ESCUELA ACADMICO PROFESIONAL DE

INGENIERA DE MINAS

INFORME N 02
Analisis Bidimensional de Datos Estadsticos

ASIGNATURA

Anlisis Estadstico de Datos Mineros

ESTUDIANTE

Renato Pea Saldaa

CODIGO

2013 - 38973

DOCENTE

Ing. Salomon Ortiz

AO

Tercero

TACNA PER
2015

I.

INTRODUCCION:

En nuestros das se especula que la Estadstica se colocar en las

primeras dcadas del prximo siglo desarrollo de las investigaciones,
dado que sus procedimientos le permiten la toma de decisiones ante
situaciones de incertidumbre.
La Estadstica a menudo ha sido clasificada como un mtodo de
investigacin, asociado con o en contraposicin a, mtodos tales como
el estudio de casos, el anlisis cronolgico y la experimentacin. En
muchos casos esta clasificacin es inadecuada, es mejor considerar la
Estadstica como el suministro de un conjunto de herramientas
sumamente tiles en la investigacin.
Cuando se dispone de una serie de datos experimentales, con mucha
frecuencia resulta provechoso determinar la relacin matemtica entre
las variables dependiente e independiente. Una forma por dems
conveniente, es a travs de una ecuacin que se ajuste a los datos; en el
caso de los datos experimentales, la ecuacin de ajuste, se llama
emprica y es muy particular tanto de los datos como del fenmeno
mismo.

II.

OBJETIVO:
El objetivo del informe es analizar e interpretar ordenadamente los datos de
las leyes de aplicando mtodo de mnimos cuadrados, tabulando y usando
graficas con lo cual se va a reducir al ms mnimo error estimado.

III.

MARCO TEORICO:

Se realiz un anlisis estadstico descriptivo de una serie de datos

especficos:
Mtodos de anlisis: mtodos de mnimos cuadrados, mediana,
medidas de dispersin
1) Medidas de centralizacin:
Mtodo de los mnimos cuadrados: Los mnimos cuadrados y consiste en
hallar el valor de las constantes a y b de tal manera que reduzcan al mnimo
la suma de los cuadrados de los errores entre los valores yi dados y los
valores y *(xi) = a*xi + b en la lnea de aproximacin.

La

primera ecuacin se puede considerar una funcin de

dos variables a y b, a la que se le quiere hallar un mnimo. Para que ocurra

un mnimo es necesario que las derivadas
parciales sean cero. Observe que las xi e yi son puntos de datos.

Al dividir entre 2 cada una de estas ecuaciones y desarrollar las sumatorias

se obtienen las llamadas ecuaciones normales

La solucin del sistema (2), de dos ecuaciones con dos incgnitas es

(3)

Por lo tanto la recta que mejor se ajusta a los datos (xi, yi), 1

relacionados en forma lineal es y = ax + b con a y b dados por (3).

El problema de aproximar un conjunto de datos (xi, yi), 1

i n con un

polinomio algebraico Pm(x) de grado m<n 1 mediante el procedimiento de

mnimos cuadrados, es similar al de y = ax + b
En muchos casos los datos provenientes de pruebas experimentales no son
lineales por lo que es necesario ajustarlos a una funcin que no sea un
polinomio de primer grado. Algunas veces conviene suponer que los datos
tienen una relacin exponencial. Para ello, la funcin de aproximacin debe
tener la forma:

Es posible

y = Beax

(4) o bien

y = Bxa

(5) para algunas constantes a y B

desarrollar

ecuaciones normales para stas de manera anloga al desarrollo precedente

para una recta por mnimos cuadrados si las derivadas parciales se igualan a
cero. Tales ecuaciones no lineales son mucho ms difciles de resolver que
las ecuaciones lineales. Por esta razn el mtodo que suele utilizarse cuando
se sospecha que los datos tienen una relacin exponencial, consiste en
considerar el logaritmo de la ecuacin de aproximacin:

y = Beax
ln y = ln(Beax)
ln y = ln B + ln eax
ln y = ax + ln B (6)

y
ln
ln
ln

= Bxa
y = ln(Bxa)
y = ln B + ln xa
y = aln x + ln B (7)

((6) y (7) se conocen como formas linealizadas)

Observe que en (6) se presenta en una relacin lineal entre x y ln y, por lo
que se pueden usar las frmulas dadas en (3) para resolver el problema
lineal cambiando yi por ln*yi y b por ln*B.
Una ventaja adicional de las formas linealizadas es que las grficas de los
datos en papel Log-Log o en papel semilogartmico muestran a simple vista
si estas formas son idneas, en el sentido de que una recta representa los
datos cuando se trazan de esa manera.

Mediana: Se define como el valor central, el valor que delimita al 50% de

los datos.

X me =

x n+1
2

; Si n es impar

n
n
x + x +1
2
2
X me =
2

; Si n es par

Medidas de dispersin:

Varianza poblacional:

La varianza poblacional se

denota como , es el promedio de los cuadrados de las distancias de los

datos a su media aritmtica

 Varianza muestral: La varianza muestral se denota como S, Se calcula

igual que la varianza poblacional, dividiendo entre n-1

Desviacin estndar: Mide la variacin de los datos en trminos

absolutos, se interpreta como la distancia promedio de los datos a su
media aritmtica. Se expresa en las mismas unidades que las empleadas
en los datos, se calcula tomando la raz cuadrada positiva de la varianza.

= 2

Desviacin estndar muestral

Coeficiente de variacin: Mide la variacin relativa de la variable con
respecto a su promedio, expresa a la variacin de los datos como
porcentaje de su promedio.

CV =

100

Para el anlisis estadstico se utiliz las funciones estadsticas de Excel:

Se cre una tabla de frecuencias

Se ordenaron los datos con la funcin: = ORDENAR
Se calcul las sumatorias, promedios, y los logaritmos naturales
La funcin mediana: = MEDIANA
La funcin varianza: = VAR.S
La funcin desviacin estndar: =DESVEST.M

Se utiliz mtodos de mnimos cuadrados para ajustar los datos

N de
Muestra
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

x
20
37
47
63
77
94
109
121
145
160
10
40
39
32
31
34
38
37
32
33
31
35
49
50
44
49
48
42
41
47

y
168
169
169
163
168
163
168
167
176
173
173
0
4
116
21
40
51
92
101
115
131
141
0
10
27
36
47
59
77
87

Leyes de
cu
0.73
0.76
0.73
0.72
0.78
0.78
0.8
0.72
0.56
0.51
0.16
0.03
0.03
0.7
0.73
0.92
0.86
0.72
0.85
0.52
0.77
0.3
0.03
0.1
0.2
0.98
0.93
1
0.85
0.61

Leyes de
Ag
0.8
0.89
0.36
0.89
0.99
1.23
1.56
1.52
0.62
0.98
1.23
1.25
1.64
1.98
0.6
0.84
1.52
1.42
1.32
1.54
1.58
1.46
1.99
1.87
0.65
0.9
1.56
0.85
0.64
1.23

X^2
0.5329
0.5776
0.5329
0.5184
0.6084
0.6084
0.64
0.5184
0.3136
0.2601
0.0256
0.0009
0.0009
0.49
0.5329
0.8464
0.7396
0.5184
0.7225
0.2704
0.5929
0.09
0.0009
0.01
0.04
0.9604
0.8649
1
0.7225
0.3721

Y^2
0.64
0.7921
0.1296
0.7921
0.9801
1.5129
2.4336
2.3104
0.3844
0.9604
1.5129
1.5625
2.6896
3.9204
0.36
0.7056
2.3104
2.0164
1.7424
2.3716
2.4964
2.1316
3.9601
3.4969
0.4225
0.81
2.4336
0.7225
0.4096
1.5129

XY
0.584
0.6764
0.2628
0.6408
0.7722
0.9594
1.248
1.0944
0.3472
0.4998
0.1968
0.0375
0.0492
1.386
0.438
0.7728
1.3072
1.0224
1.122
0.8008
1.2166
0.438
0.0597
0.187
0.13
0.882
1.4508
0.85
0.544
0.7503

(Y(X-Xmed) Ymed)
0.117333
33
-0.397
0.147333
33
-0.307
0.117333
33
-0.837
0.107333
33
-0.307
0.167333
33
-0.207
0.167333
33
0.033
0.187333
33
0.363
0.107333
33
0.323
0.052666
67
-0.577
0.102666
67
-0.217
0.452666
67
0.033
0.582666
67
0.053
0.582666
67
0.443
0.087333
33
0.783
0.117333
33
-0.597
0.307333
33
-0.357
0.247333
33
0.323
0.107333
33
0.223
0.237333
33
0.123

(X(YXmed)^2 Ymed)^2
0.0137671
11
0.157609
0.0217071
11
0.094249
0.0137671
11
0.700569
0.0115204
44
0.094249
0.0280004
44
0.042849
0.0280004
44
0.001089
0.0350937
78
0.131769
0.0115204
44
0.104329

(X-Xmed)(YYmed)

0.034668667

(Yi-Aoa1Xi)^2
0.1159968
21
0.0557707
3
0.6093099
13
0.0652247
27
0.0160128
14
0.0128727
75
0.2052767
51
0.1403316
62

-0.046581333
-0.045231333
-0.098208
-0.032951333
-0.034638
0.005522
0.068002

0.0027737
78

0.332929

0.030388667

0.3627936
14

0.0105404
44

0.047089

0.022278667

0.0709502
19

0.2049071
11

0.001089

-0.014938

0.0340970
97

0.3395004
44

0.002809

-0.030881333

0.0516023

0.3395004
44
0.0076271
11
0.0137671
11
0.0944537
78
0.0611737
78
0.0115204
44
0.0563271
11

0.196249

-0.258121333

0.613089

0.068382

0.356409

-0.070048

0.127449

-0.109718

0.104329

0.079888667

0.049729

0.023935333

0.015129

0.029192

0.0265164
11
0.6806120
55
0.2922300
44
0.0437755
54
0.1952971
27
0.0754099
26
0.0562240
37

0.092666
67
0.157333
33
0.312666
67
0.582666
67
0.512666
67
0.412666
67
0.367333
33
0.317333
33
0.387333
33
0.237333
33
0.002666
67
3E-15

SUMATORI
A
n
Xmedia
Ymedia
a1

0.383

0.0085871
11
0.0247537
78

0.263

0.0977604
44

0.069169

-0.082231333

0.0126926
53

0.793

0.3395004
44

0.628849

-0.462054667

0.2630034
33

0.673

0.2628271
11

0.452929

-0.345024667

0.1818992
11

0.299209

0.225728667

0.088209

-0.109098

0.131769

0.115192

0.120409

-0.134404667

0.310249

-0.132194667

0.343

-0.547
-0.297
0.363
-0.347
-0.557

0.1702937
78
0.1349337
78
0.1007004
44
0.1500271
11
0.0563271
11

7.11111E0.033
06
2.6511866
4E-15
67

18.38
30
0.6126666
67
1.197
-

0.117649

-0.031784667

0.146689

0.060258667

0.0890684
86
0.2103598
12

0.001089
5.53923

0.5556523
83
0.0144905
04
0.2658249
84
0.0258437
73
0.1961461
63

0.0010060
-8.8E-05
19
4.9262919
-1.27476
98

0.4808261
96
1.4915861
83

a0

PARAMETRO
n
media x
media y
varianza de X
varianza de Y
Std X
Std Y
Cov XY
C. Correl
a0=a
a1=b
Var
Std
r^2

VALORES
30
0.612666667
1.197
0.09142023
0.191007931
0.302357785
0.437044541
-0.043957241
-0.332646972
1.491586183
-0.480826196
0.175939
0.419450831
0.110654008

RANGO
%
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1

5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100

PERCENTILES
Cu
Ag
0.03
0.609
0.09
0.638
0.17
0.7025
0.28
0.832
0.51
0.86
0.55
0.89
0.62
0.912
0.71
0.986
0.72
1.23
0.73
1.23
0.73
1.249
0.74
1.36
0.77
1.454
0.78
1.52
0.80
1.535
0.85
1.56
0.86
1.573
0.92
1.663
0.96
1.9305
1.00
1.99

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

Leyes
de cu
0.03
0.03
0.03
0.1
0.16
0.2
0.3
0.51
0.52
0.56
0.61
0.7
0.72
0.72
0.72
0.73
0.73
0.73
0.76
0.77
0.78
0.78
0.8
0.85
0.85
0.86
0.92
0.93
0.98
1

Leyesde
Ag
0.36
0.6
0.62
0.64
0.65
0.8
0.84
0.85
0.89
0.89
0.9
0.98
0.99
1.23
1.23
1.23
1.25
1.32
1.42
1.46
1.52
1.52
1.54
1.56
1.56
1.58
1.64
1.87
1.98
1.99

GRFICO DE HISTOGRAMAS:
TABLA 1 :

Linea Polinomica
2.5
2
1.5

f(x) = 0.78x^2 - 1.24x + 1.59

R = 0.13

Polynomial ()

0.5
0
0

0.2

0.4

0.6

R=0.35818989

TABLA 2 :

0.8

1.2

Grafica Lineal
2.5
2
1.5

Linear ()

f(x) = - 0.48x + 1.49

R = 0.11

Linear ()
Linear ()

0.5
0
0

0.2

0.4

0.6

0.8

1.2

R=0.332716095

TABLA 3 :

Grafica Polinomica
2.5
2
1.5

f(x) = - 4.53x^3 + 8x^2 - 4.29x + 1.79

R = 0.17

Polynomial ()

0.5
0
0

0.2

0.4

0.6

R=0.40926764

TABLA 4:

0.8

1.2

QQ-plot
2.5
2
1.5

Axis Title

1
0.5
0

0.2

0.4

0.6

0.8

1.2

PERCENTIL PRIMARIO

IV.

CONCLUSIONES:
Con los grficos obtenidos estamos procediendo a hacer el anlisis Bidimensional
del conjunto de datos, previamente tabulados y procesados.
Segn el anlisis hecho a los datos, y las grficas resultantes, se puede inferir que
para obtener un menor error o mnimo error en el anlisis de los datos, se debe
hacer un reajuste a los datos, usando el mtodo de mnimos cuadrados.
Haciendo el ajuste por mnimos cuadrados, se observara que los datos se ajustan
a la lnea de tendencia o se acercan ms a esta.

Es importante manejar el Excel, ya que nos brinda un gran soporte para el procesamiento de
datos en este l caso de la Estadstica.