PORTAFOLIO

DE ESTADISTICA
DESCRIPTIVA

3ER CORTE

Yesica Zulay Pea Arvalo

Lizeth Natalia Senz Roa
Contadura Pblica
III Semestre
Universidad Cooperativa De Colombia

DIAGRAMA DE GANTT

HOJAS DE VIDA

SOLUCION
COMPENDIO SIETE

EJERCICIO 1
Para estudiar el efecto de las aguas residuales de las alcantarillas que afluyen a un lago, se toman
medidas de la concentracin de nitrato en el agua. Para monitorizar la variable se ha utilizado un
antiguo mtodo manual. Se idea un nuevo mtodo automtico. Si se pone de manifiesto una alta
correlacin positiva entre las medidas tomadas empleando los dos mtodos, entonces se har uso
habitual del mtodo automtico. Los datos obtenidos son los siguientes:

Manual = X
Automtico = Y

25
30

40
80

120
150

75
80

150
200

300
350

270
240

400
320

450
470

575
583

Comprobar la idoneidad del modelo lineal de regresin. Si el modelo es apropiado, hallar la recta de
regresin de Y sobre X y utilizarla para predecir la lectura que se obtendra empleando la tcnica
automtica con una muestra de agua cuya lectura manual es de 100. Realizar el ejercicio en R

Y=0.93+26.11
p-valor= 1.04*10^-6
p-valor= 0,00000104

Y=0,0002(100)^2+0,8339(100)
+33,97
Y= 119,36
Rta: con una muestra de agua cuya lectura manual es de 100 y empleando la tcnica automtica se
obtendr una lectura de 119,36

Ejercicio 2
Sobre una hoja de papel cuadriculado dibuje aproximadamente 5 cuadrados de diversos tamaos.

a. Cuntos cuadritos encierra cada

uno de los cuadrados dibujados?.

Represente esta variable

mediante la letra N
b. Cunto mide el lado de cada cuadrado?. Represente esta variable mediante la letra L
c. Coleccione su informacin en una tabla de datos.
d. Existe alguna relacin entre una y otra variable?. Detalle su respuesta.
Represente las parejas (L,N) en un plano cartesiano
e. Qu clase de curva obtiene?
Cuadros
1
2
3
4
5

N
4
9
16
25
36

L
2
3
4
5
6

Rta d: la relacin que existe es que la N es la potencia de la variable L

7
6
5
4
3
2
1
0
0

10

15

20

25

30

Rta:la curva que se obtiene es polinmica grado 2

Cuadros
1
2
3
4

L
2
3
4
5

N
4
9
16
25

35

40

36

40

35

30

25

20

15

10

0
1.5

2.5

3.5

4.5

5.5

6.5

Ejercicio 3
A partir de las siguientes observaciones para 5 aos de las variables X e Y, ajstese el modelo de
regresin de Y en funcin de X ms idneo. Donde:

Y: produccin nacional de un subsector industrial, en millones de toneladas.

X: tiempo

Ao

1995

1,25

1996

1997

11,25

Y=7,35x-8,45

Ejercicio 4

Cinco nias de 2,4, 6,7 y 8 aos pesan respectivamente 15, 19, 25, 38, y 34
respectivamente, entonces una nia de 12 aos pesara aproximadamente:

A. 45
B. 55
C. 15
D. 51
E. 61

kilogramos

Y=0,219(12)^2+1,557(12
)+10,387
Rta: Y=61

Ejercicio 5
En el anlisis de Regresin lineal se puede afirmar todo lo siguiente excepto:

A. Ajusta los datos a una lnea recta

B. Predice valores de una variable si se conoce el valor de la otra
C. Establece una relacin cuantitativa entre dos variables relacionadas
D. El mtodo grfico para determinar la relacin entre dos variables es ms concreto que el mtodo
matemtico o de mnimos cuadrados
E. Una relacin lineal entre dos variables queda representada por una lnea recta llamada ecuacin de
regresin

Ejercicio 6
Dado Los siguientes datos expuestos en la tabla
Edad

Estatura

60

80 100 110

5
112

La frmula de regresin para los datos propuestos est dada por:

A. y = 11,5x + 67,5

B. y = 7,5x + 85,5

D. y = 14,4x + 47

E. y = 14x + 48,8

C. y = 13,4x + 52,2

Y= 13,4x+52,2

Ejercicio 7
El Grafico para los puntos dispersos est dado por:

Ejercicio 8
El diagrama de dispersin para la regresin lineal est dado por

SOLUCION
COMPENDIO OCHO

Ejercicio 1
Los siguientes datos corresponden a 100 salarios tomados en una encuesta aplicada a 380
habitantes de Villavicencio. Determinar en R el grado de asimetra de los datos. Establecer una
conclusin.
120000
289000 350000 886900

310000 650000 961200

320000 756000 0
130000

345000

289000 350000 889000

320000 665500 965000

320000 756000 0
170010

320000

289000 350000 890000

320000 689500 996000

320000 759600 0
170010

750000

289000 566700 896500

320000 689500 999000

340000 759600 0
170010

1120000

310000 566700 900000

320000 690000 1000000 340000 789000 0

170010

345000

310000 566700 936200

320000 690000 1025000 340000 789000 0

170010

863000

310000 600000 942500

320000 699000 1025000 340000 800000 0

170010

886000

320000 700000 1096000 320000 699000 1063000 340000 800000 0

170010

345000

320000 700000 1116300 345000 859600 1777000 340000 800000 0

170010

850000

320000 750000 1120000 345000 862300 1800000 345000 800000 0

1750000

Conclusin: Para este caso Me=700.000, X=750.900 luego se tiene que la distribucin tiene
asimetra positiva.

Ejercicio 2
En una distribucin asimtrica negativa:
A.
B.
C.
D.
E.

La moda se encuentra entre la media y la mediana

La moda est ubicada a la derecha de la media
La media es menor que la desviacin tpica
La media es menor que la mediana
La moda y la mediana son iguales

Ejercicio 3
Los momentos de segundo orden con respecto a la media de dos distribuciones son 9 y 16,
mientras que los momentos de tercer orden son 8.1 y 12. 8 respectivamente. La distribucin
ms asimtrica es:
A.
B.
C.
D.

La primera porque tiene mayor grado de deformacin

La primera porque tiene menor grado de deformacin
La segunda porque tiene mayor grado de deformacin
La segunda porque tiene menor grado de deformacin

Ejercicio 4
Uno de los siguientes enunciados es verdadero
A.
B.
C.
D.

La media en una muestra de datos agrupados la divide en dos partes.

Una distribucin de datos permite calcular todas las medidas de tendencia central
La moda es un dato que permite analizar un resultado esperado
Una medida de dispersin est libre del clculo de la media.

Ejercicio 5
En el anlisis de regresin lineal se puede afirmar todo lo siguiente, excepto
A.
B.
C.
D.
E.

Ajusta todos los datos a una lnea recta

Predice el valor de una variable si se conoce el valor de la otra
Establece una relacin cuantitativa entre dos variables
El mtodo grafico es ms concreto que el mtodo matemtico
Una relacin lineal de datos queda representada por una recta.

Ejercicio 6
Dado que el grado de asimetra de una distribucin es de 2,27, la media es de 189,87 y la
mediana 189,16, entonces la varianza toma un valor correspondiente a:
A.
B.
C.
D.
E.

0.93
0.88
0.78
1.88
1.78

Ejercicio 7
Tomando una distribucin ligeramente asimtrica, calcular la moda sabiendo que su media es
igual a 3 y que la diferencia entre la media y la mediana es igual a -2
A.
B.
C.
D.
E.

2.9
0.9
19
9
1/9

Ejercicio 8.
En la siguiente distribucin de datos el coeficiente de asimetra segn el coeficiente de Pearson
es:
Xi
f
A.
B.
C.
D.
E.

2
1/3
3
1

1
2

2
8

3
3

4
5

5
7

6
5

Observacin la Mo=2, x= 3.806 Me=4,0

Ejercicio 9
El valor del cuarto momento con relacin a la desviacin respecto a la media aritmtica es de
14.7.Cul es el valor de la varianza para que la distribucin sea mesocurtica?
A.
B.
C.
D.
E.

2.19
3.19
19.2
51
21.9

Ejercicio 10
Tomando una distribucin ligeramente asimtrica Cul es el valor de la mediana sabiendo que
la diferencia entre la media y la moda es de -12 y una media aritmtica de 7?
A.
B.
C.
D.
E.

13
31
11
21
12

10.6 Ejercicios que desarrollan competencias

Retome los 100 datos y elabore una tabla en R para determinar el coeficiente de Gini. Utilice la
librera ineq, y compare los resultados. Establezca conclusiones
28900

35000

31000

65000

32000

75600

120000

0
28900

0
35000

886900

0
32000

0
66550

961200

0
32000

0
75600

0
130000

345000

0
28900

0
35000

889000

0
32000

0
68950

965000

0
32000

0
75960

0
170010

320000

0
28900

0
56670

890000

0
32000

0
68950

996000

0
34000

0
75960

0
170010

750000
112000

0
31000

0
56670

896500

0
32000

0
69000

999000
100000

0
34000

0
78900

0
170010

0
31000

0
56670

900000

0
32000

0
69000

0
102500

0
34000

0
78900

0
170010

345000

0
31000

0
60000

936200

0
32000

0
69900

0
102500

0
34000

0
80000

0
170010

863000

0
32000

0
70000

942500
109600

0
32000

0
69900

0
106300

0
34000

0
80000

0
170010

886000

0
32000

0
70000

0
111630

0
34500

0
85960

0
177700

0
34000

0
80000

0
170010

345000

0
32000

0
75000

0
112000

0
34500

0
86230

0
180000

0
34500

0
80000

0
170010

850000
175000

En R

>library(ineq)
>salarios=c(289000,289000,289000,289000,310000,310000,310000,320000,32000
0,320000
350000,350000.350000,566700,566700,566700,600000,700000,700000,750000
886900,889000,890000,896500,900000,936200,942500,1096000,1116300,112000
0
310000,320000,320000,320000,320000,320000,320000,320000,345000,345000
650000,665500,689500,689500,690000,690000,699000,699000,859600,862300
961200,965000,996000,999000,1000000,1025000,1025000,1063000,1777000,180
0000

320000,320000,320000,340000,340000,340000,340000,340000,340000,345000
756000,756000,759600,759600,789000,789000,800000,800000,800000,800000
1200000,1300000,1700100,1700100,1700100,1700100,1700100,1700100,1700100
,1700100
345000,320000,750000,1120000,345000,863000,886000,345000,850000,1750000)
>G=ineq(salarios,type=Gini)
>G
>[1] 0.3089769
>plot(Lc(salarios),col=darkred),lwd=2)