Trabajo No 1.

Probabilidad y Estadística:
Procesamiento y Presentación de Datos
Juan C. Guamán
Universidad de Cuenca
Cuenca-Ecuador

Resumen —El presente informe trata sobre la realización del III. DESARROLLO
análisis estadístico de 30 datos aleatorios generados en Excel, con
los cuales se realizó todos los posibles análisis aprendidos en clase. 1.-Se generó 30 datos aleatorios en Excel
Los datos utilizados se resumen en la siguiente tabla.
I. INTRODUCCION Datos Datos Ordenados
34 11
A través del tiempo, la estadística se ha convertido en una de 19 15
46 15
las ramas de la ciencia más importantes e indispensables a la 18 16
hora de realizar cualquier experimento en el que tengamos un 35 18
número considerable de datos. Pero en esta ocasión vamos a 24 18
16 19
analizar la estadística inferencial que es la rama de la estadística
43 19
encargada de hacer deducciones, es decir, inferir propiedades, 15 19
conclusiones y tendencias, a partir de una muestra del conjunto. 19 22
La estadística inferencial emplea usualmente mecanismos que 38 22
27 22
le permiten llevar a cabo dichas deducciones, tales como 32 24
pruebas de hipótesis (como de media de diferencia de medias, 26 26
proporciones etc.) también los análisis de correlación y de 18 27
22 27
regresión (las series cronológicas, el análisis de varianza, entre
31 31
otros). por ende, la estadística inferencial es sumamente útil en
41 32
el análisis de poblaciones y tendencias, para hacerse una idea 11 32
posible de las acciones y reacciones de la misma. Esto no 15 32
significa que se las pueda predecir fielmente, ni que estemos en 32 33
33 34
presencia de una ciencia exacta, pero si de una aproximación 32 34
posible al resultado final. 34 35
22 37
37 38
II. OBJETIVOS 27 39
39 41
A. Objetivos Generales 19 43
22 46
 Poner en práctica los conocimientos adquiridos en
clase. Tabla. -1 Datos generados aleatoriamente

B. Objetivos Especificos 2. Calculo de las Medidas de Tendencia Central

 Realizar un análisis de 30 daros aleatorios utilizando Una vez generado los datos se procedió a calcular las
todos los análisis aprendidos en clase. medidas de tendencia central (media, mediana y moda) [1]

Media
⋯.
Juan C. Guamán, Universidad de Cuenca, Facultad de Ingeniería,
𝑥̅ = = ∑ 𝑥 [1]
Escuela de Ingeniería Eléctrica, Cuenca - Ecuador, Materia: Probabilidad
y Estadística, Docente Ing. Jaime A. Bojorque,
𝑥̅ = 27.57
( juan.guaman@ucuenca.ec )
 Estos resultados se resumen en la siguiente tabla
Mediana

Para hallar la mediana primero se ordena los datos de menor

a mayor. Y luego se aplica una de las siguientes formulas
Medidas de Variacion
según corresponda.
Varianza 88,323
𝑥
Desv. Estándar 9,398
𝑥= [2]
𝑥 +𝑥 𝑠𝑖 𝑛 𝑒𝑠 𝑝𝑎𝑟 Rango 35
Tabla. -3 Medidas de Variación
Como en este análisis el número de datos es par entonces
utilizamos la segunda fórmula, entonces se tiene. Podemos observar que la desviación estándar no es muy
grande por lo que podemos decir que no hay mucha variación
en los datos o que los datos no están muy alejados de la media.
𝑥 = (27 + 27) =27
Moda 4. Realizar una tabla que contenga las frecuencias
relativas, absolutas y acumuladas. Y realizar un gráfico de
La moda es el valor con mayor frecuencia entre los datos. En frecuencias(histograma).
este caso tenemos.
Para realizar la tabla de frecuencias se dividió los datos en 8
M=19 clases con un rango de 4 cada uno de la siguiente manera.
Los cálculos obtenidos se resumen en la siguiente tabla. Tabla de frecuencias
Clase
Medidas de Tendencia Central lim lim media Frec % frec
Media 27,57 inf sup clase absolutza acumulado relativa
Mediana 27 10 14 12 1 1,00% 0,029
Moda 19 15 19 17 8 27,59% 0,229
Tabla. -2 Medidas de Tendencia Central 20 24 22 4 41,38% 0,114
25 29 27 3 51,72% 0,086
Como vemos la media y la mediana se asemejan por lo que 30 34 32 7 75,86% 0,200
podemos decir que la distribución de la variable es simétrica.
35 39 37 4 89,66% 0,114
. 3. Calculo de las Medidas de Variabilidad 40 44 42 2 96,55% 0,057
Se calcula las medidas de variabilidad. 45 49 47 1 100,00% 0,029
Tabla. -4 Tabla de frecuencias absolutas, relativas y
Varianza acumuladas
(𝒙𝒊 𝒙)𝟐
𝒔𝟐 = ∑𝒏𝒊 𝟏 [3]
𝒏 𝟏
Ahora con la información expuesta en la tabla de frecuencias
𝟑𝟎 se procede a realizar un diagrama de frecuencias o histograma.
(𝒙𝒊 − 𝟐𝟕. 𝟓𝟕)𝟐
𝒔𝟐 =
𝟐𝟗
𝒊 𝟏
Histograma
10 150,00%
𝐬 𝟐 = 𝟖𝟖. 𝟑𝟐 8
Frecuencia

Desviación estándar 6 100,00%

4 50,00%
𝒔 = √𝒔𝟐 [4] 2
0 0,00%
𝒔 = 𝟗. 𝟑𝟗 12 17 22 27 32 37 42 47

Rango media clase

𝑹 = 𝒙𝒎𝒂𝒙 − 𝒙𝒎𝒊𝒏 [5]

frecuenca frec acumulada
R=46 - 11=35
Fig 1. Diagrama de frecuencias de los datos generados.
 Como podemos ver debido a que los datos fueron generados
aleatoriamente no tienen un comportamiento especifico por lo
tanto se puede decir que no tiene ningún sesgo y que se tiene
una distribución lineal ya que el histograma posee más de un
pico y no pude relacionarse a ninguna distribución normal.
Como podemos observar no existen valores atípicos en el
diagrama por lo tanto podemos decir que el sistema es estable.
Además vemos según el Q2 que vendría a ser la mediana
que la mutad de los datos es menor a 27 y la otra mitad mayor
a 27.

5. Generar un diagrama de caja o bigote(boxplot) 6. Realizar un gráfico de control.

Para generar el diagrama de caja debemos primero calcular
las medidas de posición (Q1,Q2,Q3)
Para calcular los cuartiles podemos usar la fórmula de los
percentiles ya que los cuartiles Q1,Q2,Q3 equivalen loa
percentiles P25,P50 y P75 respectivamente.
𝑃 = [6]
Para realizar un gráfico de control primero debemos definir
subgrupos. En este caso cada dato corresponde a un subgrupo.
Posteriormente se calcula las tres lines de control que son la
media, el límite de control superior(LCS) y el límite de control
inferior (LCI).
Los limites superior e inferior se calculan sumando y
restando 3 veces el valor de la desviación estándar.

+
Entonces tenemos los siguientes resultados: 𝐿𝐶𝑆 = 𝐿𝐶𝐼 = 3*s [7]
−
∗
𝑃 = = 8.75=19 En la siguiente tabla se resume los cálculos realizados.
subgrupo datos media LCS LCI
∗
𝑃 = = 17.5=27 1 34 27,567 55,761 -0,627
2 19 27,567 55,761 -0,627
∗
𝑃 = =26.25=34 3 46 27,567 55,761 -0,627
4 18 27,567 55,761 -0,627
Los datos calculados se resumen en la siguiente tabla. 5 35 27,567 55,761 -0,627
Medidas de Posicion 6 24 27,567 55,761 -0,627
min 11 7 16 27,567 55,761 -0,627
Q1 19 8 43 27,567 55,761 -0,627
Q2 27 9 15 27,567 55,761 -0,627
Q3 34 10 19 27,567 55,761 -0,627
max 46 11 38 27,567 55,761 -0,627
RCI 35 12 27 27,567 55,761 -0,627
Tabla. -5 Medidas de posición 13 32 27,567 55,761 -0,627
14 26 27,567 55,761 -0,627
Una vez calculados las medidas de posición se procede a 15 18 27,567 55,761 -0,627
realizar el diagrama de caja. 16 22 27,567 55,761 -0,627
17 31 27,567 55,761 -0,627
18 41 27,567 55,761 -0,627
19 11 27,567 55,761 -0,627
20 15 27,567 55,761 -0,627
21 32 27,567 55,761 -0,627
22 33 27,567 55,761 -0,627
23 32 27,567 55,761 -0,627
24 34 27,567 55,761 -0,627
25 22 27,567 55,761 -0,627
26 37 27,567 55,761 -0,627
27 27 27,567 55,761 -0,627
28 39 27,567 55,761 -0,627
29 19 27,567 55,761 -0,627
30 22 27,567 55,761 -0,627
Fig. 2. Diagrama de Caja de los datos obtenidos.
Tabla. -6 Cálculos realizados para el diagrama de control
(Media, LCI, LC
Una vez echo los cálculos correspondientes nos resultó el
siguiente gráfico.

Grafico de Control
60
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
-20

datos media LCS LCI

Fig. 3. Grafica de control de los datos obtenidos

Aquí podemos corroborar lo que ya se mencionó en el

diagrama de caja, que el sistema es estable ya que no excede los
límites de control.

IV. CONCLUSIONES
 se puede concluir que todas las herramientas de
análisis estudiados en clase son muy importantes para
el análisis de algún experimento y para ver el
comportamiento del mismo
 Mediante el presente trabajo se reforzó los
conocimientos adquiridos en clase.
 Se pudo observar que los diferentes análisis
efectuados son unos más eficientes que otros
dependiendo de lo que se quiera observar o
dependiendo del análisis que se quiere hacer.

V. BIBLIOGRAFÍA
[1] Walpole-Myers-Myers, Probabilidad y Estadistica para
ingenieria y ciencias, Mexico: Pearson educacion, 2012.
[2] D. C. Montgomery, Probabilidad y Estadisticas aplicadas
a la ingenieria, Arizona: McGraw Hill.

VI. BIOGRAFIA

Juan C Guamán, nació en Azogues-Ecuador el 3 de

Noviembre de 1994. Realizó sus estudios secundarios en el
colegio Luis Rogerio González (Azogues), donde obtuvo el
título de Técnico Industrial Especialización instalaciones,
Equipos y maquinas eléctricas. En el año 2012 Ingresó a
la universidad de Cuenca y actualmente se encuentra
cursando la carrera de Ingeniería Eléctrica
.