̅ = ∑ 𝑋𝑖 2 − 𝑋𝑖 ⁄𝑛
∑ 2 ∑ 2
∑ 𝑋𝑖 2 − 𝑋𝑖 ⁄𝑛 = ∑ 𝑋𝑖 2 − 𝑋𝑖 ⁄𝑛
d-2) 𝑩 → 𝑨
∑ 𝑋𝑖2 − (∑ 𝑋𝑖 )2 ⁄𝑛 = ∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )]
∑ 𝑋𝑖 2 − 𝑥̅ 𝟐 𝒏 + 𝒏𝑥̅ − 𝒏𝑥̅ = ∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )]
∑ 𝑋𝑖 2 − ∑ 𝑋𝑖 𝑥̅ + ∑ 𝑥̅ − ∑ 𝑋𝑖 = ∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )]
∑[𝑋𝑖 2 − 𝑋𝑖 𝑥̅ + 𝑥̅ − 𝑋𝑖 ] = ∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )]
∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )] = ∑[𝑋𝑖 (𝑋𝑖 − 𝑥̅ ) + (𝑥̅ − 𝑋𝑖 )]
d-3) Si se cumple que 𝑨 → 𝑩 𝒚 𝑩 → 𝑨 entonces A=B

A.4.4) ∏ 𝒀𝒊 𝑾𝒊 𝒁𝒊 = ∏ 𝒀𝒊 ∏ 𝑾𝒊 ∏ 𝒁𝒊
f-1) 𝑨 → 𝑩
(𝑌1 𝑊1 𝑍1 )(𝑌2 𝑊2 𝑍2 )(𝑌3 𝑊3 𝑍3 ) … (𝑌𝑛 𝑊𝑛 𝑍𝑛 ) = ∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖
(𝑌1 𝑌2 𝑌3 … 𝑌𝑛 )(𝑊1 𝑊2 𝑊3 … 𝑊𝑛 )(𝑍1 𝑍2 𝑍3 … 𝑍𝑛 ) = ∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖
∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖 = ∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖
f-2) 𝑩 → 𝑨
∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖 = (𝑌1 𝑌2 𝑌3 … 𝑌𝑛 )(𝑊1 𝑊2 𝑊3 … 𝑊𝑛 )(𝑍1 𝑍2 𝑍3 … 𝑍𝑛 )
∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖 = (𝑌1 𝑊1 𝑍1 )(𝑌2 𝑊2 𝑍2 )(𝑌3 𝑊3 𝑍3 ) … (𝑌𝑛 𝑊𝑛 𝑍𝑛 )
∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖 = ∏ 𝑌𝑖 ∏ 𝑊𝑖 ∏ 𝑍𝑖
f-3) Si se cumple que 𝑨 → 𝑩 𝒚 𝑩 → 𝑨 entonces A=B
PARTE B. Simbolización de Datos y Regresión Lineal Simple, a partir del
cuadro bidimensional B.5, que constituye una tabla de doble entrada con
valores 𝑿𝒊𝒋 . Desarrolle las sumatorias indicadas, asignándoles sus límites
superiores e inferiores y, finalmente calcular su valor numérico, para cada
caso:

i 1 2 3 4
j
1 3 5 0 3
2 -5 6 4 0
3 4 -4 5 2
4 1 2 1 -2

B.5.1) ∑𝟒𝒊=𝟏 𝑿𝒊𝟏 = …; desde i=1 hasta i=4

∑4𝑖=1 𝑋𝑖1 = 𝑋11 + 𝑋21 + 𝑋31 + 𝑋41
= 3−5+4+1
=3

B.5.2) ∑𝟒𝒊=𝟏 𝑿𝒊𝟐 = …; desde i=1 hasta i=4

∑4𝑖=1 𝑋𝑖2 = 𝑋12 + 𝑋22 + 𝑋32 + 𝑋42
= 5+6−4+2
=9

B.5.3) ∑𝟒𝒋=𝟏 𝑿𝟏𝒋 = …; desde j=1 hasta j=4

∑4𝑗=1 𝑋1𝑗 = 𝑋11 + 𝑋12 + 𝑋13 + 𝑋14
=3+5+0+3
= 11

B.5.4) ∑𝟒𝒋=𝟏 𝑿𝟒𝒋 = …; desde j=1 hasta j=4

∑4𝑗=1 𝑋4𝑗 = 𝑋41 + 𝑋42 + 𝑋43 + 𝑋44
= 1+2+1-2
=2

B.5.5) 𝑿.𝟐 = 𝚺𝑿𝒋𝟐 …; desde j=1 hasta j=4

∑4𝑗=1 𝑋.2 = ∑4𝑗=1 𝑋𝑗2 = 𝑋12 + 𝑋22 + 𝑋32 + 𝑋42
= 5+6−4+2
=9

B.5.12) ∑𝟒𝒊=𝟏 ∑𝟒𝒋=𝟏 𝑿𝒊𝒋 = …; desde i=1 y j=1 hasta i=4 y j=4
∑4𝑖=1 ∑4𝑗=1 𝑋𝑖𝑗 = ∑4𝑖=1( 𝑋𝑖1 + 𝑋𝑖2 + 𝑋𝑖3 + 𝑋𝑖4 )
= ∑4𝑖=1 𝑋𝑖1 + ∑4𝑖=1 𝑋𝑖2 + ∑4𝑖=1 𝑋𝑖3 + ∑4𝑖=1 𝑋𝑖4
= 𝑋11 + 𝑋21 + 𝑋31 + 𝑋41 + 𝑋12 + 𝑋22 + 𝑋32 + 𝑋42 + 𝑋13 +
𝑋23 + 𝑋33 + 𝑋43 + 𝑋14 + 𝑋24 + 𝑋34 + 𝑋44
 = 3−5+4+1+5+5+6−4+2+0+4+5+1+3+0+
0−2
= 25
PARTE C. Simbolización de datos y regresión lineal simple.
Dada la siguiente tabla C, donde i=indicador de filas, 𝑿𝒊 =tiempo en minutos
y 𝒀𝒊 =temperatura en grados centígrados. Completar las columnas por
construir que sean pertinentes (que se necesitan), para hacer los cálculos se
los valores numéricos que se pide:

TABLA N° C
i 𝑿𝒊 𝒀𝒊
t min T° c
1 3 72
2 6 76
3 8 88
4 10 105
5 12 126
6 15 130
7 17 135

SOLUCIÓN:
i Xi Yi xi yi xi°2 yi°2 xiyi
1 3 72 - - 51.020408 1060.8979 232.653061
7.14285714 32.5714286 2 6
2 6 76 - - 17.163265 816.32653 118.367347
4.14285714 28.5714286 3 1
3 8 88 - - 4.5918367 274.61224 35.5102041
2.14285714 16.5714286 3 5
4 1 10 - 0.42857143 0.0204081 0.1836734 -
0 5 0.14285714 6 7 0.06122449
5 1 12 1.85714286 21.4285714 3.4489795 459.18367 39.7959184
2 6 9 3
6 1 13 4.85714286 25.4285714 23.591836 646.61224 123.510204
5 0 7 5
7 1 13 6.85714286 30.4285714 47.020408 925.89795 208.653061
7 5 2 9
∑ 7 73 0 0 146.85714 4183.7142 758.428571
1 2 3 9

̅
C.1: Media muestral de X: 𝒙
𝟏
𝐱̅ = ∑ 𝑿𝒊
𝐧
1
x̅ = (71)
7
𝐱̅ =10.14285714

̅
C.2: Media muestral de Y: 𝒚
𝟏
𝐲̅ = ∑ 𝒀𝒊
𝐧
 1
y̅ = (732)
7
𝐲̅ = 𝟏𝟎𝟒. 𝟓𝟕𝟏𝟒𝟐𝟖𝟔

C.3: Variancia muestral de las X: 𝑺𝒙 𝟐

𝟏
𝑺𝒙 𝟐 = ∑ 𝐱𝐢𝟐
𝒏−𝟏
1
𝑆𝑥 2 = (146.857143)
6
𝑺𝒙 𝟐 = 𝟐𝟒. 𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟖

C.4: Variancia muestral de las Y: 𝑺𝒚 𝟐

𝟏
𝑺𝒚 𝟐 = ∑ 𝐲𝐢 𝟐
𝒏−𝟏
1
𝑆𝑦 2 = (4183.71429)
6
𝑺𝒚 𝟐 = 𝟔𝟗𝟕. 𝟐𝟖𝟓𝟕𝟏𝟒𝟑

Desviaciones xi = X i − x̅ ; yi = Yi − y̅
̂ = ∑ 𝒙𝒊 𝒚𝒊
C.5: 𝜷 →
∑𝐱 𝟐 𝐢 β̂ = Coeficiente de regresión lineal simple
∑ 𝒙 𝒊 𝒚𝒊
𝜷̂=
∑ 𝐱𝐢𝟐
758.428571
𝛽̂ =
146.857143
̂ = 𝟓. 𝟏𝟔𝟒𝟑𝟗𝟔𝟖𝟖𝟕
𝜷

̂ 𝐱̅
̂ = 𝐲̅ − 𝛃
C.6: 𝛂 → 𝐢𝐧𝐭𝐞𝐫𝐬𝐞𝐜𝐜𝐢ó𝐧 𝐝𝐞 𝐥𝐚 𝐫𝐞𝐜𝐭𝐚 𝐜𝐨𝐧 𝐞𝐥 𝐞𝐣𝐞 𝐘𝐘 ′
̂ 𝐱̅
̂ = 𝐲̅ − 𝛃
𝛂
̂ = 104.5714286 − (5.164396887)(10.14285714)
α
̂ = 𝟓𝟐. 𝟏𝟖𝟗𝟔𝟖𝟖𝟕𝟐
𝛂

C.7: Para X=14, ¿Cuánto valdrá Y?

̂+𝛃
𝐲̅ = 𝛂 ̂ 𝐱̅
𝑦̅ = 52.18968872 + 5.164396887(14)
̅ = 𝟏𝟐𝟒. 𝟒𝟗𝟏𝟐𝟒𝟓𝟏
𝒚

C.8: Para X=20, ¿Cuánto será el pronóstico para Y?

̅=𝜶
𝒚 ̂+𝜷 ̂𝒙̅
𝑦̅ = 52.18968872 + 5.164396887(20)
̅ = 𝟏𝟓𝟓. 𝟒𝟕𝟕𝟔𝟐𝟔𝟓
𝒚

C.9: Determinar el coeficiente de correlación e interpretación estadística.

∑ 𝒙 𝒊 𝒚𝒊
𝒓=
(√∑ 𝐱 𝐢 𝟐 )(√∑ 𝐲𝐢 𝟐 )
 758.428571
𝑟=
(√146.857143)(√4183.71429)
𝒓 = 𝟎. 𝟗𝟔𝟕𝟓𝟕𝟖𝟑𝟒𝟑

Interpretación: Se muestra que existe una correlación alta positiva directa de

r= 𝟎. 𝟗𝟔𝟕𝟓𝟕𝟖𝟑𝟒𝟑 entre las variables x (min) e y (temperatura)

C.10: Determinar el coeficiente de determinación e interpretación

estadística.
𝐑 = 𝐫𝟐
R = (0.967578343)2
𝐑 = 𝟎. 𝟗𝟑𝟔𝟐𝟎𝟕𝟖𝟒𝟗

Interpretación: R o r2 = 0.936207849 representa la reducción relativa de la

suma de cuadrados del error total gracias al uso de la recta de regresión. Así R
mide la bondad de ajuste en el sentido que le indica la cantidad de
mejoramiento en términos de reducción del error total gracias al uso de la recta
de regresión.
C.11: Determinar el coeficiente de alejamiento e interpretación estadística.
𝒄𝒐𝒆𝒇. 𝑨 = √𝟏 − 𝒓𝟐 ∗ 𝟏𝟎𝟎%
𝑐𝑜𝑒𝑓. 𝐴 = √1 − 0.936207849 ∗ 100%
𝑐𝑜𝑒𝑓. 𝐴 = 25.25710805%

Interpretación: El coeficiente de alejamiento es 25.25710805%cuyo valor es la

raíz cuadrada de la diferencia entre la unidad y el coeficiente de determinación,
todo multiplicado por 100%

C.12: Hallar el coeficiente de variación para X.

𝐒
𝐂. 𝐕𝐱 = ∗ 𝟏𝟎𝟎%
𝐱̅
√𝑆𝑥 2
C. Vx = ∗ 100%
x̅
√24.47619048
C. Vx = ∗ 100%
10.14285714
𝐂. 𝐕𝐱 = 𝟒𝟖. 𝟕𝟕𝟔𝟔𝟎𝟖𝟖𝟗%

C.13: Hallar el coeficiente de variación para Y.

𝐒
𝐂. 𝐕𝐲 = ∗ 𝟏𝟎𝟎%
𝐲̅
√𝑆𝑦 2
C. Vy = ∗ 100%
y̅
√697.2857143
C. Vy = ∗ 100%
104.571429
𝐂. 𝐕𝐲 = 𝟐𝟓. 𝟐𝟓𝟏𝟖𝟎𝟎𝟏𝟏%
PARTES D.- clasificación y distribución de datos- CASO III (v.c.c.) y
cálculo de los estadígrafos:

D. Organización de datos y cálculo de estadígrafos de cuadros completos.

– Suponga que se ha judicializado un caso respecto al peso de lingotes de
acero en “ACEROS AREQUIPA S.A.”, analizados por el Juez Especializado en
lo Civil, para lo cual se tomó una muestra aleatoria simple (MAS) de la
producción semanal de 40 observaciones, las unidades están dadas en
kilogramos (Kg.), registrándose los siguientes datos originales Xi:

Cuadro de los datos originales Xi:

94.3 93.0 95.5 95.3 92.4 94.4 92.8 93.2 93.6 95.5
92.9 93.6 95.7 93.8 94.8 93.9 92.7 91.6 93.6 96.8
94.2 95.7 94.7 94.3 92.7 94.5 96.2 95.4 93.7 91.9
94.1 90.0 94.2 93.7 94.0 93.9 93.6 94.6 92.3 94.4

SOLUCIÓN: Para resolver este problema estadístico, tenemos que

primeramente ordenar los datos originales, estos se mostrarán de la
siguiente manera.

Cuadro ORDENADO de los datos originales Xi:

90.0 91.6 91.9 92.3 92.4 92.7 92.7 92.8 92.9 93.0
93.2 93.6 93.6 93.6 93.6 93.7 93.7 93.8 93.9 93.9
94.0 94.1 94.2 94.2 94.3 94.3 94.4 94.4 94.5 94.6
94.7 94.8 95.3 95.4 95.5 95.5 95.7 95.7 96.2 96.8

D.1.) Tipología de variable estadística:

 Variable estadística: variable CUANTITATIVA CONTINUA (V.C.C.)
 Tamaño de muestra (n): n = 40 pesos de lingotes de acero.
o Es una muestra grande, n = 40 ≥ 30

D.2) Calcular el rango de los datos originales.

𝑅𝑥 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛
𝑿𝒎𝒂𝒙 = 96.8
𝑿𝒎𝒊𝒏 = 90.0
𝑹𝒙 = 96.8 − 90.0 = 𝟔. 𝟖𝒌𝒈

D.3) Determinar el número de intervalos de clase (m) por el primer

método: Regla de la Raíz cuadrada.
𝒎 = √𝒏
𝑚 = √40 = 6.32455532

D.4) ¿Existirá nuevo valor del número de intervalos de clase (m')?

Sí existe, y su nuevo valor es:
m' = 7
D.5) Determinar la amplitud interválica constante de datos originales (C) y
la redondeada C'.
𝑹𝒙
𝑪=
𝐦
6.8
𝑪=
7
𝑪 = 𝟎. 𝟗𝟕𝟏𝟒𝟐𝟖𝟓𝟕𝟏𝟒
Por lo tanto, la nueva amplitud interválica será: C' = 0.98

D.7) ¿Existirá nuevo rango R'x?

𝑅′𝑥
𝐶′ =
m′
𝑅′𝑥 = 𝐶 ′ (m′ ) = 𝟎. 𝟗𝟖(𝟕) = 𝟔. 𝟖𝟔

Por lo tanto, sí existe, y su nuevo valor es: 𝑪′ = 𝟔. 𝟖𝟔 𝒌𝒈

D.8) Diferencia de rangos

∆𝑅𝑥 = 𝑅′𝑥 − 𝑅𝑥
∆𝑹𝒙 = 6.86 − 6.8
∆𝑹𝒙 = 0.06

Para hacer la distribución respectiva, la Diferencia ∆𝑹𝒙 tenemos que dividirla

entre 2.
′
∆ 𝑅𝑥 = −0.03 ∆′ 𝑅𝑥 = +0.03
Izquierda derecha
𝑿𝒎𝒊𝒏 = 𝟗𝟎. 𝟎 − 𝟎. 𝟎𝟑 = 𝟖𝟗. 𝟗𝟕 𝑿𝒎𝒂𝒙 = 𝟗𝟔. 𝟖 + 𝟎. 𝟎𝟓 = 𝟗𝟔. 𝟖𝟑

D.9) Elaboración del cuadro completo de la distribución de pesos de

lingotes de acero “Arequipa”.

TABLA Nº E.
TABLA DE LA PRODUCCIÓN SEMANAL DE LOS LINGOTES DE ACERO
DE “ACEROS AREQUIPA S.A.”
i ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝒚𝒊 𝑪𝒊 = 𝑪 Conteo 𝒏𝒊 𝒉 = 𝒏 𝒊 𝒉𝒊
𝒊
𝒚′𝒊−𝟏 + 𝒚′𝒊 𝒏 × 𝟏𝟎𝟎
=
𝟐
1 [89.97 – 90,46 0.98 I 1 0,025 2,5
90.95>
2 [90.95 – 91,44 0.98 II 2 0,05 5
91.93>
3 [91.93 – 92,42 0.98 IIIII I 6 0,15 15
92.91>
4 [92.91 – 93,4 0.98 IIIII IIII 9 0,225 22,5
93.89>
5 [93.89 – 94,38 0.98 IIIII IIIII 14 0,35 35
94.87> IIII
6 [94.87 – 95,36 0.98 IIIII I 6 0,15 15
95.85>
7 [95.85 – 96,34 0.98 II 2 0,05 5
96.83>
40 1,00 100%

I 𝑵𝒋 𝑯𝒋 𝑯𝒋 × 𝟏𝟎𝟎 𝑵𝒋 ∗ 𝑯𝒋 ∗ 𝑯𝒋 ∗ × 𝟏𝟎𝟎 𝒚𝒊 𝒏 𝒊 𝒚𝒊 𝒉𝒊
1 1 0,025 2,5 40 1 100 90,46 2,2615
2 3 0,075 7,5 39 0,975 97,5 182,88 4,572
3 9 0,225 22,5 37 0,925 92,5 554,52 13,863
4 18 0,45 45 31 0,775 77,5 840,6 21,015
5 32 0,8 80 22 0,55 55 1321,32 33,033
6 38 0,95 95 8 0,2 20 572,16 14,304
7 40 1 100 2 0,05 5 192,68 4,817
3754,62 93,8655
E.10. Grafica estadística de las frecuencias absolutas acumuladas: Ojiva
“menor o igual que <=” y.

𝑯𝒋 × 𝟏𝟎𝟎 𝑯𝒋 ∗ × 𝟏𝟎𝟎
i
Ojiva ≤ Ojiva ≥
1 2,5% 100%
2 7,5% 97,5%
3 22,5% 92,5%
4 45% 77,5%
5 80% 55%
6 95% 20%
7 100% 5%

OJIVA MENOR QUE OJIVA MAYOR QUE

120 120
100
100 95 100 100
92.5
97.5
80 80
77.5
80
60 60
55
40 45 40
22.5
20 20 20
2.5
7.5 5
0 0
90,95 91,93 92,91 93,89 94,87 95,85 96,83 90,95 91,93 92,91 93,89 94,87 95,85 96,83
89,97 90,95 91,93 92,91 93,89 94,87 95,85 89,97 90,95 91,93 92,91 93,89 94,87 95,85

D.11) Interpretar estadísticamente:

 m: 7 → es el número de intervalos de clase, o sea m= 7 filas.
 Y’0 → 89.97 es el valor del límite inferior del primer intervalo de clase.
 n3 → 6 lingotes de acero registraron tener pesos entre [91,93; 92,91>
 h5 → El 0,35 por uno del total de lingotes de acero producidos (40)
registraron pesos entre [93.89; 94,87>
 h2x100 → El 5 por ciento del total de lingotes de acero producidos (40),
registraron ser producidos entre [90,95 ; 91,93>
 N4 → 18 lingotes de acero registraron ser producidos entre [92,91 ;
93,89>
 H5 → El 0,8 por uno del total de lingotes de acero (40) registraron ser
producidos a lo sumo en el intervalo [93,89 ; 94,87>
 H6x100 → El 96 por ciento de los lingotes de acero pesados (50)
registraron pesos a lo sumo en el intervalo [94,87 ; 95,85>
 N*6 → 8 lingotes de acero registraron ser por lo menos producidos en el
intervalo [94,87 ; 95,85>
  H4*x100 → El 20 por ciento de los lingotes de acero producidos (40)
registraron pesos por lo menos 95,85 Kg.

D.12) calcular el promedio de datos agrupados. Interpretarla

estadísticamente.
∑ 𝒚𝒊 𝒏𝒊
𝑿̅=
𝒏
3756,42
𝑋̅ =
40
𝑿̅ = 𝟗𝟑. 𝟖𝟔𝟓𝟓

Interpretación: 93.8655 Es el valor medio que se encuentra entre el valor

máximo y el valor mínimo de los datos agrupados.

D.13) Calcule el valor mediano de datos agrupados. Interpretarla

estadísticamente.
𝒏 𝒏
− 𝑵𝒋−𝟏 − 𝑵𝒋−𝟏
,
𝑴𝒆 = 𝒚𝒊−𝟏 + 𝒄𝒊 ∗ [ 𝟐 ] = 𝑸𝟐 = 𝒚𝒊−𝟏 + 𝒄𝒊 ∗ [𝟐
,
]
𝑵𝒋 − 𝑵𝒋−𝟏 𝒏𝒊

𝟒𝟎
Calculamos la posición = 𝟐𝟎, entonces desarrollamos en el intervalo de
𝟐
clase
⌊𝟗𝟑. 𝟖𝟗; 𝟗𝟒. 𝟖𝟕〉 .
𝒚,𝒊−𝟏 = 𝟗𝟑. 𝟖𝟗, 𝑵𝒋−𝟏 = 𝟏𝟖, 𝑵𝒋 = 𝟑𝟐, 𝒄𝒊 = 𝟎. 𝟗𝟖.

I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝒏𝒊 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 1 0.98
2 [90.95 – 91.93> 2 3 0.98
3 [91.93 – 92.91> 6 9 0.98
4 [92.91 – 93.89> 9 18 0.98
5 [93.89 – 94.87> 14 32 0.98
6 [94.87 – 95.85> 6 38 0.98
7 [95.85 – 96.83> 2 40 0.98

20 − 18
𝑀𝑒 = 93.89 + 0.98 ∗ [ ]
32 − 18
𝑴𝒆 = 𝟗𝟒. 𝟎𝟑

Interpretación: El valor mediano cuyo valor es 93.03 supera a lo sumo al

50% de datos, pero a su vez es superado por no más del 50% de datos
restantes.

E.14) calcular el valor modal de datos agrupados. Interpretarla

estadísticamente.
 𝒏𝒊 − 𝒏𝒊−𝟏
𝑴𝒐 = 𝒚,𝒊−𝟏 + 𝒄 ∗ [ ]
(𝒏𝒊 − 𝒏𝒊−𝟏 ) + (𝒏𝒊 − 𝒏𝒊+𝟏 )

Buscamos la mayor repetición de los datos en la frecuencia absoluta en el

intervalo de clase
⌊𝟗𝟑. 𝟔𝟓, 𝟗𝟒. 𝟑𝟓〉, en estos dos intervalos, podemos apreciar que más veces se
repite, siendo el número 14 la mayor cantidad de repeticiones.
I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝒏𝒊 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 1 0.98
2 [90.95 – 91.93> 2 3 0.98
3 [91.93 – 92.91> 6 9 0.98
4 [92.91 – 93.89> 9 18 0.98
5 [93.89 – 94.87> 14 32 0.98
6 [94.87 – 95.85> 6 38 0.98
7 [95.85 – 96.83> 2 40 0.98

,
𝑦𝑖−1 = 93.89, 𝑐 = 0.98, 𝑛𝑖 = 14, 𝑛𝑖−1 = 9, 𝑛𝑖+1 = 6

, 𝑛𝑖 − 𝑛𝑖−1
𝑀𝑜 = 𝑦𝑖−1 +𝑐∗[ ]
(𝑛𝑖 − 𝑛𝑖−1 ) + (𝑛𝑖 − 𝑛𝑖+1 )
14 − 9
𝑀𝑜 = 93.89 + 0.98 ∗ [ ]
(14 − 9) + (14 − 6)
𝑴𝒐 = 𝟗𝟒. 𝟐𝟔𝟔𝟗𝟐𝟑𝟎𝟖

Interpretación: 94.26692308 es el valor que más se repite en la tabla de datos

agrupados.

PARA RESOLVER LAS SIGUIENTES PREGUNTAS, SE CREARÁ ESTA

TABLA PARA FACILITAR HALLAR LOS DATOS A PEDIR:

D.15) D.16) D.17)

i ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝒚𝒊 𝒏𝒊 𝒚𝒊 𝒏 𝒊 ̅ )𝟐
(𝒚𝒊 − 𝑿 ̅|
|𝒚𝒊 − 𝑿 |𝒚𝒊 − 𝑴𝒆|
∗ 𝒏𝒊 ∗ 𝒏𝒊 ∗ 𝒏𝒊
1 [89.97 – 90,4 1 90,46 11,5974 3,4055 3,57
90.95> 6
2 [90.95 – 91,4 2 182,88 11,7661 4,8510 5,18
91.93> 4
3 [91.93 – 92,4 6 554,52 12,5368 8,6730 9,66
92.91> 2
4 [92.91 – 93,4 9 840,6 1,9502 4,1895 5,67
93.89>
5 [93.89 – 94,3 14 1321,3 3,7059 7,2030 4,9
94.87> 8 2
6 [94.87 – 95,3 6 572,16 13,4012 8,9670 7,98
95.85> 6
7 [95.85 – 96,3 2 192,68 12,2463 4,9490 4,62
 96.83> 4
3754,6 67,2040 42,2380 41,58
2
Dónde:
̅ = 𝟗𝟑, 𝟖𝟔𝟓𝟓
𝑿
𝑴𝒆 = 𝟗𝟒. 𝟎𝟑

D.15) Calcule la varianza y la desviación estándar de datos agrupados.

Interpretarlos.
 Calculamos la Varianza (S2)
̅ ) 𝟐 ∗ 𝒏𝒊
∑(𝒚𝒊 − 𝑿
𝟐
𝑺 =
𝒏
67,2040
𝑆2 =
40
𝑺𝟐 = 𝟏, 𝟔𝟖𝟎𝟏 𝑲𝒈

Interpretación: El promedio de desviaciones, estas elevadas al cuadrado es

1.6801 Kg.

 Calculamos la desviación Estándar (S)

̅ ) 𝟐 ∗ 𝒏𝒊
∑(𝒚𝒊 − 𝑿
𝑺= √
𝒏
𝑆 = √1,6801
𝑺 = 𝟏, 𝟐𝟗𝟔𝟏𝟖𝟔𝟕𝟏𝟓

Interpretación: La raíz cuadrada de la variancia es 1,296186715.

D.16) Calcule la desviación media de datos agrupados. Interprétalos.

̅ | ∗ 𝒏𝒊
∑|𝒚𝒊 − 𝑿
𝑫𝑿̅ =
𝒏
42,2380
𝐷𝑋̅ =
40
𝑫𝑿̅ = 𝟏, 𝟎𝟓𝟓𝟗𝟓

Interpretación: La desviación media de los datos agrupados, de los valores

absolutos respecto a la mediana es 1,05595

D.17) Calcule la desviación mediana de datos agrupados. Interprétalos

∑|𝒚𝒊 − 𝑴𝒆| ∗ 𝒏𝒊
𝑫𝑴𝒆 =
𝒏
41,58
𝐷𝑀𝑒 =
40
𝑫𝑴𝒆 = 𝟏, 𝟎𝟑𝟗𝟓
Interpretación: La Desviación Mediana de los valores absolutos respecto a la
Mediana es 1,0395.

D.18) Calcule el coeficiente de variación de datos agrupados. Interpretarlo

𝑺
𝑪𝑽 = ∗ 𝟏𝟎𝟎
̅
𝑿
1,296186715
𝐶𝑉 = ∗ 100
93,8655
𝑪𝑽 = 𝟏, 𝟑𝟖𝟎𝟖𝟗𝟕𝟖𝟗𝟔%

Interpretar: El Coeficiente de Variación de las masas de 40 lingotes de acero

es 1.380897896%.

D.19) Calcule el primer cuartil (Q1) y el tercer cuartil (Q3). Interpretarlos.

1. Primer cuartil:
𝒏
− 𝑵𝒋−𝟏
𝑸𝟏 = 𝒚′𝒋−𝟏 + 𝑪 [ 𝟒 ]
𝑵𝒋 − 𝑵𝒋−𝟏

𝒏 𝟒𝟎
Calculamos la posición 𝟒 = 𝟒 = 𝟏𝟎 por tanto trabajamos en el intervalo de
clase
⌊𝟗𝟐. 𝟗𝟏 − 𝟗𝟑. 𝟖𝟗 >, pero como vemos en nuestra tabla aparece el número 18,
como siguiente paso buscamos el límite superior y esta será nuestro primer
cuartil.

I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 0.98
2 [90.95 – 91.93> 3 0.98
3 [91.93 – 92.91> 9 0.98
4 [92.91 – 93.89> 18 0.98
5 [93.89 – 94.87> 32 0.98
6 [94.87 – 95.85> 38 0.98
7 [95.85 – 96.83> 40 0.98

𝑦′𝑗−1 = 92.91, 𝑁𝑗−1 = 9, 𝑁𝑗 = 18

𝑛
−𝑁𝑗−1
𝑄1 = 𝑦′𝑗−1 + 𝐶 [𝑁4 −𝑁 ]
𝑗 𝑗−1
(10−9)
𝑄1 = 92.91 + 0.98 ∗ [(18−9)]
𝑸𝟏 = 𝟗𝟑. 𝟎𝟏𝟖𝟖𝟖𝟖𝟖𝟗

Interpretación: El primer cuartil cuyo valor es 93.888889 supera a lo sumo al

25% de observaciones y a su vez es superado por no más del 75% de
observaciones restantes.
2. Tercer cuartil:
𝟑𝒏
− 𝑵𝒋−𝟏
𝑸𝟑 = 𝒚′𝒋−𝟏 + 𝑪 [ 𝟒 ]
𝑵𝒋 − 𝑵𝒋−𝟏

𝟑𝒏 𝟑×𝟒𝟎
Calculamos la posición 𝟒 = = 𝟑𝟎, por tanto desarrollamos en el intervalo
𝟒
de clase ⌊𝟗𝟑. 𝟖𝟗, 𝟗𝟒. 𝟖𝟕〉 ,
I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 0.98
2 [90.95 – 91.93> 3 0.98
3 [91.93 – 92.91> 9 0.98
4 [92.91 – 93.89> 18 0.98
5 [93.89 – 94.87> 32 0.98
6 [94.87 – 95.85> 38 0.98
7 [95.85 – 96.83> 40 0.98

𝑦′𝑗−1 = 93.89, 𝑁𝑗−1 = 18, 𝑁𝑗 = 32

3𝑛
−𝑁𝑗−1
𝑄3 = 𝑦′𝑗−1 + 𝐶 [𝑁4 −𝑁 ]
𝑗 𝑗−1
(30−18)
𝑄3 = 93.89 + 0.98 ∗ [(32−18)]
𝑸𝟑 = 𝟗𝟒. 𝟕3

Interpretación: El tercer cuartil cuyo valor es 94.73 supera a lo sumo al 75%

de observaciones y a su vez es superado por no más del 25% de
observaciones restantes.

D.20) Calcule el primer decil (D1) y el noveno decil (D9). Interpretarlos.

𝒌𝒏
− 𝑵𝒋−𝟏
𝑫𝒌 = 𝒚′𝒋−𝟏 + 𝑪 [ 𝟏𝟎 ]
𝑵𝒋 − 𝑵𝒋−𝟏

1. Primer Decil
𝒏
− 𝑵𝒋−𝟏
𝑫𝟏 = 𝒚′𝒋−𝟏 + 𝑪 [𝟏𝟎 ]
𝑵𝒋 − 𝑵𝒋−𝟏

𝒏 𝟒𝟎
Calculamos la posición = 𝟏𝟎 = 𝟒, por tanto desarrollamos en el intervalo de
𝟏𝟎
clase
⌊𝟗𝟏. 𝟗𝟑, 𝟗𝟐. 𝟗𝟏〉 .

I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 0.98
2 [90.95 – 91.93> 3 0.98
3 [91.93 – 92.91> 9 0.98
4 [92.91 – 93.89> 18 0.98
5 [93.89 – 94.87> 32 0.98
6 [94.87 – 95.85> 38 0.98
7 [95.85 – 96.83> 40 0.98

𝑦′𝑗−1 = 91.93, 𝑁𝑗−1 = 3, 𝑁𝑗 = 9

(4−3)
𝐷1 = 91.93 + 0.98 ∗ [(9−3)]
𝑫𝟏 = 𝟗𝟐. 𝟎𝟗𝟑𝟑𝟑𝟑𝟑𝟑

Interpretación: El primer decil cuyo valor es 92.09333333 que corresponde a

un estadígrafo de posición que supera a lo sumo al 10% de observaciones y a
su vez es superado por no más del 90% de observaciones restantes.

2. Noveno Decil
𝟗𝒏
− 𝑵𝒋−𝟏
𝑫𝟗 = 𝒚′𝒋−𝟏 + 𝑪 [𝟏𝟎 ]
𝑵𝒋 − 𝑵𝒋−𝟏

𝟗𝒏 𝟗𝒙𝟒𝟎
Calculamos la posición 𝟏𝟎 = 𝟏𝟎 = 𝟑𝟔, por tanto desarrollamos en el intervalo
de clase
⌊𝟗𝟒. 𝟖𝟕, 𝟗𝟓. 𝟖𝟓〉 .
I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 0.98
2 [90.95 – 91.93> 3 0.98
3 [91.93 – 92.91> 9 0.98
4 [92.91 – 93.89> 18 0.98
5 [93.89 – 94.87> 32 0.98
6 [94.87 – 95.85> 38 0.98
7 [95.85 – 96.83> 40 0.98

𝑦′𝑗−1 = 94,87, 𝑁𝑗−1 = 32, 𝑁𝑗 = 38

(36−32)
𝐷9 = 94.87 + 0.98 ∗ [(38−32)]
𝑫𝟗 = 𝟗𝟓. 𝟓𝟐𝟑𝟑𝟑𝟑𝟑𝟑

Interpretación: El noveno decil cuyo valor es 95.52333333 que corresponde

a un estadígrafo de posición que supera a lo sumo al 90% de observaciones y
a su vez es superado por no más del 10% de observaciones restantes.

D.21) Calcule el nonagésimo percentil y el décimo percentil. Interpretarlo

 𝒌𝒏
− 𝑵𝒋−𝟏
𝑷𝒌 = 𝒚′𝒋−𝟏 + 𝑪 [ 𝟏𝟎𝟎 ]
𝑵𝒋 − 𝑵𝒋−𝟏

1. Nonagésimo Percentil
𝟗𝟎𝒏
− 𝑵𝒋−𝟏
𝑷𝟗𝟎 = 𝒚′𝒋−𝟏 + 𝑪 [𝟏𝟎𝟎 ]
𝑵𝒋 − 𝑵𝒋−𝟏

𝟗𝟎𝒏 𝟗𝟎𝒙𝟒𝟎
Calculamos la posición = = 𝟑𝟔, por tanto desarrollamos en el intervalo
𝟏𝟎𝟎 𝟏𝟎𝟎
de clase
⌊𝟗𝟒. 𝟖𝟕, 𝟗𝟓. 𝟖𝟓〉

I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 0.98
2 [90.95 – 91.93> 3 0.98
3 [91.93 – 92.91> 9 0.98
4 [92.91 – 93.89> 18 0.98
5 [93.89 – 94.87> 32 0.98
6 [94.87 – 95.85> 38 0.98
7 [95.85 – 96.83> 40 0.98

𝑦′𝑗−1 = 94.87, 𝑁𝑗−1 = 32, 𝑁𝑗 = 38

(36−32)
𝑃90 = 94.87 + 0.98 ∗ [(38−32)]
𝑷𝟗𝟎 = 𝟗𝟓. 𝟓𝟐𝟑𝟑𝟑𝟑𝟑𝟑

Interpretación: El nonagésimo percentil es igual a 95.52333333. Es el valor

que supera a no más de noventa centésimos de las observaciones y es
superado por no más de diez centésimos de ellas. En otras palabras, P90, es
el valor que deja 90% de las observaciones o iguales a él, y el 10% superiores
a él.

2. Décimo Percentil
𝟏𝟎𝒏
− 𝑵𝒋−𝟏
𝑷𝟏𝟎 = 𝒚′𝒋−𝟏 + 𝑪 [𝟏𝟎𝟎 ]
𝑵𝒋 − 𝑵𝒋−𝟏

𝟏𝟎𝒏 𝟏𝟎𝒙𝟒𝟎
Calculamos la posición = = 𝟒, por tanto desarrollamos en el intervalo
𝟏𝟎𝟎 𝟏𝟎𝟎
de clase
⌊𝟗𝟏. 𝟗𝟑, 𝟗𝟐. 𝟗𝟏〉

I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 0.98
2 [90.95 – 91.93> 3 0.98
 3 [91.93 – 92.91> 9 0.98
4 [92.91 – 93.89> 18 0.98
5 [93.89 – 94.87> 32 0.98
6 [94.87 – 95.85> 38 0.98
7 [95.85 – 96.83> 40 0.98

𝑦′𝑗−1 = 91.93, 𝑁𝑗−1 = 3, 𝑁𝑗 = 9

(6−3)
𝑃10 = 91.93 + 0.98 ∗ [(9−3)]
𝑷𝟏𝟎 = 𝟗𝟐. 𝟒𝟐

Interpretación: El décimo percentil es igual a 92.42. Es el valor que supera a

no más de diez centésimos de las observaciones y es superado por no más
de noventa centésimos de ellas. En otras palabras, P90, es el valor que deja
10% de las observaciones o iguales a él, y el 90% superiores a él.

D.22) Calcule el recorrido intercuartílico y recorrido interpercentílico.

Interpretarlo

1. Recorrido Intercuartílico.
𝑹𝑰 = 𝑸𝟑 − 𝑸𝟏
Dónde:
Q3 = 94.73 (D.19), Q1 = 93.01888889 (D.19)
𝑅𝐼 = 94.73 − 93.01888889 = 𝟏. 𝟕𝟏𝟏𝟏𝟏𝟏𝟏𝟏

Interpretación: El recorrido intercuartílico es 1.71111111, es una medida de

dispersión, más exacta que el simple recorrido de una variable, ya que evita el
inconveniente de valores extremos anormales, tomando aquellos dos valores,
el tercer cuartil y el primer cuartil que dejan entre sí el 50% de los valores
(los más centrales) de la variable.

2. Recorrido Interpercentílico.
I ⌊𝒚′𝒊−𝟏 , 𝒚′𝒊 〉 𝑵𝒋 𝑪𝒊 = 𝑪
1 [89.97 – 90.95> 1 0.98
2 [90.95 – 91.93> 3 0.98
3 [91.93 – 92.91> 9 0.98
4 [92.91 – 93.89> 18 0.98
5 [93.89 – 94.87> 32 0.98
6 [94.87 – 95.85> 38 0.98
7 [95.85 – 96.83> 40 0.98

2.1. Hallamos P99

𝟗𝟗𝒏
−𝑵𝒋−𝟏
𝑷𝟗𝟗 = 𝒚′𝒋−𝟏 + 𝑪 [𝟏𝟎𝟎 ]
𝑵 −𝑵
𝒋 𝒋−𝟏
 (39.6 − 38)
𝑃99 = 95.85 + 0.98 ∗ [ ]
(40 − 38)
𝑷𝟗𝟗 = 𝟗𝟔, 𝟔𝟑𝟒

2.2. Hallamos P1
𝒏
−𝑵𝒋−𝟏
𝟏𝟎𝟎
𝑷𝟏 = 𝒚′𝒋−𝟏 + 𝑪 ∗ [ 𝑵 −𝑵 ]
𝒋 𝒋−𝟏
(0.4 − 0)
𝑃1 = 89.97 + 0.98 ∗ [ ]
(1 − 0)
𝑷𝟏 = 𝟗𝟎. 𝟑𝟔𝟐

Por lo tanto, el Recorrido Interpercentílico es:

𝑹𝑰𝑷 = 𝑷𝟗𝟗 − 𝑷𝟏
Dónde:
P99 = 95.575, P1 = 91.725
𝑅𝐼𝑃 = 96.634 − 90.362
𝑹𝑰𝑷 = 𝟔. 𝟐𝟕𝟐

Interpretación: El recorrido interpercentílico es 6.272, es una medida de

dispersión, más exacta que el simple recorrido de una variable, ya que evita el
inconveniente de valores extremos anormales, tomando aquellos dos valores,
el nonagésimo noveno percentil y el primer percentil que dejan entre sí el
50% de los valores (los más centrales) de la variable.

D.23) Hallar el 1er coeficiente de asimetría de Pearson. ¿Distribución de

As?
𝟑(𝑿̅ − 𝑴𝒆 )
𝑪𝑨𝑺(𝟏) =
𝑺
3 ∗ (93.8655 − 94.03)
𝐶𝐴𝑆(1) =
1,296186715
𝑪𝑨𝑺(𝟏) = −𝟎. 𝟑𝟖𝟎𝟕𝟑𝟐𝟏𝟖𝟒𝟗

Interpretación: El 1º CAs es -0.3807321849.

Entonces la distribución es asimétrica hacia la izquierda.
Tiene sesgo negativo.

D.24) Hallar el 2° coeficiente de asimetría de Pearson. ¿Distribución de

As?
̅ − 𝑴𝑶
𝑿
𝑪𝑨𝑺(𝟐) =
𝑺
93.8655 − 94.26692308
𝐶𝐴𝑆(2) =
1,296186715
𝑪𝑨𝑺(𝟐) = −𝟎. 𝟑𝟎𝟗𝟔𝟗𝟓𝟒𝟏𝟑

Interpretación: El 2º CAs es -0.309695413.

Entonces la distribución es asimétrica hacia la izquierda.
 Tiene sesgo negativo.

E.25) hallar el coeficiente Percentilico de Kurtosis. ¿Qué distribución

genera K?
𝑸𝟑 − 𝑸𝟏
𝑲=
𝟐(𝑷𝟗𝟎 − 𝑷𝟏𝟎 )

Dónde:
Q3 = 94.73 (D.19) 𝑷𝟗𝟎 = 𝟗𝟓. 𝟓𝟐𝟑𝟑𝟑𝟑𝟑𝟑 (E.21)
Q1 = 93.01888889 (D.19) 𝑷𝟏𝟎 = 𝟗𝟐. 𝟒𝟐 (E.21)

94.73 − 93.01888889
𝐾=
2(95.52333333 − 92.42)
𝑲 = 𝟎. 𝟐𝟕𝟒𝟎𝟕𝟖𝟎𝟓𝟐𝟒

Interpretación: la Kurtosis > 0, es 0.2740780524, esto quiere decir que los

datos están muy concentrados en la media, siendo una curva muy apuntada;
por lo tanto sería una curva Leptokúrtica.

D.26) Compare los valores de la media aritmética, mediana, moda.

Graficar estos datos-resultados en un plano cartesiano; observar la curva
correspondiente, luego determinar qué distribución ha generado las
distribuciones de Asimetría.

16

14

12

10

0
90.46 91.44 92.42 93.4 94.38 95.36 96.34
 MEDIANA MODA MEDIA
94.03 94.26692308 93.8655

PARTE E. TIPOLOGIA Y SUB-TIPOLOGIA DE VARIABLES ESTADÍSTICA. -

dada las siguientes proposiciones, determine el tipo y sub-tipo de
variable estadística que tiene:

E.1) Escuelas Profesionales de Facultad de Ingeniería Minas, Geología y

Civil, UNSCH.
 Variación cualitativa Nominal (VCN)
Justificación.- En este caso se denominó una variación cualitativa
nominal porque NO existe orden obvio entre las categorías.

E.2) Nº de libros de estructuras de acero en la Biblioteca Central “Efraín

Morote Best”, UNSCH.
 Variación Cuantitativa Discreta (VCD)
Justificación.- En este caso se denominó una variación cuantitativa
discreta porque No existen valores intermedios entre dos valores
consecutivos de la variable.

E.3 Total de capital social de la empresa constructora “Pegasus

Ingenieros” de Trujillo.
 Variación Cuantitativa continua (VCC)
Justificación.- En este caso se denominó una variación cuantitativa
continua porque Existen valores intermedios entre dos valores
consecutivos de la variable.

E.4 Numero de Ingenieros Civiles Colegiados en el colegio de ingenieros

del Perú – consejo Departamental de Ayacucho.
 Variación Cuantitativa Discreta (VCD)
Justificación.- En este caso se denominó una variación cuantitativa
discreta porque No existen valores intermedios entre dos valores
consecutivos de la variable.

E.5 Cantidades de precipitación pluviométrica en octubre de 2015 en

Cajamarca.
 Variación Cuantitativa Continua (VCC)
Justificación.- En este caso se denominó una variación cuantitativa
continua porque Existen valores intermedios entre dos valores
consecutivos de la variable.

E.6 Los tres primeros puestos en el ingreso a EP de Derecho, 2016-I,

UNSCH
 Variación cualitativa ordinal (VCO)
 Justificación.- En este caso se le denominó una variación cualitativa
ordinal, porque existe un orden natural entre las categorías.

E.7 Las Cruzadas Cristianas en el Medio Oriente.

 Variación cualitativa Ordinal (VCO)
Justificación.- En este caso se le denominó una variación cualitativa
ordinal, porque existe un orden natural entre las categorías.

E.8 La temperatura promedio diario de Cusco en el mes de junio de 2019.

 Variación Cuantitativa continua (VCC)
Justificación.- En este caso se denominó una variación cuantitativa
continua porque existen valores intermedios entre dos valores
consecutivos de la variable.

E.9 La descarga anual de los ríos de la selva en el Amazonas.

 Variación Cuantitativa Discreta (VCD)
Justificación.- En este caso se denominó una variación cuantitativa
discreta porque No existen valores intermedios entre dos valores
consecutivos de la variable.

E.10 Órdenes religiosa de la Iglesia Católica Romana.

 Variación cualitativa Ordinal (VCO)
Justificación.- En este caso se le denominó una variación cualitativa
ordinal, porque existe un orden natural entre las categorías.

E.11 Grados de cultura de una persona.

 Variación cualitativa Ordinal (VCO)
Justificación.- En este caso se le denominó una variación cualitativa
ordinal, porque existe un orden natural entre las categorías.

E.12 Tipología de teodolitos para levantamiento topográfico de un

territorio.
 Variación cualitativa nominal (VCN)
Justificación.- En este caso se denominó una variación cualitativa
nominal porque No existe orden obvio entre las categorías.