Documente Academic
Documente Profesional
Documente Cultură
ELECTRONICO
PRESENTADO POR:
JESSICA ARANGO SIERRA
ADMINISTRACION FINANCIERA
ESTADISTICA BASICA
2020
CONTENIDO:
TUTORIA No. 1
1. Preguntas generadoras
TUTORIA No. 2
1. Preguntas Generadoras
2. Taller No. 1 (Preguntas 6 – 10)
TUTORIA No. 3
1. Preguntas generadoras
1. DESCRIPCION CIPAS “FUTUROS EXPERTOS”
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.
Variables
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: 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.
Obtención de datos
Clasificación
Presentación
Interpretación
Descripción
Generalizaciones
1.Preguntas generadoras
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,
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
Tabla N. 2 Distribución absoluta De la estatura (Mts) de los estudiantes del curso 0803-
IV-02
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
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
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
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.
Análisis Estatura
Análisis Peso
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
16
TUTORIA 2.
Pregunta problema
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
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?
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.
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
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
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
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%
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.
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
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.
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