ACTIVIDA 1 Y 2 ANALISIS DE DATOS

ESTADISTICA BASICA

ESTUDIANTE:
YHONATHAN PACHECO AGREDO

PROFESOR:
ING. JOHN ALEJANDRO DELGADO

UNIVERSIDAD DEL CAUCA

FACULTAD DE INGENIERÍA CIVIL
ESPECIALIZACION EN INGENIERIA DE VIAS TERRESTRES
DEPARTAMENTO DE VIAS
POPAYÁN
2016
Ejercicio #1
Las investigaciones sobre resistencia de materiales representan un á́rea rica en
aplicaciones de métodos estadísticos. El artículo Efecto de aglutinantes y microfibras
sobre propiedades de flexión de concreta reseña un estudio de las propiedades de las
resistencias del concreto de alta resistencia obtenido con superplastificantes y ciertos
aglutinante. La resistencia a la compresiónde ese concreto ya se había investigado,
pero se desconocía mucho acerca de la resistencia a la flexión (medida de la capacidad
de resistencia a la falla por). los datos siguientes sobre la resistencia a la flexión están
en megapascales M P a, corresponden a vigas de concreto fabricadas con el método
descrito y aparecieron en el artículo citado.

5.9 7.2 7.3 6.3 8.1 6.8 7.0

7.6 6.8 6.5 7.0 6.3 7.9 9.0
8.2 8.7 7.8 9.7 7.4 7.7 9.7
7.8 7.7 11.6 11.6 11.3 11.8 10.7
Tabla 1 Resistencia flexión de viguetas

El artículo citado también proporciona las observaciones de resistencia para

cilindros de concretos fabricados con el mismo método.

6.1 5.8 7.8 7.1 7.2 9.2 6.6

8.3 7.8 8.1 7.4 8.5 8.9 9.8
9.7 8.1 7.4 8.5 8.9 9.8 9.7
14.1 12.6 11.2
Tabla 2 Resistencia flexión de cilindros

a) Elabore la T DF para ambas muestras. Construya histograma de frecuencia

absolutas ojivas. coméntelos
b) Calcule e interprete los siguientes estadísticos para cada una de las
muestras:
valor promedio de la resistencia a la flexión, mediana, varianza, desviación
estándar, coeficiente de variación, coeficiente de momento sesgo y curtosis.
c) construya para cada muestra un diagrama de caja y comente la información
que proporciona. Interprete los cuartiles y el P85.
d) ) En base a la información obtenida en los apartados anteriores compare
ambas muestras e indique sus conclusiones sobre la resistencia a la flexión
de viga y cilindros fabricados con el mencionado concreto.
Solución

a) Para la elaboración de la tabla de distribución de frecuencia se realizarán

una serie de pasos consecutivos debidamente explicados.

Se analizarán primero los datos de los ensayos obtenidos en vigas de

concreto.

1- Rango: Es la diferencia entre el valor máximo y el valor mínimo del total

de datos.

𝑹 = 𝑀𝑎𝑥 𝑥ᵢ − 𝑀𝑖𝑛 𝑥ᵢ, 𝑖 ≤ 𝑗 ≤ 𝑘

Max xᵢ: Valor máximo
Min xᵢ: Valor mínimo

𝑹 = 11.8 – 5.9 = 5.9

2- Intervalo de clase: Es el número de intervalos con igual cantidad de

elementos en que se analizarán los datos.

#𝑰𝑪 = 1 + 3.33 ∗ 𝐿𝑜𝑔(𝑛)

n: Número de datos

#𝑰𝑪 = 1 + 3.33 ∗ 𝐿𝑜𝑔(28) = 5.82

3- Cálculo de la amplitud: Se calcularán los intervalos para la agrupación

de datos

𝑅
𝑨=
#𝐼𝐶

5.9
𝑨= = 1.01
5.82

Se realizará el cálculo demostrativo de la primera fila de la tabla de

distribución de frecuencia y se completará el resto empleando la herramienta
EXCEL, para agilizar el cálculo.

4- Intervalo:

𝑰𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐: [𝑎𝑖 , 𝑎𝑖+1 ))

𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 1: [5.90, 5.90 + 1.01) = [5.90, 6.91)

5- Marca de clase:
 𝑎𝑖 + 𝑎𝑖+1
𝒎𝒄𝒊 =
2

5.90 + 6.91
𝒎𝒄𝟏 = = 6.405
2

6- Frecuencia absoluta: Es la cantidad de datos (x) que cumplan con la

siguiente condición en cada intervalo.

𝑎𝑖 ≤ 𝑥 < 𝑎𝑖+1

𝑓1 = {5.9, 6.3, 6.8, 6.8, 6.5, 6.3} = 6

7- Frecuencia relativa:

𝑓𝒊
𝒉𝒊 =
𝑛
6
𝒉𝟏 = = 0.21
28

8- Frecuencia absoluta acumulada: Sumatoria de la frecuencia absoluta

del intervalo analizado y las frecuencias absolutas de los intervalos
anteriores.

𝑭𝟏 = 6

9- Frecuencia relativa acumulada: Sumatoria de la frecuencia relativa del

intervalo analizado y las frecuencias relativas de los intervalos
anteriores.

𝑯𝟏 = 0.21

Tabla de distribución de frecuencia

Intervalo Maca Frecuencia Frecuencia Frecuencia Frecuencia
de absoluta relativa absoluta relativa
clase acumulada acumulada
5.90 - 6.91 6.405 6 0.21 6 0.21
6.91 - 7.92 7.415 11 0.39 17 0.6
7.92 - 8.93 8.425 3 0.11 20 0.71
8.93 - 9.94 9.435 3 0.11 23 0.82
9.94 - 10.95 10.445 1 0.04 24 0.86
10.95 - 11.96 11.455 4 0.14 28 1
TOTAL 28 1
Tabla 3 Tabla de distribución de frecuencias, viguetas
 Grafica 1 Histograma, frecuencias absolutas de ensayos con vigas

En el histograma se puede analizar que la mayor cantidad de muestras se

encuentran en los dos primeros intervalos, siendo el (6.91 – 7.92) el que mayor
numero de resultados cuenta y se presenta una considerable baja de datos en los
últimos resultados siendo casi constante.

FRECUENCIAS ABSOLUTAS ACUMULADAS

30 28
FRECUENCIA ABSOLUTA ACUMULADA

23 24
25
20
20 17

15

10
6
5

0
5.9 6.91 7.92 8.93 9.94 10.95
INTERVALO

Grafica 2 Ojiva, frecuencias absolutas acumuladas de ensayos con vigas

En esta gráfica se aprecia como en los primeros intervalos iniciales hay una gran pendiente
que indica que hay presencia considerable de datos en ellos, mientras que en los intervalos
finales la pendiente disminuye a gran medida, lo que indica menos aportes de datos.

Se analizarán los datos de los ensayos obtenidos en cilindros de concreto.

1- Rango:

𝑹 = 14.1 – 5.8 = 8.3

2- Intervalo de clase:

#𝑰𝑪 = 1 + 3.33 ∗ 𝐿𝑜𝑔(24) = 5.60

3- Cálculo de la amplitud: Se calcularán los intervalos para la agrupación

de datos

8.3
𝑨= = 1.48
5.6

Se realizará el cálculo demostrativo de la primera fila de la tabla de

distribución de frecuencia y se completará el resto empleando la herramienta
EXCEL, para agilizar el cálculo.

4- Intervalo:

𝑰𝒏𝒕𝒆𝒓𝒗𝒂𝒍𝒐: [𝑎𝑖 , 𝑎𝑖+1 ))

𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 1: [5.80, 5.80 + 1.48) = [5.80, 7.28)

5- Marca de clase:

5.80 + 7.28
𝒎𝒄𝟏 = = 6.54
2

6- Frecuencia absoluta:

𝑓1 = 5

7- Frecuencia relativa:

5
𝒉𝟏 = = 0.21
24

8- Frecuencia absoluta acumulada: Sumatoria de la frecuencia absoluta

del intervalo analizado y las frecuencias absolutas de los intervalos
anteriores.

𝑭𝟏 = 5

9- Frecuencia relativa acumulada: Sumatoria de la frecuencia relativa del

intervalo analizado y las frecuencias relativas de los intervalos
anteriores.

𝑯𝟏 = 0.21
 Tabla de distribución de frecuencia
Intervalo Maca Frecuencia Frecuencia Frecuencia Frecuencia
de absoluta relativa absoluta relativa
clase acumulada acumulada
5.8 - 7.28 6.54 5 0.21 5 0.21
7.28 - 8.76 8.02 9 0.38 14 0.59
8.76 - 10.24 9.5 7 0.29 21 0.88
10.24 - 11.72 10.98 1 0.04 22 0.92
11.72 - 13.2 12.46 1 0.04 23 0.96
13.2 - 14.68 13.94 1 0.04 24 1
TOTAL 24 1
Tabla 4 Tabla de distribución de frecuencias, cilindros

Grafica 3 Histograma, frecuencias absolutas de ensayos con cilindros

En el histograma se puede analizar que la mayor cantidad de muestras se

encuentran en los tres primeros intervalos, siendo el (7.28 – 8.76) el que mayor
número de resultados cuenta y caso contrario ocurre con los tres últimos intervalos
aportando una cantidad minúscula de datos.
 FRECUENCIAS ABSOLUTAS ACUMULADAS
30

FRECUENCIA ABSOLUTA ACUMULADA

24
25 23
22
21
20

14
15

10
5
5

0
5.8 7.28 8.76 10.24 11.72 13.2
INTERVALO

Grafica 4 Ojiva, frecuencias absolutas acumuladas de ensayos con vigas

En esta gráfica se aprecia como en los primeros intervalos iniciales hay una gran pendiente
casi que continua lo cual indica que hay presencia considerable de datos y en una
proporción muy similar en ellos, mientras que en los intervalos finales la pendiente
disminuye y es constante, lo que indica muy pocos aportes de datos y de una manera
equitativa.
.
b)
 Se calcularán los estadísticos para las muestras de viguetas en
concreto:

Valor promedio:

∑𝑘𝑖=1 𝑛𝑖
̅=
𝒙
𝑛
229.84
̅=
𝒙 = 8.21
28
Mediana:
Se calcula primero n/2.

𝑛 28
= = 14
2 2

Se identifica el primer intervalo cuya frecuencia absoluta acumulada sea

mayor a este dato, en este caso el intervalo es (6.91 – 7.92).
 𝑛
− 𝑁𝒋−𝟏
𝑴𝒆 = 𝑎𝒋 + [ 2 ] ∗ (𝑎𝒋+𝟏 − 𝑎𝒋 )
𝑁𝑗 − 𝑁𝑗−1
𝒂𝒋 = Valor menor del intervalo
𝒂𝒋+𝟏 = Valor mayor del intervalo
𝑵𝒋 = Frecuencia absoluta del intervalo
𝑵𝒋−𝟏 = Frecuencia absoluta del intervalo anterior

28
−6
𝑴𝒆 = 6.92 + [ 2 ] ∗ (7.92 − 6.91) = 7.64
17 − 6
Varianza:

𝟐
∑𝑘𝑖=1(𝑚𝑐𝑖 − 𝑥̅ )2 ∗ 𝑛𝑖
𝑺 =
𝑛
78.26
𝑺𝟐 = = 2.79
28

Desviación estándar:

√𝑺𝟐 = √2.79 = 1.67

Coeficiente de variación:

𝑆
𝑪. 𝑽. = ∗ 100
𝑥̅
1.67
𝑪. 𝑽. = ∗ 100 = 20.34%
8.21

Esto indica que los datos en gran medida se encuentran compactos y

homogéneos entre sí.

Coeficiente de momento sesgo:

∑𝑘𝑖=1(𝑚𝑐𝑖 − 𝑥̅ )3 ∗ 𝑛𝑖
𝑪. 𝑨. 𝑭. =
𝑛 ∗ 𝑆3
112.91
𝑪. 𝑨. 𝑭. = = 0.86
130.41

Como C.A.F. es mayor a 0, tendremos una distribución asimétrica positiva

Momento de curtosis:

𝑪. 𝑪. 𝑭. : 𝑆𝑜𝑙𝑜 𝑒𝑠𝑡á 𝑑𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠. 𝑁𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑒𝑣𝑎𝑙𝑢𝑎.

 Se calcularán los estadísticos para las muestras de cilindros en

concreto:

Valor promedio:

208.76
̅=
𝒙 = 8.70
24
Mediana:
Se calcula primero n/2.

𝑛 24
= = 12
2 2

Se identifica el primer intervalo cuya frecuencia absoluta acumulada sea

mayor a este dato, en este caso el intervalo es (7.28 – 8.76).

𝑛
− 𝑁𝒋−𝟏
𝑴𝒆 = 𝑎𝒋 + [ 2 ] ∗ (𝑎𝒋+𝟏 − 𝑎𝒋 )
𝑁𝑗 − 𝑁𝑗−1
𝒂𝒋 = Valor menor del intervalo
𝒂𝒋+𝟏 = Valor mayor del intervalo
𝑵𝒋 = Frecuencia absoluta del intervalo
𝑵𝒋−𝟏 = Frecuencia absoluta del intervalo anterior

24
−5
𝑴𝒆 = 7.28 + [ 2 ] ∗ (8.76 − 7.28) = 8.43
14 − 5
Varianza:

∑𝑘𝑖=1(𝑚𝑐𝑖 − 𝑥̅ )2 ∗ 𝑛𝑖
𝑺𝟐 =
𝑛
78.76
𝑺𝟐 = = 3.28
24

Desviación estándar:

√𝑺𝟐 = √3.28 = 1.81

Coeficiente de variación:
 1.81
𝑪. 𝑽. =
∗ 100 = 20.80%
8.70
Esto indica que los datos en gran medida se encuentran compactos y
homogeneos entre sí.

Coeficiente de momento sesgo:

159.65
𝑪. 𝑨. 𝑭. = = 1.12
142.31

Como C.A.F. es mayor a 0, tendremos una distribución asimétrica positiva

Momento de curtosis:

𝑪. 𝑪. 𝑭. : 𝑆𝑜𝑙𝑜 𝑒𝑠𝑡á 𝑑𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑖𝑚é𝑡𝑟𝑖𝑐𝑎𝑠. 𝑁𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑒𝑣𝑎𝑙𝑢𝑎.

c) Se calcularán cada uno de los cuartiles y percentil 85 de las muestras anteriores.

 Para viguetas de concreto:

Formula deciles:

𝑛𝑘
100 − 𝑁𝑗−1
𝑃𝑘 = 𝑎𝑗 + [ ] ∗ (𝑎𝑗+1 − 𝑎𝑗 )
𝑛𝑗
k= Percentil evaluado
𝒂𝒋 = Valor menor del intervalo
𝒂𝒋+𝟏 = Valor mayor del intervalo
𝑵𝒋 = Frecuencia absoluta del intervalo
𝑵𝒋−𝟏 = Frecuencia absoluta del intervalo anterior
𝑛𝑘
Con la formula 100 encontraremos el intervalo a analizar, comparándola con las
frecuencias relativas acumuladas y tomando la primera que sea mayor.

𝑛𝑘 28∗25
 𝑃25 : 100
= 100
=7

El intervalo será (6.91 – 7.92)

28 ∗ 25
−6
𝑃25 = 6.91 + [ 100 ] ∗ (7.92 − 6.91) = 7
11

𝑛𝑘 28∗50
 𝑃50 : = = 14
100 100

El intervalo será (6.91 – 7.92)

 28 ∗ 50
−6
𝑃50 = 6.91 + [ 100 ] ∗ (7.92 − 6.91) = 7.64
11

𝑛𝑘 28∗75
 𝑃75 : 100
= 100
= 21

El intervalo será (8.93 – 9.94)

28 ∗ 75
− 20
𝑃75 = 8.93 + [ 100 ] ∗ (9.94 − 8.93) = 9.27
3

𝑛𝑘 28∗75
 𝑃85 : 100
= 100
= 23.8

El intervalo será (9.94 – 10.95)

28 ∗ 85
− 23
𝑃85 = 9.94 + [ 100 ] ∗ (10.95 − 9.94) = 10.75
1

 Para cilindros de concreto:

𝑛𝑘 24∗25
 𝑃25 : = =6
100 100

El intervalo será (7.28 – 8.76)

24 ∗ 25
−5
𝑃25 = 7.28 + [ 100 ] ∗ (8.76 − 7.28) = 7.44
9

𝑛𝑘 24∗50
 𝑃50 : 100
= 100
= 12

El intervalo será (6.91 – 7.92)

24 ∗ 50
−5
𝑃50 = 7.28 + [ 100 ] ∗ (8.76 − 7.28) = 8.43
9

𝑛𝑘 24∗75
 𝑃75 : 100
= 100
= 18

El intervalo será (8.76 – 10.24)

 24 ∗ 75
− 14
𝑃75 = 8.76 + [ 100 ] ∗ (10.24 − 8.76) = 9.61
7

𝑛𝑘 28∗75
 𝑃85 : 100
= 100
= 20.4

El intervalo será (8.76 – 10.24)

24 ∗ 85
− 14
𝑃85 = 8.76 + [ 100 ] ∗ (10.24 − 8.76) = 10.11
7

De esta comparación de cuartiles podemos observar como los datos de las viguetas
presentan mayor cantidad de datos con valores de resistencia a la flexión pequeños, pero
de igual manera también presenta mayor cantidad de datos con valores mayores. Mientras
que en los datos de cilindros podemos observar que hay resultados más homogéneos,
aunque cuenta con datos atípicos como se puede observar en los bigotes de la gráfica.

d) En ambos ensayos se presenta homogeneidad de los datos como se observa

con el coeficiente de variación, de igual manera se encuentran promedios muy
similares en ambos ensayos, pero cuando se analizan los cuartiles de los datos
suministrados se puede observar un mejor comportamiento en los ensayos
realizados a los cilindros con un 50% de los datos presentando mejores
resistencias que en el caso de las vigas, aunque su comportamiento en el tercer
cuartil no es tan bueno como en el caso de las vigas, su comportamiento es
mejor indicando. Se puede deducir, entonces, que los cilindros presentan un
comportamiento mas predecible frente a la flexión.
Ejercicio #2
1. Teniendo en cuenta las siguientes observaciones sobre la resistencia de
materiales a la flexión de concreto, calcular la probabilidad de que una muestra de
tamaño n = 28, aproximadamente normal con media μ = 7.97 y desviación estándar
σ = 2,24 tenga probabilidad de resistencia promedio a la flexión de menos de 6,98
MPa.
2. Consideremos una medición proporcionada por instrumento que mide la
resistencia de materiales a la flexión de concreto, en donde el interés recae en la
variabilidad de la lectura del instrumento, supongamos que, con base a la
experiencia, la medición es una variable aleatoria normalmente distribuida, con
media μ = 8.123 y desviación estándar σ = 2,165, se toma una muestra aleatoria
procedente del proceso de medición de tamaño n = 35, si tome una muestra
aleatoria y se obtienen los mismos parámetros.
 ¿cuál es la probabilidad de que el valor de la varianza muestral sea mayor
que 7,54 sí tome una muestra aleatoria y se obtienen los mismos
parámetros.
 ¿cuál es la probabilidad de que de la varianza muestral sea mayor que
5,2307?, ¿que puedes decir?

3. Consideremos la siguiente muestra de la resistencia de materiales a la flexión de

concreto en MPa

5.9 7.2 7.3 6.3 8.1 6.8 7.0

7.6 6.8 6.5 7.0 6.3 7.9 9.0
8.2 8.7 7.8 9.7 7.4 7.7 9.7
7.8 7.7 11.6 11.6 11.3 11.8 10.7
6.8 6.7 10.6 11.2 7.3 9.8 8.7

Hallar:
 Hallar un intervalo de confianza de 95% para la media en la resistencia de
materiales a la flexión de concreto en MPa donde μ = 9.1 y σ = 1,86 compruébelo.
El artículo citado también proporciona las observaciones de resistencia para
cilindros de concretos fabricados con el mismo método.

6.1 5.8 7.8 7.1 7.2 9.2 6.6

8.3 7.8 8.1 7.4 8.5 8.9 9.8
9.7 8.1 7.4 8.5 8.9 9.8 9.7
14.1 12.6 11.2

Hallar un intervalo de confianza de 95% para la media en la resistencia de materiales a la

flexión de concreto en MPa donde μ = 8.29 y σ = 2,1.

SOLUCIÓN

1. Para calcular la probabilidad resistencia promedio a la flexión de menos de

6,98 MPa se determina que tipo de distribución se presenta. Para esto se
compara el número de datos con respecto al número 30.

Tenemos que 28 < 30, por lo cual se tiene una distribución de T-Student.
 Procedemos a estandarizar la variable aleatoria

𝑥̅ − 𝜇
𝑇 = 𝑠
√𝑛

Usando la desviación estándar hallada en el taller anterior, S = 1.67

𝑥̅ − 𝜇 6.98 − 7.97
𝑃(𝑥 < 6.98) = 𝑃 ( 𝑠 < ) = 𝑃(𝑇 < −3.14)
1.67
√𝑛 √28

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 𝑛 − 1 = 28 − 1 = 27

Se ubica en la tabla de T-Student y se localiza el número más cercano a 3.14,

arrojándonos la probabilidad.

𝑃 = 0.005
2.
a) Para este caso tenemos los siguientes datos:

𝜇 = 8.123
𝜎 = 2.165
𝑛 = 35
𝑆 2 = 7.54

Vamos a hallar P (𝑆 2 > 7.54)

Se tiene que n > 30, por lo cual tendremos una distribución de Chi cuadrada. Se
procede a estandarizar

(𝑛 − 1) ∗ 𝑆 2
𝑋2 =
𝜎2

(𝑛 − 1) ∗ 𝑆 2 (35 − 1) ∗ 7.54
𝑃(𝑆 2 > 7.54) = 𝑃 ( > ) = 𝑃(𝑋 2 > 54.6)
𝜎2 4.69

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎 = 35 − 1 = 34

Con la tabla de distribución de chi cuadrado encontramos para el grado de libertad

(n-1) el número que más se aproxime a 54.6 y obtenemos que 𝑃(𝑋 2 < 54.6) = 0.01

Y se tiene que:

𝑃(𝑋 2 > 54.6) = 1 − 𝑃(𝑋 2 < 54.6)

𝑃(𝑋 2 > 54.6) = 1 − 0.01 = 0.99

b)
𝜇 = 8.123
𝜎 = 2.165
𝑛 = 35
𝑆 2 = 5,2307

Vamos a hallar P (𝑆 2 > 5.2307)

 Se tiene que n > 30, por lo cual tendremos una distribución de Chi cuadrada. Se
procede a estandarizar

(𝑛 − 1) ∗ 𝑆 2
𝑋2 =
𝜎2

(𝑛 − 1) ∗ 𝑆 2 (35 − 1) ∗ 5.2307
𝑃(𝑆 2 > 7.54) = 𝑃 ( > ) = 𝑃(𝑋 2 > 37.92)
𝜎2 4.69

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎 = 35 − 1 = 34

Con la tabla de distribución de chi cuadrado encontramos para el grado de libertad

(n-1) el número que más se aproxime a 37.92 y obtenemos que 𝑃(𝑋 2 < 37.92) =
0.30

Y se tiene que:

𝑃(𝑋 2 > 37.92) = 1 − 𝑃(𝑋 2 < 37.92)

𝑃(𝑋 2 > 37.92) = 1 − 0.30 = 0.70

Se puede apreciar por la probabilidad que una es más compacta que la otra ya
que la probabilidad de que la varianza sea mayor a 7.54 es casi de 1 mientras
que la posibilidad de que la varianza sea menor a 5.23 es de 0.30.

3. Para determinar el intervalo de confianza de 95% de estos datos se determina qué

tipo de distribución presenta. Como n = 35 > 30 se tiene una distribución normal.

Se tiene que

1 – 𝛼 = 0.95

𝛼 = 0.05

Al ser considerada una distribución simétrica se sabe que se tiene 𝛼/2 en cada
lado de la curva

𝛼 0.05
= = 0.025
2 2
 Tabulando este dato en la tabla de distribución normal tenemos que:

Se obtiene un valor de Z = 1.96

Se obtiene un promedio de datos de: 𝑥̅ = 8.36

Empleando la formula para n > 30

𝜎 𝜎
𝑥̅ − 𝑍𝛼 ∗ < 𝜇 < 𝑥̅ + 𝑍𝛼 ∗
2 √𝑛 2 √𝑛
1.86 1.86
8.36 − 1.96 ∗ < 𝜇 < 8.36 + 1.96 ∗
√35 √35

7.74 < 𝜇 < 8.98

 Para la segunda tabla se tiene que n =24 < 30, por lo cual se tiene una distribución
de T-Student

Se tiene que

1 – 𝛼 = 0.95

𝛼 = 0.05
Al ser considerada una distribución simétrica se sabe que se tiene 𝛼/2 en cada
lado de la curva

𝛼 0.05
= = 0.025
2 2

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 24 − 1 = 23

Se obtiene un promedio de datos de: 𝑥̅ = 8.70

Empleando la fórmula para n < 30

𝑆 𝑆
𝑥̅ − 𝑡𝛼 ∗ < 𝜇 < 𝑥̅ + 𝑡𝛼 ∗
2 √𝑛 2 √𝑛

Se calcula 𝑆 2 :
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑆2 = = 3.57
𝑛
 1.89 1.89
8.70 − 2.0687 ∗ < 𝜇 < 8.36 + 1.96 ∗
√24 √24

7.90 < 𝜇 < 9.50