Estadistica Trabajo Colaborativo

Trim (configuración
Price Millaje Fabricante Modelo específica) Tipo Cilindros Litros Puertas Crucero
8639 25216 Chevrolet AVEO SVM Sedan 4D Sedan 4 1.6 4 0
9221 29992 Chevrolet AVEO SVM Hatchback 4D Hatchback 4 1.6 4 1
9919 34621 Chevrolet AVEO LT Sedan 4D Sedan 4 1.6 4 0
9928 29680 Chevrolet AVEO LS Hatchback 4D Hatchback 4 1.6 4 0
9954 37345 Chevrolet AVEO LS Sedan 4D Sedan 4 1.6 4 0
10547 38866 Chevrolet Cavalier Sedan 4D Sedan 4 2.2 4 1
10563 32458 Saturn Ion Sedan 4D Sedan 4 2.2 4 0
10789 31436 Chevrolet Cavalier Coupe 2D Coupe 4 2.2 2 1
10922 23119 Chevrolet AVEO LT Hatchback 4D Hatchback 4 1.6 4 0
11081 36855 Chevrolet Cavalier LS Sedan 4D Sedan 4 2.2 4 0
11539 38958 Saturn Ion Quad Coupe 2D Coupe 4 2.2 2 0
11582 36566 Chevrolet Classic Sedan 4D Sedan 4 2.2 4 0
11903 25285 Pontiac Sunfire Coupe 2D Coupe 4 2.2 2 0
11962 27394 Chevrolet Cobalt Coupe 2D Coupe 4 2.2 2 1
12230 28408 Chevrolet Cavalier LS Sport Coupe 2D Coupe 4 2.2 2 0
12235 30297 Chevrolet Cavalier LS Coupe 2D Coupe 4 2.2 2 1
12496 26204 Chevrolet Cobalt Sedan 4D Sedan 4 2.2 4 0
12553 32844 Chevrolet Cobalt LS Coupe 2D Coupe 4 2.2 2 1
12741 34815 Chevrolet Cobalt LS Sedan 4D Sedan 4 2.2 4 0
12846 27560 Chevrolet Cavalier LS Sport Sedan 4D Sedan 4 2.2 4 1
13034 23976 Pontiac Grand Am SE Sedan 4D Sedan 4 2.2 4 0
13586 35662 Saturn L Series L300 Sedan 4D Sedan 6 3 4 1
14176 21627 Chevrolet Cobalt LT Sedan 4D Sedan 4 2.2 4 0
14396 31424 Pontiac Vibe GT Sportwagon Wagon 4 1.8 4 0
14399 21688 Pontiac Vibe Sportwagon 4D Wagon 4 1.8 4 0
14547 33374 Pontiac Vibe AWD Sportwagon 4D Wagon 4 1.8 4 0
14703 23335 Pontiac Grand Am GT Coupe 2D Coupe 6 3.4 2 0
14862 24021 Buick Century Sedan 4D Sedan 6 3.1 4 1
14914 33906 Chevrolet Malibu LS MAXX Hback 4D Hatchback 6 3.5 4 0
14963 31471 Pontiac Grand Prix GT Sedan 4D Sedan 6 3.8 4 1
15138 32462 Chevrolet Malibu LS Sedan 4D Sedan 6 3.5 4 0
15504 33345 Chevrolet Monte Carlo LS Coupe 2D Coupe 6 3.8 2 1
15554 33357 Chevrolet Impala Sedan 4D Sedan 6 3.8 4 1
15624 21272 Chevrolet Malibu Sedan 4D Sedan 6 3.5 4 1
15724 23989 Pontiac Grand Prix Sedan 4D Sedan 6 3.8 4 1
15793 41566 Pontiac G6 Sedan 4D Sedan 6 3.5 4 1
16027 22889 Chevrolet Malibu MAXX Hback 4D Hatchback 6 3.5 4 0
16295 28239 Chevrolet Malibu LT Sedan 4D Sedan 6 3.5 4 0
16803 25874 Chevrolet Malibu LT MAXX Hback 4D Hatchback 6 3.5 4 1
17294 29368 Chevrolet Impala LS Sedan 4D Sedan 6 3.8 4 1
17394 25464 Buick Lesabre Custom Sedan 4D Sedan 6 3.8 4 1
17587 39049 Chevrolet Monte Carlo LT Coupe 2D Coupe 6 3.8 2 1
17768 28385 Pontiac Bonneville SE Sedan 4D Sedan 6 3.8 4 1
17808 32896 Buick Lacrosse CX Sedan 4D Sedan 6 3.6 4 1
18158 28354 Pontiac G6 GT Sedan 4D Sedan 6 3.5 4 1
18701 24992 Pontiac Grand Prix GTP Sedan 4D Sedan 6 3.8 4 1
19116 26252 Pontiac Bonneville SLE Sedan 4D Sedan 6 3.8 4 1
19192 29187 Buick Lesabre Limited Sedan 4D Sedan 6 3.8 4 1
19557 25245 Buick Lacrosse CXL Sedan 4D Sedan 6 3.6 4 1
20048 24665 Chevrolet Monte Carlo SS Coupe 2D Coupe 6 3.8 2 1
20295 33892 Chevrolet Impala SS Sedan 4D Sedan 6 3.8 4 1
20902 29649 Buick Lacrosse CXS Sedan 4D Sedan 6 3.8 4 1
21201 31197 Pontiac Bonneville GXP Sedan 4D Sedan 8 4.6 4 1
21537 37128 Buick Park Avenue Special Ed Ultra 4D Sedan 6 3.8 4 1
21698 25489 Buick Park Avenue Sedan 4D Sedan 6 3.8 4 1
22245 50387 SAAB 9_3 Linear Sedan 4D Sedan 4 2 4 1
23274 21616 SAAB 9-2X AWD Linear Wagon 4D Wagon 4 2.5 4 1
23733 27600 SAAB 9_3 HO Aero Sedan 4D Sedan 4 2 4 1
24405 31344 SAAB 9_5 HO Aero Sedan 4D Sedan 4 2.3 4 1
24903 40719 SAAB 9_5 Linear Wagon 4D Wagon 4 2.3 4 1
24912 38717 SAAB 9_5 Arc Sedan 4D Sedan 4 2.3 4 1
25267 34175 SAAB 9_3 HO Arc Sedan 4D Sedan 4 2 4 1
25527 36480 Pontiac GTO Coupe 2D Coupe 8 5.7 2 1
26012 34269 SAAB 9_5 HO Aero Wagon 4D Wagon 4 2.3 4 1
26955 31773 SAAB 9_5 Arc Wagon 4D Wagon 4 2.3 4 1
27666 35157 SAAB 9_3 Linear Conv 2D Convertible 4 2 2 1
28040 27484 Cadillac CTS Sedan 4D Sedan 6 2.8 4 1
28778 48991 SAAB 9_3 HO Arc Conv 2D Convertible 4 2 2 1
29143 31655 SAAB 9_3 HO Aero Conv 2D Convertible 4 2 2 1
31059 27544 Cadillac Deville Sedan 4D Sedan 8 4.6 4 1
31187 34191 Chevrolet Corvette Coupe 2D Coupe 8 6 2 1
32038 35326 Cadillac STS-V6 Sedan 4D Sedan 6 3.6 4 1
32537 41829 Cadillac Deville DTS Sedan 4D Sedan 8 4.6 4 1
34686 25421 Cadillac Deville DHS Sedan 4D Sedan 8 4.6 4 1
36971 30502 Chevrolet Corvette Conv 2D Convertible 8 6 2 1
40619 30082 Cadillac CST-V Sedan 4D Sedan 8 5.7 4 1
52002 42691 Cadillac XLR-V8 Hardtop Conv 2D Convertible 8 4.6 2 1
Sonido Cuero
0 0 a. El sesgo:
0 0 Se halló mediante la formula “COEFICIENTE.ASIMETRIA” obteniendo lo siguiente:
1 0 Price Millaje
0 1 1,58 -0,13
0 1 Lo ideal es que el valor de sesgo esté cerca de 0; sin embargo, se puede observar que en
0 0 price la mayoría de sus datos están por encima de su media, es decir, los datos presentan
0 1 un sesgo hacia la derecha de su media (1.58)mientras que en Millaje presenta un sesgo
1 0 hacia la izquierda de su media (-0.13), es decir, presenta más datos hacia la izquierda de
0 0 su media, aunque esta última se acerca más a cero y por tanto presenta mayor exactitud
1 1 y distribución equilibrada de sus datos
1 0
1 1 b. La curtosis
1 0 Se calculó mediante la fórmula “CURTOSIS”, obteniendo:
0 1 Price Millaje
1 1 3,29 0,18
0 0 Teniendo en cuenta que la curtosis nos permite identificar la medida de forma, la cual
1 0 determina el grado de concentración o grado de cercanía de los datos en torno a las
1 1 medidas de tendencia central. En este caso, lo que se busca es investigar si los datos de
0 1 las variables Millaje y Price siguen una distribución normal perfecta, es decir poseen un
1 0 valor de curtosis igual a cero, Sin embargo, los datos obtenidos muestran que la variable
0 0 Millaje, se acerca mas a una distribución normal pues su valor es mas cercano a cero
1 0 (0,18) mientras que la variable Price esta mas alejada de presentar una distribución
1 1 normal (3,29). Adicionalmente como ambos valores son positivos, se puede decir que la
0 0 curva que generan los datos de las variables, son de tipo leptocúrticos, es decir los datos
1 0 se concentran hacia la media.
0 0
1 1 c. Una gráfica de la curva normal (q-q plot)
1 1 Para evaluar si se puede considerar que las variables Millaje y Price se distribuyen
0 1 normalmente se tabularon los datos de Price y Millaje, luego se ordenaron de menor a
0 0 mayor, posteriormente se enumeraron (orden “i”), seguidamente se calculó los percentiles
1 1 con la formula
1 1 P=Orden−50 %
0 0 NúmeroTotal de muestras
0 0 teniendo en cuenta que se busca tener
1 1 centrado 50% a la izquierda y 50% a la derecha, finalmente se calculó el valor z para
1 0 comparar con lo distribución normal, mediante la fórmula de excel
1 1 “DISTR.NORM.ESTAND.INV” y se trazó una grafica de dispersión entre las variables
0 1 Price y Millaje del ejercicio y los del valor Z para construir la gráfica Q-Q Plot. Que se
1 1 muestra a continuación:
1 1
0 0
1 1
1 1
1 1
1 0
1 0
1 1
1 1
0 0
1 1
1 0
1 1
1 1
1 1
1 1
1 1
0 1
1 1
0 1
0 0
1 1
1 1
0 0
1 1
1 0
1 1
1 1
1 1
1 1
0 0
1 1
0 0
1 1
0 0
1 1 Los gráficos Q-Q Plot nos permiten comparar la distribución empírica de un conjunto de
0 0 datos probabilísticos con la distribución normal, por tanto, generalmente son empleados
1 1 como prueba para identificar normalidad de un conjunto de tatos. En este caso se
1 1 compararon las variables Millaje y Price, (ver las gráficas correspondientes), de las cuales
1 1 se puede decir que la variable que mas se ajusta a la distribución normal es Millaje, pues,
1 0 lo ideal es que el gráfico presente puntos que graficados se acerquen a una recta
1 0 diagonal y para Millaje el valor de R2 para su modelo lineal es mas cercano a 1 (0,9844),
0 1 es decir, se ajusta más al modelo lineal, mientras que la variable Price se aleja del ajuste
0 1 lineal con un R2 de 0,8615.
1 0 Para corroborar lo anterior se ajustaron los datos a la campana de Gauss, para ello se
0 1 emplearon los datos de las variables, se crearon los intervalos mediante la ecuación
1 1 K=1+1.33 log(N)
1 1 , luego mediante la fórmula de Excel “DISTR.NORM.N”, la media y
1 1 la desviación estándar, se ajustaron los datos a la distribución normal y se graficó para
1 1 ambas variables como se muestra a continuación:
1 1
1 1
1 1
1 1
1 0
0 1
1 0
1 1
1 1
0 0
1 1
1 1
0 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
0 1
1 1
1 0
1 1
1 1
1 1
1 1
1 1
0 1
1 1 De lo anterior se puede observar que efectivamente la variable Millaje se ajusta mas a
1 1 una distribución normal y la conglomeración de sus datos se dan hacia el lado izquierdo
1 1 mientras que la variable Price no se ajusta a una distribución Normal pero se exalta que la
1 1 mayoría de sus datos están ubicados al lado derecho.
1 1 d. La regla empírica.
1 1 Para la regla empírica, tenemos la siguiente ecuación,
1 1 ´x
1 1 ±σ
1 1 , donde
1 1 ´x
1 1 es la
1 1 media y
1 1 σ
1 1 es la desviación estándar de los datos. De aquí, obtenemos el porcentaje
1 1 de valores que se encuentran dentro de una banda alrededor de la media en una
1 1 distribución normal con un ancho de una (1), dos (2) y tres (3) veces la desviación típica
1 1 respecto a la media (68%, 95% y 99,7% de los datos). Aplicando este conocimiento se
1 1 analizaron los datos y se obtuvo:
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
0 1
1 0
1 1
1 1
1 1
1 1
1 1
1 1 σ=sigma
1 1 De lo anterior, en ambas variables se puede evidenciar que en el -3
1 1 σ
0 1 no existen datos
1 0 o no es aplicable, puesto que son negativos. La desviación estándar de los datos de la
1 1 variable de Price es mayor a la de Millaje, lo cual quiere decir que la variable Price tiene
1 1 datos más dispersos en comparación a los de la variable Millaje con respecto a sus
1 1 medias. El 68% de los datos para Millaje se encuentra en el intervalo de 11.635 a 28.028
0 0 mientras que para Price es 31.228 a 11.458, es decir, Millaje presenta el 68% de sus
1 1 datos en un rango menor al de Price o sea, tiene los datos más conglomerados entorno a
1 0 su media, lo mismo se cumple para los otros porcentajes 95% y 99,7%.
1 1 Conclusión
1 1 Se puede considerar a la variable Millaje con un comportamiento de distribución normal,
1 1 aunque su distribución normal no es total, pues la campana de Gauss que genera, no es
1 1 completa, además, esto se pudo constatar con el parámetro curtosis y el gráfico Q-Q Plot.
1 1 La variable Price no se puede considerar con un comportamiento de distribución normal.
0 0 2. Asuman que los datos corresponden a una población. Van a seleccionar una muestra
1 1 usando el muestreo aleatorio simple. Supongan conocido el tamaño de la población
1 1 ¿Qué tamaño de muestra escogen? Justifiquen su respuesta.
1 1 Seleccionen la muestra y muestren o expliquen cómo la obtuvieron.
0 1 Población(N)= 804 datos
1 1 Unidad de estudio=804 datos
1 0 Definición de Tamaño de Muestra
1 1 Margen de error (E) máximo a esperar 2%
1 0 Nivel de confianza deseado (Z)= 90%
1 1 Precisión (P)=2%
1 1 Q=1-P
1 1 Q=0,98
1 1 n=(Z2PQN)/(N E2+Z2PQ )
1 1
1 1 Nivel de confianza para la construcción del tamaño de la muestra
0 1 Riesgo Nivel de
0 0 confianza(Z)
1 1 Error
1 1 (E)
1 1 Precisión
1 1 (P)
1 1
1 1
0 0
1 1
1 1
1 1
1 1
1 1
1 1
0 0
1 1
0 0
1 1
0 1
1 1
1 1 n= tamaño de muestra
1 1 n=29 muestras
1 1 Se toma un tamaño de muestra de 29, debido a que, a manera personal, se quiere
1 1 manejar el estudio con un riesgo alto, es decir, es de vital importancia realizar un
1 1 adecuado muestreo que tenga un 95% de confianza y 3% de error y precisión 3%.
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 0
0 1
0 1
1 1
1 1
0 0
0 1 Las muestras se obtuvieron de manera aleatoria, usando la fórmula de excel
1 1 “ALEATORIO ENTRE” (#Mínimo;#Máximo), para ello se le estableció a cada dato de las
0 0 variables un número, como se muestra a continuación:
1 1
1 1
1 1
1 1
1 0
1 1
1 1
0 1
1 1
1 0 Luego se extrajo el dato que acompaña al número aleatorio (Al) y se formó la muestra
1 1 total
1 1
1 1
1 1
0 1
1 0
1 0
1 1
1 1
1 1
0 0
0 1
1 0
1 1
1 1
1 0
1 1
0 0
1 1
0 0
1 0
0 0
0 0
1 1
1 1
0 0
0 0
1 1
1 1
1 1
1 1
1 1
1 1
1 1
0 0
1 1
1 1
1 0
0 0
1 1
1 0
1 1
1 0
1 0
1 1
1 0
0 0
0 1
1 1
1 1
1 1
0 0
0 1
1 1
0 0
1 1
1 1
1 0
0 1
0 0
1 1
1 1
1 0
1 0
1 0
0 0
0 1
1 1
0 1
1 1
1 1
0 0
0 1
1 1
1 0
1 0
1 0
1 0
1 1
1 0
1 0
1 1
0 0
1 1
1 1
1 1
1 1
0 0
1 1
1 1
1 1
1 1
1 1
0 0
1 1
1 1
0 0
1 1
1 1
1 1
1 1
1 1
1 1
0 0
1 1
0 0
1 1
1 1
0 1
0 0
1 1
1 1
0 1
0 0
1 1
0 0
1 1
1 1
1 1
0 1
1 1
1 1
0 0
1 1
1 1
1 1
1 1
1 0
1 1
1 1
1 1
0 1
0 0
1 1
1 0
0 1
1 1
1 1
0 0
1 0
1 1
0 1
1 1
1 1
1 1
0 0
1 0
1 1
1 0
1 0
1 1
1 1
1 0
0 1
1 0
1 1
0 0
1 1
0 0
1 1
1 1
1 1
0 1
0 0
0 0
1 1
1 0
0 0
1 1
1 1
1 1
1 1
1 1
1 1
1 0
1 1
1 0
0 1
1 1
0 0
1 1
0 1
1 0
0 0
1 1
0 0
1 1
0 1
1 0
1 0
0 1
1 0
1 1
1 1
1 1
0 1
0 1
0 0
0 1
1 1
1 0
1 1
0 1
0 0
0 1
1 0
1 1
0 1
1 0
1 1
0 1
1 1
1 0
1 0
0 0
1 1
1 1
1 1
1 1
0 1
1 0
0 1
1 1
1 0
1 1
1 0
1 0
0 0
0 0
1 0
1 1
1 1
1 1
0 1
1 1
0 0
1 0
1 1
0 0
0 0
1 0
0 0
1 0
0 0
1 1
0 1
1 0
0 1
1 0
1 1
1 1
1 0
0 0
1 1
1 1
0 0
1 1
1 0
1 1
0 0
1 1
1 0
0 0
1 1
1 1
0 1
0 1
1 1
1 1
0 1
1 0
0 1
1 1
1 0
1 1
1 0
1 0
0 0
0 1
0 0
1 1
0 1
1 0
0 1
1 0
0 0
1 0
1 1
1 1
1 1
1 0
1 1
1 0
1 1
0 1
0 1
1 1
0 1
1 1
1 0
1 1
1 1
0 1
1 0
1 1
0 1
0 0
1 1
1 1
1 1
1 1
0 1
0 0
0 0
0 0
1 1
0 0
1 0
0 1
1 1
0 1
0 1
0 1
1 0
0 1
1 0
1 0
1 0
1 0
0 1
1 0
1 1
1 1
0 0
1 1
1 1
0 0
1 1
1 0
1 1
0 1
1 1
1 0
1 1
1 0
1 0
0 1
1 0
1 1
1 0
0 1
1 1
1 1
0 0
0 1
1 1
1 1
1 0
0 1
1 0
0 0
1 1
1 1
0 0
1 0
0 0
0 1
1 0
1 0
0 1
0 1
0 1
1 1
1 0
1 0
1 1
1 1
0 1
1 1
1 1
0 0
1 1
1 0
0 1
0 1
1 1
1 1
1 1
1 1
1 0
0 1
0 1
1 1
1 1
1 1
0 1
1 1
0 1
0 1
0 1
1 1
0 1
0 1
1 1
0 1
1 1
0 1
1 1
0 1
1 1
1 1
0 1
1 1
0 1
1 1
1 1
0 0
0 1
1 1
1 0
0 0
1 1
1 0
1 1
0 1
1 1
1 1
0 1
0 0
1 1
1 1
0 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
0 1
1 1
0 1
0 1
1 1
1 1
0 1
0 0
1 0
1 1
1 0
1 0
1 0
1 1
1 1
0 1
0 1
1 1
1 1
1 1
0 1
0 1
1 1
1 1
0 1
0 1
0 1
1 1
1 1
1 1
0 1
0 1
0 0
0 1
1 0
0 1
0 1
0 1
0 0
1 1
1 1
1 1
1 1
1 1
0 1
0 1
0 1
1 0
1 0
1 1
0 1
1 1
1 1
0 1
1 1
0 1
1 1
0 1
1 0
1 1
1 1
1 1
0 1
0 1
1 1
0 1
0 1
0 1
1 1
0 1
1 1
0 1
0 1
1 1
0 1
1 1
0 1
1 1
0 1
1 1
1 1
1 1
1 1
0 1
0 1
0 1
1 1
1 1
1 1
1 1
0 1
0 1
0 1
1 1
0 1
0 1
0 1
0 1
1 1
0 1
1 1
0 1
1 1
0 1
0 1
0 1
0 1
1 1
1 1
1 1
1 1
0 1
1 1
0 1
1 1
1 1
0 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
1 1
de forma, la cual
en torno a las
igar si los datos de
es decir poseen un
stran que la variable
s cercano a cero
na distribución
e puede decir que la
s, es decir los datos
se distribuyen
naron de menor a
alculó los percentiles
ó el valor z para
entre las variables

a Q-Q Plot. Que se
ca de un conjunto de
ente son empleados
este caso se
dientes), de las cuales
mal es Millaje, pues,
cercano a 1 (0,9844),
e se aleja del ajuste
uss, para ello se

nte la ecuación
l y se graficó para
je se ajusta mas a
ia el lado izquierdo
pero se exalta que la
la desviación típica
e conocimiento se
de los datos de la
variable Price tiene
respecto a sus
o de 11.635 a 28.028
a el 68% de sus
omerados entorno a
distribución normal,
que genera, no es
el gráfico Q-Q Plot.
distribución normal.
ionar una muestra
de la población
al, se quiere
a realizar un
precisión 3%.
eció a cada dato de las
formó la muestra

Estadistica Trabajo Colaborativo

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadistica Trabajo Colaborativo

Uploaded by

Copyright:

Available Formats

Trim (configuración

entre las variables

uss, para ello se

eció a cada dato de las

You might also like