UNIVERSIDAD NACIONAL DE LOJA

MODALIDAD DE ESTUDIOS PRESENCIAL

FACULTAD AGROPECUARIA Y DE RECURSOS
NATURALES RENOVABLES
CARRERA DE INGENIERIA Agronómica
Ciclo v.
ASIGNATURA: Biometría
TRABAJO Autónomo:
Resumen del módulo 2
Profesor: ING. Johnny Fernando Granja
Través
ALUMNO: Paul ANDRES Campoverde
TORRES
Loja-ecuador
13-03-2018
PERÍODO ACADÉMICO: Septiembre – marzo
2018

Loja-ecuador
 Resumen del Módulo 3
ESTADISTICA DESCRIPTIVA
Una tabla de frecuencia da una síntesis de una variable de la muestra, pero no
es suficiente en muchos aspectos para describir determinados aspectos de la
distribución
Para dar con el comportamiento de la variable se calculan unas medidas
llamadas estadísticos muéstrales que son indicadores de distintos aspectos de
la distribución muestral.
Se clasifican en tres grupos:
Estadísticos de Posición: Miden en torno a qué valores se agrupan los datos y
cómo se reparten en la distribución.
Estadísticos de Dispersión: Miden la heterogeneidad de los datos.
Estadísticos de Forma: Miden aspectos de la forma que tiene la distribución de
los datos, como la simetría o el apuntamiento.
Pueden ser de dos tipos:
Estadísticos de Tendencia Central: Determinan valores alrededor de los
cuales se agrupa la distribución. Estas medidas suelen utilizarse como valores
representativos de la muestra. Las más importantes son:
◮ Media aritmética
◮ Mediana
◮ Moda
Otros estadísticos de Posición: Dividen la distribución en partes con el mismo
número de observaciones. Las más importantes son:
◮ Cuantiles: Cuartiles, Deciles, Percentiles.
Definición (Media aritmética muestral x)
La media aritmética muestral de una variable X es la suma de los valores
observados en la muestra dividida por el tamaño muestral:

A partir de la tabla de frecuencias puede calcularse como:

En la mayoría de los casos, la media aritmética es la medida que mejor

representa a la muestra.
Definición (Media ponderada muestral xp)
Dada una muestra de n valores en la que cada valor xi tiene asociado un peso
pi, la media ponderada muestral de la variable X es la suma de los productos de
cada valor observado en la muestra por su peso, dividida por la suma de todos
los pesos

A partir de la tabla de frecuencias puede calcularse como:

Definición (Mediana muestral Me)
La mediana muestral de una variable X es el valor de la variable que, una vez
ordenados los valores de la muestra de menor a mayor, deja el mismo número
de valores por debajo y por encima de el.
La mediana cumple NMe = n/2 y FMe = 0,5.
El cálculo de la mediana se realiza de forma distinta según se hayan agrupado
los datos o no.
Con datos no agrupados pueden darse varios casos:
◮ Tamaño muestral impar: La mediana es el valor que ocupa la posición (n+1)/2.
◮ Tamaño muestral par: La mediana es la media de los valores que ocupan las
posiciones n/2 y n2+1.

Definición (Moda muestral Mo)

La moda muestral de una variable X es el valor de la variable más frecuente en
la muestra.
Con datos agrupados se toma como clase modal la clase con mayor frecuencia
en la muestra.
En ocasiones puede haber más de una moda.
En general, siempre que puedan calcularse conviene tomarlas en el siguiente
orden:
1. Media. La media utiliza más información que el resto ya que para calcularla
se tiene en cuenta la magnitud de los datos.
2. Mediana. La mediana utiliza menos información que la media, pero más que
la moda, ya que para calcularla se tiene en cuenta el orden de los datos.
3. Moda. La moda es la que menos información utiliza ya que para calcularla
sólo se tienen en cuenta las frecuencias absolutas.
Los más utilizados son:
Cuartiles: Dividen la distribución en 4 partes iguales.
Hay tres cuartiles: C1 (25% acumulado), C2 (50% acumulado), C3 (75%
acumulado).
Deciles: Dividen la distribución en 10 partes iguales.
Hay 9 deciles: D1 (10% acumulado),. . .D9 (90% acumulado).
Percentiles: Dividen la distribución en 100 partes iguales.
Hay 99 percentiles: P1 (1% acumulado),. . . P99 (99% acumulado).
Los Cuantiles se calculan de forma similar a la mediana. Por ejemplo, en el caso
de los cuartiles se buscan los valores que tienen frecuencias absolutas
acumuladas n/4 (primer cuartil), n/2 (segundo cuartil) y 3n/4 (tercer cuartil) y si
se trata de datos agrupados se interpola sobre el polígono de frecuencias
acumuladas.
Definición (Recorrido muestral Re)
El recorrido muestral de una variable X se define como la diferencia entre el
máximo y el mínimo de los valores en la muestra.
Definición (Rango intercuartílico muestral RI)
El rango intercuartílico muestral de una variable X se define como la diferencia
entre el tercer y el primer cuartil de la muestra. RI = C3 − C1.
La dispersión de una variable suele representarse gráficamente mediante un
diagrama de caja y bigotes, que consiste en una caja sobre un eje X donde el
borde inferior de la caja es el primer cuartil, y el borde superior el tercer cuartil, y
por tanto, la anchura de la caja es el rango intercuartílico. En ocasiones también
se representa el segundo cuartil con una línea que divide la caja.
También se utiliza para detectar los valores atípicos mediante unos segmentos
(bigotes) que salen de los extremos de la caja y que marcan el intervalo de
normalidad de los datos.
Construcción del diagrama de caja y bigotes
1. Calcular los cuartiles.
2. Dibujar una caja de manera que el extremo inferior caiga sobre el primer cuartil
y el extremo superior sobre el tercer cuartil.
3. Dividir la caja con una línea que caiga sobre el segundo cuartil.
4. Para los bigotes inicialmente se determina la posición de los puntos
denominados vallas v1 y v2 restando y sumando respectivamente a primer y
tercer cuartil 1,5 veces el rango intercuartílico RI: v1 = C1 − 1,5RI
v2 = C3 + 1,5RI
A partir de las vallas se buscan los valores b1, que es el mínimo valor de la
muestra mayor o igual que v1, y b2, que es máximo valor de la muestra menor o
igual que v2. Para el bigote inferior se dibuja un segmento desde el borde inferior
de la caja hasta b1 y para el superior se dibuja un segmento desde el borde
superior de la caja hasta b2.
5. Finalmente, si en la muestra hay algún dato por debajo de v1 o por encima de
v2 se dibuja un punto sobre dicho valor.
Varianza y desviación típica
Definición (Varianza s2)
La varianza muestral de una variable X se define como el promedio del cuadrado
de las desviaciones de los valores de la muestra respecto de la media muestral.

Definición (Desviación típicas)

La desviación típica muestral de una variable X se define como la raíz cuadrada
positiva de su varianza muestral.
Definición (Coeficiente de variación muestral cv)
El coeficiente de variación muestral de una variable X se define como el cociente
entre su desviación típica muestral y el valor absoluto de su media muestral.

El coeficiente de variación muestral mide la dispersión relativa de los valores de

la muestra en torno a la media muestral.
Como no tiene unidades, es muy sencillo de interpretar: Cuanto mayor sea,
mayor será la dispersión y menos representativa será la media.
Estadísticos de forma
Son medidas que tratan de caracterizar aspectos de la forma de la distribución
de una muestra.
Los aspectos más relevantes son:

Simetría: Miden la simetría de la distribución de frecuencias en torno a la media.

El estadístico más utilizado es el Coeficiente de Asimetría de Fisher.
Apuntamiento: Miden el apuntamiento de la distribución de frecuencias.
El estadístico más utilizado es el Coeficiente de Apuntamiento o Curtosis.

Definición (Coeficiente de asimetría muestral g1)

El coeficiente de asimetría muestral de una variable X se define como el
promedio de las desviaciones de los valores de la muestra respecto de la media
muestral, elevadas al cubo, dividido por la desviación típica al cubo.

El coeficiente de asimetría muestral mide el grado de simetría de los valores de

la muestra con respecto a la media muestral, de manera que:
◮ g1 = 0 indica que hay el mismo número de valores a la derecha y a la izquierda
de la media (simétrica).
◮ g1 < 0 indica que la mayoría de los valores son mayores que la media
(asimétrica a la izquierda).
◮ g1 > 0 indica que la mayoría de los valores son menores que la media
(asimétrica a la derecha).
 COEFICIENTE DE APUNTAMIENTO O CURTOSIS
Definición (Coeficiente de apuntamiento muestral g2)
El coeficiente de apuntamiento muestral de una variable X se define como el
promedio de las desviaciones de los valores de la muestra respecto de la media
muestral, elevadas a la cuarta, dividido por la desviación típica a la cuarta y al
resultado se le resta 3.

El coeficiente de apuntamiento muestral mide el grado de apuntamiento de los

valores de la muestra con respecto a una distribución normal de referencia, de
manera que:
◮ g2 = 0 indica que la distribución tienen un apuntamiento normal (mesocurtica).
◮ g2 < 0 indica que la distribución tiene menos apuntamiento de lo normal
(platicurtica).
◮ g2 > 0 indica que la distribución tiene más apuntamiento de lo normal
(leptocurtica).
Interpretación de los coeficientes de asimetría y apuntamiento
Como se ver ´a más adelante en la parte de inferencia, muchas de las pruebas
estadísticas solo pueden aplicarse a poblaciones normales.
Las poblaciones normales se caracterizan por ser simétricas y mesocurtica, de
manera que, tanto el coeficiente de asimetría como el de apuntamiento pueden
utilizarse para contrastar si los datos de la muestra provienen de una población
normal.
En general, se suele rechazar la hipótesis de normalidad de la población cuando
g1 o g2 estén fuera del intervalo [−2, 2].
En tal caso, lo habitual es aplicar alguna transformación a la variable para
corregir la anormalidad.
Transformaciones de variables
En muchas ocasiones se suelen transformar los datos brutos para trabajar con
unas unidades más cómodas, o bien para corregir alguna anormalidad de la
distribución.
Por ejemplo, si estamos trabajando con estaturas medidas en metros y tenemos
los siguientes valores:
1,75m, 1,65m, 1,80m, podemos evitar los decimales multiplicando por 100, es
decir, pasando de metros a centímetros: 175cm, 165cm, 180cm,
Y si queremos reducir la magnitud de los datos podemos restarles a todos el
menor de ellos, en este caso, 165cm: 10cm, 0cm, 15cm,
Está claro que este conjunto de datos es mucho más sencillo que el original. En
el fondo lo que se ha hecho es aplicar a los datos la transformación:
Y = 100X – 165.
Una de las transformaciones más habituales es la transformación lineal:
Y = a + bX.
Se puede comprobar fácilmente que la media y la desviación típica de la variable
resultante cumple:
¯y = a + b¯x,
Sy = |b|sx
Además, el coeficiente de Curtosis no se altera y el de asimetría sólo cambia de
signo si b es negativo.
Transformación de tipificación y puntuaciones típicas
Una de las transformaciones lineales más habituales es la tipificación:
Definición (Variable tipificada)
La variable tipificada de una variable estadística X es la variable que resulta de
restarle su media y dividir por su desviación típica.

La tipificación es muy útil para eliminar la dependencia de una variable respecto

de las unidades de medida empleadas.
Los valores tipificados se conocen como puntuaciones típicos y miden el
número de desviaciones típicas que dista de la media cada observación, lo cual
es útil para comparar variables con distintas unidades.
Otra propiedad de la variable tipificada es que tiene media 0 y desviación típica
1: ¯z = 0 Sz = 1.
Transformaciones no lineales
La transformación Y = X2 comprime la escala para valores pequeños y la
expande para valores altos, de manera que es muy útil para corregir asimetrías
hacia la izquierda.
Transformaciones no lineales

Las transformaciones comprimen la

escala para valores altos y la expanden para valores pequeños, de manera que
son útiles para corregir asimetrías hacia la derecha.
Variables clasificadoras o factores
En ocasiones interesa describir el comportamiento de una variable, no para toda
la muestra, sino para distintos grupos de individuos, como por ejemplo, estudiar
las estaturas en hombres y mujeres por separado.
En tal caso se utiliza una nueva variable, llamada variable clasificadora o factor
discriminante, para dividir la muestra en grupos y posteriormente se realiza el
estudio descriptivo de la variable principal en cada grupo.
 DESARROLLO MODULO 2 Y 3
Ejercicio 4: Tablas de frecuencias con R
El conjunto de datos neonatos del paquete rk.Teaching, contiene información
sobre una muestra de 320 recién nacidos en un hospital durante un año que
cumplieron el tiempo normal de gestación. Contiene las siguientes variables:
- peso: Peso del recién nacido en Kg.
- sexo: Sexo del recién nacido.
- edad: Edad de la madre (mayor de 20 años o menor de 20 años).
- tabaco: Si la madre ha fumado o no durante el embarazo.
- cigarros: Número de cigarros al día fumados por la madre durante el
embarazo.
- tabaco.antes: Si la madre fumaba o no antes del embarazo.
- apgar1: Puntuación Apgar al minuto de nacer.
- apgar5: Puntuación Apgar a los 5 minutos de nacer.
El test de apgar es una valoración macroscópica del recién nacido de acuerdo
a cinco parámetros fisioanatómicos simples, que son: tono muscular, esfuerzo
respiratorio, frecuencia cardíaca, reflejos y color de la piel. A cada parámetro se
le asigna una puntuación entre 0 y 2, y sumando las cinco puntuaciones se
obtiene el resultado del test.
Utilizando este conjunto de datos se pide:

1. Construir el diagrama de barras de la puntuación Apgar al minuto. ¿Qué

puntuación Apgar es la más frecuente?
2. Construir el diagrama de frecuencias relativas acumuladas de la
puntuación Apgar al minuto. ¿Por debajo de que puntuación estarán la
mitad de los niños?
3. Comparar mediante diagramas de barras de frecuencias relativas las
distribuciones de las puntuaciones Apgar al minuto según si la madre ha
fumado o no durante el embarazo. ¿Qué se puede concluir?
 Base de los Neonatos

Diagrama de barras
1. Explicación: Como podemos observar en
el diagrama de barras de la puntuación
apgar al minuto se pude determinar que el
índice de mayor frecuencia de niños con
un apgar más frecuente es de 6, que es la
suma de los parámetros que cumple cada
niño al minuto de nacido, con un
porcentaje de un 95%.
:

Diagrama de frecuencias acumuladas

2. Explicación: Como se muestra en la

barra de frecuencias acumuladas, el 50%
de niños se considerara deprimidos al
minuto de su nacimiento con una
frecuencia de puntuación apgar de 6 o
menor a este, en cuanto a los que superan
esta cifra de puntuación se consideraran
más saludables sin riegos.
 Diagramas de barras de frecuencias relativas las distribuciones de
las puntuaciones Apgar al minuto según si la madre ha fumado o no
durante el embarazo

3. Explicación: El riego que de los niños nazcan con depresión es más alta, al
minuto de haber nacido, posee alrededor de un 30% más de probabilidades de
riesgo de que nazcan con una puntuación inferior a 6 en las madres fumadoras
durante el embarazo, en relación a los niños de las madres no fumadoras es de
un 35% de que nazcan sanos debido a que su puntuación apgar es 6 o mayora
este.
Ejercicio 5. Histogramas con R
Utilizando este conjunto de datos se pide:
1. Construir el histograma de pesos, agrupando en clases de amplitud 0.5
desde el 2 hasta el 4.5. ¿En qué intervalo de peso hay más niños?
2. Comparar la distribución de frecuencias relativas del peso de los neonatos
según si la madre fuma o no. ¿En qué grupo se aprecia menor peso de
los niños de la muestra?
3. Comparar la distribución de frecuencias relativas del peso de los neonatos
según si la madre fumaba o no antes de embarazo. ¿Qué se puede
concluir?
Holograma de pesos
1. Explicación: En relación con el
histograma se puede notar que la mayor
cantidad de niños se encuentra con un
promedio de peso de 3 a 3,5, en
comparación al número de niños con
menor número que se halla en el rango de
2 a 2,5 kg.
Comparacion de la distribución de frecuencias relativas del peso de los
neonatos según si la madre fuma o no.
2. Explicación: Como podemos observar en
el diagrama nos indica que las madres que
no fuman durante el embarazo, ayudan a
que sus hijos posean un peso mayor peso
sobrepasando los rango de peso de los
hijos de las madres fumadoras que es de
3,5 kg, los cual indica que los niños serán
más propensos a problemas de salud.

Distribución de frecuencias relativas del peso de los neonatos según si la

madre fumaba o no antes de embarazo.

Explicación: Como podemos observar en el

sigueite hologramas de pesos, la influencia en
que la madre haya fumado antes del
embarazo no h a causado mayor incidencia
en el peso del recien nacido.
Conclusion: el consumo de tabaco antes del
embarazo , no ha causado mayor inestabilidad
en el peso del recien nacido que es de 3,8 a 4
kg con relacion a las madres no consumidoras
de tabaco, las cuales tienen niños con pesos
mayores a 4 a 4,2 kg.
 Ejercicio 6. Diagrama de cajas y bigotes con R.

Utilizando este conjunto de datos se pide:

1. Construir el diagrama de caja y bigotes del peso. ¿Entre qué valores se
considera que el peso de un neonato es normal? ¿Existen datos atípicos?
2. Comparar el diagrama de cajas y bigotes del peso, según si la madre fumó
o no durante el embarazo y si era mayor o no de 20 años. ¿En qué grupo
el peso tiene más dispersión central? ¿En qué grupo pesan menos los
niños de la muestra?
3. Comparar el diagrama de cajas de la puntuación Apgar al minuto y a los
cinco minutos. ¿En qué variable hay más dispersión central?
Desarrollo

1. Explicación: En el diagrama podemos

notar que los neonatos están dentro de
un rango establecido normal de peso en
un 50%, y también existen casos de
nacidos con un promedio muy por debajo
de su peso normal, así como de
sobrepeso de estos en relación al
tiempo de nacimiento a estos valores que
están por debajo y sobre el rango
establecido se llaman valores (peso)
atípicos.
Diagramas de cajas y bigotes del peso, según si la madre fumó o no durante
el embarazo y si era mayor o no de 20 años.

Explicación: En la grafica se puede

explicar que las madres que no fuman
tienen hijos con mayor peso lo cual quiere
decir que el tabaco disminuye la
posibilidad de que el recien nacido tenga
un peso normal al rango establecido, por
lo cual hay mucha diferencia en cuanto a
los pesos entre los rangos establecidos,
se difencia tambien en los pesos atipicos
que son mas notables que en las madres
que no fuman dando como resultado que
hay niños con bajo peso y sobrepeso en
los nacidos y que las madres fumadoras
esten mas propensos a no estar dentro
de los rangos fisionatomicos simples y no
considerarse como sanos.

Explicación: En este diagrama podemos

interpretar que las madres de mayor esdad
tienen ñiños con un adecuado peso, este es
debido a que su cuerpo esta en condiciones
de reproduccion y preparado
anatomicamente, no asi a las madres
menores a los 20 que talvez su cuerpo no
cumple las condiciones adecuadas y el
requerimiento para que el niño se desarrolle
en buenas condiciones debido a su
anatomia haga que sus hijo tenga mas
probablidades de nacer con algun problema
al nacer y despes.
 Explicación: Como podemos ver en el
diagrama, se pude determinar que las
madres mayores y menor de 20 que no
fuman tiene niños con un peso adecuado
pero con variación a corde a la edad de la
madre, en relación a las madres mayores y
menores de 20 que si fuman dan un
promedio de niños con pesos menores a
los establecidos debido a el consumo de
tabaco los cuales causan que el desarrollo
que su hijo no adquiera un peso normal y
tengan mayores probabilidades de
enfermarse.

Comparar el diagrama de cajas de la puntuación Apgar al minuto y a los

cinco minutos. ¿En qué variable hay más dispersión central?
Explicación: Como se puede notar que en
la variable apgar5 hay mayor dispercion esto
se debe a que durante el proceso evolutivo
del niño se vuelve mas estable a medida que
pasan los minutos su peso y su anatomia
desarrollan considerablemente lo que
aumenta mucho la variablidad en cuanto a
al estabilidad, es decir un neonato a los 5
minutos esta mas hambientado a los
factores externos que lo rodea, no asi a los
de 1 minuto los cuales recien comienzan a
adaptarse a su nuevo medio.
 MODULO 3
Ejercicio 7. Estadísticos de tendencia central con R
Utilizando este conjunto de datos se pide:

1. Calcular la media y la mediana muestral del peso de los nacidos e interpretarlos.

Explicación: Para entender mejor la media

es el valor promedio de peso de todos los 320
neonatos y la media representa a un 50% de
la poblacion si esta varia es porque existen
valores fuera del rango establecido a estos
los llamanos valores atipico.

2. Calcular el peso medio de los recién nacidos de la muestra según si la madre ha

fumado o no durante el embarazo.

Criterio: Como podemos ver en los valores

dados de las medias hay una diferencia
significativa de casi 300 gramos lo cual nos
indica que efectivamente el consumo de
tabaco durante el embarazo influye en el
peso del neonato en relacion con la que no
fuman.

3. Calcular también el peso medio de los recién nacidos de madres que no

han fumado durante el embarazo, según si la madre fumaba o no antes
del embarazo. ¿Qué conclusiones se pueden sacar?

Criterio: Con relación a los datos mostrados

en la tabla se evidencia que el consumo del
tabaco afecta en menor proporción en cuanto
al peso en los neonatos con madres que
fuman antes del embarazo

Se determinó que si la madre fuma en el

estado gestante tiene mayor influencia en el
peso del neonato y con mayor probabilidad
de inestabilidad fisioanatómica.
 4. ¿Cuál es la puntuación Apgar al minuto de nacer más frecuente?

Criterio: En este caso la moda es un valor

el cual se repite en la poblacion de neonatos
, es decir que al minuto de haber nacido el
Apgar diagnosticado mas repetitivo de los
320 neonatos es un promedio de 6 de
puntuacion en el parametro establecido de
10.

5. Calcular la media de la diferencia entre las puntuaciones Apgar a los 5

minutos y al minuto de nacer. ¿Cómo evolucionan los recién nacidos?

Explicación: En este caso se incluyó una nueva variable la cual calcula la

diferencia entre el apgar 1 y 5, dándonos entender que si esta diferencia es
negativa el neonato ha tenido problemas en su desarrollo, debido a diferentes
factores como el consumo o a que la madre sea menor a 20 años o que consumió
tabaco antes del embarazo.

Explicación: El valor de 0,5844, nos indica

que el neonato ha tenido una evolución
positiva aumentando desde el minuto 1 de
haber nacido hasta el minuto cinco, lo cual
aumenta las probabilidades de que su apgar
sea mayor o igual a 6 de puntuación en los
parámetros establecidos que consideran
que un neonato es sano.

Lll
 Ejercicio 8. Percentiles con R
Utilizando este conjunto de datos se pide:

1. Calcular los cuartiles muestrales del peso de los recién nacidos e

interpretarlos.

Interpretación: Como podemos ver en

cada casilla se representa el valor del peso
de los niños, tomando un porcentaje
acumulativo, podemos notar el aumento
cada vez que se toma una muestra del 25%
de la población total en forma acumulativa.

2. Comparar los cuartiles muestrales del peso de los recién nacidos según
el sexo.

Criterio: Al comparar los datos

estadísticos descriptivo en
relación al sexo, notamos que
los hombres tienes un valor un
poco más alto que el de las
mujeres en cuanto al peso en
promedios de muestras de 25%
acumulativo.

3. ¿Por encima de qué peso estarán el 10% de los niños con mayor peso?

Criterio: El valor dado que es de

3.4574 nos indica que los
neonatos en un 90% al minuto
de nacido tuvo ese porcentaje en
peso que es un valor promedio
de peso normal, a diferencia del
10% que tuvo el peso igual o
menor al dato antes
mencionado, el cual tuvo alguna
defict evolutico durante el
embarazo.
 4. Si se considera que un niño es atípico por bajo peso si se encuentra entre
el 5% de los pesos más bajos, ¿por debajo de qué peso tiene que estar?

Explicación: Mediante el dato

dado, podemos explicar que el
niño que posee un déficit en su
peso se encuentra debajo de los
2,4451 kg al minuto de nacer, lo
cual se los considera como un
peso no adecuado al nacer.

Ejercicio 9. Estadísticos de dispersión con R.

Utilizando este conjunto de datos se pide:
1. Calcular el recorrido y el rango intercuartílico muéstrales del peso de los recién
nacidos e interpretarlos.
Explicación: El rango intercuartílico de la
muestra de los neonatos es de un 5% lo cual
se muestra que tiene un valor de 2,4451 de
diferencia entre cuartiles es decir cada 25%
acumulado.

2. Calcular la varianza y la desviación típica del peso de los recién nacidos e

interpretarlos.
Explicación: La varianza muestral en este
caso peso, se define como el promedio del
cuadrado de las desviaciones de los valores
de la muestra respecto de la media muestral
que da un valor de 0,11 y la desviación típica
es muestral de una variable peso se define
como la raíz cuadrada positiva de su
varianza muestral que es 0,3435.
3. ¿En qué grupo hay más variabilidad del peso de los recién nacidos, en las madres
fumadoras o en las madres no fumadoras durante el embarazo? ¿En qué grupo será
más representativo el peso medio?
Interpretacion: La variabilidad que mas hay
en el peso de los recien nacido es la de
maadres que si fuman urante el embarazo
que es de 0,1065.

4. ¿Qué variable presenta más variabilidad relativa, el peso de los recién nacidos o el
Apgar al minuto de nacer?
Interpretación: La variabilidad relativa de la
variable apgar 1 es l que mas rabho de valor
tiene a diferencia de la variable peso que es
de 0,1135 con una diferenci de 0,1387.
 Ejercicio 10. Presión de un tensiómetro.

En este ejercicio aprenderemos a determinar la precisión de un tensiómetro y en general de

cualquier instrumento de medida.

Se quiere comparar la precisión de dos tensiómetros, uno de brazo y otro de muñeca, y

para ello se han realizado 8 medidas repetidas de la tensión arterial de una misma persona
con cada uno de ellos, obteniendo los siguientes valores
en mmHg:
- tens.brazo: 111, 109, 112, 111, 113, 113, 114, 111.
- tens.muñeca: 115, 113, 117, 116, 112, 112, 117, 112.

¿Qué tensiómetro es más preciso?

Desarrollo

Paso 1. Datos Paso 2.Media DesvTip, Coef Variación

Explicación: Con los resultados obtenidos entre los dos tensiómetros podemos notar
diferencias las cuales se relacionan en las medias con una diferencia de 1,25, sus
deviaciones típicas en 0,6275 y un coeficiente con una diferencia de 0,0052, lo cual nos
quiere decir que la variabilidad relativa es más precisa en el tensiómetro de brazo debido a
su poca inestabilidad, esto se debe a que el tensiómetro en el brazo es más preciso porque
mide la presión arterial a nivel del corazón haciéndola más precisa.