Monografia Final Estadistica

UNIVERSIDAD NACIONAL DE SAN ANTONIO
ABAD DEL CUSCO

FACULTAD DE ARQUITECTURA E INGENIERÍA CIVIL
“ESTADÍSTICA Y PROBABILIDADES”
ANALISIS ESTADISTICO DE ALGUNAS CARACTERISTICAS DE LOS

ESTUDIANTES DE INGENIERIA CIVIL
Alumnos:
SUTTA ATAUSINCHI BRAYAN MACKARTI
OCAMPO CORDOVA BLAIMER
Docente:
ING. ALAIN CHOQUE PERALTA

Semestre:
2019-II V
CUSCO – PERÚ
2020
1. INTRODUCCIÓN
1.1. De qué se trata el proyecto
Este proyecto consiste en el análisis de datos proporcionados por los estudiantes
de la escuela profesional de ingeniería civil que están cursando la materia de “Estadística
y probabilidades”, los cuales fueron obtenidos mediante encuesta a 260 alumnos durante
el primer parcial del término mencionado.
Este trabajo está basado en una muestra de 101 estudiantes, a los cuales
realizamos un análisis individual por variables, así como un análisis en grupo a
fin de comprobar las relaciones que pueden existir entre estos datos (análisis
bivariado), además nos apoyamos en la estadística inferencial a fin de conocer,
mediante los datos de la muestra, el comportamiento general de las variables
teniendo en cuenta que existe un cierto nivel de significancia en las proyecciones que
realizamos.
Es importante recalcar que los cálculos obtenidos se obtuvieron de MINITAB
15 que es un software diseñado para estudios estadísticos (gráficos, histogramas,
tablas). Pero a través del texto usted podrá encontrar un análisis metódico y sistemático
sobre las variables de estudio.
1.2. Objetivo
 Poder diferenciar entre Población y Muestra además de, Parámetro Poblacional y
Estimadores Muéstrales.
 Utilizar los conocimientos adquiridos en clase para realizar los diferentes literales
que se piden en el proyecto.
 Desarrollar habilidades de análisis crítico y matemático en la materia de
ESTADÍSTICA.
 Realizar proyectos estadísticos de carácter serio y beneficioso para la sociedad.

1.3.Marco teórico
En el proyecto que se presenta a continuación se va a constar de diferentes
términos estadísticos los cuales, debemos tener muy claro su definición. Entre estos
tenemos:
Población
El concepto de población en estadística va más allá de lo que comúnmente se
conoce como tal. Una población se precisa como un conjunto finito o infinito de
personas u objetos que presentan características comunes.
En este caso la población consistirá en 260 elementos que crearemos a partir de la
formula proporcionada por el ejercicio.
El tamaño que tiene una población es un factor de suma importancia en el proceso
de investigación estadístico, y este tamaño vienen dado por el número de elementos que
constituye una población puede ser finita o infinita.
Cuando el número de elementos que integra una población es muy grande, se
puede considerar a esta como una población infinita, por ejemplo; el conjunto de todos
los números positivos. Una población finita es aquella que está formada por un limitado
número de elementos.
Es a menudo imposible o poco práctico observar la totalidad de los individuos,
sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado
población o universo, se examina una pequeña parte del grupo llamada muestra.
Muestra
Se llama muestra a una parte de la población a estudiar qué sirve para
representarla.
El estudio de muestras es más sencillo que el estudio de la población completa;
cuesta menos y lleva menos tiempo. Por último, se aprobado que el examen de una
población entera todavía permite la aceptación de elementos defectuosos, por tanto, en
algunos casos, el muestreo puede elevar el nivel de calidad.
En nuestro caso, tomaremos una muestra de 101 elementos escogidos al azar para
realizar el estudio además de establecer una relación entre la muestra y la población a fin
de comparar datos y encontrar alguna tendencia si es que esta existe.
Una muestra representativa contiene las características relevantes de la población
en las mismas proporciones que están incluidas en tal población. En consecuencia,
muestra y población son conceptos relativos. Una población es un todo y una muestra es
una fracción o segmento de ese todo.
Variable Aleatoria
Este es un elemento muy importante en nuestro proyecto ya que nos permitirá
realizar estudios tanto a la población como a la muestra. En nuestro proyecto
procederemos a trabajar con tres diferentes variables aleatorias.
Una variable aleatoria es aquella que asume diferentes valores a consecuencia de
los resultados de un experimento aleatorio. Estas variables pueden ser discretas o
continuas. Si se permite que una variable aleatoria adopte solo un número limitado de
valores, se le llama variable aleatoria discreta.
Función de probabilidad
Una distribución la podemos concebir con una distribución teórica de
frecuencia, es decir, es una distribución que describe como se espera que varíen los
resultados. Dado que esta clase de distribuciones se ocupan de las expectativas son
modelos de gran utilidad para hacer inferencias y tomar decisiones en condiciones de
incertidumbre.
Media
En estadística, la media es una medida de centralización. Se llama media de una
distribución de estadística a la media aritmética de los valores de los distintos individuos
que la componen.
Varianza
Esta medida se basa en la cuantificación de las distintas de los datos con
respecto al valor de la media.
Moda
Es el valor que ocurre con mayor frecuencia en una muestra puede ser que no
exista la moda y también es posible que exista más de una moda.
Mediana
Una mediana es el valor de la variable que deja el mismo número de datos antes
y después que él una vez ordenados estos.
Matriz de correlación
Es una representación ordenada de los coeficientes de correlación de cada
variable con la otra variable y consigo misma.
Histograma
Es la manera más común de representar gráficamente la distribución de
frecuencias de los datos. Se lo construye dibujando rectángulos cuya base corresponda a
cada intervalo de clase y su altura, según el valor de la frecuencia.
Diagrama de Cajas
Es un diagrama grafico que se usa para expresar en forma resumida, algunas
medidas estadísticas de posición. El diagrama de caja describe gráficamente el rango de

los datos, el rango intercuartílico, los valores extremos y la ubicación de los cuartiles. Es
una representación útil para comparar grupos de datos.
Intervalos de Confianza
Un intervalo de confianza es un rango de valores (calculado en una muestra) en
el cual se encuentra el verdadero valor del parámetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parámetro se encuentre en el intervalo
construido se denomina nivel de confianza.
Nivel de significancia
La probabilidad de equivocarnos se llama nivel de significancia.
Variables cualitativas
Son las variables que expresan distintas cualidades, características o modalidad.
Cada modalidad que se presenta se denomina atributo o categoría y la medición consiste
en una clasificación de dichos atributos. Las variables cualitativas pueden ser ordinales y
nominales.
Las variables cualitativas pueden ser dicotómicas cuando sólo pueden tomar dos
valores posibles como sí y no, hombre y mujer o son politómicas cuando pueden adquirir
tres o más valores. Dentro de ellas podemos distinguir:
 Variable cualitativa ordinal: También llamada variable cuasi cuantitativa. La
variable puede tomar distintos valores ordenados siguiendo una escala establecida,
aunque no es necesario que el intervalo entre mediciones sea uniforme, por
ejemplo: leve, moderado, grave.
 Variable cualitativa nominal: En esta variable los valores no pueden ser
sometidos a un criterio de orden como por ejemplo los colores o el lugar de
residencia.
Variables cuantitativas
Son las variables que se expresan mediante cantidades numéricas. Las variables
cuantitativas además pueden ser:
 Variable discreta: Es la variable que presenta separaciones o interrupciones en la
escala de valores que puede tomar. Estas separaciones o interrupciones indican la
ausencia de valores entre los distintos valores específicos que la variable pueda
asumir. Ejemplo: El número de hijos (1, 2, 3, 4, 5).
 Variable continua: Es la variable que puede adquirir cualquier valor
dentro de un intervalo especificado de valores. Por ejemplo, la masa (2,3 kg, 2,4
kg, 2,5 kg,) o la altura (1,64 m, 1,65 m, 1,66 m), que solamente está limitado
por la precisión del aparato medidor, en teoría permiten que siempre exista un
valor entre dos cualesquiera

2. ANÁLISIS ESTADÍSTICO UNIVARIADO
Análisis estadístico para la variable genero
La primera variable en consideración es el género de los estudiantes de
Estadística para la escuela profesional de ingeniería civil, la cual tiene el soporte de
género Femenino o Masculino, nuestra referencia para realizar el análisis estadístico
de esta variable fue una muestra de tamaño n=101 que tomamos de una población de
tamaño N=260, la cual nos dio como resultado los siguientes datos que se te detallan en
la tabla #1 y el gráfico #1.
La variable de género es una variable discreta tipo Bernoulli, ya que su función
de probabilidad puede tomar dos valores:
Masculine 0
Femenino 1
Tabla#1
Análisis Estadístico de Algunas Características de los estudiantes de Estadística para la
escuela profesional de ingeniería civil
Tabla de frecuencia de la variable genero
GENERO CLASE F f/n F F/n
Femenino 0 11 0,1 11 0,11
Masculino 1 90 0,8
1 101 1
9
Para la Variable Aleatoria Discreta “Género”, el soporte que puede tomar es:
Femenino y Masculino. De los cuales, el 11% son personas del género Femenino y el
89% son del género Masculino.
Gráfico #1
Gráfico de barras de la variable del Género.
El gráfico #1 muestra una proporción muy marcada del género masculino (color
rojizo) de los estudiantes de la materia Estadística. Puesto que, del tamaño de nuestra
muestra de 101 encuestados, 90 son “hombres” y 11 apenas “mujeres.
Gráfico #2

Ojiva de la Variable Género.

Esta Ojiva Empírica del Género nos indica en qué medida están distribuidos los
datos. En el eje X se encuentra la Variable Género identificado con el número “-0.25”
para el femenino y Masculino para el “1”. Y en el eje Y la frecuencia relativa
acumulada. El programa Minitab (con el que se realizó esta gráfica) por su naturaleza
matemática ha dividido en decimales el eje X, pero los valores importantes que
identifican la variable Género son los valores antes indicado.
Gráfico #3

Distribución Empírica de la Variable Género.
Esta distribución empírica nos indica que solo el 11% son del género
femenino (línea horizontal más baja) y el 89% son del género masculino (línea
horizontal superior)
Análisis estadístico para la variable fecha de nacimiento
Otra variable que se toma en consideración para este proyecto es la variable
fecha de nacimiento, la cual es una variable de tipo cuantitativa discreta por que toma
valores puntuales y no por intervalos, el análisis de esta variable se lo hace a partir de
una muestra de tamaño n=101.
Para ser más específicos y concretos en el análisis de esta variable, hemos
creído conveniente realizar el análisis en dos partes la primera parte analizamos la
variable año por mes, y en la segunda parte la vamos a analizar por año.
Primera parte: Análisis estadístico para la variable fecha de nacimiento por mes.
Hemos creído conveniente realizar el análisis estadístico de la fecha de
nacimiento por mes, para que los resultados de nuestro análisis sean más específicos y
obtener resultados más claros sobre la fecha de nacimiento de los estudiantes que están
tomando la materia de estadística para ingenieros, los cuales fueron encuestados y
hemos tomado una muestra de tamaño n=101
Tabla #2

Tabla de Frecuencia de la Variable fecha de nacimiento por mes.
FRECUEN FRECUEN FRECUEN

ORDIN CLA FRECUEN
CIA
CIA CIA
1 [Enero - Febrero) 11 0.11 11 0.11
2 [Febrero - Marzo) 6 0.06 17 0.17
3 [Marzo - Abril) 7 0.07 24 0.24
4 [Abril - Mayo) 10 0.10 34 0.34
5 [Mayo - Junio) 14 0.14 48 0.48
6 [Junio - Julio) 10 0.10 58 0.57
7 [Julio – Agosto) 7 0.07 65 0.64
8 [Agosto - Septiembre) 9 0.09 74 0.73
9 [Septiembre - Octubre) 6 0.06 80 0.79
10 [Octubre - Noviembre) 8 0.08 88 0.87
11 [Noviembre - 11 0.11 99 0.98
12 [Diciembre] 2 0.02 101 1
Diciembre)
De la tabla # 2 que representa la tabla de frecuencias de la variable cualitativa de
una muestra de tamaño n=101 de la cual podemos decir que el mes donde nacieron
más alumnos de estadística para ingeniería que fueron encuestado es en el mes de
mayo con una cantidad de 14 alumnos, y el mes con más bajo número de estudiantes
es el mes de diciembre con tan solo dos estudiantes.
Gráfico #4

Histograma de la Variable fecha de nacimiento por mes.

El histograma de la variable de la fecha de nacimiento por mes está representado
en el grafico # 4, donde se puede ver claramente que la barra correspondiente al mes de
mayo es la de mayor altura lo cual quiere decir que en este mes existe la mayor
cantidad de datos, y la contrario a esto ocurre en el mes de diciembre al cual le
corresponde la barra con menor altura ya que tiene menor cantidad de datos.
Segunda parte: Análisis estadístico para la variable fecha de nacimiento por año.
El análisis estadístico para la variable fecha de nacimiento por año de los
estudiantes que están tomando la materia de estadística para ingenieros, los cuales
fueron encuestados y hemos tomado una muestra de tamaño n=101se detalla a
continuación:
Tabla #3

Tabla de Frecuencia de la Variable fecha de nacimiento por año.
FRECUENCIA
ORDINAL CLASE FRECUENCIA
RELATIVA
ACUMULADA
1 [1978- 1 9.9x10-3 1 9.9x10-3

2 [1979- 0 0 1 9.9x10-3
1979)
3 [1980-
1980)
0 0 1 9.9x10-3
4 [1981-
1981)
0 0 1 9.9x10-3
5 [1982- 2 0.0 3 0.03
1982)
6 [1983- 0 0 3 0.03
1983) 2
7 [1984- 2 0.0 5 0.05
1984)
8 [1985- 3 0.03 8 0.08
1985) 2
9 [1986- 3 0.03 11 0.11
1986)
10 [1987- 9 0.09 20 0.20
1987)
11 [1988- 17 0.17 37 0.37
1988)
12 [1989- 18 0.18 55 0.54
1989)
1990)
13 [1990- 28 0.28 83 0.82
14 [1991- 17 0.17 100 0.99
1991)
15 [1992- 1 9.9x10 101 1
1992)
1993) -3
La tabla #3 nos muestra la tabla de frecuencias de la variable fecha de
nacimiento por año la cual es una variable de tipo cuantitativa y fue analizada a partir
de una muestra de tamaño n=101, nuestra clases o intervalos fue tomado de año en año,
para más exactitud.
Podemos mencionar algunas particularidades: el alumno encuestado con mayor
edad nació en 1978, también podemos concluir que no existen alumnos encuestados
que hayan nacido en 1979-1983 acepto 1982. La mayor cantidad de alumnos
encuestados nació 1990 y que solo un alumno joven encuestado nació en el año de
1992.
Tabla #4

Tabla de medidas de tendencia central, dispersión y sesgo de la variable fecha de

nacimiento por año
Tabla de Medidas de Tendencia Central,
Dispersión y
Media (1988-1989)
Varianza 4.821
Desviación Estándar 2.196
Mediana 1989
Q1 – Cuartil 1 1988
Rango 14
Rango Intercuartil - RI 2
Moda 1990
Sesgo -1.96
La tabla #4 nos da una representación más clara de los resultados sobre los datos de
la variable cuantitativa discreta año de nacimiento, se puede observar que la media del
año de nacimiento está en un intervalo entre 1989 y 1990, con una varianza de 4.821.
La mediana de esta muestra de n=101 es el año 1989 y el primer cuartil está en
1988 y así mismo el tercer cuartil está en 1990, el cuartil 2 es igual que la mediana
quedando un rango Inter cuartil igual a 2 años.
La moda es decir el año donde hay la mayor cantidad de encuestados es el año de
1990, La distribución de los datos es sesgada a la izquierda (distribución asimétrica
negativa), lo cual quiere decir que los datos se encuentran concentrados a la derecha
Gráfico #5

Histograma de la Variable fecha de nacimiento por año.

El gráfico #5 muestra el histograma de frecuencias de la variable año de
nacimiento, se pude notar que la distribución tiene un sesgo en el lado izquierdo.
Notamos que la barra más alta es la correspondiente al año de 1990 lo cual nos indica
que de los estudiantes de estadística que fueron encuestados la mayor cantidad de
estos nació en el año de 1990, además se puede ver que de la muestra que estamos
analizando no existen estudiantes que hayan nacido en los años de 1979, 1980, 1981,
1983.
Gráfico #6

Ojiva de la Variable fecha de nacimiento por año.

El gráfico # 6 nos muestra claramente la ojiva de esta variable y se puede ver que
el 25% (Cuartil 1) nació antes de 1987. Que el 50% de los encuestados (Cuartil 2)
nació antes de 1989. Y que el 75% de los estudiantes nació antes de la llegada de 1991.
Gráfico #7

Diagrama de Cajas de la Variable fecha de nacimiento por año.

La gráfica # 7 representa el diagrama de cajas de la variable, el cual nos indica
que los datos mayoritariamente se localizan entre 1988 y 1990.
Análisis estadístico para la variable edad.
Para realizar este análisis nos ayudaremos de las variables nacimiento por mes y
nacimiento por años, puesto que tenemos que calcular para cada entrevistado de la
muestra, la edad entera para el corte de este análisis martes 8 de febrero de 2011.
A continuación, la tabla que resumen la tabulación de la edad de la muestra de
101 estudiantes.
Tabla #5
Análisis Estadístico de Algunas Características de los estudiantes de Estadística para

Ingenierías de la escuela profesional de ingeniería civil
Tabla de frecuencia para la variable edad

Edad (hasta 8 de
febrero de 2011, Frecuencia
end años)
32 1
31 0
30 0
29 0
28 2
27 0
26 2
25 3
24 3
23 9
22 17
21 18
20 28
19 17
18 1
Gráfico #8

Histograma de frecuencia de la Variable Edad

Observando esta gráfica #8, podemos observar que la frecuencia más alta de las
edades de los estudiantes que están tomando la materia Estadística, se encuentra
localizada a los 20 años. Mientras no existen alumnos con 27, 29, 30 y 31 años en el
dictado de esta materia.
Gráfico #8

Ojiva de la Variable Edad.
Esta Ojiva de edad, nos indica que el 25% de los datos de la muestra (Cuartil 1) es
significativamente menor a 20 años, que el 50% de los datos es menor que la mediana
22.5 (Cuartil2) y que el 75% de los datos es relativamente mayor a 22.5 (Cuartil 3).
Gráfico #9

Diagrama de Cajas de la Variable Edad.

Este gráfico #9 es el Diagrama de caja de Edad, el cual nos indica que la
Distribución de los encuestados de la muestra está mayoritariamente entre 20 y 23 años.
Análisis estadístico para año de ingreso
Otra de las variables en consideración es el año de Ingreso de los estudiantes
encuestados, esta variable es de tipo cuantitativa discreta debido a que los valores o el
soporte que puede tomar esta variable es a partir del año 1997 hasta 2009, el análisis de
esta variable se lo hace a partir de una muestra de tamaño n=106, el análisis
estadístico de esta variable se lo detalla a continuación:
Tabla #6

Tabla de Frecuencia de la variable año de ingreso a la escuela profesional de ingeniería

civil
La tabla #6 nos da a conoces las frecuencias del año de ingreso, se puede observar
que el año donde ingreso la mayor cantidad de estudiantes encuestados es en el 2007, con
un total de 30 estudiantes, también podemos ver que en los años de 1998 , 1999, y 2000
ninguno de los estudiantes encuestados ingreso en estos años, en los años del 2007, 2008,
2009 fue en estos tres años donde ingreso la mayoría de los estudiantes encuestados, lo
cual observaremos con mayor claridad en los gráficos #10 .
Tabla #7

Tabla de medidas de tendencia central, dispersión y sesgo de la variable Año de Ingreso a la

Tabla de Medidas de Tendencia Central, Dispersión y

Sesgo de la variable Año de Ingreso
Media 2007
Varianza 3.48
Mediana 2007
Rango 12
Moda 2008
La tabla #7 nos muestra la estadística descriptiva de esta variable, es decir las
medidas de tendencia central, dispersión y el sesgo de esta variable, y obtuvimos como
resultados que la media o el promedio de ingreso de los estudiantes a la escuela
profesional de ingeniería civil corresponde al año 2007, con una varianza de 3.46 años,
la mediana de esta variable es el año del 2008, y el primer cuartil quedo establecido en
el año 2007 y el tercer cuartil en el año del 2008, el rango es de 12 años, el valor que
más se repite y como ya lo establecimos en el tabla #6 es el valor que más se repite
y corresponde al año 2008. La distribución de los datos es sesgada a la izquierda
(distribución asimétrica negativa), lo cual quiere decir que los datos se
encuentran concentrados a la derecha.
Gráfico #10

Histograma de la Variable Año de ingreso la escuela profesional de ingeniería civil

El gráfico #10, es el Histograma de frecuencias de la Variable Año de Ingreso a
escuela profesional de ingeniería civil, donde claramente se observa que mayoritariamente
los alumnos que están en la materia de Estadística ingresaron en 2007 y 2008.
Gráfico #11

Ojiva de la Variable Año de Ingreso a la escuela profesional de ingeniería civil
La gráfica #11, es la Ojiva de Año de Ingreso. En el eje X se encuentra los años
de ingreso de los diferentes estudiantes de la muestra dividido en períodos de 18 meses.
De esta Ojiva, podemos observar que el 25% de la muestra (Cuartil 1) entró antes del
2006. Que antes de junio de 2007 entro el 50% de la muestra (Cuartil 2). Y que el 75%
de los 101 encuestados entró antes del 2009.
Gráfico #12

Diagrama de Cajas de la Variable Año de Ingreso a la escuela profesional de ingeniería

civil
El gráfico #12, es el Diagrama de caja de año ingreso, donde se ratifica que
mayoritariamente los encuestados ingresaron entre los años 2006 y 2008.
Análisis estadístico para la variable número de materias aprobadas
Una de las variables del cuestionario realizado a los estudiantes que están
tomando el curso de Estadística para Ingeniería fue la variable materias probadas en su
carrera, esta variable es de tipo cuantitativa discreta, el análisis se lo hace a partir de una
muestra de tamaño n =101, esta variable toma valores o el soporte de esta variable es
desde 10 hasta 58 materias, el análisis estadístico de esta variable se lo detalla a
continuación:
Tabla #8

Tabla de Frecuencia de la Variable Número de Materias Aprobadas
MATERIAS
APROBADAS f f/n F F/n
9 1 0.01 1 0.01
(10-12) 4 0.04 5 0.05
(13-14) 7 0.07 12 0.11
(15-16) 11 0.11 23 0.22
(17-18) 11 0.11 34 0.33
(19-20) 18 0.18 52 0.51
(21-22) 8 0.08 60 0.59
(23-24) 3 0.03 63 0.62
(25-26) 11 0.11 74 0.73
(27-28) 4 0.04 78 0.77
(29-30) 4 0.04 82 0.81
(31-33) 4 0.04 86 0.85
(35-36) 2 0.02 88 0.87
(39-40) 2 0.02 90 0.89
(41-48) 3 0.03 93 0.92
(50-52) 2 0.02 95 0.94
(53-55) 2 0.02 97 0.96
(57- 58) 2 0.02 99 0.98
facias 2 0.02 101 1
La tabla #9 representa la tabla de frecuencia, en esta tabla se detallan los valores
que toma cada uno de los intervalos, para este caso hemos tomados intervalos de 4 en 4,
y el valor mínimo es de 10 hasta un valor máximo 58, donde el intervalo que tiene la
más alta frecuencia es el intervalo de [18 – 22) materias aprobadas, y 41 de los
estudiantes encuestados respondieron que el número de materias aprobadas esta en este
intervalo.
Cabe recalcar que en la muestra que nosotros tomamos tres estudiantes no
contestaron a esta pregunta.
Tabla #9

Tabla de medidas de tendencia central, dispersión y sesgo de la variable Número de

Materias Aprobadas.
Tabla de Medidas de Tendencia Central, Dispersión
y Sesgo de la variable Año de Ingreso
Media 24,76
Varianza 118.81
Desviación Estándar 10,9
Mediana 20
Q1 – Cuartil 1 17
Q3 – Cuartil 3 27
Rango 49
Moda 20
La tabla #9 muestra detalladamente el análisis estadístico de esta variable, la
media de esta variable es 22,825 materias, con una varianza de 91,989 y la mediana
es 20 materias.
El primer cuartil está establecido en 18 y el tercer cuartil es de 25, el rango de
esta variable es 47 y el rango Inter cuartil es 7, el valor que más se repite es decir la
moda de esta variable es 20 materias aprobadas.
La distribución de los datos es sesgada al derecho (distribución asimétrica
positiva), lo cual quiere decir que los datos se encuentran concentrados a la izquierda.
Análisis estadístico para la variable número de materias aprobadas
tomando el curso de Estadística para Ingeniería fue la variable materias aprobadas en su
malla curricular. El soporte de esta materia comprende desde 9 a 58 materias aprobadas.
A continuación, se muestran los resultados del análisis.
Tabla #10
Tabla de Frecuencia de la Variable Número de Materias Aprobadas
Materias
Aprobadas f f/n F F/n
9 1 0.01 1 0.01
(10-12) 4 0.04 5 0.05
(13-14) 7 0.07 12 0.11
(15-16) 11 0.11 23 0.22
(17-18) 11 0.11 34 0.33
(19-20) 18 0.18 52 0.51
(21-22) 8 0.08 60 0.59
(23-24) 3 0.03 63 0.62
(25-26) 11 0.11 74 0.73
(27-28) 4 0.04 78 0.77
(29-30) 4 0.04 82 0.81
(31-33) 4 0.04 86 0.85
(35-36) 2 0.02 88 0.87
(39-40) 2 0.02 90 0.89
(41-48) 3 0.03 93 0.92
(50-52) 2 0.02 95 0.94
(53-55) 2 0.02 97 0.96
(57- 58) 2 0.02 99 0.98
vacìas 2 0.02 101 1
La tabla #9 representa la tabla de frecuencia, en esta tabla se detallan los valores
que toma cada uno de los intervalos, para este caso hemos tomados intervalos de 4 en 4,
y el valor mínimo es de 10 hasta un valor máximo 58, donde el intervalo que tiene la
más alta frecuencia es el intervalo de [18 – 22) materias aprobadas, y 41 de los
estudiantes encuestados respondieron que el número de materias aprobadas esta en este
intervalo. Cabe recalcar que en la muestra que nosotros tomamos tres estudiantes no
contestaron a esta pregunta.
Tabla #11
Tabla de medidas de tendencia central, dispersión y sesgo de la variable Número de

Materias Aprobadas.
Tabla de Medidas de Tendencia Central, Dispersión y

Sesgo de la variable Año de Ingreso
Media 24,76
Varianza 118.81
Mediana 20
Q1 – Cuartil 1 17
Q3 – Cuartil 3 27
Rango 49
Moda 20
La tabla #11 muestra detalladamente el análisis estadístico de esta variable, la
media de esta variable es 22,825 materias, con una varianza de 91,989 y la mediana es
20 materias, el primer cuartil está establecido en 18 y el tercer cuartil es de 25, el rango
de esta variable es 47 y el rango intercuartil es 7, el valor que más se repite es decir la
moda de esta variable es 20 materias aprobadas. La distribución de los datos es
sesgada al derecho (distribución asimétrica positiva), lo cual quiere decir que los datos
se encuentran concentrados a la izquierda.
Gráfico #13

Histograma de la Variable Materias Aprobadas.

El gráfico #13 es el Histograma de Frecuencias de Materias Aprobadas, en el cual
podemos ver gráficamente que para el intervalo correspondiente para [18 - 22) se
localiza la barra más alta es decir que este intervalo se encuentra la mayoría de los
alumnos que están tomando la materia de Estadística.
También podemos ver que es sesgada a la derecha, puesto que se distribuye
mayormente para la izquierda.
Gráfico #14

Ojiva de la Variable Número de Materias Aprobadas.

El gráfico #14 representa la Ojiva de la variable de número de materias
aprobadas, la cual nos dice que el 25% de los encuestados han aprobado un máximo
de 13 materias, que el 50% de los encuestados han aprobado un máximo de 27 materias
Podemos notar que el 75% de los encuestados no superan las 30 materias
aprobadas de su malla curricular.
Gráfico #15

Diagrama de Cajas de la Variable Número de Materias Aprobadas.

El gráfico #15 es el diagrama de cajas de esta variable, en este gráfico se
representa que la mayoría de los alumnos de la materia Estadística han aprobado un
compendio de entre 18 a
27 materias en su malla curricular.
Análisis estadístico para la variable dígito al aza r
tomando el curso de Estadística para Ingeniería fue la variable dígito al azar, esta
variable es de tipo cuantitativa discreta
El análisis se comienza a partir de una muestra de tamaño n=101, esta variable
tiene un soporte del digito 0 hasta el digito 9, el análisis de esta variable se detalla a
continuación:
Tabla # 12

Tabla de Frecuencia de la Variable Dígito al Azar.
NÚMERO DEL 0 AL 9 f f/n F F/n
0 0 0,00 0 0,01
1 6 0,06 6 0,06
2 7 0,07 13 0,13
3 9 0,09 22 0,22
4 8 0,08 30 0,30
5 12 0,12 42 0,42
6 9 0,09 51 0,50
7 32 0,32 83 0,82
8 14 0,14 97 0,96
9 4 0,04 101 1
La tabla #12 se detalla los intervalos de la clase de esta variable, y se establece la
frecuencia de cada una de las clases, donde se puede ver que el digito 7 es el que tiene
mayor frecuencia, con un total de 31 estudiantes los cuales escogieron este dígito, y el
que digito que menos escogieron es el 0 el cual tiene una frecuencia de 2.
Tabla #13

Tabla de medidas de tendencia central, dispersión y sesgo de la variable Dígito al Azar.
Dispersión
Media y
5,594
Varianza 4,94
Mediana 6
Q1 – Cuartil 1 4
Q3 – Cuartil 3 7
Rango 8
Moda 7
La tabla #13 muestra la estadística descriptiva de esta variable, dándonos a
conocer las medidas de dispersión, de tendencia central, y el sesgo, donde la media
de esta variable es 5,632 con una varianza de 4,825 con una mediana de 6, el primer
cuartil es el número 4 y el tercer cuartil es el digito 7, el rango de esta variable es 9 y
además el rango intercuartil 3, el dígito que más se repite es 7
La distribución de los datos es sesgada a la izquierda (distribución asimétrica
negativa), lo cual quiere decir que los datos se encuentran concentrados a la derecha.
Gráfico #15

Histograma de la Variable Dígito al Azar.
El gráfico #15 muestra el histograma de frecuencias de la variable digito al azar,
y se ve que la variable tiene un sesgo al lado izquierdo, y la gráfica tiene una
acumulación a la derecha, esto se debe que el sesgo que se determinó en la tabla #12 es
de signo negativo
El dígito que tiene una mayor frecuencia es el digito 7 por lo que le corresponde
la barra con mayor altura, y el digito con la barra más baja, es el 0 y se debe a que muy
pocos estudiantes escogieron este digito.
Gráfico #16

El gráfico #16 representa la Ojiva de la variable donde se puede obtener
detalladamente el porcentaje de los estudiantes que eligió cada dígito, y lo más
representativo es que el 51.9% de los estudiantes encuestados eligió un digito
correspondiente al intervalo de [0-6], y que el 48.1% de los estudiantes eligió un digito
que corresponde al intervalo de [7-9].
Gráfico #17

Diagrama de Cajas de la Variable Dígito al Azar.

El gráfico #17 es el diagrama de cajas de la variable, este gráfico nos da a conocer
si existen datos aberrantes, y vemos que para esta variable no existen datos aberrantes.
Esto quiere decir que los datos de esta variable son usuales.
Análisis estadístico para la variable tener internet en casa
tomando el curso de Estadística para Ingeniería fue la variable de tener internet en casa,
esta variable es de tipo cualitativa por que el soporte de esta no son números sino que el
soporte de esta es si tiene internet en casa o que no tiene internet en casa, esta variable
se la analiza a partir de una muestra de tamaña n =106 y los detalles de este analices se
dan a conocer a continuación.
Tabla # 14

Tabla de Frecuencia de la Variable Internet en casa
INTERNET EN CASA CLASE F f/n F F/n
No 0 25 0,25 25 0,11
Is 1 76 0,75 101 1
La tabla #14 nos muestra la frecuencia del número de estudiantes que como
respuesta dieron que, si tenían internet en casa y de los que no tienen internet en casa,
obteniendo que los que respondieron que si tenían internet en casa fueron 76 de los 106
estudiantes de la muestra lo que representa el 71.7% y que 30 de los estudiantes no
poseen este servicio en su hogar lo que representa el 18.3 %.
Tabla #15

Tabla de medidas de tendencia central, dispersión y sesgo de la variable Internet en casa
Media
Dispersión y 0,7225
Varianza 0,188
Mediana 1
Q1 – Cuartil 1 0,5
Q3 – Cuartil 3 1
Rango 8
Rango Intercuartil - RI 0,5
Moda 1
La tabla #15 es el histograma de frecuencia de la variable sí que posee internet en
casa, este grafico nos muestra de una manera gráfica lo que nosotros habíamos
determinado en la tabla #14, en este grafico ya se nota que los estudiantes que
respondieron que si tenían internet en casa son una gran mayoría con respecto a los
que respondieron que no poseen internet en casa, por eso la barra correspondiente a la
respuesta si es mucho más alta que la barra correspondiente a la respuesta no.
Gráfico #18

Histograma de la Variable Internet en casa
El gráfico #18 es el histograma de frecuencia de la variable sí que posee internet
en casa, en este grafico ya se nota que los estudiantes que respondieron que si tenían
internet en casa son una gran mayoría con respecto a los que respondieron que no
poseen internet en casa.
Podemos notar que la barra correspondiente a la respuesta si es mucho más alta
que la barra correspondiente a la respuesta no.
Gráfico #19
Ojiva de la Variable Dígito al Internet en casa
El gráfico #19 representa la Ojiva de la variable donde se puede obtener
detalladamente el porcentaje de los estudiantes que eligió cada dígito, y lo más
representativo es que el 75.2% de los estudiantes encuestados respondió que, si tiene
internet en casa, y que el 24.8% del estudiante respondió que no posee internet en casa.
Análisis estadístico para la variable mayor dedicación a una red social
Una de las variables del cuestionario realizado a los estudiantes de la escuela
profesional de ingeniería civil que están tomando el curso de Estadística para Ingeniería
fue la variable si se posee cuenta en alguna red social.
Esta variable de tipo cualitativa, es analizada a partir de una muestra de tamaño
n=101, y es soporte que puede tener es la respuesta de que si posee cuenta en alguna red
social y que no posee cuenta en redes sociales.
A continuación, se detalla un análisis por las redes sociales más usuales:
Tabla # 16

Ingenierías de la escuela profesional de ingeniería civil Tabla de Frecuencia de la Variable
Mayor Dedicación a una Red Social

La tabla #16 es la tabla de frecuencia de esta variable, y aquí detallamos cuantos
de los estudiantes encuestados respondieron a que si tenían una cuenta en la red
social Facebook o que no poseen una cuenta en esta red social.
Los datos obtenidos fueron los siguientes, los estudiantes que respondieron que si
tenían una cuenta en la red social Facebook fue un total de 99 de los 101 estudiantes de
la muestra lo que representa el 93.4% y los estudiantes que respondieron que no tenían
una cuenta en la red social Facebook fueron 7 lo que representa el 6.6 % de la muestra
Gráfico #20
Histograma de la Variable a una Red Social.
El Grafico #20 nos muestra los resultados gráficos de nuestra variable en
la que podemos comprobar que un 84% de la muestra usa preferiblemente Facebook
y que el 9% de la muestra por diferentes razones usualmente no usa ninguna red

social, estas razones podrían ser porque no tienen computadora o porque simplemente
no tienen tiempo
Gráfico #21

Ojiva de la Variable a una Red Social
En el grafico anterior nos podemos dar cuenta que la mayor parte de la población
es menor que 1 que es representada por Twitter esto se debe porque en nuestra muestra
Facebook es representado por el número 0 d e ahí que nuestra media es de 0.6434
que a su vez representa el cuartil 2
Análisis estadístico para la variable equipo de fútbol
Una de las variables a analizar del cuestionario realizado a los estudiantes de la
escuela profesional de ingeniería civil que están tomando el curso de Estadística para
Ingeniería de la escuela profesional de ingeniería civil es la de Equipos de futbol, esta
variable es de un tipo cualitativo, el análisis se lo realizo a una muestra de 101
estudiantes de una población de 260 estudiantes, el análisis estadístico de esta variable
se lo presenta a continuación
Tabla # 17
Análisis Estadístico de Algunas Características de los estudiantes de
Estadística para Ingenierías de la escuela profesional de ingeniería civil
Tabla de Frecuencia de la Variable Equipo de Futbol
La tabla #17 representa la distribución de frecuencias de la variable equipo
favorito que son la frecuencia relativa y frecuencia absoluta en la que nos podemos dar
cuenta que Barcelona representa el 52% y que tan solo a un 8% de la población no le
gusta el futbol.
Gráfico #22

Histograma de la Variable Equipo de Futbol
En el grafico #22 nos podemos comprobar que Barcelona capta la mayor
hinchada en nuestra población y que Emelec es el segundo equipo.
También podemos notar la influencia de grandes equipos del exterior como lo
son: Barcelona de España y Real Madrid y Manchester United
Gráfico #23
Ojiva de la Variable Equipo de Futbol

El grafico #23 nos representa como están distribuidos los datos en nuestra
muestra en donde Barcelona está representado por el numero 2 para realizar nuestros
análisis en minitab15.0 (programa utilizado para realizar nuestro proyecto)
Análisis estadístico para la variable horas en el computador
tomando el curso de Estadística para Ingeniería fue la variable de cuantas horas diarias
permanece en el computador
Esta variable de tipo cuantitativa continua, el análisis se lo realiza a partir de una
muestra de tamaño n =101, y los resultados del análisis se lo detalla a continuación.
Tabla # 18
Tabla de Frecuencia de la Variable Hora en el
Computador.
FRECUEN FRECUEN FRECUEN

ORDINA CLASE FRECUEN
CIA
CIA CIA
1 [0-1) 3 0.029 3 0.029
2 [1-2) 8 0.079 11 0.109
3 [2-3) 31 0.297 41 0.406
4 [3-4) 26 0.267 68 0.673
5 [4-5) 13 0.109 79 0.782
6 [5-6) 12 0,139 93 0.920
7 [6-7) 3 0.029 96 0.950
8 [7-8) 0 0 96 0.950
9 [8-9) 2 0.019 98 0.970
10 [9-10) 1 9.90x10-3 99 0.980
11 [10-11) 0 0 99 0.980
12 [11-12) 0 0 99 0.980
13 [12-13) 2 0.019 101 1
frecuencia de cada una de las clases, donde se puede ver que el intervalo de [2-3) horas es
el que tiene mayor frecuencia, con un total de 31 estudiantes los cuales escogieron que
en el intervalo de [2-3) horas diarias están en el computador.
Tabla #19
Tabla de medidas de tendencia central, dispersión y sesgo de la variable Horas en el
Computador.
Tabla de Medidas de Tendencia Central, Dispersión

y Sesgo de la variable Horas en el Computador
Media 3.255
Varianza 3.982
Mediana 3
Q1 – Cuartil 1 2
Q3 – Cuartil 3 4
Rango 11.5
Moda 2
Sesgo 2.02
conocer las medidas de dispersión, de tendencia central, y el sesgo, donde la media
de esta variable es 3.255 con una varianza de 3.982 con una mediana de 3 horas, el
primer cuartil es 2 y el tercer cuartil es 4, el rango de esta variable es 11.5 horas y
además el rango intercuartil 2 horas.
El número de horas que la mayoría de los estudiantes pasa en un computador es 2
horas lo cual corresponde a la moda de esta variable, La distribución de los datos es
sesgada a la derecha (distribución asimétrica positiva), lo cual quiere decir que los datos
se encuentran concentrados a la izquierda.
Gráfico #24
Histograma de la Variable Horas en el Computador.

El gráfico #24 podemos ver gráficamente la frecuencia de cada uno de los
intervalos y vemos que para el intervalo correspondiente para [2 - 3) tiene la barra más
alta es decir este intervalo tiene la mayor frecuencia lo que significa que la mayor
cantidad de estudiantes pasa 2 horas frente a un computador.
También observamos que la gráfica tiene una acumulación de datos en el lado
izquierdo de la gráfica, lo que nos da a entender que es sesgada a la derecha y lo que ya
habíamos determinado en la tabla #18 al haber quedado un valor del sesgo positivo.
Gráfico #25
Ojiva de la Variable Horas en el Computador.

El gráfico #25 representa la Ojiva de la variable de número de horas diarias en un
computador, y esta grafica nos da a conocer los valores porcentuales que toman cada
uno de los intervalos.
Los más destacado es que 40.6 % corresponde a los estudiantes que están
menos de tres horas en un computador, y que el 59.4 % de los estudiantes pasa más de
tres horas frente a un computador.
Gráfico #26
Diagrama de Cajas de la Variable Horas en el computador
representa los datos aberrantes de la variable y vemos que esta variable tiene datos
aberrantes, correspondiente a los alumnos que pasan 8, 9 y 12 horas en un computador,
esto quiere decir que muy pocos estudiantes pasa esta cantidad de horas en el
computador.
Análisis estadístico para la variable horas en internet

Una de las variables del cuestionario realizado a los estudiantes que están tomando
el curso de Estadística para Ingeniería fue la variable de cuantas horas diarias
permanece en Internet
Esta variable de tipo cuantitativa continua, el análisis se lo realiza a partir de una
muestra de tamaño n =101, y los resultados del análisis se lo detalla a continuación.
Tabla de Frecuencia de la Variable Hora en Internet.
FRECUEN FRECUENC
ORDINA CLASE FRECUEN
CIA IA
1 [0-1) 6 0.059 6 0.059
2 [1-2) 11 0.109 17 0.168
3 [2-3) 35 0.346 52 0.514
4 [3-4) 21 0.208 73 0.723
5 [4-5) 10 0.099 83 0.821
6 [5-6) 10 0.099 93 0.920
7 [6-7) 2 0.019 95 0.941
8 [7-8) 0 0 95 0.941
9 [8-9) 2 0.019 97 0.960
10 [9-10) 1 9.90x10-3 98 0.970
11 [10-11) 1 9.90x10-3 99 0.980
12 [11-12) 0 0 99 0.980
13 9.90x10-3
14 9.90x10-3
frecuencia de cada una de las clases, donde se puede ver que el intervalo de [2-3) horas es
el que tiene mayor frecuencia, con un total de 36 estudiantes los cuales escogieron que
en el intervalo de [2-3) horas diarias están en el computador.

Tabla de medidas de tendencia central, dispersión y sesgo de la variable Horas en
Internet.
Dispersión y
Media 3
Varianza 4.879
Mediana 2
Q1 – Cuartil 1 2
Q3 – Cuartil 3 4
Rango 12.6
Moda 2
Sesgo 2.2
conocer las medidas de dispersión, de tendencia central, y el sesgo, donde la media de
esta variable es 3 con una varianza de 4.879 con una mediana de 2 horas, el primer
cuartil es 2 y el tercer cuartil es 4, el rango de esta variable es 12.6 horas y además el
rango intercuartil 2 horas.
El número de horas que la mayoría de los estudiantes pasa en un internet es 2
horas lo cual corresponde a la moda de esta variable.
La distribución de los datos es sesgada a la derecha (distribución asimétrica
positiva), lo cual quiere decir que los datos se encuentran concentrados a la izquierda.
Gráfico #28
Histograma de la Variable Horas en Internet.
El gráfico #28 podemos ver gráficamente la frecuencia de cada uno de los
intervalos y vemos que para el intervalo correspondiente para [2 - 3) tiene la barra más
alta es decir este intervalo tiene la mayor frecuencia lo que significa que la mayor
cantidad de estudiantes pasa
2 horas diarias en internet, también observamos que la gráfica tiene una acumulación de
datos en el lado izquierdo de la gráfica, lo que nos da a entender que es sesgada a la
derecha y lo que ya habíamos determinado en la tabla #23 al haber quedado un valor
del sesgo positivo.
Gráfico #29
Ojiva de la Variable Horas en Internet.

El gráfico #29 representa la Ojiva de la variable de número de horas en internet, y
esta grafica nos da a conocer los valores porcentuales que toman cada uno de los
intervalos, los más destacado es que 52.8 % corresponde a los estudiantes que están
menos de tres horas diarias en internet, y que el 57.2 % de los estudiantes pasa
más de tres horas diarias en internet.
Gráfico #30
Diagrama de Cajas de la Variable Horas en Internet.

representa los datos aberrantes de la variable y vemos que esta variable tiene datos
aberrantes, correspondiente a los alumnos que pasan 8, 9, 10, 12 y 13 horas diarias
en internet, esto quiere decir que muy pocos estudiantes pasa esta cantidad de horas en
internet. Es decir, el intervalo de confianza de esta variable esta entre 2 y 4 horas.
Análisis estadístico para la variable problemas en el Peru
tomando el curso de Estadística para Ingeniería fue la variable problemas actuales en
Perú, esta variable es de tipo cualitativa, el análisis se lo realiza a partir de una muestra
de tamaño n =101, y los resultados del análisis se lo detalla a continuación.

Tabla # 24
Tabla de Frecuencia de la Variable Problemas actuales en Perú.
La tabla #24 representa la tabla de frecuencia de la variable problemas actuales en
el Perú, donde hemos dado la opción a que el estudiante escoja entre 8
opciones, 7 problemas específicos ya señalados y la opción a que el estudiante elija
otro tipo de problema que el crea que hay en el Perú, donde la mayoría de los
estudiantes respondió que el problema actual que más afecta al Perú es la seguridad
ciudadana con un total de 40 estudiantes de los 106 escogieron esta opción, la opciones
que muy pocos escogieron fue el Déficit Fiscal y los problemas internacionales solo un
estudiante respectivamente.
Gráfico #31
Histograma de la Variable Problemas actuales en el Perú.

El gráfico #31 representa el histograma de frecuencia de los problemas actuales
en el Perú, como se mencionó anteriormente se dio 8 opciones de respuesta y la
respuesta que la mayor cantidad de estudiantes escogió fue la seguridad ciudadana, por
lo tanto la barra que corresponde a este problema debe ser la más alta, lo que se puede
notar en el grafico #31, 40 de los estudiantes escogieron esta opción lo que representa el
38.5 % de toda la muestra, cabe recalcar que para esta variable 2 de los estudiantes de la
muestra no respondieron a esta pregunta.

3. MATRIZ DE CORRELACIÓN.
En numerosos estudios estadísticos, el interés que existe en la relación entre 2 o
más variables, se concentra en determinar si están o no relacionadas y en caso
afirmativo en averiguar qué tan fuerte es la relación lineal entre ellas. El investigador
puede o no estar interesado en la predicción y en la estimación. La técnica analítica
apropiada es la denominada Análisis de Correlación. Lo que consiste en relacionar 2
variables cuantitativas diferentes.
Para esta sección fue necesaria la asignación de letras a cada variable para
representar la matriz; una vez hecho esto denotamos que la relación entre:
Materias Aprobadas………………………………………………………………………… x
Materias Semestre……………………………………………………………………………y
Dígito al Azar………………………………………..…………………………………..…..z
Horas Diarias Computadora……….………………………………………………………..w
Horas Semanal Internet……………………………………………………………………..v
Por ende, la matriz de correlación poseerá la siguiente forma:

A continuación, presentamos la tabla #25, donde hacemos la
correlación entre 2 variables con sus respectivos valores, la cual nos sirve
para darnos cuenta de que variables relacionamos entre sí:
Tabla # 25
Tabla de Frecuencia de la Variable Problemas actuales en el Perú.

A continuación, presentamos los valores de cada combinación de variables que
resultan
negativas de la respectiva Matriz de Correlación

Son negativas, lo que indica que si una aumenta la otra disminuye en un factor
dado con la correlación entre sí mostrada en la matriz. Podremos decir que mientras
más joven es un estudiante de la muestra, menor será el número de materias aprobadas.
También se podría interpretar que el estudiante tiene una mayor edad va a tener
una mayor cantidad de materias aprobadas. Los estudiantes de la muestra con mayor
edad tienen la tendencia a escoger un digito al azar alto.
Los estudiantes de la muestra que permanecen más horas en el computador tienen
la tendencia a escoger un digito al azar bajo. Así también podemos entender que cuando
el coeficiente de correlación tiende a cero se podría entender que no existe una relación
lineal, este caso se presenta en las variables Digito al azar y Materias Aprobadas que
tiene un coeficiente de correlación. Las relaciones positivas, es decir, las
que aumentan proporcionalmente son las siguientes:
 Año de ingreso - Año de Nacimiento 0.983
 Número
Mes de horas en internet
de Nacimiento-Año - Número de horas en el
de Ingreso 0.911
0.828
 Año de Nacimiento-Mes de Nacimiento 0.855
 Año de Nacimiento-Número
Número de horas en internet -deAño
horas
de en internet
ingreso 0.202
0.198
 Número de Materias Aprobadas-Número de horas en el 0.183
 computador
Número de horas en el computador - Número de Materias 0.17
0.132
 Aprobadas
Año de Nacimiento-Número de horas en el computador 0.119
0.115
 Mes dealNacimiento-Número
Digito de en
azar-Número de horas horas en el computador
el computador 0.09
0.046
 Digito al azar-Número de horas en internet 0.042
Se puede decir que a menor año de ingreso (más años de permanencia),
mayor edad tiene un estudiante de la muestra siendo esta una relación lineal casi
perfecta.
Los estudiantes de la muestra que pasan una mayor cantidad de horas en el
computador tienden a pasar una gran cantidad de horas en internet
Los estudiantes de la muestra con mayor cantidad de materias aprobadas pasan
por diferentes motivos una mayor cantidad de horas en el computador este resultado
puede ser posible porque a mayores materias el estudiante debe pasar una mayor
cantidad de hora frente a un computador para resolver sus trabajos académicos y por
ende va pasar una mayor cantidad de horas en internet
Los estudiantes de la muestra más jóvenes tienden a permanecer más horas
en internet y una mayor de horas en el computador.
Al igual la combinación de Digito al azar-Número de horas en internet y de
Digito al azar-Número de horas en el computador son de 0.042 y 0.046 respectivamente
lo que podríamos decir que tiende a cero por lo tanto en estas combinaciones de
variables no hay relación lineal.

4. ANÁLISIS ESTADÍSTICO BIVARIADO.
Año Ingreso vs Género
Tabla # 25
Tabla de distribución
bivariado.
La tabla descrita anteriormente nos representa la distribución bivariado de las
variables Género y Año de ingreso
Los datos fueron obtenidos en base a los estudiantes del curso de Estadística para
Ingeniería d e los cuales sacamos una muestra de 101 estudiantes, las cuales nos dan
como resultado cuantos hombres ingresaron por año así mismo de cuantas mujeres
ingresaron por año.
Además, nos proporciona el total de alumnos que ingresaron por año y el total de
hombres que ingresaron en el rango del año de ingreso de los estudiantes de estadística
para Ingeniera encuestados y el total de las mujeres que ingresaron en todos los años.
Gráfico #32
Análisis Estadístico de Algunas Características de los estudiantes de Estadística
Gráfico de dispersión de género vs año de ingreso.
En el grafico anterior se puede observar que no ingreso ninguna mujer hasta el
año 2004, mientras que desde el año de 1998 hasta el año 2000 no ingreso ningún estudiante
que este cursando en este momento el curso de Estadística para Ingeniería teniendo una
pendiente aproximada de 0.170 lo cual nos indica que su relación lineal es casi nula
Gráfico #33
Gráfico de marginal de género vs año de ingreso.

Mediante el grafico anterior se puede estimar que el 10.89% son de género
femenino y que el 89.1% son de género masculino, por lo cual se concluye que el
ingreso de estudiantes de género masculino es mayor que el género femenino lo cual
no indica que por cada mujer aproximadamente hay ocho hombres.
Año de nacimiento vs internet en casa
Con el fin de realizar el análisis entre las variables año de nacimiento e internet en
casa, con fin de establecer una relación entre la cantidad de horas que los estudiantes de
estadística para ingenierías de género femenino pasan en internet y cuantas horas los del
género masculino.
Tabla #26
Tabla de Frecuencia Variada de Año de Nacimiento e Internet en Casa.

Con lo observado en la tabla #26 se puede decir que la mayoría de
personas encuestas poseen internet en sus casas representando el 75.2% de la muestra
estudiada y que estas personas han nacido entre los años de 1988-1991 y que las
personas que no poseen internet en sus casas son 24.8% y que la mayoría que pertenece
a este grupo han nacido en el año de 1990.
Con respecto a la Tabla #26 muestra la distribución conjunta de las variables
año de nacimiento e internet en casa, en la cual se puede observar que las personas que
poseen internet en casa en su mayoría han nacido en el año de 1990; por otro lado, la
mayoría de personas que no poseen internet se puede observar en la tabla que también
ha sido en el año de 1990.
Gráfico # 33
Grafica de Dispersión Bivariado de Internet y Año de Nacimiento
En la gráfica #33 de dispersión podemos observar que la mayoría de
personas que suelen tener internet en sus casas pertenecen a los años de nacimiento
entre los años de 1988-1991, mientras que las personas que no poseen internet
pertenecen a 1987-1991.
Según lo observado se puede decir que las variables no demuestran relación lineal
entre ellas debido a que la gráfica demuestra que existe tal relación buscada por lo tanto
se dice que no depende del año de nacimiento para tener internet en casa o no.
Gráfico # 34
Grafica de Marginal Bivariado de Internet y Año de Nacimiento
La grafica marginal de Genero del análisis bivariado entre las Internet y Año de
Nacimiento, podemos encontrar de manera gráfica el número de personas que poseen
internet en sus casas según los años de nacimiento, y así mismo nos da a conocer
cuantas personas que han nacido según esos los años poseen internet en sus casas.
5. ESTADÍSTICA INFERENCIAL.
Criterio para análisis del valor p
El mínimo valor de α para rechazar Ho
Valor P < 0.05 (5%) 0.05<p<0.1 (10%) Valor P >0.1 (10%)
SE RECHAZA INCERTIDUMBRE SE ACEPTA Ho
5.1. Bondad de Aguste
Para comprobar la normalidad de la muestra utilizaremos el método de
Kolmogorov- Smirnov.
*Test Kolmogorov-Smirnov para la Variable Horas en Internet
Comenzaremos con el análisis de la normalidad de la variable Horas de
internet, para lo cual nos planteamos el siguiente contraste de hipótesis:
Ho: La variable horas en internet es NORMAL con
Vs
H1: ¬ Ho
Gráfico # 35
Grafica de la probabilidad de horas de internet

Como no tenemos α, buscamos el valor p el cual es dado por el programa
Minitab: en este test el valor p es: p<0.01, por lo tanto, por el criterio del valor p
podemos concluir que:
 Se rechaza Ho (Hipótesis Nula)
 La variable Horas de Internet no tiene distribución Normal con media
y varianza mencionadas
*Test Kolmogorov-Smirnov Materias Aprobadas.
Ahora nos concentraremos en el análisis de la normalidad de la variable Materias
Aprobadas, para lo cual nos planteamos el siguiente contraste de hipótesis:
Ho: La variable Materias aprobadas es NORMAL con
Vs
H1: ¬ Ho
Gráfico # 36
Ingenierías
Grafica de la probabilidad de materias aprobadas

Como no tenemos α, buscamos el valor p el cual es dado por el programa
Minitab: en este test el valor p es: p<0.01, por lo tanto, por el criterio del valor p
podemos concluir que:
Se rechaza Ho (Hipótesis Nula)
La variable Materias aprobadas no tiene distribución Normal con media y
varianza mencionadas.
*Test ji-cuadrado para horas frente a un computador
Utilizando el Test Ji-Cuadrado analizaremos la normalidad de la Variable Horas
frente a un computador. Para este propósito, plantearemos el siguiente contraste de
hipótesis:
Ho: la edad de los estudiantes de estadística para ingeniera tiene distribución
uniforme con y
α=0 β=9
Vs
H1: ¬ Ho
Tabla # 27
Tabla del test Ji-cuadrado para la variable Horas frente al computador
k Clase Oi Probabilida Ei
1 1 10 0.1 10.1
2 31.5 3 0.1 10.1
3 2 22 0.1 10.1
4 3 21 0.1 10.1
5 4 18 0.1 10.1
6 5 12 0.1 10.1
7 6 7 0.1 10.1
8 8 3 0.1 10.1
9 9 3 0.1 10.1
10 10 2 0.1 10.1
En la
tabla #37 observamos detalladamente los valores que toma el test Ji- cuadrado, la
columna Oi representa la frecuencia con la que se presenta la clase en nuestra muestra
de tamaño n=101
Como partimos de la hipótesis de que la variable digito al azar de los estudiantes
de estadística para ingenierías tiene distribución uniforme entonces nuestra
probabilidad para cada clase es la misma, Ei es el valor esperado de la clase que resulta
de multiplicar la probabilidad por el tamaño de la muestra.
Gráfico # 37
Tabla Gráfico de contribución al valor ji-cuadrado por categoría

En gr áf ic o # 37 n o s muestra l a c on tr ib uc ió n del tes t J i -cuadrado, e s t e
g r a f i c o es ta ordenada desde la mayor contribución hasta la menor contribución.
Gráfico # 38
Análisis Estadístico de Algunas Características de los estudiantes de Estadística Tabla
Gráfica de valores observados y esperados
En gráfico #38 se muestran los valores que se esperaría que tome cada clase de
la variable y a su vez muestra los valores de la frecuencia de la clase según nuestra
muestra de tamaño n=101
*Test ji-cuadrado para digito al azar
Utilizando el Test Ji-Cuadrado analizaremos la normalidad de la Digito al azar.
Para este propósito, plantearemos el siguiente contraste de hipótesis:
Ho: la edad de los estudiantes de estadística para ingeniera tiene distribución
uniforme con α y
=0 β=9
Vs
H1: ¬ Ho
Tabla # 28
Tabla del test Ji-cuadrado para la variable Digito
K Clase Oi Probabilida Ei
1 1 6 0.11111 11,111
2 2 7 0.11111 11,111
3 3 9 0.11111 11,111
4 4 8 0.11111 11,111
5 5 12 0.11111 11,111
6 6 9 0.11111 11,111
7 7 32 0.11111 11,111
8 8 14 0.11111 11,111
9 9 3 0.11111 11,111
En la tabla #28 observamos detalladamente los valores que toma el test Ji-
cuadrado, la columna Oi representa la frecuencia con la que se presenta la clase en
nuestra muestra de tamaño n=101, como partimos de la hipótesis de que la
variable digito al azar de los estudiantes de estadística para ingenierías tiene
distribución uniforme entonces nuestra probabilidad para cada clase es la misma, Ei es
el valor esperado de la clase que resulta de multiplicar la probabilidad por el tamaño de
la muestra.
Gráfico # 39

Tabla Gráfica de contribución al valor ji-cuadrado
En gráfico #39 nos muestra la contribución del test Ji-cuadrado, este
grafico esta ordenada desde la mayor contribución hasta la menor contribución.
Gráfico # 40
Tabla Gráfica de contribución al valor ji-cuadrado

En gráfico #40 se muestran los valores que se esperaría que tome cada clase
de la variable y a su vez muestra los valores de la frecuencia de la clase según
nuestra muestra de tamaño n=101.
5.2. Intervalos de confianza
Cálculo de intervalos de confianza para la variable horas en el computador
Cálculo de Intervalos de confianza para la Media de la Variable Edad
Conociendo n=101 y S=2.226
Con 95% de confianza
Gráfico # 41
Diagrama de cajas de la variable de edad

Cálculo de Intervalos de confianza para la Varianza de la Variable Edad
Cálculo de Intervalos de confianza para la Variable Horas en el Computador
Cálculo de Intervalos de confianza para la Media de la Variable Horas en el
Computador
Gráfico # 42
Diagrama de cajas de la variable de horas en el computador
Cálculo de intervalos de confianza para la varianza de la variable horas en el
Computador
Cálculo de intervalos de confianza para la variable horas en internet
Cálculo de intervalos de confianza para la media de la variable horas en internet

Gráfico # 43
Diagrama de cajas de la variable de horas de internet
Cálculo de Intervalos de confianza para la Varianza de la Variable Horas en
Internet
Cálculo de Intervalos de confianza para la Variable Número de Materias
Aprobadas
Cálculo de Intervalos de confianza para la Media de la Variable Número de
Materias Aprobadas
Gráfico # 44

Diagrama de cajas de la variable de materias aprobadas
Cálculo de Intervalos de confianza para la Varianza de la Variable Número de
Materias Aprobadas
5.3.Prueba de Hipótesis
PRUEBAS DE HIPÓTESIS PARA MEDIAS
Prueba de Hipótesis para la Media de la Variable Horas en Internet
A continuación, procedemos a obtener un contraste de hipótesis para la
Variable Horas en Internet.
Para realizar la prueba de hipótesis asumiremos que µ=30. Por lo que el
contraste de Hipótesis quedaría como sigue:

*Como n > 30 e n t o n c e s e l v a l o r e s t a d í s t i c o d e p r u e b a s e l o
a p r o x i m a c o n u n a Distribución Normal:
Existe evidencia estadística para NO rechazar Ho (Hipótesis Nula), ya que el
valor p es mayor a 0.1 (5%).
Prueba de Hipótesis para la Media de la Variable Materias Aprobadas
A continuación, procedemos a obtener un contraste de hipótesis
para la Variable Materias Aprobadas.
*Para realizar la prueba de hipótesis asumiremos que µ=200. Por lo que el
contraste de Hipótesis quedaría como sigue:

* Como n > 30 entonces el v a l o r estadís tico de prueba s e l o
a p r o x i m a c on una Distribución Normal:
valor p es mayor a 0.1.
*Región de Rechazo:
*Con la Ayuda de la Distribución Ji cuadrado, el Estadístico de Prueba sería:
Con S2= 139.75 y
n=101
PRUEBAS DE HIPÓTESIS PARA VARIANZA
* Para realizar la prueba de hipótesis asumiremos que. Por lo
que el contraste de Hipótesis quedaría como sigue:

No existe evidencia estadística para rechazar Ho (Hipótesis Nula), ya que el
valor p está entre valores mayores 0.1 (10%).
* Para re al iz ar la prueba de hipótesis
asumiremos que. Por lo que el contraste de Hipótesis
quedaría como sigue:

Existe evidencia estadística para rechazar Ho (Hipótesis Nula), ya que el
valor p es menor que 0.05 (5%).
PRUEBAS DE HIPÓTESIS PARA PROPORCIONES
Variable Horas en Internet
* Para realizar la prueba de hipótesis acerca de las personas que están en
Internet entre2 a 3 horas. Asumiremos que. Por lo que
el contraste de Hipótesis quedaría como sigue:
*Region de Rephase:
*Con la Ayuda de la Distribución Normal, el Estadístico de Prueba
Con p = 35/101= 0.3, 2 aproximada con S2= 139.75 y n=101

Materias Aprobadas
* Para realizar la prueba de hipótesis acerca de las personas que están en
Internet entre 18 a 22 horas. Asumiremos que
. Por lo que el contraste de Hipótesis quedaría como sigue:

5.4.Análisis de Contingencia
TABLAS DE CONTINGENCIA
Esta prueba se puede usar para determinar la independencia entre dos
métodos o factores involucrados en la obtención de datos.
Se procedió a formar grupos con 7 variables, y analizar la independencia
entre dos variables.
Terminología:
 n: Cantidad de observaciones.
 r: Cantidad de Filas.
 c: Cantidad de Columnas
 ri: Total de resultados en la fila i.
 cj: Total de resultados en la columna j.
 naj: Total de resultados observados en la fila i, columna j. (Datos
Muéstrales).
 ei,j: Total de resultados observados en la fila i, columna j.
(Frecuencia Esperada)
Obtención de la frecuencia esperada:
EDAD VS MATERIAS APROBADAS
Edad
Máximo: 33
Mínimo: 19
Intervalos
Joven X<=20
Adulto X>20
Materias Aprobadas
Máximo: 57
Mínimo: 12
Intervalos
Pocas X<=15
Muchas 15< X <=20
Bastantes X>=20
Tabla de contingencia:
Materias Aprobadas
Pocas Muchas Bastantes Totales
Joven 4 7 6 17
Edad Adulto 13 19 52 84
Totales 17 26 58 101
Frecuencia esperada:
1 2 3
1 2,86 4,38 9,76
2 14,14 21,62 69,8
Prueba de hipótesis.
Ho: Las Materias Aprobadas es independiente de
la Edad. Ha: No son independientes (Negando
Ho).
Estadístico de Prueba:
Región de Rechazo:
Apoyados en MINITAB:
Como no tenemos α, buscamos el valor p:
No existe evidencia estadística para rechazar H o (Hipótesis Nula), ya que el
valor p es mayor 0.1 (10%).
o Las materias aprobadas son independientes de la edad.
Año de Ingreso vs Materias Aprobadas
Año de Ingreso
Máximo: 1997
Mínimo: 2009
Intervalos
1Gerneración X<=2007
2Generación X>=2008
Materias Aprobadas
Máximo: 57
Mínimo: 12
Intervalos
Pocas X<=20
Mediana 20< X ≤ 25
Bastantes X>25
Tabla de contingencia:
Ingreso
1Generación 2Generación Totales
Materias Pocas 19 32 51
Aprobadas Mediana 19 8 27
bastante 18 5 23
Totales 54 47 101
Frecuencia esperada:
1 2
1 27,26 23,73
2 14,43 12,69
3 12,29 10,70
Prueba de hipótesis.
Ho: El Ingreso a la escuela profesional de ingeniería civil es
independiente de las Materias Aprobadas. Ha: No son
independientes (Negando Ho).
Estadístico de Prueba:
Región de Rechazo:
Apoyados en MINITAB:
Como no tenemos α, buscamos el valor p:
Existe evidencia estadística para rechazar Ho (Hipótesis Nula), ya que el
valor p es menor a 0.01(10%)
o El ingreso a la escuela profesional es dependiente de las materias
aprobadas.
6. CONCLUSIONES
1. Al finalizar este proyecto podemos recordar todo lo ocurrido durante la
realización de este por lo que hemos llegado a algunas conclusiones:
2. Las variables de género, internet en casa, mayor dedicación a una red social,
equipo de futbol y problemas actuales de Perú son variables cualitativas
mientras las variables de fecha de nacimiento, año de ingreso a la escuela
profesional de ingeniería civil, materias aprobadas, digito al azar, horas en el
computador y horas en internet son variables cuantitativas.
3. Gracias a la utilización del programa Minitab, nos ahorramos muchos cálculos
puesto que esta herramienta informática nos lanzaba resultados conocidos
como varianza, medias, graficas de dispersión, histogramas, ojivas, valores p
para las pruebas de hipótesis, entre otras.
4. Con la ayuda de nuestra, podemos estar seguros que la mayoritariamente los
alumnos que están cursando la materia Estadística han ingresado en 2009.
5. Existe una estrecha relación entre las materias tomadas por los estudiantes
con el número de horas en la computadora y el número de horas semanales que
utilizan el internet. Ya que si un estudiante toma más materias tendrá que
hacer una gran cantidad de tareas, investigaciones o actividades relacionadas
con las mismas; por lo que la computadora y el internet son herramientas
básicas para cumplir con sus responsabilidades académicas. Véase fig. 20, 21,
22.
6. Para saber que si dos variables son independientes entre sí utilizamos el
método de Ji cuadrado, para lo cual nos dio lo siguiente: Que la variable horas
frente al computador y digito al azar son independientes entre sí.

7. Se demostró gracias a los métodos de MINITAB 15 que ninguna de las
variables cuantitativas presenta una distribución conocida.
8. Como la muestra que se tomó fue lo suficientemente grande se puedo suponer
que la distribución de la Población era Normal, suposición útil para la
realización de las hipótesis.
9. En las pruebas de hipótesis resultaron positivas para la Hipo tesis Nula H0. Esto
se debe a que dicha hipótesis se hizo con un valor de prueba muy cercano a la
realidad.
10. Las Tablas de Contingencia indican que las variables materias aprobadas y las
edades son independientes entre sí, lo cual es lógico ya que no depende la edad
para aprobar materia. También se realizó el estudio de las variables de año de
ingreso y materias aprobadas lo que nos dio a conocer que son dependientes,
era algo de esperarse debido a que los estudiantes según el año de ingreso a la
escuela profesional de ingeniería civil llevan sus materias aprobadas.

7. RECOMENDACIONES
1. Es necesario realizar un estudio metódico, con tiempo acerca de las muestras
para poder presentar datos fiables.
2. Es necesario estimas o suponer ciertos parámetros que ayuden a un análisis de
éstas para que posean cierta “correspondencia.”
3. Se necesita mayor responsabilidad en cuanto a los estudiantes que llenaron los
formularios ya que al dejar preguntas en blanco el proceso estadístico se ve
afectado.
4. Hacemos hincapié respecto a que no calculamos las varianzas poblacionales
debido que la finalidad de la sección 5 es de INFERIR en las características
poblacionales.
5. Se debería realizar una encuesta con similitud en cuanto al género para poder
hacer un mejor análisis respecto a las mujeres.
6. Las variables estudiadas deben ser representativas y con una finalidad.
Realmente el autor no encontró eso en la variable de Dígito al Azar y su análisis
no fue profundo para ella.

8. REFERENCIAS BIBLIOGRAFICAS
 ZURITA, G. (2010), “PROBABILIDAD Y ESTADÍSTICA, Fundamentos y
Aplicaciones”, (1 era edición), Centro de Difusiones y Publicaciones ESPOL,
Guayaquil-Ecuador.
 MINITAB INC. (2007), “CONOCE MINITAB 15.1.20.0, Para Windows”, (1
era edición), Minitab Inc., Estados Unidos de América
 DEPARTAMENTO DE SALUD FACMED UNAM (de), “Intervalos de
Confianza”, [en línea], Facultad de Medicina de la Universidad Nacional
Autónoma de México, Obtenido el: 28 de agosto de 2010,
desde:http://www.facmed.unam.mx/deptos/salud/censenanza/spii/unidad2/bondad.p
d f, México DF- México.
 WIKIPEDIA (2010), “Matriz de Correlación”, obtenido el 5 de febrero del
2011, desde http://es.wikipedia.org/wiki/Matriz_de_correlaci%C3%B3n

9. ANEXOS

Monografia Final Estadistica

Cargado por

Copyright:

Formatos disponibles

Monografia Final Estadistica

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Monografia Final Estadistica

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE SAN ANTONIO

ABAD DEL CUSCO

ANALISIS ESTADISTICO DE ALGUNAS CARACTERISTICAS DE LOS

SUTTA ATAUSINCHI BRAYAN MACKARTI

OCAMPO CORDOVA BLAIMER

ING. ALAIN CHOQUE PERALTA

1.1. De qué se trata el proyecto

Este proyecto consiste en el análisis de datos proporcionados por los estudiantes

de la escuela profesional de ingeniería civil que están cursando la materia de “Estadística

el primer parcial del término mencionado.

realizamos un análisis individual por variables, así como un análisis en grupo a

bivariado), además nos apoyamos en la estadística inferencial a fin de conocer,

mediante los datos de la muestra, el comportamiento general de las variables

Es importante recalcar que los cálculos obtenidos se obtuvieron de MINITAB

15 que es un software diseñado para estudios estadísticos (gráficos, histogramas,

sobre las variables de estudio.

 Poder diferenciar entre Población y Muestra además de, Parámetro Poblacional y

que se piden en el proyecto.

 Desarrollar habilidades de análisis crítico y matemático en la materia de

 Realizar proyectos estadísticos de carácter serio y beneficioso para la sociedad.

En el proyecto que se presenta a continuación se va a constar de diferentes

El concepto de población en estadística va más allá de lo que comúnmente se

personas u objetos que presentan características comunes.

En este caso la población consistirá en 260 elementos que crearemos a partir de la

formula proporcionada por el ejercicio.

El tamaño que tiene una población es un factor de suma importancia en el proceso

constituye una población puede ser finita o infinita.

Cuando el número de elementos que integra una población es muy grande, se

Es a menudo imposible o poco práctico observar la totalidad de los individuos,

Se llama muestra a una parte de la población a estudiar qué sirve para

población entera todavía permite la aceptación de elementos defectuosos, por tanto, en

algunos casos, el muestreo puede elevar el nivel de calidad.

de comparar datos y encontrar alguna tendencia si es que esta existe.

Una muestra representativa contiene las características relevantes de la población

en las mismas proporciones que están incluidas en tal población. En consecuencia,

una fracción o segmento de ese todo.

Este es un elemento muy importante en nuestro proyecto ya que nos permitirá

realizar estudios tanto a la población como a la muestra. En nuestro proyecto

procederemos a trabajar con tres diferentes variables aleatorias.

Una variable aleatoria es aquella que asume diferentes valores a consecuencia de

los resultados de un experimento aleatorio. Estas variables pueden ser discretas o

valores, se le llama variable aleatoria discreta.

Una distribución la podemos concebir con una distribución teórica de

En estadística, la media es una medida de centralización. Se llama media de una

distribución de estadística a la media aritmética de los valores de los distintos individuos

Esta medida se basa en la cuantificación de las distintas de los datos con

respecto al valor de la media.

exista la moda y también es posible que exista más de una moda.

y después que él una vez ordenados estos.

Es una representación ordenada de los coeficientes de correlación de cada

variable con la otra variable y consigo misma.

Es la manera más común de representar gráficamente la distribución de

frecuencias de los datos. Se lo construye dibujando rectángulos cuya base corresponda a

cada intervalo de clase y su altura, según el valor de la frecuencia.

Es un diagrama grafico que se usa para expresar en forma resumida, algunas

medidas estadísticas de posición. El diagrama de caja describe gráficamente el rango de

una representación útil para comparar grupos de datos.

Un intervalo de confianza es un rango de valores (calculado en una muestra) en