23
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL PROYECTO DEL PRIMER PARCIAL ESTADÍSTICA ALUMNOS: DANIEL ZAMBRANO JORGE LUIS HUGO PARALELO: 6 PROFESOR: ING. ELKIN ANGULO JULIO 201 G!"#"$!%&'E(!")*+ 1

Estadística

Embed Size (px)

DESCRIPTION

Proyecto

Citation preview

ESCUELA SUPERIOR POLITCNICA DEL LITORAL

PROYECTO DEL PRIMER PARCIAL ESTADSTICA

ALUMNOS:DANIEL ZAMBRANOJORGE LUIS HUGO

PARALELO: 6

PROFESOR:ING. ELKIN ANGULO

JULIO 2015Guayaquil-Ecuador

Contenido1. Introduccin22. Marco Terico22.1 Estadstica22.2 Estadstica Descriptiva22.3 Poblacin22.4 Unidades de Investigacin22.5 Muestra22.6 Observacin22.8 Marca de clase22.9 Frecuencia Absoluta22.10 Frecuencia Relativa22.11 Frecuencia Acumulada de i-sima Clase22.12 Tabla de Frecuencias22.13 Histograma de Frecuencia22.14 Distribucin de Frecuencia Acumulada (Ojiva)22.15 Primer Cuartil (Q1)22.16 Segundo Cuartil (Q2)22.17 Tercer Cuartil (Q3)22.18 Media Aritmtica.22.19 Moda de la Muestra22.20 Varianza Muestral22.21 Desviacin Estndar o Desviacin Tpica de la Muestra22.22 Rango Muestral (R)22.23 Rango Intercuartil (RI)22.24 Variable Aleatoria22.25 Variable Aleatoria Discreta22.26 Soporte S de una V.A.D.22.27 Distribucin de Probabilidades de la Variable Aleatoria Hipergeomtrica22.28 Media y Varianza de la Variable Aleatoria Hipergeomtrica22.29 Plan de Muestreo22.30 Curva de Operacin23. Estadsticas Descriptivas23.1 Tabla de Frecuencia23.2 Variable de la Muestra23.2 Histograma de Frecuencia23.3 Ojiva de la variable bolas marcadas23.4 Clculos de las medidas de Tendencia Central2Media23.5 Clculos de las medidas de distribucin2Cuartil 1 (Q1)2Cuartil 2 (Q2)2Cuartil (Q3)2Varianza2Desviacin Estndar2Rango Intercuartil23.7 Diagrama de Caja para la Variable de la Muestra23.6 Clculo de Probabilidades2Distribucin Hipergeomtrica24. Resultados de Anlisis2Comparacin de las probabilidades2Comparacin de la media y la varianza2Muestreo de aceptacin25. Conclusiones26. Recomendaciones27. Bibliografa28. Anexo2Recopilacin de datos2

1. Introduccin

La Estadstica es una ciencia formal y una herramienta que estudia el uso y los anlisis provenientes de una muestra representativa de datos, busca explicar las correlaciones y dependencias de un fenmeno fsico o natural, de ocurrencia en forma aleatoria o condicional. La estadstica se divide en dos grandes reas: Estadstica descriptiva Estadstica inferencialEn el proyecto de estadstica, vamos a centrarnos en el rea de la estadstica descriptiva, en la cual a partir de un experimento con una nfora con 40 bolitas de las cuales 8 estarn marcadas. Las nforas representan lotes o contenedores de cierto artculo que se compra de algn lugar, y las bolitas marcadas representan artculos defectuosos.

Con el experimento que se realizar se pretende que con el uso de la estadstica se puedan analizar los datos que se nos han presentado, con el fin de conocer las caractersticas de este conjunto de datos, para as concluir y tomar decisiones basados en el estudio realizado, tal como en el ejemplo de lotes que contienen artculos, los cuales poseen algunos en mal estado. 2. Marco TericoPara el siguiente proyecto, se debe de tener algunas definiciones entre estas tenemos:2.1 EstadsticaLa estadstica es una ciencia formal que estudia la recoleccin, anlisis e interpretacin de datos, ya sea para ayudar en la toma de decisiones o para explicar condiciones regulares o irregulares de algn fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin embargo estadstica es ms que eso, en otras palabras es el vehculo que permite llevar a cabo el proceso relacionado con la investigacin cientfica. Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias sociales, desde las ciencias de la salud hasta el control de calidad. Se usa para la toma de decisiones en reas de negocios o instituciones gubernamentales.La estadstica se divide en dos grandes reas:La estadstica descriptiva, se dedica a la descripcin, visualizacin y resumen de datos originados a partir de los fenmenos de estudio. Los datos pueden ser resumidos numrica o grficamente. Ejemplos bsicos de parmetros estadsticos son: la media y la desviacin estndar. Algunos ejemplos grficos son: histograma, entre otros.La estadstica inferencial, se dedica a la generacin de los modelos, inferencias y predicciones asociadas a los fenmenos en cuestin teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la poblacin bajo estudio. Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada.

2.2 Estadstica DescriptivaEs una de las grandes partes de la estadstica, que dedica principalmente a analizar y representar los datos. Este anlisis es muy bsico. Aunque hay tendencia a generalizar a toda la poblacin, las primeras conclusiones obtenidas tras un anlisis descriptivo, es un estudio calculando una serie de medidas de tendencia central, para ver en qu medida los datos se agrupan o dispersan en torno a un valor central. Esto es lo que podra ser un concepto aproximado.2.3 PoblacinConjunto bien definido de N entes; algunas de cuyas caractersticas nos proponemos investigar.2.4 Unidades de InvestigacinElementos de la Poblacin Objetivo a los que se les efecta las medidas bajo anlisis.2.5 MuestraSubconjunto de n observaciones efectuadas a igual nmero de unidades de investigacin tomadas de la Poblacin Objetivo.2.6 ObservacinCada uno de los valores incluidos en la Muestra.2.7 ClaseDada una muestra, son intervalos de igual longitud, que deben ser exhaustivos y mutuamente excluyentes.2.8 Marca de claseValor central de cada una de las clases.2.9 Frecuencia AbsolutaNmero de observaciones en la Muestran que pertenecen a cada una de las K clases2.10 Frecuencia Relativa Toda frecuencia relativa es un nmero mayor o igual a cero, pero menos o igual que uno, esto es, siendo, i=1,2,,k2.11 Frecuencia Acumulada de i-sima ClaseLa frecuencia acumulada de i-sima clase es: Fi = f1+ f2++ fi-1+ fi.2.12 Tabla de FrecuenciasArreglo rectangular que tiene siete columnas y k filas, la primera columna es para el ordinal de la Clase, la segunda para definir la Clase, luego la Marca de Clase, Frecuencia Absoluta Acumulada y la sptima la Frecuencia Relativa Acumulada.2.13 Histograma de FrecuenciaGrfico bidimensional de barras en cuyo eje horizontal estan sealadas las k clases que se hayan definido, y en el eje vertical se representan las Frecuencias Relativas de cada una de ellas.2.14 Distribucin de Frecuencia Acumulada (Ojiva)Grfico que ubica en el eje horizontal la caracterstica cuantitativa X que se est investigando y en el eje vertical la Frecuencia Acumulada Relativa.2.15 Primer Cuartil (Q1)Valor de X tal que el 25% de las observaciones en la Muestra Ordenada toman valores menores o iguales a Q1.2.16 Segundo Cuartil (Q2)Valor de X tal que el 50% de las observaciones en la Muestra Ordenada toman valores menores o iguales a Q2.2.17 Tercer Cuartil (Q3)Valor de X tal que el 75% de las observaciones en la Muestra Ordenada toman valores menores o iguales a Q3.2.18 Media Aritmtica.Es una medida de Tendencia Central que calcula el promedio de los n datos contenidos en la Muestra.

2.19 Moda de la MuestraEs el valor observado que ms se repite en la muestra.

2.20 Varianza MuestralMedida de Dispersin de una variable X con respecto a su Media Aritmtica y que es igual a:

2.21 Desviacin Estndar o Desviacin Tpica de la MuestraLa desviacin Estndar se la denota por s y se la define igual a la raz cuadrada positiva de la Varianza.

2.22 Rango Muestral (R) Diferencia entre el valor mximo y el valor mnimo de la Muestra.2.23 Rango Intercuartil (RI)Diferencia entre el Tercer Cuartil y el Primero. Se determina as un intervalo que incluye el cincuenta por ciento central de observaciones en la Muestra.2.24 Variable AleatoriaEs una funcin X cuyo dominio es , y cuyo conjunto de llegada es R.X: R2.25 Variable Aleatoria DiscretaX es discreta si su Soporte S es un conjunto contable2.26 Soporte S de una V.A.D.Conjunto de valores reales X(w) que ocurren con probabilidad distinta de cero.

2.27 Distribucin de Probabilidades de la Variable Aleatoria HipergeomtricaSu distribucin de probabilidades es:

Donde x S; siendo con 2.28 Media y Varianza de la Variable Aleatoria HipergeomtricaLa media y Varianza de una Variable Hipergeomtrica son respectivamente y 2.29 Plan de MuestreoProcedimiento mediante el cual solo se verifican objetos de un lote de tamao N>n y si x de ellos resultan con inconformidades, el lote completo es rechazado.2.30 Curva de OperacinTambin llamada curva OC, es la sucesin de valores que toma la probabilidad de aceptar el lote, P(X=x), cuando se hace variar el valor de a, debido a que es una distribucin Hipergeomtrica, donde a es el nmero de objetos inconformes (defectuosos) en todo lote a ser verificado.

3. Estadsticas Descriptivas

3.1 Tabla de Frecuencia Tabla de Frecuencia de bolitas marcadas (i=5)Ordinal clase/n/n

0[0,1)260,26260,26

1[1,2)450,45710,71

2[2,3)190,19900,9

3[3,4)80,08980,98

4[4,5)20,021001

5[5,6)001001

1001

: Frecuencia absoluta/n: frecuencia relativa: Frecuencia absoluta acumulada/n: frecuencia relativa acumulada

3.2 Variable de la MuestraLa variable de la muestra es una variable aleatoria discreta que representa las bolitas marcadas dentro de la experimentacin del proyecto representndola como Xi donde i = {0, 1, 2, 3, 4, 5}, representando as la cantidad total de bolitas marcadas, dentro de la experimentacin anexada.3.2 Histograma de Frecuencia

3.3 Ojiva de la variable bolas marcadas

3.4 Clculos de las medidas de Tendencia Central

2

Media

Donde Xi representan la variable de la muestra (bolas marcadas)

3.5 Clculos de las medidas de distribucin Cuartil 1 (Q1)Cuartil 2 (Q2)Cuartil (Q3)

m=0.25(n+1)m=0.25 (101)m=25.25X25.25= X(25)+0.25(X(26) X(25))Q1=0m=0.50(n+1)m=0.50 (101)m=50.5X50.50= X(50)+0.50(X(51) X(50))Q2=75.75m=0.75(n+1)m=0.75 (101)m=75.75X75.75= X(75)+0.75(X(76) X(75))Q3=2

VarianzaDesviacin Estndar

Rango IntercuartilRI = Q3 Q1RI = 2

3.7 Diagrama de Caja para la Variable de la Muestra

3.6 Clculo de Probabilidades

Distribucin Hipergeomtrica

N: poblacinn: muestraX:# de elementos de de inters de la muestraa:# de xitosN-a: # de fracasos

N=40n=5a=8x=0

N=40n=5a=8x=1

N=40n=5a=8x=2

N=40n=5a=8x=3

N=40n=5a=8x=4

N=40n=5a=8x=5

Media

Varianza

4. Resultados de AnlisisComparacin de las probabilidades

Valor tericoValor experimetalX=0

X=1

X=2

X=3

X=4

X=5

Comparacin de la media y la varianzaE(x)

V(x)

Muestreo de aceptacin

0%1

1%0,998790896

2%0,99532116

3%0,989814173

4%0,982476904

5%0,973500979

6%0,963063687

7%0,951328921

8%0,938448064

9%0,92456082

10%0,90979599

11%0,894272206

12%0,878098618

13%0,861375532

14%0,844195016

15%0,826641467

16%0,808792135

17%0,790717624

18%0,772482354

19%0,754144996

20%0,735758882

21%0,717372386

22%0,699029276

23%0,680769054

24%0,662627266

25%0,644635793

26%0,626823124

27%0,609214613

28%0,591832713

29%0,574697206

30%0,5578254

31%0,541232333

32%0,524930947

33%0,508932258

34%0,493245515

35%0,477878344

36%0,462836887

37%0,448125924

38%0,433748996

39%0,419708511

40%0,40600585

41%0,392641456

42%0,379614928

43%0,366925097

44%0,354570107

45%0,34254748

46%0,330854184

47%0,319486693

48%0,308441041

49%0,297712873

50%0,287297495

5. Conclusiones

Al llevar a cabo experimentaciones de simulacin de un experimento estadstico, hemos podido obtener los datos necesarios para llevar a cabo una investigacin de probabilidad en un tiempo mayor, debido a que cuanto mayor es el nmero de pruebas realizadas ms se aproxima el valor obtenido al valor desconocido de la probabilidad terica, la cual est sustentada tanto numrica como grficamente en los clculos antes realizados. Las diferencias entre los tipos de distribucin pueden llevar o no a la determinacin ms precisa de la probabilidad dependiendo del modelo del problema, en este caso tuvimos un modelo que se ajusta al hipergeometrico.Para nuestro experimento la media y la varianza calculadas con distribucin hipergeometrica salieron por debajo de los otros valore calculados experimentalmente. Esto es porque dicha distribucin ofrece menos medida de dispersin de datos al tener parmetros que nos indiquen que es un muestreo aleatorio y sin reemplazo.6. Recomendaciones

Antes de realizar los clculos se debe tener un buen conocimiento de los modelos discretos para identificar a cual se ajusta nuestro problema. 7. Bibliografa Zurita G. (2010) Probabilidad y Estadstica, Fundamentos y Aplicaciones, segunda edicin. ESPOL Mitra, A. (1998) Fundamentas of Quality Control and Improvement, second edition. Prentice Hall Definiciones Bsicas del Muestreo de Aceptacin: http://www.prograweb.com.mx/CEC/muestreoAceptacion.html Tipos de Muestreo: https://prezi.com/csaazlwkdj9w/tipos-de-muestreo/

8. AnexoRecopilacin de datos

Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 1 1 1]Numero de defectuosas3Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[1 0 0 0 0]Numero de defectuosas1Muestra[1 0 0 0 0]Numero de defectuosas1Muestra[0 1 0 1 0]Numero de defectuosas2Muestra[1 0 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[1 0 1 0 0]Numero de defectuosas2Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[1 0 0 0 0]Numero de defectuosas1Muestra[1 0 0 1 1]Numero de defectuosas3Muestra[0 0 1 1 0]Numero de defectuosas2Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[1 0 0 1 0]Numero de defectuosas2Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 0 1 1 0]Numero de defectuosas2Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[1 0 0 0 1]Numero de defectuosas2Muestra[1 0 0 1 0]Numero de defectuosas2Muestra[1 0 0 1 0]Numero de defectuosas2

Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 1]Numero de defectuosas1Muestra[0 0 0 1 0]Numero de defectuosas1Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 1 1 0 1]Numero de defectuosas3Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 1]Numero de defectuosas1Muestra[0 1 0 1 0]Numero de defectuosas2Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 1]Numero de defectuosas1Muestra[0 0 0 1 1]Numero de defectuosas2Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[1 0 0 0 0]Numero de defectuosas1Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 1 0 1 0]Numero de defectuosas2Muestra[1 0 0 1 1]Numero de defectuosas3Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 1 1 0]Numero de defectuosas2Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 1 1 0 0]Numero de defectuosas2Muestra[1 1 0 0 1]Numero de defectuosas3Muestra[01 1 1 1]Numero de defectuosas4Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 1]Numero de defectuosas1Muestra[1 0 1 1 0]Numero de defectuosas3Muestra[1 0 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 1]Numero de defectuosas1Muestra[0 1 0 0 1]Numero de defectuosas2Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 0 0 1 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[1 0 1 1 0]Numero de defectuosas3Muestra[1 0 0 1 0]Numero de defectuosas2Muestra[0 0 0 1 0]Numero de defectuosas1Muestra[0 1 1 0 0]Numero de defectuosas2Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 1 0 1 0]Numero de defectuosas2Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 1 0 1 0]Numero de defectuosas2

Muestra[0 0 0 1 0]Numero de defectuosas1Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0 Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 1]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 1 0]Numero de defectuosas1Muestra[1 0 1 0 1]Numero de defectuosas3

Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 1 1 0]Numero de defectuosas2Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[1 0 0 0 0]Numero de defectuosas1 Muestra[0 1 0 0 0]Numero de defectuosas1Muestra[0 0 1 0 0]Numero de defectuosas1Muestra[0 0 0 0 1]Numero de defectuosas1Muestra[1 1 1 1 0]Numero de defectuosas4Muestra[0 0 0 1 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0Muestra[0 0 0 1 0]Numero de defectuosas1Muestra[0 0 0 0 0]Numero de defectuosas0