¡Descarga Variables ejercicios de bioestadística y más Ejercicios en PDF de Ciencias solo en Docsity!
FACULTAD DE CIENCIAS DE LA SALUD
ESCUELA PROFESIONAL DE OBSTETRICIA
Autor(es):
Guerrero Cruz, Yomaira Yarumy
Ludeña Núñez, Milena Celeste
Neira Aguilar, Ruby
Ticlihuanca Pongo, Dayni Xiomara
Barboza Chavil Leyson Alexis
UNIVERSIDAD NACIONAL DE PIURA
^ Variable discreta
En lo que va del año 2023, en la ciudad de Piura se registraron 54 muertes maternas en mujeres de
13 a 24 semanas de gestación.
^ Ejercicio 1:
import matplotlib.pyplot as plt import numpy as np
Datos de las muertes maternas
datos = [14, 16, 18, 21, 24, 22, 20, 20, 24, 21, 17, 13, 20, 14, 20, 24, 15, 18, 21, 15, 2 variable = [13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]
Calcular frecuencia absoluta y relativa
frecuencia_absoluta = np.unique(datos, return_counts=True)[1] frecuencia_relativa = frecuencia_absoluta / len(datos) frecuencia_absoluta_porcentual = frecuencia_relativa * 100
Crear la tabla
print("Muertes maternas en mujeres de 13 a 24 semanas de gestación") print("------------------------------------------------------------") #print("{:<15} {:<15} {:<15} {:<15}".format("Variable", "Frecuencia absoluta", "Frecuencia print("{:<15} {:<15} {:<15} {:<15}".format("Xi", "fi", "hi", "hi%")) print("------------------------------------------------------------")
for i in range(len(frecuencia_absoluta)): print("{:<15} {:<15} {:<15} {:<15}".format(variable[i], frecuencia_absoluta[i], round(
Calcular y agregar el total al final de la tabla
total_absoluto = np.sum(frecuencia_absoluta) total_porcentual = np.sum(frecuencia_absoluta_porcentual) print("------------------------------------------------------------") print("{:<15} {:<15} {:<15} {:<15}".format("TOTAL", total_absoluto, "1.0000", round(total_ print("------------------------------------------------------------")
Muertes maternas en mujeres de 13 a 24 semanas de gestación
Xi fi hi hi%
TOTAL 54 1.0000 100
Crear el gráfico de barras
plt.figure(figsize=(10, 6)) plt.bar(range(len(frecuencia_absoluta)), frecuencia_absoluta, color='skyblue') plt.xlabel('Semanas de gestación') plt.ylabel('Frecuencia absoluta') plt.title('Muertes maternas en mujeres de 13 a 24 semanas de gestación') plt.xticks(range(len(frecuencia_absoluta)), variable) plt.show()
import numpy as np from scipy.stats import skew, kurtosis
Mediana
mediana = np.median(datos)
Moda
moda = np.argmax(np.bincount(datos))
Media
media = round(np.mean(datos),2)
Cuartiles
q1 = np.percentile(datos, 25) q2 = np.percentile(datos, 50) q3 = np.percentile(datos, 75)
Varianza y Desviación estándar
varianza = round(np.var(datos),2) desviacion_estandar = round(np.std(datos),2)
Coeficiente de variación
coeficiente_variacion = round((desviacion_estandar / media) * 100,2)
Coeficiente de asimetría
asimetria = round(skew(datos),2)
Medidas de Curtosis
curtosis = round(kurtosis(datos),2)
print("------------------------------------------------------------") print("Mediana:", mediana) print("Moda:", moda) print("Media:", media) print("------------------------------------------------------------") print("Cuartil Q1:", q1) print("Cuartil Q2 (Mediana):", q2) print("Cuartil Q3:", q3) print("------------------------------------------------------------") print("Varianza:", varianza) print("Desviación estándar:", desviacion_estandar) print("------------------------------------------------------------") print("Coeficiente de variación:", coeficiente_variacion) print("Coeficiente de asimetría:", asimetria) print("Medidas de Curtosis:", curtosis) print("------------------------------------------------------------")
Mediana: 19.
Moda: 21
Media: 18.
Cuartil Q1: 15.
Cuartil Q2 (Mediana): 19.
Cuartil Q3: 21.
Varianza: 13.
Desviación estándar: 3.
Coeficiente de variación: 19.
Coeficiente de asimetría: -0.
Medidas de Curtosis: -1.
En el año 2021, en la ciudad de Piura se han registrado 37 niñas y adolescentes menores de 11 a
14 años han sido forzadas a ser madres, pese a los riesgos que supone para su bienestar físico y
psicológico el enfrentar un embarazo a esa edad.
^ Ejercicio 2:
import matplotlib.pyplot as plt import numpy as np
Datos de Edades de adolescentes menores de 11 a 14 años
datos = [11, 13, 11, 12, 13, 11, 12, 11, 14, 12, 13, 14, 14, 11, 14, 13, 12, 14, 13, 14, 1 variable = [11, 12, 13, 14]
Calcular frecuencia absoluta y relativa
frecuencia_absoluta = np.unique(datos, return_counts=True)[1] frecuencia_relativa = frecuencia_absoluta / len(datos) frecuencia_absoluta_porcentual = frecuencia_relativa * 100
Crear la tabla
print("Edades de adolescentes menores de 11 a 14 años") print("------------------------------------------------------------") #print("{:<15} {:<15} {:<15} {:<15}".format("Variable", "Frecuencia absoluta", "Frecuencia print("{:<15} {:<15} {:<15} {:<15}".format("Xi", "fi", "hi", "hi%")) print("------------------------------------------------------------")
for i in range(len(frecuencia_absoluta)): print("{:<15} {:<15} {:<15} {:<15}".format(variable[i], frecuencia_absoluta[i], round(
Calcular y agregar el total al final de la tabla
total_absoluto = np.sum(frecuencia_absoluta) total_porcentual = np.sum(frecuencia_absoluta_porcentual) print("------------------------------------------------------------") print("{:<15} {:<15} {:<15} {:<15}".format("TOTAL", total_absoluto, "1.0000", round(total_ print("------------------------------------------------------------")
Edades de adolescentes menores de 11 a 14 años
Xi fi hi hi%
TOTAL 37 1.0000 100
q3 = np.percentile(datos, 75)
Varianza y Desviación estándar
varianza = round(np.var(datos),2) desviacion_estandar = round(np.std(datos),2)
Coeficiente de variación
coeficiente_variacion = round((desviacion_estandar / media) * 100,2)
Coeficiente de asimetría
asimetria = round(skew(datos),2)
Medidas de Curtosis
curtosis = round(kurtosis(datos),2)
print("------------------------------------------------------------") print("Mediana:", mediana) print("Moda:", moda) print("Media:", media) print("------------------------------------------------------------") print("Cuartil Q1:", q1) print("Cuartil Q2 (Mediana):", q2) print("Cuartil Q3:", q3) print("------------------------------------------------------------") print("Varianza:", varianza) print("Desviación estándar:", desviacion_estandar) print("------------------------------------------------------------") print("Coeficiente de variación:", coeficiente_variacion) print("Coeficiente de asimetría:", asimetria) print("Medidas de Curtosis:", curtosis) print("------------------------------------------------------------")
Mediana: 12.
Moda: 11
Media: 12.
Cuartil Q1: 11.
Cuartil Q2 (Mediana): 12.
Cuartil Q3: 13.
Varianza: 1.
Desviación estándar: 1.
Coeficiente de variación: 8.
Coeficiente de asimetría: 0.
Medidas de Curtosis: -1.
En la ciudad de Piura se registraron 42 casos de cáncer de cuello uterino durante el año 2022,
entre las edades de 24 a 40 años.
^ Ejercicio 3:
import matplotlib.pyplot as plt import numpy as np
Datos de Mujeres con cáncer de cuello uterino
datos = [27, 33, 33, 38, 28, 30, 24, 38, 34, 28, 30, 26, 24, 30, 24, 30, 27, 27, 38, 38, 26, 30, 40, 26, 24, 26, 26, 26, 33, 40, 24, 38, 26, 33, 40, 38, 33, 38, 34, 28, 33, 27] variable = [24, 26, 27, 28, 30, 33, 34, 38, 40]
Calcular frecuencia absoluta y relativa
frecuencia_absoluta = np.unique(datos, return_counts=True)[1] frecuencia_relativa = frecuencia_absoluta / len(datos) frecuencia_absoluta_porcentual = frecuencia_relativa * 100
Crear la tabla
print("Mujeres con cáncer de cuello uterino") print("------------------------------------------------------------") #print("{:<15} {:<15} {:<15} {:<15}".format("Variable", "Frecuencia absoluta", "Frecuencia print("{:<15} {:<15} {:<15} {:<15}".format("Xi", "fi", "hi", "hi%")) print("------------------------------------------------------------")
for i in range(len(frecuencia_absoluta)): print("{:<15} {:<15} {:<15} {:<15}".format(variable[i], frecuencia_absoluta[i], round(
Calcular y agregar el total al final de la tabla
total_absoluto = np.sum(frecuencia_absoluta) total_porcentual = np.sum(frecuencia_absoluta_porcentual) print("------------------------------------------------------------") print("{:<15} {:<15} {:<15} {:<15}".format("TOTAL", total_absoluto, "1.0000", round(total_ print("------------------------------------------------------------")
Mujeres con cáncer de cuello uterino
Xi fi hi hi%
TOTAL 42 1.0000 100
Crear el gráfico de barras
plt.figure(figsize=(10, 6)) plt.bar(range(len(frecuencia_absoluta)), frecuencia_absoluta, color='skyblue') plt.xlabel('Edades') plt.ylabel('Frecuencia absoluta') plt.title('Mujeres con cáncer de cuello uterino') plt.xticks(range(len(frecuencia_absoluta)), variable) plt.show()
Coeficiente de asimetría
asimetria = round(skew(datos),2)
Medidas de Curtosis
curtosis = round(kurtosis(datos),2)
print("------------------------------------------------------------") print("Mediana:", mediana) print("Moda:", moda) print("Media:", media) print("------------------------------------------------------------") print("Cuartil Q1:", q1) print("Cuartil Q2 (Mediana):", q2) print("Cuartil Q3:", q3) print("------------------------------------------------------------") print("Varianza:", varianza) print("Desviación estándar:", desviacion_estandar) print("------------------------------------------------------------") print("Coeficiente de variación:", coeficiente_variacion) print("Coeficiente de asimetría:", asimetria) print("Medidas de Curtosis:", curtosis) print("------------------------------------------------------------")
Mediana: 30.
Moda: 26
Media: 30.
Cuartil Q1: 26.
Cuartil Q2 (Mediana): 30.
Cuartil Q3: 34.
Varianza: 27.
Desviación estándar: 5.
Coeficiente de variación: 16.
Coeficiente de asimetría: 0.
Medidas de Curtosis: -1.
^ Variable nominal
En la Universidad Nacional de Piura las estudiantes de la carrera de Obstetricia realizaron una
encuesta a las señoritas de distintas escuelas universitarias para recopilar datos sobre que
método anticonceptivo utilizan para una actividad sexual responsable.
^ Ejercicio 4:
import matplotlib.pyplot as plt
Datos de la encuesta
total_estudiantes = 70
preservativo = 20 ampolla_mensual = 12 pastillas = 16 diu_hormonal = 14 implante = 8
Crear lista con los métodos anticonceptivos y sus frecuencias relativas
metodos = ['Preservativo', 'Ampolla Mensual', 'Pastillas', 'DIU Hormonal', 'Implante'] frecuencias = [preservativo, ampolla_mensual, pastillas, diu_hormonal, implante]
Crear la tabla
print("{:<20} {:<5} {:<10} {:<10}".format("Método Anticonceptivo", "fi", "hi", "hi%")) print("-" * 45) print("{:<20} {:<5} {:<10.2f} {:<10.2f}".format("Preservativo", preservativo, frecuencia_r print("{:<20} {:<5} {:<10.2f} {:<10.2f}".format("Ampolla Mensual", ampolla_mensual, frecue print("{:<20} {:<5} {:<10.2f} {:<10.2f}".format("Pastillas", pastillas, frecuencia_relativ print("{:<20} {:<5} {:<10.2f} {:<10.2f}".format("DIU Hormonal", diu_hormonal, frecuencia_r print("{:<20} {:<5} {:<10.2f} {:<10.2f}".format("Implante", implante, frecuencia_relativa_ print("-" * 45) total_absoluto = np.sum(frecuencia_absoluta) total_porcentual = np.sum(frecuencia_absoluta_porcentual) print("-" * 45) print("{:<20} {:<5} {:<10} {:<15}".format("TOTAL", total_estudiantes, "1.0000", round(tota print("-" * 45)
Método Anticonceptivo fi hi hi%
Preservativo 20 0.29 28.
Ampolla Mensual 12 0.17 17.
Pastillas 16 0.23 22.
DIU Hormonal 14 0.20 20.
Implante 8 0.11 11.
TOTAL 70 1.0000 100
Crear el gráfico circular
plt.figure(figsize=(8, 8)) plt.pie(frecuencias, labels=metodos, autopct='%1.1f%%', startangle=140, colors=['skyblue', plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. plt.title('Porcentaje de Uso de Métodos Anticonceptivos') plt.show()
import numpy as np from scipy.stats import skew, kurtosis
Datos de la encuesta
preservativo = 20 ampolla_mensual = 12 pastillas = 16 diu_hormonal = 14 implante = 8
Lista con los datos numéricos
datos_numericos = [] for i in range(preservativo): datos_numericos.append(1) for i in range(ampolla_mensual): datos_numericos.append(2) for i in range(pastillas): datos_numericos.append(3) for i in range(diu_hormonal): datos_numericos.append(4) for i in range(implante): datos_numericos.append(5)
Calcular estadísticas descriptivas
mediana = round(np.median(datos_numericos), 2) moda = round(np.argmax(np.bincount(datos_numericos)),2) media = round(np.mean(datos_numericos), 2) q1 = round(np.percentile(datos_numericos, 25), 2) q2 = round(np.percentile(datos_numericos, 50), 2) q3 = round(np.percentile(datos_numericos, 75), 2) varianza = round(np.var(datos_numericos), 2) desviacion_estandar = round(np.std(datos_numericos), 2) coeficiente_variacion = round((desviacion_estandar / media) * 100, 2) asimetria = round(skew(datos_numericos), 2) curtosis = round(kurtosis(datos_numericos), 2)
Imprimir resultados
print("Mediana:", mediana) print("Moda:", moda) print("Media:", media) print("Cuartil Q1:", q1) print("Cuartil Q2 (Mediana):", q2) print("Cuartil Q3:", q3) print("Varianza:", varianza) print("Desviación estándar:", desviacion_estandar) print("Coeficiente de variación:", coeficiente_variacion) print("Coeficiente de asimetría:", asimetria) print("Medidas de Curtosis:", curtosis)
Mediana: 3.
Moda: 1
Media: 2.
Cuartil Q1: 1.
Cuartil Q2 (Mediana): 3.
Cuartil Q3: 4.
Varianza: 1.
Desviación estándar: 1.
Coeficiente de variación: 50.
Coeficiente de asimetría: 0.
Medidas de Curtosis: -1.
En la comunidad de Nueva Esperanza las obstetras llegan hacer un análisis de cuantas veces las
mujeres se realizan un chequeo de cáncer de mama al año, así mismo las orientan para evitar esta
enfermedad tan común y reducir su mortalidad.
^ Ejercicio 5:
import matplotlib.pyplot as plt
Datos de la encuesta
veces_chequeo = ['0 VECES', '1 VEZ', '2 VECES', '3 VECES'] frecuencia_absoluta = [17, 14, 9, 5] frecuencia_porcentaje_circular = [38, 31, 20, 11]
Gráfico circular
plt.figure(figsize=(8, 8)) plt.pie(frecuencia_porcentaje_circular, labels=veces_chequeo, autopct='%1.1f%%', startangle plt.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. plt.title('Chequeos anuales de cáncer de mama') plt.show()
mediana = np.median(chequeos_anuales) moda = int(np.argmax(np.bincount(chequeos_anuales))) media = round(np.mean(chequeos_anuales), 2) q1 = np.percentile(chequeos_anuales, 25) q2 = np.percentile(chequeos_anuales, 50) q3 = np.percentile(chequeos_anuales, 75) varianza = round(np.var(chequeos_anuales), 2) desviacion_estandar = round(np.std(chequeos_anuales), 2) coeficiente_variacion = round((desviacion_estandar / media) * 100, 2) asimetria = round(skew(chequeos_anuales), 2) curtosis = round(kurtosis(chequeos_anuales), 2)
Imprimir resultados
print("Mediana:", mediana) print("Moda:", moda) print("Media:", media) print("Cuartil Q1:", q1) print("Cuartil Q2 (Mediana):", q2) print("Cuartil Q3:", q3) print("Varianza:", varianza) print("Desviación estándar:", desviacion_estandar) print("Coeficiente de variación:", coeficiente_variacion) print("Coeficiente de asimetría:", asimetria) print("Medidas de Curtosis:", curtosis)
Mediana: 1.
Moda: 1
Media: 1.
Cuartil Q1: 1.
Cuartil Q2 (Mediana): 1.
Cuartil Q3: 2.
Varianza: 0.
Desviación estándar: 0.
Coeficiente de variación: 65.
Coeficiente de asimetría: 0.
Medidas de Curtosis: -0.
^ Variable Continua
Desde el distrito de Sondorillo se realiza llamadas telefónicas por parte de MARIA para
comunicarse de manera urgente con su hijo que estudia obstetricia en la UNP, un determinado día,
han tenido la siguiente duración, en segundos:
^ Ejercicio 6:
import numpy as np import matplotlib.pyplot as plt
Datos de duración de las llamadas telefónicas en segundos
duraciones = [120, 131, 142, 157, 15, 27, 94, 57, 62, 12, 49, 58, 149, 210, 120, 131, 97, 84, 61, 32, 15, 7, 21, 32,
Clase Frecuencia
64, 124, 56, 73, 114, 169, 201, 134, 62, 93, 42, 58]
a) Agrupar los datos en 8 clases
num_clases = 8 rango_datos = max(duraciones) - min(duraciones) ancho_clase = rango_datos / num_clases
Crear los límites de las clases
limites_clases = [min(duraciones) + i * ancho_clase for i in range(num_clases)] limites_clases.append(max(duraciones) + 1)
b) Formar la tabla de frecuencias completa
frecuencias, bins = np.histogram(duraciones, bins=limites_clases) clases = [f"{int(limites_clases[i])}-{int(limites_clases[i+1]-1)}" for i in range(len(limi
Imprimir la tabla de frecuencias completa
print("Clase\t\tFrecuencia") for clase, frecuencia in zip(clases, frecuencias): print(f"{clase}\t\t{frecuencia}")
c) Graficar el histograma
plt.figure(figsize=(10, 6)) plt.hist(duraciones, bins=limites_clases, edgecolor='black') plt.title('Histograma de Duración de Llamadas Telefónicas') plt.xlabel('Duración (segundos)') plt.ylabel('Frecuencia') plt.grid(True) plt.show()
Coeficiente de variación: 71.
Coeficiente de asimetría: 0.
Medidas de Curtosis: -0.
En la UNIVERSIDAD NACIONAL DE PIURA, en la escuela profesional de obstetricia, se preguntó a
un grupo de alumnas qué número de horas estudia semanalmente, y se obtuvieron las siguientes
respuestas.
^ Ejercicio 7:
import numpy as np
Datos de horas de estudio semanalmente de las alumnas
horas_estudio = [4, 12, 16, 2, 15, 9, 20, 14, 12, 23, 25, 4, 7, 12, 23, 26, 5, 18, 6, 19, 21, 10, 9, 20, 13, 18, 5, 14, 7, 16, 13, 7, 21, 8, 20, 19, 8, 12, 3, 19]
a) Agrupar los datos en 5 intervalos de igual amplitud
num_intervalos = 5 amplitud = (max(horas_estudio) - min(horas_estudio)) / num_intervalos intervalos = [min(horas_estudio) + i * amplitud for i in range(num_intervalos)] intervalos.append(max(horas_estudio) + 1)
Calcular la marca de clase xi para cada intervalo
marcas_clase = [(intervalos[i] + intervalos[i+1] - 1) / 2 for i in range(num_intervalos)]
b) Crear la tabla de frecuencias absolutas, relativas y acumuladas
frec_absoluta, _ = np.histogram(horas_estudio, bins=intervalos) frec_relativa = frec_absoluta / len(horas_estudio) frec_acumulada = np.cumsum(frec_absoluta) frec_relativa_acumulada = np.cumsum(frec_relativa)
Imprimir la tabla de frecuencias con la marca de clase xi
print("Intervalo \t Marca de Clase\tFrec. Absoluta\tFrec. Relativa\tFrec. Acumulada\tFrec. for i in range(num_intervalos): print(f"[{intervalos[i]}-{round(intervalos[i+1]-1,2)}] \t {round(marcas_clase[i],2)}\t
Intervalo Marca de Clase Frec. Absoluta Frec. Relativa Frec. Acumulada
[2.0-5.8] 3.9 7 0.17 7
[6.8-10.6] 8.7 8 0.20 15
[11.6-15.4] 13.5 11 0.28 26
[16.4-20.2] 18.3 10 0.25 36
[21.2-26] 23.6 4 0.10 40
import numpy as np from scipy.stats import skew, kurtosis
Datos de horas de estudio semanalmente de las alumnas
horas_estudio = [4, 12, 16, 2, 15, 9, 20, 14, 12, 23, 25, 4, 7, 12, 23, 26, 5, 18, 6, 19, 21, 10, 9, 20, 13, 18, 5, 14, 7, 16, 13, 7, 21, 8, 20, 19, 8, 12, 3, 19]
Calcular las estadísticas solicitadas
mediana = np.median(horas_estudio) moda = int(max(set(horas_estudio), key=horas_estudio.count)) media = np.mean(horas_estudio) q1 = np.percentile(horas_estudio, 25) q2 = np.percentile(horas_estudio, 50) q3 = np.percentile(horas_estudio, 75) varianza = round(np.var(horas_estudio), 2) desviacion_estandar = round(np.std(horas_estudio), 2) coeficiente_variacion = round((desviacion_estandar / media) * 100,2) asimetria = round(skew(horas_estudio), 2) curtosis = round(kurtosis(horas_estudio),2)
Imprimir resultados
print("Mediana:", mediana) print("Moda:", moda) print("Media:", media) print("Cuartil Q1:", q1) print("Cuartil Q2 (Mediana):", q2) print("Cuartil Q3:", q3) print("Varianza:", varianza) print("Desviación estándar:", desviacion_estandar) print("Coeficiente de variación:", coeficiente_variacion) print("Coeficiente de asimetría:", asimetria) print("Medidas de Curtosis:", curtosis)
Mediana: 13.
Moda: 12
Media: 13.
Cuartil Q1: 7.
Cuartil Q2 (Mediana): 13.
Cuartil Q3: 19.
Varianza: 43.
Desviación estándar: 6.
Coeficiente de variación: 49.
Coeficiente de asimetría: 0.
Medidas de Curtosis: -1.
^ Variable continua
Estas son las alturas de los alumnos/as de una clase bioestadística de la escuela de obstetricia
de la universidad Nacional de Piura :
^ Ejercicio 8:
import pandas as pd
Alturas de los alumnos/as
alturas = [1.61, 1.50, 1.72, 1.55, 1.68, 1.54, 1.70, 1.78, 1.63, 1.73, 1.51, 1.62, 1.65, 1.68, 1.57, 1.60, 1.55, 1.70, 1.55, 1.77]
