PORTAFOLIO

ELECTRONICO

CURSO ESTADISTICA BASICA

PRESENTADO POR:
JESSICA ARANGO SIERRA
YESSICA PAOLA RESTREPO RADA
KAREN LUCIA TOVAR OTALVARO

PRESENTADO A: TUTOR RAMIRO QUINTERO GARCIA

PORTAFOLIO “FUTUROS EXPERTOS”

PRESENTADO POR:
JESSICA ARANGO SIERRA

KAREN LUCIA TOVAR OTALVARO

YESSICA PAOLA RESTREPO RADA

TUTOR: RAMIRO QUINTERO GARCIA

ADMINISTRACION FINANCIERA

UNIVERSIDAD DEL TOLIMA

ESTADISTICA BASICA

2020
 CONTENIDO:

1. Descripción equipo de trabajo CIPAS “FUTUROS EXPERTOS”

2. Consideración Acuerdo pedagógico

TUTORIA No. 1

1. Preguntas generadoras

2. Taller No. 1 (Pregustas 1 – 5)

TUTORIA No. 2

1. Preguntas Generadoras
2. Taller No. 1 (Preguntas 6 – 10)

TUTORIA No. 3

1. Preguntas generadoras
1. DESCRIPCION CIPAS “FUTUROS EXPERTOS”

Mi nombre es Jessica Arango Sierra, tengo 20 años,

soy de la ciudad de Ibagué, Tolima. Actualmente soy
independiente trabajando.

Me gusta mucho estar compartiendo con mi familia y

mi pareja en mis tiempos libres, me gusta mucho
bailar y ver películas, y siempre disfrutar de mis días.

Mi nombre es Jessica Arango Sierra, tengo 20 años,

soy de la ciudad de Ibagué, Tolima. Actualmente soy
independiente trabajando.

Me gusta mucho estar compartiendo con mi familia y

mi pareja en mis tiempos libres, me gusta mucho
bailar y ver películas, y siempre disfrutar de mis días.

Soy Yessica Paola Restrepo Rada, tengo 26 años, nací

en Planadas Tolima. Soy Tecnóloga en Gestión de
procesos Administrativos de Salud egresada del SENA-
REGIONAL TOLIMA. Actualmente soy Analista de
Servicio al Cliente II en Salud Total EPS.

Me encanta disfrutar el tiempo con mi hija y mi familia,

leer, escuchar música, bailar, ver películas, vender
cosas que me generen ingresos adicionales, y me
gusta siempre poder ayudar los demás.
 2. CONSIDERACIÓN ACUERDO PEDAGÓGICO

La estadística significa ciencia del estado y emana del término alemán Statistik, en
sus comienzos utilizaban exclusivamente con fines estatales, los gobiernos tenían la
necesidad por motivos de organización, conocer las características de su
población para gestionar varias labores como pago de impuestos, reclutamientos
de soldados, reparticiones de bienes, prestación de servicios públicos entre otros.
De esta manera establecieron herramientas para recoger y procesar la información
y datos obtenidos, ósea hacer estadísticas sobre la población.

Cuando nos mencionan estadística, la mayoría de personas lo asociamos a datos,

columnas, números, graficas, etc. Esto pasa por que los métodos estadísticos se
aplican en todas las áreas del conocimiento, con el fin de producir información útil
mediante el adecuado manejo de datos con el fin de llevarnos a tomar mejores
decisiones minimizando los riesgos.

El objetivo principal de la estadística es ofrecer información en forma conveniente,

útil y comprensible, para que así se puedan realizan comparaciones entre una o
varias informaciones de un fenómeno objeto de estudio, teniendo como finalidad
ayudar a la toma de decisiones. De esta manera relacionamos que el éxito de una
empresa pende en gran medida del valor que le demos a los datos históricos, estos
nos generan ideas para así sacar nuestras conclusiones y tomar decisiones en
apoyo al mejoramiento continuo de las organizaciones.

La estadística podemos aplicarla en cualquier plano, no importa que tan sencillo o

complejo pueda ser, entre más complejo más ayuda nos puede ofrecer para dar
resolutividad a dicha situación o para darle relevancia a una afirmación. A través
de la estadística podemos representar y tratar los datos desde un análisis sencillo
pero muy esencial en todo estudio. Los resultados derivados dejan realizar una
comparación de teoría o hipótesis planteadas.

De esta manera el curso busca complementar nuestro perfil como Administradores

Financieros en la formación profesional, consolidando la información teórica con la
práctica, para que así, al momento de enfrentarnos en el campo de aplicación
podamos contribuir con el desarrollo administrativo, económico, político, social,
ambiental y cultural del país mediante la formación investigativa sustentada por la
estadística. Cuando se logremos cumplir con los estándares que exige el área
podemos realizar un análisis y diagnóstico del objeto estudio.

Variables

Una variable es la expresión simbólica representativa de un elemento no

especificado comprendido en un conjunto. Este conjunto constituido por todos los
elementos o variables, que pueden sustituirse unas a otras es el universo de
variables. Se llaman así porque varían, y esa variación es observable y medible.
Variables cualitativas como su nombre lo indica 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 dicotómicas cuando sólo pueden tomar dos
valores posibles, o ser politómicas cuando pueden adquirir tres o más valores.
Variable cualitativa ordinal o 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 Variable cualitativa
nominal: En esta variable los valores no pueden ser sometidos a un criterio de orden.
Variables cuantitativas Son las variables que toman como argumento cantidades
numéricas, son variables matemáticas.

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
 TUTORIA 1

Preguntas Generadoras
¿Cómo relacionar información obtenida en las actividades de la Administración
Financiera con uso del pensamiento estadístico, para analizar y resolver problemas
del contexto empresarial?

Respuesta: La implementación de la estadística es fundamental a efecto de

gestionar y mejorar las actividades de la empresa. El administrador financiero debe
de contar con bases estadísticas y matemáticas; reuniendo así la información
cuantitativa para organizarla, presentarla, analizar, e interpretar los datos
numéricos con el fin de realizar una toma de decisiones.

¿Cómo interpretar información obtenida en la actividad empresarial representada

textual o gráficamente para lograr una adecuada toma de decisiones?

Respuesta: Por medio de la planeación, organización, dirección y control.

Analizando e interpretando los datos pasados, así se interpreta si la empresa
presenta crecimiento o perdida.

¿De qué manera analizar información en problemas financieros para construir

modelos estadísticos que permitan resolver una situación?

Respuesta: El análisis estadístico nos permite analizar datos, este tiene como
objetivo reunir, organizar, analizar e interpretar datos a partir de medidas o
modelos. El análisis financiero se divide en dos: estadística descriptiva y la
inferencial.

¿Qué procedimientos son utilizados para la óptima recolección de la información

y descripción adecuada de la misma?

Respuesta: Los procedimientos más usados son:

Obtención de datos

Clasificación

Presentación

Interpretación

Descripción

Generalizaciones

Comprobación de hipó tesis

por su aplicación.
Toma de decisiones
 ¿Qué mecanismo se debe utilizar para analizar y reportar a la comunidad
académica la información obtenida en la actividad empresarial?

Respuestas: Las variables cualitativas y cuantitativas se estudian mediante la

recolección de datos. La recolección de datos son los resultados que se observan
para estas variables, evaluando detalladamente la información que se obtiene y
llevando a cabo un análisis.

1.Preguntas generadoras

1. ¿Qué ventajas trae el conocimiento de la historia de la Estadística en los

futuros desarrollos teórico-prácticos de la investigación en los ámbitos
administrativos, económicos y financieros?

La estadística es un asiento del conocimiento práctico y real, tiene una intervención

directa es lo social, económico, administrativo y financiero por su utilidad práctica
ya que es mucho más comprensible que lo que pasa con otras ciencias exactas
como la matemática. La estadística tiene aplicaciones concretas en las empresas
en el marco de los criterios de la administración, podemos evaluar la calidad y la
productividad orientado en la toma de decisiones ya que proporcionan elemente
de confiabilidad que científicamente sustentan la decisión tomada. La estadística
se convierte en una ciencia que nos permite planificar en la búsqueda y
producción de la información, organizando y sistematizándola para un previo
análisis y descripción del objeto de estudio. Una vez se obtenga la información
organizada podemos realización una estimación o hipótesis para llevarnos a tomar
decisiones acertadas sobre el tema de estudio o problema específico.

Esto es muy importante ya que la estadística se convierte en una ciencia que nos
permite conocer a un nivel mucho mejor nuestro entorno, es por eso que todos
estos datos los podemos utilizar para realizar proyectos de diferente tipo o para la
planificación de acciones necesarias que pueda mejorar la situación o mantenerla
en el caso de que sea positiva,

Situándonos como analistas financieros en una empresa, Su cometido consiste en el

manejo de los datos numéricos, Para su interpretación y valoración es indispensable
implementar los métodos estadísticos, se pueden citar índices de precios, análisis de
mercados, estimación de demanda y las series temporales, constituyendo una fuerte
ventaja competitiva en el ámbito en el que nos encontremos.

2. ¿Cómo y cuándo se deben aplicar los distintos tipos de variables para

mostrar las características adecuadas de una población o muestra
estadística? ¿Cuáles son sus ventajas y desventajas?
En ocasiones donde no es posible realizar un censo, podemos utilizar una muestra
comprendiendo por tal una parte representativa de la población objeto de
estudio. Esta herramienta de investigación cuya función es resolver que parte de la
población debemos examinar. Dicha muestra debe ser una representación
adecuada de la población, en la que se representa los rasgos que necesitamos en
dicha población y que son de mucha importancia para la investigación. Debe
cumplir con similitudes o diferencias encontradas en la población, ósea ilustrar las
características de esta.

No debemos hacer conclusiones muy generales a partir de la observación de solo

una parte de la población de la muestra, ni poblaciones mucho más grandes de
la que se tomó la muestra para el objeto de nuestro estudio
 2. TALLER No. 1
1. Construir las tablas de frecuencia para el peso y la estatura de los
estudiantes del curso.
2. Construir las gráficas respectivas
3. Calcular: la media, moda y mediana del peso y la estatura
4. Calcular: Rango, varianza, desviación estándar y coeficiente de variación
del peso y la estatura
5. Analizar cada uno de los resultados obtenidos entre los puntos 1 al 5

2.1 Construir tablas de frecuencia para el peso y la estatura de los estudiantes del
curso
Tabla N. 1 Base de datos del curso 0803-IV-02

APELLIDOS Y NOMBRES COMPLETOS Xi Yi

estatura peso
(mts) (kgrs)
Sharoon Dayanna Guzmán Guzmán
1 (R.Curso) 1,63 56
2 Ricardo Andrés Hernández Cucanchon 1,7 65
3 Anibal Castellon Echeverry 1,84 104
4 Jeferson Lugo Millan 1,7 53
5 Maria Alejandra Rodriguez Varela 1,65 70
6 David Leonado Cáceres Pérez 1,71 65
7 wilson Andres Barrero 1,73 65
8 Yeisson Fabian Tamayo Mendez 1,75 86
9 Katherine Mora Reyes 1,53 51
10 viky alejandra guzman alvis 1,57 62
11 Padilla Garcia Edinson Jose 1,73 86
12 Alfonso Guerrero Juana Alfonso 1,57 53
13 Norma Yisela Lozano Mendez 1,59 70
14 Angie Daniela Ordoñez Bernal 1,6 59
15 Liseth Fernanda Patiño otavo 1,63 50
16 Walter Sebastian Borda Bonilla 1,82 78
17 Angie Carolina Varon Bonilla 1,64 51
18 Julieth Pauline Melo Brochero 1,58 54
19 Jhonny fabian reyes diaz 1,83 78
20 Anyi Carolina Valencia Vasquez 1,62 50
21 Shery Tatiana Céspedes Tinjacá 1,6 55
22 karen lucia tovar otalvaro 1,57 50
23 Jessica Arango Sierra 1,59 53
24 Carlos Esteban Rojas Delvasto 1,7 70
25 Yeimy Lorena Beltran Hurtado 1,68 70
26 Roger Mur Patiño 1,78 67
 27 Gina Valentina Vidales Tellez 1,5 45
28 Sergio Alejandro Ramirez Cuenca 1,78 74
29 Andrea Del Pilar Lopez Reinoso 1,8 65
30 Nury Estefanny Calvache Daza 1,62 55
31 Omar Sebastián Vargas Naranjo 1,67 52
32 Diana Marcela Peñaloza Quiñones 1,6 55
33 Losada Gualtero Julio Cesar 1,7 80
34 Wilson Eduardo Malagon Roa 1,78 78
35 Diego Fernando Tribiño Lozano 1,65 70
36 Yessica Paola Restrepo Rada 1,57 56

Tabla N. 2 Distribución absoluta De la estatura (Mts) de los estudiantes del curso 0803-
IV-02

Variación Absoluta Estatura Estudiantes de IV

ADM.FINANCIERA
Frecuencia Frecuencia Frecuencia
Frecuenci Frecuencia Frecuenci
Estatura Absoluta Relativa Porcentual
a absoluta Relativa(hi a
(Xi) acumulad acumulad acumulad
(Fi) ) (hi=Fi/n) Porcentual
a a a
1.50 1 1 0 1 3% 3%
1.53 1 2 0 1 3% 3%
1.57 4 6 0 1 11% 11%
1.58 1 7 0 1 3% 3%
1.59 2 9 0 1 6% 6%
1.60 3 12 0 1 9% 9%
1.62 2 14 0 1 6% 6%
1.63 1 15 0 1 3% 3%
1.64 1 16 0 1 3% 3%
1.65 2 18 0 1 6% 6%
1.67 1 19 0 2 3% 3%
1.68 1 20 0 2 3% 3%
1.70 4 24 0 2 11% 11%
1.71 1 25 0 2 3% 3%
1.73 2 27 0 2 6% 6%
1.75 1 28 0 2 3% 3%
1.78 3 31 0 2 9% 9%
1.80 1 32 0 2 3% 3%
1.82 1 33 0 2 3% 3%
1.83 1 34 0 2 3% 3%
1.84 1 35 0 2 3% 3%
TOTAL 35 1 100%
Tabla N. 3 Distribución absoluta del peso (kg) de los estudiantes del curso 0803-IV-02

Variacion Absoluta Peso Estudiantes de IV ADM.FINANCIERA

Frecuencia Frecuencia Frecuencia

Frecuencia Frecuancia
Peso (Xi) Absoluta Relativa(hi) Relativa
absoluta (Fi) Porcentual
acumulada (hi=Fi/n) acumulada

45 1 1 1 1 100%
50 4 5 0 1,114285714 11%
51 2 7 0 1,171428571 6%
52 1 8 0 1,2 3%
53 3 11 0 1,285714286 9%
54 1 12 0 1,314285714 3%
55 3 15 0 1,4 9%
56 1 16 0 1,428571429 3%
59 1 17 0 1,457142857 3%
62 1 18 0 1,485714286 3%
65 4 22 0 1,6 11%
67 1 23 0 1,628571429 3%
70 4 27 0 1,742857143 11%
74 1 28 0 1,771428571 3%
78 3 31 0 1,857142857 9%
80 1 32 0 1,885714286 3%
86 2 34 0 1,942857143 6%
104 1 35 0 1,971428571 3%
TOTAL 35 1 100%
Figura No. 1. Distribución absoluta de la estatura (mts) del curso

Variacion Absoluta Estatura Estudiantes de IV

ADM.FINANCIERA
40
35
ESTUDIANTES

30
25
20
15
10
5
0
1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1.
50 53 57 58 59 60 62 63 64 65 67 68 70 71 73 75 78 80 82 83 84
Estatura (Xi) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Frecuencia absoluta (Fi) 1 1 4 1 2 3 2 1 1 2 1 1 4 1 2 1 3 1 1 1 1
Frecuencia Absoluta acumulada 1 2 6 7 9 12 14 15 16 18 19 20 24 25 27 28 31 32 33 34 35
Frecuencia Relativa(hi) (hi=Fi/n) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Figura No. 2. Distribución absoluta del Peso (kg) del curso

Variacion Absoluta Estatura Estudiantes de

IV ADM.FINANCIERA
ESTUDAINTES

160
140
120
100
80
60
40
20
0
10
45 50 51 52 53 54 55 56 59 62 65 67 70 74 78 80 86
4
Frecuencia Relativa(hi) (hi=Fi/n) 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Frecuencia Absoluta acumulada 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
Frecuencia absoluta (Fi) 1 4 2 1 3 1 3 1 1 1 4 1 4 1 3 1 2 1
Peso (Xi) 45 50 51 52 53 54 55 56 59 62 65 67 70 74 78 80 86 104
Título del eje
 2.2 Calcular: media, moda y mediana del peso y estatura

TABLA 4. Resultados medidos de tendencia central del Peso y Estatura de los

estudiantes de 0803-IV-02

MEDICAS DE TENDENCIA CENTRAL

Media 1,67 63,9
Moda 1,7 70
Mediana 1,65 64

2.3 Calcular: Rango, varianza, desviación, estándar y coeficiente de variación

del peso y la estura.

TABLA 5. Resultados medidos de tendencia central del Peso y Estatura de los

estudiantes de 0803-IV.02

V. Max 1,84 104

Rango
V. Min 1,50 45
Varianza 0,00785 166,6319
Desviación Estándar 0,0886 10,4476
Coeficiente de variación 0,05333 0,1635

2.4 Analizar casa uno de los resultados obtenidos entre el punto 1 a 5

Coeficiente de variación 0,05333 0,1635

Analisis
Media: Podemos analizar que en los 36 estudiantes la estatura media es
1,67 Mts y el peso medio es de 63,9 Kgs.

Moda: Se puede evidenciar que en los estudiantes de Administración

Financiera estatura es 1,70 mts y el peso es 70 kg.

Mediana: En esta medida podemos analizar la estatura es de 1,65 mtsy el

peso es de 64 kg.

14
Rango: Podemos analizar que el rango de estatura se encuentra 1,55 y 1,78
mts, el rango de peso entre 51 y 83 kg.

Varianza: Se evidencia que la varianza para la estatura es 0,00785 y para el

peso 166,6319.

Desviación Estándar: Para esta variable se puede analizar que para la

estatura es de 0,0886 y el peso 10,4476.

Coeficiente de variación: Podemos analizar que para esta variable la

estatura es de 0,05333 y el peso es de 0,1635.

Análisis Estatura

Analizando los resultados dados por la tabla de frecuencias podemos

denotar que de los 36 estudiantes de Administración Financiera grupo 1, un
6% de los estudiantes miden 1,50 y 1,53 mts, 11% mide 1,57 mts, un 25% mide
entre 1,58 y 1,62 mts, un 18% mide del 1,63 mts al 1,68 mts y un 11% mide entre
1,70 mts. El 12% mide de 1,71 mts al 1,75 mts. Vemos que 3 estudiantes miden
1,78 mt, el 12% mide del 1,80 mt al 1,84.

Análisis Peso

Analizando los resultados dados por la tabla de frecuencias podemos

denotar que de los 36 estudiantes de Administración Financiera grupo 1, 1
estudiante pesa 45 kg, un 11% de los estudiantes pesa 50 kg, 21% pesa entre
51 y 54 kg, un 9% pesa 55 kg y un 9% pesa entre 56 y 62 kg. Vemos que 4
estudiantes pesan 65 kg, un 24% pesa de 67 kg y 78 kg y un 12% pesa entre
80 kg y 104 kg.

15
Distribución acumulada:

estatura 01-CAT
Distribucion
(mts) IBAGUÉ.
acumulada
del curso B2020de Estatura
la (Xi)Absoluta
de 0808-IV-
10
30
0
estatura 01-CAT
Distribucion
(mts) IBAGUÉ.
acumulada
del curso B2020
de de Frecuencia
la (Xi)Absoluta
acumulada
0808-IV-
6 7 01-CAT IBAGUÉ. B2020
20
40
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
Frecuencia
30
0 3 4 5Distribucion
estatura 8 9(mts) acumulada
del curso de de la (Xi)Absoluta
acumulada
0808-IV-
Estatura
20
40
10
30
0
1 2
estatura 01-CAT
3 4 5Distribucion
6 7 8 9(mts) IBAGUÉ.
1011 12131415 16171819
acumulada
del curso B2020
2021
de de Frecuencia
la (Xi)Absoluta
acumulada
0808-IV-
Estatura
3 4 5 6 7 01-CAT IBAGUÉ. B2020
20
40
10 1 2 1011 12131415 16171819 2021
30 Frecuencia
acumulada
0
20
40
10
30
1 2 estatura 8 9(mts)
01-CAT del
IBAGUÉ.curso de
B2020
101112131415161718192021 0808-IV-
Estatura
Frecuencia
acumulada(Xi)Absoluta
0
20
40
10
30
0
1 2 estatura
3 4 5 6 7 8 9(mts)
01-CAT del
IBAGUÉ.
1011 12131415 curso
16171819 de
B2020
2021 0808-IV-
Estatura
Frecuencia
acumulada
Estatura (Xi)Absoluta
20
40
10
30
0
1 2
01-CAT IBAGUÉ. B2020
3 4 5 6 7 8 9 1011 12131415 16171819 2021
Frecuencia
acumulada
Estatura (Xi)Absoluta
20
40
10
30
0
20
40
10
1
1
2
2 01-CAT IBAGUÉ. B2020
3 4 5 6 7 8 9 1011 12131415 16171819 2021
3 4 5 6 7 8 9 1011 12131415 16171819 2021
Frecuencia
acumulada
Estatura (Xi)Absoluta
30
0 Frecuencia
acumulada
Estatura (Xi)Absoluta
20
40
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
30
0 Frecuencia
acumulada
Estatura (Xi)Absoluta
20
40
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
30
0 Frecuencia
acumulada
Estatura (Xi)Absoluta
20
40
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
30
0 Frecuencia
acumulada
Estatura (Xi)Absoluta
20
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
30
0 Frecuencia
acumulada
Estatura (Xi)Absoluta
20
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
30
0 Frecuencia
acumulada
Estatura (Xi)Absoluta
20
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
0 Frecuencia
acumulada
Estatura (Xi)Absoluta
20
10
1 2 3 4 5 6 7 8 9 101112131415161718192021
0 Frecuencia
acumulada Absoluta
20
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
0 Frecuencia
acumulada Absoluta
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
0 Frecuencia
acumulada Absoluta
10 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
0 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021 acumulada
0 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
0 1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021
1 2 3 4 5 6 7 8 9 1011 12131415 16171819 2021

del curso de acumulada

Distribucion 0808-IV-01-CAT
B2020 del peso IBAGUÉ.(kg)
80
40
0
100 del curso
Distribucion de 0808-IV-01-CAT
B2020
acumulada del IBAGUÉ.
Frecuencia
(Xi) Absoluta
acumulada
Peso
peso (kg)
60
20
120
80
40
0
100
1
del
57 8
curso
11 12
Distribucion
15
de
16 17
0808-IV-01-CAT
18 22 23 27
B2020
acumulada
28 31 32 34 35
22 23 27 28 31 32 34 del IBAGUÉ.
Frecuencia
(Xi) Absoluta
acumulada
Peso
peso (kg)
60
20
120
80
40
0
100
1
del
5
curso
Distribucion de
7 8 11 12 15 16 17 18
0808-IV-01-CAT
B2020
acumulada
35
27 28 31 32 34 del IBAGUÉ.
Frecuencia
peso (Xi) Absoluta
acumulada
Peso
(kg)
60
20
120
80
40
0
100
1
del
5
curso
Distribucion de
7 8 11 12 15 16 17 18
0808-IV-01-CAT
22 23
B2020
acumulada
35
22 23 27 28 31 32 34 del IBAGUÉ.
Frecuencia
Peso
peso (Xi) Absoluta
acumulada
(kg)
60
20
120
80
40
0
100
1
del
5
curso de
7 8 11 12 15 16 17 18
0808-IV-01-CAT
B2020 35
IBAGUÉ.
Frecuencia
Peso (Xi) Absoluta
acumulada
60
20
120
80
40
0
100
1
del
5
curso de 0808-IV-01-CAT
7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
B2020 IBAGUÉ.
Frecuencia
Peso (Xi) Absoluta
acumulada
60
20
120
80
40
0
100
60
1
1 del
5
5 curso de 0808-IV-01-CAT
7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
B2020
7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 IBAGUÉ.
Frecuencia
(Xi) Absoluta
acumulada
Peso
20
120
80
40
0
100
60 1 5 B2020
7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
Frecuencia
Peso (Xi) Absoluta
acumulada
20
120
80
40
0
100
60
20
120
80
40
1 5 B2020
7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
Frecuencia
Peso (Xi) Absoluta
acumulada
Frecuencia
acumulada Absoluta
0
100
60 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 Peso (Xi)
20
120
80 Frecuencia
40
0
100
60 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 Peso (Xi) Absoluta
acumulada
20
120
80 Frecuencia
40
0
100
60 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 Peso (Xi) Absoluta
acumulada
20
120
80 Frecuencia
40
0
100
60 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 Peso (Xi) Absoluta
acumulada
20
80 Frecuencia
40
0
100
60 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 Peso (Xi) Absoluta
acumulada
20
80 Frecuencia
40
0
60 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 Peso (Xi) Absoluta
acumulada
20
80 Frecuencia
40
0
60 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 Peso (Xi) Absoluta
acumulada
20
40 Frecuencia
acumulada Absoluta
0
60
20 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
40
0 Frecuencia
acumulada Absoluta
20 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
40
0 Frecuencia
acumulada Absoluta
20 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
0 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35 acumulada
20
0 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
0 1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35
1 5 7 8 11 12 15 16 17 18 22 23 27 28 31 32 34 35

16
 TUTORIA 2.

Pregunta problema

¿Como hacer relaciones y usar información desde el pensamiento estadístico para

analizar y resolver problemas en contexto?

La manera de razonar con ideas estadísticas consiste en realizar inferencias o

deducciones y utilizarlas en la solución de problemas propios del campo, el
pensamiento estadístico consiste en la forma en que piensa un estadístico
profesional.

Implica en saber cómo, dónde y por qué llevar a cabo una investigación
estadística, así como utilizaron método, aplicar un modelo o idear un diseño
estadístico. El desarrollo del pensamiento estadístico, cubre una parte de la
competencia y el razonamiento estadístico, pero debe incluir otros contenidos
diferentes en particular, los conocimientos y habilidades para llevar a cabo
efectivamente investigaciones estadísticas

Preguntas generadoras Unidad 2

1. ¿Qué ventajas trae el conocimiento de la historia de la estadística en los

futuros desarrollos teórico-prácticos de la investigación en los ámbitos
administrativos, económicos y financieros?

La estadística en la actualidad es una herramienta super importante ya que

es una de las ciencias que se consideran más útiles e influyentes en el campo
del conocimiento, es imprescindible y necesaria en muchos ámbitos. En la
cultura financiera nos brinda una herramienta necesaria para identificar y
analizar los factores que influyen en el campo económico y financiero,
repercutiendo en el estado social de las personas colombianas. Es necesaria
en la vida personal ya que a mayor información obtenida mejor capacidad
de conocimiento sobre las finanzas.

2. ¿Cómo y cuándo se deben aplicar los distintos tipos de variables para

mostrar las características adecuadas de una población o muestra
estadística? ¿Cuáles son sus ventajas y desventajas?

Clasificamos el tipo de variables entre cualitativas y cuantitativas, primero saber la

naturaleza de los datos que estamos estudiando, por ejemplo, si corresponde a
naturaleza no numérica la nombramos como variable cualitativa o de atributo por

17
ejemplo cuando nuestro objeto de estudio es una población, podemos determinar
el género, fijación religiosa, tipo de automóvil, estado de nacimiento o color de
ojos. Debemos tener en cuenta que la importancia en la recolección de estos
datos es la cantidad o proporción que caen dentro de cada categoría.

Cuando necesitamos saber; ¿En nuestro curso cuantos estudiantes tienen los ojos
azules? O ¿Cuantos estudiantes son de nacimiento de Ibagué? ¿Cuántos de los
estudiantes tienen carro?

La ventaja de esta variable, es que podemos utilizar este procedimiento para

explicar el mundo, como lo ven las otras personas desde su perspectiva y así
podemos realizar una interpretación de los datos recogidos, esto no requiere ser
metódica o estructurada porque observar o hablar con las personas no requiere
ninguna preparación o conocimiento real. Sin embargo, puede existir un sesgo en
la comprensión de la información recolectada, además pueden juzgar en que la
investigación cualitativa no sea tan exacta como la cuantitativa.

Si el estudio a realizar corresponde a forma numérica, la denominamos variable

cuantitativa. Podemos formular objetos de estudio como: Las edades de los
estudiantes del curso estadística básica. Esta variable puede ser discreta o
continua.

Variable discreta: ¿Cuántos estudiantes hay en el curso estadística grupo 2 y

cuantos en grupo 3? Son resultado de una relación numérica.

Variable Continua: tomamos un valor dentro de un intervalo: ¿Cantidad de

crispetas que trae una bolsa de marca X? ¿Promedio de notas para graduarse?
Son el resultado de las mediciones.

En esta variable podemos aplicar técnicas como; encuestas analística o

experimentos en los que podemos analizar u observar los aspectos de
comportamiento del objeto de estudio midiéndolos de forma estadística. Es
importante para vigilar sesgos y evitar que hagamos una conclusión basado en
presunciones. Con un buen número de respuestas obtendremos los datos
numéricos para aplicar nuestra investigación.

18
TALLER 1
6. En la relación de las dos variables: cual es la dependiente, cual la independiente, sustente
respuesta
7. Haga la gráfica de dispersión de la relación entre las dos variables en estudio
8. Cuál es la mejor curva de regresión? Sustente su respuesta.
9. Calcule el coeficiente de determinación, de correlación y el error estándar estimado.
10. Haga una gráfica donde integre los puntos 7,8 y 9. Haga el análisis respectivo

6.

6. Variables
Estatura (Xi) Peso (Yi)

Variable Variable
Independiente dependiente
o explicativa o Explicada

1,5 45
1,53 51
1,57 50
1,57 53
1,57 56
1,57 62
1,58 54
1,59 53
1,59 70
1,6 55
1,6 55
1,6 59
1,62 50
1,62 55
1,63 50
1,63 56
1,64 51
1,65 70
1,65 70
1,67 52
1,68 70
1,7 53

19
 1,7 65
1,7 70
1,7 80
1,71 65
1,73 65
1,73 86
1,75 86
1,78 67
1,78 74
1,78 78
1,8 65
1,82 78
1,83 78
1,84 104
Error relativo
estándar 8,56829638

Análisis: se puede Determinar que la variable (Xi) “Altura” influye sobre la variable
(Yi) “Peso” en el sentido de que pesos grandes vienen explicados por valores
grandes de altura (Por lo general).

7.

Grafico de Dispersion
120

100

80
PESO(KG)

60

40

20

0
1,5 1,55 1,6 1,65 1,7 1,75 1,8 1,85 1,9
ESTATURA(MTS)

20
Con relación a las variables estatura y peso, se puede establecer que la variable
independiente es la estatura (Xi) y la dependiente (Yi): según la nomenclatura
matemática todos los valores del eje X son independientes y los del eje Y son
dependientes, esto si el análisis se da solo en R2. También se puede observar la
proporcionalidad con que aumenta el peso en la medida que lo hace la estatura.
Por otro lado, la ciencia médica tiene estándares estatura-peso basados en la
estatura de la persona.

Las variables que presenta la actividad son cuantitativas ya que nos brinda una
información numérica, con las cuales podemos realizar operaciones y tablas
representadas gráficamente como la Dependiente X y la Independiente Y cómo
se puede evidenciar en el punto dos del taller, en la gráfica (Frecuencia alumnos
por peso) nos muestra que la variable dependiente es la frecuencia y el
independiente peso. con la información suministrada para el desarrollo del taller
donde la materia de estudio es el grupo 1 de estadística, determinando la
dependiente como el peso por manejarse en números enteros y la independiente
en estatura. ya que su información es dada en decimales.
PESO(KG)
PESO(KG)

8. Grafico de funciones
PESO(KG)

0
60
120 R²R²===0,5839
y = 185,93ln(x)
R² 0,6-2,8099
0,58 30,833
40
100
20 Grafico de(MTS)
funciones y2 =-R²14,979x
= 0,5984
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 1,75 1,8 y = 138,48x
1,85 R² 354,03x
y==111,3x
y =y1,9 0,5913
3,821e
185,93ln(x)
R²
R² 0,6
0,58 -+30,833
268,17
- 1,6786x
121,61
R²===0,5839
120
40
100
20 Grafico de(MTS)
funciones y = 14,979x
y2==-R² = 0,5984 2,8099
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 1,75 1,8 y = 138,48x
1,85 R²
y =y1,9 354,03x
0,5913
3,821e
111,3x
R²
185,93ln(x)
R²
R² === -
0,6
0,5839
0,58 -+30,833
268,17
1,6786x
121,61
120
40
100
20 Grafico de(MTS)
funciones y2 =-R²354,03x
14,979x
= 0,5984 2,8099
PESO(KG)

80
0 1,5 y = 138,48x
yR²
y =1,9y == 0,5913
3,821e
111,3x
R²
185,93ln(x)
R² = -
0,6 + 268,17
1,6786x
121,61
0,58-2,8099
30,833
60
120
40
100
20
1,55 1,6 1,65ESTATURA
Grafico 1,7
de(MTS)1,75 1,8
funciones 1,85 y2 =-R²R²===0,5984
0,5839
14,979x
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 1,75 1,8 y = 138,48x
1,85 R²
y =y1,9 354,03x
y==111,3x
0,5913
3,821e
R²
185,93ln(x)
R²
R² === -
0,6
0,5839
0,58 -+30,833
268,17
1,6786x
121,61
120
40
100
20 Grafico de(MTS)
funciones y2 =-R²354,03x
14,979x
= 0,5984 2,8099
PESO(KG)

80
0 1,5 y = 138,48x
yR²
y =1,9y == 0,5913
3,821e
111,3x
R²
185,93ln(x)
R² = -
0,6 + 268,17
1,6786x
121,61
0,58-2,8099
30,833
60
120
40
100
20
1,55 1,6 1,65ESTATURA
Grafico 1,7
de(MTS)1,75 1,8
funciones 1,85 y2 =-R²R²===0,5984
0,5839
14,979x
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 1,75 1,8 y = 138,48x
1,85 R²
y =y1,9 354,03x
y==111,3x
0,5913
3,821e
R²
185,93ln(x)
R²
R² === -
0,6
0,5839
0,58 -+30,833
268,17
1,6786x
121,61
120
40
100
20 Grafico de(MTS)
funciones y2 =-R²354,03x
14,979x
= 0,5984 2,8099
PESO(KG)

80
0 1,5 y = 138,48x
yR²
y =1,9y == 0,5913
3,821e
111,3x
R²
185,93ln(x)
R² = -
0,6 + 268,17
1,6786x
121,61
0,58-2,8099
30,833
60
120
40
100
20
1,55 1,6 1,65ESTATURA
1,7 1,75 1,8 1,85 y2 =-R²R²===0,5984
0,5839
14,979x
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 y = 138,48x
1,85 R²
y =y1,9 354,03x
y==111,3x
0,5913
3,821e
R²
185,93ln(x)
R²
R² === -
0,6
0,5839
0,58 -+30,833
268,17
1,6786x
121,61
2,8099
40
100
20 y2 =-R²354,03x
14,979x
= 0,5984
PESO(KG)

80
0 1,5 y = 138,48xR²
y =1,9y = 0,5913
3,821e
R²
185,93ln(x)
R² = 0,6 + 268,17
1,6786x
0,58-2,8099
30,833
60
40
100
20
1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 y2 =-R²R²===0,5984
0,5839
14,979x
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 y = 138,48x
1,85 R²
y =1,9y = 354,03x
0,5913
3,821e
R²
185,93ln(x)
R² == 0,6
0,58 -+30,833
268,17
1,6786x
2,8099
40
20 y2 =-R²354,03x
14,979x
= 0,5984
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 y
1,85= 138,48xR²
y =1,9y = 0,5913
3,821e
R²
185,93ln(x)
R² = 0,6 + 268,17
1,6786x
0,58-2,8099
30,833
40
20 ==0,5984
y2 =-R²354,03x
14,979x
PESO(KG)

80
0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 y = 138,48x
1,85 R²
y =1,9 = R²
0,5913
R²
185,93ln(x) == 0,6
0,58 -+30,833
268,17
2,8099
40
20 y2 =-R²354,03x
14,979x
= 0,5984
PESO(KG)

0 1,5
60 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 y = 138,48x
1,85 R²
y =1,9 = R²
0,5913
185,93ln(x) +30,833
268,17
0,58-2,8099
40
20 y = 138,48xR² = R² ==0,5984
y2 =-R²354,03x
14,979x
0,5913 + 268,17
0 1,5
60
40 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 1,9
y = 14,979x= 0,58 2,8099
20
0 1,5 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 y = 138,48x
1,85 R²2 =-R²354,03x
1,9
= 0,5984
0,5913 + 268,17
2,8099
40
20 y = 138,48x y2 =-R²354,03x
14,979x
= 0,5984 + 268,17
0 1,5 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 R² = 0,5913
1,9
40
20 y = 138,48x 2 -R² = 0,5984
354,03x + 268,17
0 1,5 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 R²
1,9 = 0,5913
20
0 1,5 y = 138,48xR²2 =- 354,03x
0,5913 + 268,17
1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 1,9
20
0 1,5 R² = 0,5913
1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 1,9
0 1,5 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 1,9
0 1,5 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 1,9
1,5 1,55 1,6 1,65ESTATURA
1,7 (MTS)1,75 1,8 1,85 1,9

Coef. Coef.
Regresión Ecuación Determinación Correlación
LINEAL y = 111,3x - 121,61 0,5839 0,7641
EXPONENCIAL y = 3,821e1,6786x 0,6 0,7746
LOGARITMICA y = 185,93ln(x) - 30,833 0,58 0,7616
POTENCIAL y = 14,979x2,8099 0,5984 0,7736
y = 138,48x2 - 354,03x +
0,5913 0,7690
POLINOMICA 268,17

21
Gracias a los datos recolectados en el cuadro resumen la mejor línea de tendencia
es la POLINOMICA debido a que el coeficiente de correlación es de 0,59134 .
9.

Medida Lineal Resultado Análisis

El sentido de correlación lineal entre

la variable X y La variable Y es positiva
Coeficiente de Correlación y significativa porque a mayor
0,7641
"R" Estatura mayor Peso.

Si se modifican los datos de mi

Coeficiente de variable Independiente (Estatura) Mi
0,5839
determinación "R2 " variable Dependiente (Peso)
cambiara en un 58%.

Dependiendo de la estatura el peso

Error Estándar Estimado 8,5683
varió un 8.56

22
10.
y=
14,979x2,8099
Estatura (Xi) Peso (Yi)
Y
Variable Variable Y estimado -
Y estimado estimado
Independiente dependiente SE
+ SE
o explicativa o Explicada

1,5 45 46,8038576 53,5682964 38,23556125

1,53 51 49,4820031 59,5682964 40,91370673
1,57 50 53,2036287 58,5682964 44,63533234
1,57 53 53,2036287 61,5682964 44,63533234
1,57 56 53,2036287 64,5682964 44,63533234
1,57 62 53,2036287 70,5682964 44,63533234
1,58 54 54,1613361 62,5682964 45,59303973
1,59 53 55,1300772 61,5682964 46,56178079
1,59 70 55,1300772 78,5682964 46,56178079
1,6 55 56,1099084 63,5682964 47,54161206
1,6 55 56,1099084 63,5682964 47,54161206
1,6 59 56,1099084 67,5682964 47,54161206
1,62 50 58,1030674 58,5682964 49,53477098
1,62 55 58,1030674 63,5682964 49,53477098
1,63 50 59,1165077 58,5682964 50,54821134
1,63 56 59,1165077 64,5682964 50,54821134
1,64 51 60,1412637 59,5682964 51,57296733
1,65 70 61,1773915 78,5682964 52,60909514
1,65 70 61,1773915 78,5682964 52,60909514
1,67 52 63,2839871 60,5682964 54,71569068
1,68 70 64,3545668 78,5682964 55,78627046
1,7 53 66,5305701 61,5682964 57,96227373
1,7 65 66,5305701 73,5682964 57,96227373
1,7 70 66,5305701 78,5682964 57,96227373
1,7 80 66,5305701 88,5682964 57,96227373
1,71 65 67,6361053 73,5682964 59,06780888
1,73 65 69,8825214 73,5682964 61,31422499
1,73 86 69,8825214 94,5682964 61,31422499

23
 1,75 86 72,1764361 94,5682964 63,60813971
1,78 67 75,7073396 75,5682964 67,13904325
1,78 74 75,7073396 82,5682964 67,13904325
1,78 78 75,7073396 86,5682964 67,13904325
1,8 65 78,1219424 73,5682964 69,55364601
1,82 78 80,5855944 86,5682964 72,01729807
1,83 78 81,8359518 86,5682964 73,26765541
1,84 104 83,0987367 112,568296 74,53044035

Yexplicativa estimado -+ SE
0
20
40
60
80
100
120 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 YYVariable
Variable
Explicada
estimado
estimado SE
dependiente oo
Independiente
0
20
40
60
80
100 explicativa
YYVariable estimado
estimado +- SE
SE
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 YExplicada estimado
dependiente oo
0
20 Variable
explicativa
YYY estimado Independiente
-
estimado + SE SE
40
60
80
100 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Variable
Explicada estimado
dependiente oo
0
20 Variable
explicativa
YYY estimado Independiente
estimado +- SE SE
40
60
80
100 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Variable
Explicada estimado
dependiente oo
YVariable
explicativa Independiente
estimado - SE
0
20
40
60
80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 YYVariable
Explicada
estimado
estimado + SE
dependiente o
0
20
40
60
80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 Yexplicativa
YY estimado
Variable
estimado
estimado +- SE
SE
dependiente o
Explicada
YYY estimado - SE
0
20
40
60
80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 estimado + SE
estimado
Variable
Explicada dependiente o
0
20
40
60 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 YYY estimado
estimado +- SE
estimado SE
Explicada
YYY estimado - SE
0
20
40
60 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 estimado
estimado + SE
0
20
40
60 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 YYY estimado
estimado -+ SE
estimado SE
0
20
40 YY estimado
estimado -+ SE SE
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
0
20
40 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 YY estimado
estimado +- SE SE
0
20
40 YY estimado
estimado -+ SE SE
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
0
20 Y estimado - SE
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
0
20 Y estimado - SE
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
0
20 Y estimado - SE
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35

24
UNIDAD 3 – PREGUNTAS GENERADORAS

¿Qué procedimientos son utilizados para la óptima recolección de la información

y descripción adecuada de la misma?
El proceso de investigación y recolección de información contempla 4 niveles;
epistemológico, teórico, metodológico y nivel técnico.
El nivel metodológico corresponde al tipo de estudio (exploratorio, descriptivo,
explicativo). El método de investigación (observación, inducción, deducción,
análisis, síntesis) de técnicas y procedimientos para la recolección de información
(Encuestas, entrevistas, etc.) y al proceso que se va a dar a la información.
En el nivel epistemológico describe la realiza, se plantea el problema, formulamos
preguntas y objetivos de nuestra investigación. En el nivel teórico formulamos
explicaciones realizamos una construcción teórica, En cuando al nivel
metodológico se definen procedimiento y diseñamos nuestra metodología. Y
finalmente en el nivel técnico manipulamos la realiza producimos conocimiento
con base a conclusiones o propuestas.
Para realiza una correcta recolección de información debemos planear un paso a
paso, siendo coherentes de esta manera podemos obtener resultados que sean
favorables para el logro de nuestro objetivo. La búsqueda de la información se
realiza con base en los elementos del problema, el planteamiento de preguntas
relevantes. Las variables intervinientes en el proceso y los indicadores que permiten
operacionalizarlas. Es necesario el investigador y los responsables tengan dominio
conceptual y teórico del tema objeto de la investigación como de la población a
estudiar para minimizar la posibilidad de que se presente sesgos en esta etapa.
En un proceso investigativo se puede generar gran cantidad de información, de
sea que un plan bien preparado para el manejo de los datos sea de gran
importancia

¿Cómo y cuándo se deben aplicar las medidas de centralización, de dispersión y

deforma para mostrar las características adecuadas de una población o muestra
estadística? ¿Cuáles son sus ventajas y desventajas?

Las medidas de tendencia central son medidas estadísticas que pretenden resumir
en un solo valor a un conjunto de valores, Representan un centro en torno al cual
se encuentra ubicados el conjunto de los datos, Las mas utilizadas son media,
mediana y moda. Las medidas de dispersión en cambio miden el grado de
dispersión pretenden evaluar en que medida los datos difieren entre si. De esta
forma ambos tipos de medidas usadas con conjunto permiten describir un conjunto
de datos entregando información acerca de su posición y su dispersión.
En las medidas de tendencia central:
Conllevan información respecto al valor promedio de un conjunto de valores. Las
tres medidas de tendencia central de central uso frecuente son la media, moda y
la mediana.
Para encontrar la media aritmética, sumamos los valores y resultados los dividimos
entre el número de observaciones o datos.
Desventaja: Los valores de los extremos afectan a los demás valores.
- La mediana en el valor que queda en el centro de los datos, una vez sean
ordenados en forma ascendente o descendente.

25
Ventaja: No se afecta por valores extremos, es fácil de entender, se puede calcular
a partir de cualquier tipo de datos, y se puede hallar incluso cuando los datos son
descripciones cualitativas.
Desventajas: Ciertos procedimientos estadísticos que utiliza la mediana son mas
complejos que los que utiliza la media y como se tiene que ordenar los datos
cuando mas numerosos son estos implica un valor de consumo de tiempo
- Moda: La moda esta localizada en la clase que tiene la mayor frecuencia
Ventajas: se puede utilizar como una posición central para datos tanto cualitativos
como cuantitativos. No se ve afectada por valores extremos, se puede obtener en
datos agrupados aun cuando se tengan clases de extremo abierto.
Desventajas: a menudo no existe un valor modal ya que los datos no se presentan
mas de una vez y puede existir mas de una moda y resulta difícil de interpretar.

Medicas de dispersión:
La media de un conjunto de datos y las demás medidas de tendencia central
indican el centro de una distribución de los datos, pero no proporciona en sí misma
una descripción adecuada de un conjunto de mediciones. Dos conjuntos de
mediciones podrían tener distribuciones de frecuencia muy distintas, pero con la
misma media, por eso para describir los datos de manera adecuada es preciso
definir medicas de variabilidad de datos.
La medica de variabilidad: es útil para comparar la variación relativa de dos
conjuntos de mediciones, pero solo cuando se interpreta en términos de desviación
estándar proporciona información referente a la variación de un solo conjunto.
- Alcance: Rango o recorrido, el alcance es la diferencia entre el más alto y
el mas pequeño de los valores observados.
Desventaja: No nos da ninguna información sobre lo que ocurre entre estos valores
extremos y en consecuencia es de utilidad
- Desviación estándar: nos permite determinar con un buen grado de
precisión donde están localizados los valores de una distribución de
frecuencias con relación a la media.

26
 TALLER TUTORIA 3

11. Cuál es la probabilidad de que hayan estudiantes con estaturas comprendidas

entre 1.56 mts. Y 1.70 mts

DN
6,00

5,00

4,00

3,00

2,00

1,00

0,00
1,45 1,5 1,55 1,6 1,65 1,7 1,75
A1 0,4115
A2 0,1
AP 0,5408
La Probabilidad de que
hayan estaturas entre 1,56
% 54,08% mts y 1,70 mts es de 54, 08%

27
12. Cuál es la probabilidad de que hayan estudiantes con estaturas comprendidas
entre 1.56 mts. Y 1.65 mts

DN
6,00

5,00

4,00

3,00

2,00

1,00

0,00
1,45 1,5 1,55 1,6 1,65 1,7 1,75
A1 0,4115
A2 0,1
AP 0,4986
% 49,86% Probabilidad del 49,86%

13. Cuál es la probabilidad de que hayan estudiantes con estaturas comprendidas

entre 1.69 mts. Y 1.75 mts

5,00
DN

4,00

3,00

2,00

1,00

0,00
1,45 1,5 1,55 1,6 1,65 1,7

A1 -0,0910
A2 0,3
AP 0,2302
% 23,02% Probabilidad del 23,02%

28
14. Cuál es la probabilidad de que hayan estudiantes con estaturas menores de
1.56 mts.

P(x < 1.56) A1 0,4115

5,00
4,50
A2= 0,5 A2 0,5
4,00 AP 0,0885
TÍTULO DEL EJE

3,50
% 8,85%
3,00
2,50
2,00 A1= 0,4115 La probabilidad es de
1,50 8,85%
1,00 AP=
0,50 0,0885
0,00
1,5 1,55 1,6 1,65 1,7 1,75 1,8 1,85 1,9
TÍTULO DEL EJE

15. Cuál es la probabilidad de que hayan estudiantes con estaturas menores de

1.70 mts.

P(x < 1.70)

A1 0,0910
A2 0,5
5,00 AP 0,5910
4,50
% 59.10%
4,00 La probabilidad es de
3,50 59,10%
TÍTULO DEL EJE

3,00
2,50
2,00
1,50
1,00
0,50
0,00
1,5 1,6 1,7 1,8 1,9
TÍTULO DEL EJE

29
16. Cuál es la probabilidad de que hayan estudiantes con estaturas mayores de
1.55 mts.

P(x > 1.55) A1 0,3925

A2 0,5
5,00 AP 0,1075
4,00 % 8,85%
3,00
2,00
La probabilidad es de 8,
1,00 85%
0,00
1,5 1,6 1,7 1,8 1,9

17. Cuál es la probabilidad de que hayan estudiantes con estaturas mayores de

1.74 mts.

A1 0,3264

A2 0,5
AP 0,8264
% 83% R:/Probabilidad del 83%

30
18. Cuál es la probabilidad de que hayan estudiantes con pesos comprendidos
entre 56 kgrs. Y 70 kgs.

A1 -0,2451

A2 0,7019
AP 0,4568
% 46% R:/Probabilidad del 46%

31
19. Cuál es la probabilidad de que hayan estudiantes con pesos comprendidos
entre 56 kgrs. Y 65 kgs.

A1 -0,2451

A2 0,7019
AP 0,5359
% 54% R:/Probabilidad del 54%

32