Upload
daniel-zambrano
View
215
Download
0
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