SlideShare una empresa de Scribd logo
1 de 31
Descargar para leer sin conexión
1
CONCEPTOS DE PROGRAMACIÓN Y MÉTODOS ESTADÍSTICOS
JORGELIS PRIMERA, MARÍA JOSÉ D’CROZ, ANDERSON GÓMEZ,
ALEJANDRO LÓPEZ Y NICOLÁS TORRES
ÁREA DE TECNOLOGIA E INFORMATICA
DOCENTE GUILLERMO MONDRAGÓN
INSTITUCIÓN EDUCATIVA LICEO DEPARTAMENTAL
SANTIAGO DE CALI
2023
2
Tabla De Contenido
1. Métodos estadísticos, Población, Muestra…………………………………..……………3
2. Distribución de frecuencias………………….…………………………………………..12
3. Taller de estructuras básicas aplicando pseint…………………………………………...18
4. Representación del algoritmo usando el programa Pseint en modo flexible y muestra del
diagrama de flujo…………………….…………..………………………………………22
5. Laboratorio………………………………………………………………………….…...29
6. Conclusiones………………………………………………………………………….…29
7. Webgrafía…………………………………………………………………………….….30
8. Blogs de los integrantes del grupo………………………………………………….…...31
9. Evidencias del trabajo en grupo…………………………………………………………31
3
1. Métodos Estadísticos, Población, Muestra.
Población: En estadística, el término "población" se refiere al conjunto completo de individuos,
objetos, eventos o medidas que se está estudiando. En otras palabras, la población es el universo
total de lo que se quiere investigar.
En la mayoría de los casos, la población es demasiado grande para poder examinar todos sus
elementos. Por lo tanto, se selecciona una muestra representativa de la población para realizar
inferencias sobre toda la población. Esto se hace utilizando técnicas estadísticas de muestreo.
Es importante tener en cuenta que la definición de población puede variar según el contexto y el
problema específico que se esté abordando. En algunos casos, la población puede ser una entidad
física claramente definida, como la población de un país. En otros casos, la población puede ser
más abstracta, como la población de posibles clientes de una empresa o la población de
estudiantes de una escuela. En cualquier caso, la población es un concepto fundamental en
estadística ya que es el punto de partida para realizar cualquier análisis de datos y obtener
conclusiones válidas.
Muestra: En estadística, una muestra es un subconjunto representativo de la población completa
que se selecciona para ser analizado con el fin de hacer inferencias sobre la población en su
totalidad. La muestra debe ser seleccionada de forma cuidadosa y estratégica para que sea
representativa de la población y permita obtener resultados precisos y confiables.
Para seleccionar una muestra representativa, se pueden utilizar diversos métodos de muestreo,
como el muestreo aleatorio simple, el muestreo estratificado, el muestreo por conglomerados y
4
el muestreo sistemático, entre otros. Cada uno de estos métodos tiene sus ventajas y desventajas,
y se utilizan en función de las características de la población y los objetivos del estudio.
Una muestra representativa es importante ya que permite hacer inferencias sobre la población
completa a partir de la información obtenida de la muestra. Si la muestra no es representativa, es
decir, si no refleja adecuadamente las características de la población, los resultados obtenidos
pueden ser inexactos o engañosos.
En resumen, la muestra es un subconjunto de la población que se selecciona para su análisis en
estadística, y su selección cuidadosa y representatividad son esenciales para la obtención de
resultados precisos y confiables sobre la población completa.
Hipótesis: En estadística, una hipótesis es una afirmación o suposición que se hace sobre un
fenómeno o una relación entre variables, y que se somete a prueba empírica. En general, una
hipótesis se presenta en forma de una declaración que afirma algo sobre las características de
una población o sobre la relación entre dos o más variables.
En la investigación estadística, se utilizan dos tipos de hipótesis: la hipótesis nula y la hipótesis
alternativa. La hipótesis nula (H0) es la afirmación que se quiere probar falsa y que se sostiene
hasta que se rechaza con pruebas estadísticas. Por otro lado, la hipótesis alternativa (Ha) es la
afirmación contraria a la hipótesis nula, que se acepta si se rechaza la hipótesis nula.
Por ejemplo, si se quiere probar si el promedio de edad de los estudiantes de una universidad es
diferente de 25 años, se podría formular la hipótesis nula de que el promedio de edad es igual a
25 años, y la hipótesis alternativa de que el promedio de edad es diferente de 25 años. Luego, se
5
pueden recolectar datos y realizar pruebas estadísticas para determinar si se acepta o rechaza la
hipótesis nula.
Es importante tener en cuenta que la formulación adecuada de una hipótesis es crucial para la
validez de los resultados de la investigación estadística. Una hipótesis debe ser clara, precisa y
estar basada en la teoría o la evidencia previa. Además, la hipótesis debe ser sometida a pruebas
empíricas rigurosas y validadas con técnicas estadísticas apropiadas para obtener conclusiones
válidas y confiables.
Variable: En estadística, una variable es una característica o atributo que se mide, se observa o
se manipula en un estudio o experimento. Las variables pueden ser de diversos tipos,
dependiendo de su naturaleza y su función en la investigación.
Las variables se clasifican en dos tipos principales: variables cualitativas y variables
cuantitativas.
Las variables cualitativas son aquellas que describen o clasifican un fenómeno o una población
en función de sus características no numéricas. Las variables cualitativas pueden ser nominales o
ordinales. Las variables nominales no tienen un orden lógico, como por ejemplo el género o la
ciudad de nacimiento, mientras que las variables ordinales sí tienen un orden lógico, como por
ejemplo la escala de satisfacción (muy insatisfecho, insatisfecho, neutral, satisfecho, muy
satisfecho).
Las variables cuantitativas son aquellas que miden cantidades numéricas. Las variables
cuantitativas pueden ser continuas o discretas. Las variables continuas pueden tomar cualquier
6
valor en un intervalo dado, como por ejemplo la altura o el peso, mientras que las variables
discretas sólo pueden tomar valores enteros, como por ejemplo el número de hijos o el número
de estudiantes en una clase.
Es importante tener en cuenta que las variables son fundamentales en la estadística, ya que
permiten medir y analizar los fenómenos de interés en un estudio o experimento. Además, el tipo
de variable y la forma de medirla son importantes para determinar las técnicas estadísticas
apropiadas para su análisis.
Datos: En estadística, un dato es un valor numérico o un conjunto de valores que se obtienen de
una observación, medición o experimento. Los datos son la materia prima de la estadística y se
utilizan para realizar análisis y tomar decisiones informadas sobre los fenómenos que se
estudian.
Los datos pueden ser de diversos tipos, dependiendo de su naturaleza y su función en el estudio:
Datos cualitativos: Son aquellos que describen o clasifican un fenómeno en función de sus
características no numéricas. Por ejemplo, el género, la profesión, el nivel educativo, etc.
Datos cuantitativos: Son aquellos que miden cantidades numéricas. Los datos cuantitativos
pueden ser de dos tipos:
Datos discretos: Son aquellos que sólo pueden tomar valores enteros. Por ejemplo, el número de
hijos, la cantidad de estudiantes en una clase, etc.
7
Datos continuos: Son aquellos que pueden tomar cualquier valor en un intervalo dado. Por
ejemplo, la altura, el peso, la temperatura, etc.
Una vez que se tienen los datos, se pueden realizar diversos análisis estadísticos para obtener
información relevante y útil sobre los fenómenos que se estudian. Algunos de los análisis más
comunes son la descripción de los datos mediante medidas de tendencia central (como la media,
la mediana o la moda), la variabilidad (como la desviación estándar o el rango intercuartil) y la
relación entre variables (como la correlación o la regresión).
Población: En estadística, la población se refiere al conjunto completo de todos los elementos o
individuos que comparten una característica común y que se desea estudiar. En otras palabras, es
el universo total de lo que se quiere investigar.
La población puede ser de diferentes tipos, como por ejemplo, personas, animales, objetos,
eventos o cualquier cosa que se desee estudiar. Algunos ejemplos de poblaciones podrían ser:
todas las mujeres mayores de 30 años en un país determinado, todas las plantas de una especie
en una región geográfica específica, todas las empresas de un sector económico en un país, entre
otras.
Es importante tener en cuenta que la población en estadística puede ser finita o infinita. En el
primer caso, la población tiene un número finito de elementos que se pueden enumerar o contar,
mientras que en el segundo caso, la población es infinita y, por lo tanto, es imposible contar
todos sus elementos.
8
En cualquier caso, la población en estadística es fundamental, ya que a partir de ella se puede
definir la muestra y realizar inferencias sobre las características de interés. Por lo tanto, es
necesario tener un conocimiento preciso y completo de la población para que los resultados
obtenidos sean representativos y confiables.
Muestra: En estadística, una muestra es un subconjunto representativo de la población que se
selecciona con el fin de realizar un estudio o una investigación. En otras palabras, es un grupo de
individuos, elementos o unidades que se eligen de manera aleatoria o sistemática para
representar la población de interés.
La muestra es importante en estadística porque permite hacer inferencias acerca de la población
completa a partir de los datos recolectados en la muestra. Por ejemplo, si se desea conocer la
opinión de todos los estudiantes de una universidad sobre un tema determinado, no es posible
entrevistar a todos los estudiantes debido a las limitaciones de tiempo y recursos. En su lugar, se
puede seleccionar una muestra representativa de estudiantes y hacer inferencias sobre la opinión
de todos los estudiantes a partir de los resultados obtenidos en la muestra.
La selección de la muestra es un proceso crítico en la investigación estadística, y existen diversas
técnicas para hacerlo, como el muestreo aleatorio simple, el muestreo estratificado, el muestreo
por conglomerados, entre otros. Es importante asegurarse de que la muestra sea representativa de
la población, es decir, que refleje las características y la diversidad de la población de interés.
Nivel de medición nominal: El nivel de medición nominal es el nivel más básico de medición
de variables en estadística. En este nivel, las variables se categorizan o se clasifican en distintas
categorías, pero no se pueden ordenar de forma jerárquica.
9
Las variables nominales no tienen ningún tipo de ordenamiento natural entre las categorías, sino
que simplemente se usan para distinguir entre diferentes grupos o categorías. Ejemplos comunes
de variables nominales pueden ser el género, la religión, la nacionalidad, el tipo de animal, el
color de ojos, entre otras.
En este nivel de medición, se pueden realizar análisis estadísticos básicos, como la frecuencia de
cada categoría, el porcentaje de cada categoría en la muestra, y las tablas de contingencia para
analizar la relación entre dos variables nominales.
Sin embargo, las variables nominales no se pueden utilizar para realizar análisis estadísticos más
avanzados, como la media, la desviación estándar, la correlación, entre otros, porque no hay
ningún ordenamiento jerárquico en las categorías que permita realizar estas operaciones. Por lo
tanto, es importante identificar correctamente el nivel de medición de las variables en un estudio
para poder elegir las técnicas y herramientas estadísticas adecuadas para el análisis.
1.2. Averigua: qué es la estadística, sus ramas y de qué trata cada una
La estadística es una rama de las matemáticas que se ocupa de la recopilación, análisis,
interpretación y presentación de datos numéricos. Su objetivo es resumir y describir la
información para facilitar la toma de decisiones basadas en datos.
10
Las ramas principales de la estadística son las siguientes:
● Estadística descriptiva: esta rama se ocupa de la recopilación, organización y resumen
de datos. Su objetivo es describir y resumir los datos de una manera que sea fácil de
entender.
● Estadística inferencial: esta rama se ocupa de la estimación y predicción de
características de una población a partir de una muestra de datos. Utiliza técnicas como la
teoría de la probabilidad, la distribución de muestras y la regresión para hacer inferencias
sobre la población.
● Estadística aplicada: esta rama se ocupa de aplicar los principios estadísticos a
situaciones prácticas. Incluye áreas como la estadística empresarial, la estadística médica
y la estadística social.
● Estadística matemática: esta rama se ocupa del desarrollo matemático de los principios
estadísticos y su relación con otras áreas de las matemáticas. Incluye áreas como la teoría
de la probabilidad y la inferencia estadística.
● Estadística computacional: esta rama se ocupa del desarrollo de métodos y algoritmos
para la implementación de técnicas estadísticas en la computadora.
Cada una de estas ramas de la estadística trata de diferentes aspectos de la disciplina y se utiliza
en diferentes contextos y aplicaciones.
11
1.2.3. Aplicaciones de la estadística (educación, contaduría, administración, deporte)
La estadística tiene una amplia gama de aplicaciones en diferentes áreas, algunas de ellas son:
● Educación: la estadística se utiliza para analizar los resultados de exámenes, evaluar
programas educativos y realizar estudios de investigación en el campo de la educación.
● Contaduría: la estadística se aplica en la contabilidad para realizar análisis financieros,
como calcular ratios financieros, hacer pronósticos de ventas y gastos, y analizar
tendencias.
● Administración: la estadística se utiliza en la gestión de empresas para tomar decisiones
informadas, realizar estudios de mercado, analizar el desempeño de los empleados y
predecir el comportamiento de los clientes.
● Deporte: la estadística se utiliza para analizar el desempeño de los jugadores y equipos,
pronosticar los resultados de los partidos y evaluar el rendimiento de los deportistas.
Estas son solo algunas de las aplicaciones de la estadística, pero la verdad es que esta disciplina
es utilizada en prácticamente todos los campos donde se requiere la recopilación, análisis e
interpretación de datos para la toma de decisiones informadas.
12
2. Distribución De Frecuencias: Nombre de la variable, Frecuencia absoluta, Frecuencia
relativa porcentual, Equivalencia en grados.
Distribución de frecuencias: La distribución de frecuencias es una forma de organizar y
resumir datos en estadística. Consiste en contar la frecuencia de cada valor o categoría de una
variable y presentarla en una tabla. Para construir una distribución de frecuencias, se siguen los
siguientes pasos: Se recopilan los datos de la variable de interés, se determina el rango de la
variable, es decir, el valor mínimo y máximo que puede tomar la variable, se determina la
amplitud del intervalo o clase, que es la diferencia entre los límites superiores e inferiores de
cada intervalo. Los intervalos deben ser mutuamente excluyentes y exhaustivos, se divide el
rango de la variable en intervalos o clases de igual amplitud, se cuentan las frecuencias de cada
intervalo o clase, es decir, se cuenta la cantidad de observaciones que caen dentro de cada
intervalo , se presenta la información en una tabla de distribución de frecuencias, que incluye los
límites superiores e inferiores de cada intervalo, la frecuencia de cada intervalo, la frecuencia
acumulada y la frecuencia relativa.
La distribución de frecuencias es una herramienta útil para analizar y resumir grandes conjuntos
de datos. Permite identificar patrones y características de los datos, como la moda, la mediana y
la media, y también puede ser utilizada para construir histogramas y gráficos de barras que
ayuden a visualizar los datos de manera más clara.
Nombre de la variable: En una distribución de frecuencias, el nombre de la variable se coloca
en la columna de la izquierda de la tabla. Por lo general, el nombre de la variable se escribe en
una línea separada y encima de la columna, de manera que sea fácilmente visible.
13
El nombre de la variable debe ser descriptivo y específico, para que el lector pueda entender
rápidamente el tipo de datos que se están presentando. Por ejemplo, si se está analizando la edad
de los estudiantes de una escuela, el nombre de la variable podría ser "edad" o "edad de los
estudiantes".
Es importante que el nombre de la variable sea claro y conciso, para que los lectores puedan
entender fácilmente los datos que se presentan en la distribución de frecuencias.
Frecuencia absoluta: La frecuencia absoluta en una distribución de frecuencias es el número de
veces que se observa un determinado valor o intervalo de valores de una variable. En una tabla
de distribución de frecuencias, la frecuencia absoluta se presenta en la columna central de la
tabla, al lado de cada valor o intervalo de valores.
Por ejemplo, si se está analizando la altura de los estudiantes de una clase y se ha dividido en
intervalos de 5 centímetros, se puede tener una distribución de frecuencias como la siguiente:
Altura (cm) Frecuencia absoluta
150 - 154 3
155 - 159 5
14
160 - 164 7
165 - 169 4
170 - 174 1
En esta tabla, la frecuencia absoluta para el intervalo de altura de 155 a 159 cm es de 5, lo que
significa que hay 5 estudiantes que tienen una altura entre 155 y 159 centímetros.
La frecuencia absoluta es importante en la construcción de distribuciones de frecuencia porque
permite contar el número de veces que se observa cada valor o intervalo de valores y, por lo
tanto, ayuda a resumir y analizar grandes conjuntos de datos de manera más eficiente.
Frecuencia relativa porcentual: La frecuencia relativa porcentual es el porcentaje que
representa la frecuencia absoluta de cada valor o intervalo de valores con respecto al total de
observaciones en una distribución de frecuencias. En una tabla de distribución de frecuencias, la
frecuencia relativa porcentual se presenta en la columna de la derecha, al lado de cada valor o
intervalo de valores.
La fórmula para calcular la frecuencia relativa porcentual es:
Frecuencia relativa porcentual = (Frecuencia absoluta / Total de observaciones) x 100%
15
Por ejemplo, si se tiene una distribución de frecuencias de los grados de los estudiantes de una
escuela con 1000 estudiantes, se puede tener una tabla como la siguiente:
Grado Frecuencia absoluta Frecuencia relativa porcentual
6 150 15%
7 300 30%
8 350 35%
9 200 20%
En esta tabla, la frecuencia relativa porcentual para el grado 7 es del 30%, lo que significa que el
30% de los estudiantes están en el grado 7.
La frecuencia relativa porcentual es útil porque permite comparar fácilmente la frecuencia de
cada valor o intervalo de valores con el total de observaciones, y así tener una idea clara de la
proporción de observaciones en cada categoría. Además, al expresarse en porcentajes, es fácil de
entender y comunicar.
16
Equivalencia en grados: La equivalencia en grados en una distribución de frecuencias se utiliza
cuando se está trabajando con variables angulares, como por ejemplo en el caso de la dirección
del viento, la orientación de una construcción o la posición de un objeto.
Para realizar una distribución de frecuencias de variables angulares, se divide el círculo en una
serie de sectores, generalmente de 360 grados, y se cuenta el número de observaciones que caen
en cada sector. Cada sector representa un rango de valores angulares, y la frecuencia absoluta se
registra en la tabla de distribución de frecuencias.
Por ejemplo, si se está estudiando la dirección del viento en una ciudad y se ha registrado la
dirección en grados para cada medición, se puede tener una tabla de distribución de frecuencias
como la siguiente:
Dirección del viento (grados) Frecuencia absoluta
0 - 45 12
46 - 90 8
91 - 135 15
17
136 - 180 10
181 - 225 9
226 - 270 14
271 - 315 11
316 - 360 13
En esta tabla, se han dividido los grados en ocho sectores de 45 grados cada uno, y se ha
registrado el número de observaciones que caen en cada sector.
La equivalencia en grados es importante para poder contar y clasificar las observaciones
angulares de manera adecuada, y así poder analizarlas y presentarlas de manera útil y clara.
18
3. Taller De Estructuras Básicas Aplicando Pseint.
Averigua los siguientes conceptos: ¿Qué diferencia hay entre un contador y un acumulador?
¿Cómo declarar una variable en pseint? los lenguajes pueden ser de tres tipos, favor explique
cada uno, java-python y c++ ¿que representan?
● ¿Qué diferencia hay entre un contador y un acumulador?
Tanto los contadores como los acumuladores son variables utilizadas en programación para
almacenar y actualizar información en función de ciertos eventos o condiciones. Aunque a
menudo se usan en situaciones similares, hay una diferencia fundamental entre ellos.
Un contador se utiliza para contar el número de veces que ocurre un evento o condición
específica. Por ejemplo, un contador puede ser utilizado para contar el número de veces que un
usuario hace clic en un botón en una interfaz gráfica, o el número de veces que un bucle se
ejecuta en un programa. El contador se inicializa con un valor inicial, y cada vez que ocurre el
evento o condición, se incrementa en una unidad.
Por otro lado, un acumulador se utiliza para almacenar una cantidad que cambia gradualmente
en función de ciertos eventos o condiciones. Por ejemplo, un acumulador puede ser utilizado
para sumar una serie de valores, como el total de ventas de un negocio durante un período de
tiempo determinado. El acumulador también se inicializa con un valor inicial, y cada vez que
ocurre un evento o condición relevante, se agrega o resta un valor al acumulador.
En resumen, la principal diferencia entre un contador y un acumulador es que un contador se
utiliza para contar el número de veces que ocurre un evento o condición, mientras que un
19
acumulador se utiliza para almacenar una cantidad que cambia gradualmente en función de
ciertos eventos o condiciones.
● ¿Cómo declarar una variable en pseint?
Para declarar una variable en PSeInt, debes seguir los siguientes pasos:
1. Elegir un nombre para la variable que sea significativo y fácil de recordar.
2. Indicar el tipo de dato que va a almacenar la variable. PSeInt soporta los siguientes tipos
de datos:
● Entero (representa un número entero)
● Real (representa un número decimal)
● Carácter (representa un único carácter)
● Cadena (representa una secuencia de caracteres)
● Lógico (representa un valor de verdadero o falso)
3. Utilizar la palabra reservada "Definir" seguida del nombre de la variable, dos puntos y el
tipo de dato que se va a utilizar. Por ejemplo, si se desea declarar una variable de tipo
entero con el nombre "edad", la declaración de la variable quedaría de la siguiente forma:
Aquí se está definiendo la variable "edad" como un número entero.
20
Es importante recordar que las variables deben ser declaradas antes de ser utilizadas en el
programa. De lo contrario, el programa puede generar errores o comportarse de manera
inesperada
● los lenguajes pueden ser de tres tipos, favor explique cada uno
En informática, los lenguajes de programación se clasifican en tres tipos principales:
1. Lenguajes de programación de bajo nivel (lenguajes de máquina y lenguajes
ensambladores): Estos lenguajes son utilizados por el hardware de la computadora para
ejecutar instrucciones a nivel de circuitos. Son muy eficientes en términos de velocidad y
uso de recursos, pero su sintaxis y complejidad hacen que sean difíciles de entender y
utilizar por los programadores.
2. Lenguajes de programación de nivel intermedio (lenguajes compilados y lenguajes
interpretados): Estos lenguajes están diseñados para ofrecer un equilibrio entre la
facilidad de programación y la eficiencia en la ejecución. Los lenguajes compilados
(como C, C++, Fortran) son traducidos a lenguaje de máquina antes de su ejecución,
mientras que los lenguajes interpretados (como Python, Ruby, JavaScript) son traducidos
a medida que se ejecutan. Estos lenguajes ofrecen una sintaxis más fácil de entender y
utilizar que los lenguajes de bajo nivel, pero pueden ser menos eficientes en términos de
velocidad y uso de recursos.
3. Lenguajes de programación de alto nivel (lenguajes de scripting): Estos lenguajes son
diseñados para ofrecer una sintaxis más sencilla y cercana al lenguaje natural, lo que los
hace fáciles de aprender y utilizar por los programadores. Los lenguajes de scripting
21
(como PHP, Perl, Bash) se utilizan principalmente para la automatización de tareas y el
desarrollo de aplicaciones web, pero también se pueden utilizar para desarrollar
aplicaciones de escritorio. Estos lenguajes son generalmente interpretados y no son tan
eficientes como los lenguajes de nivel intermedio, pero son muy populares debido a su
facilidad de uso y flexibilidad.
Cada tipo de lenguaje de programación tiene sus propias ventajas y desventajas, y se utilizan en
diferentes situaciones según las necesidades del proyecto.
● java-python y c++ ¿que representan?
Java, Python y C++ son lenguajes de programación de nivel intermedio que se utilizan
comúnmente en la industria del software y la programación.
Java es un lenguaje de programación orientado a objetos desarrollado por Sun Microsystems
(ahora propiedad de Oracle). Se utiliza comúnmente en la programación de aplicaciones
empresariales, aplicaciones móviles, juegos y software de servidor. Java se ejecuta en una
máquina virtual Java (JVM), lo que significa que el código se puede ejecutar en cualquier
plataforma que tenga una JVM instalada.
Python es un lenguaje de programación interpretado y de alto nivel. Es conocido por su sintaxis
clara y concisa, lo que lo hace fácil de aprender y utilizar para los principiantes. Python se utiliza
comúnmente en la ciencia de datos, la inteligencia artificial, la automatización de tareas, la
creación de scripts y el desarrollo web. Python es un lenguaje interpretado, lo que significa que
el código se puede ejecutar directamente sin necesidad de compilarlo previamente.
22
C + + es un lenguaje de programación de propósito general y de alto rendimiento desarrollado
por Bjarne Stroustrup. Se utiliza comúnmente en la programación de sistemas, la creación de
videojuegos, la programación de dispositivos embebidos y la programación de aplicaciones de
escritorio. C + + es un lenguaje compilado, lo que significa que el código se debe compilar antes
de que se pueda ejecutar.
Cada uno de estos lenguajes de programación tiene sus propias fortalezas y debilidades, y se
utilizan en diferentes situaciones según las necesidades del proyecto.
4. Represente El Algoritmo Usando El Programa Pseint En Modo Flexible y Muestre
El Diagrama De Flujo, Hacer Las Capturas De Pantalla.
● Toma 2 números, hacer la resta, la multiplicación y la división; muestre el resultado.
● Resta
23
Ejecución
● Multiplicación
24
Ejecución
● División
25
Ejecución
● Calcular el promedio de 4 calificaciones o el promedio de 4 notas.
26
● Hacer un programa que muestre el área y perímetro de un triángulo.
Ejecución
27
● Hacer un programa que muestre el área y perímetro de un círculo.
● Hacer un programa para convertir una temperatura ingresada de Celsius a Fahrenheit.
28
● Hacer un programa para convertir una longitud ingresada en pulgadas a pies.
● Ingresar por teclado el nombre y la edad de cualquier persona e imprima tanto el nombre
como la edad.
29
5. Laboratorio
Completa el laboratorio: cuadro de frecuencias de la variable/ lanzamiento de un dado no
cargado en 25 ocasiones.
6. Conclusiones
● Para concluir, principalmente tomamos como referencia la aplicación de los
conocimientos adquiridos en el aula de clases puestos en práctica en esta actividad. Es
decir, el desarrollo de habilidades de pensamiento y el reconocimiento de las estructuras
básicas de programación junto a los conceptos de estadística. A su vez, realizando todo lo
anterior haciendo uso de los diferentes materiales de apoyo anexados al classroom y
utilizando la herramienta de programación básica “Pseint”.
30
● Recapitulando, este trabajo nos ha permitido conocer y profundizar en el uso de Pseint,
una herramienta de software muy útil para comenzar a aproximarse al lenguaje de
programación en código, y que puede ser la piedra angular para ser capaces de
trasladarlos algoritmos que diseñamos mentalmente a un lenguaje que sea comprensible
por un procesador. Todos los conceptos que investigamos son necesarios y recurrentes en
la programación, por lo que es importante tenerlos presentes, pues estos varían muy poco
o casi nada entre los distintos lenguajes de programación, que aún siendo más complejos
que el que usamos en Pseint, siguen teniendo bases muy similares. Además, tener
conocimientos básicos de programación nos sirven no solo para seguir avanzando en el
aprendizaje de esta, sino también para hallar mejores maneras de afrontar los problemas
que se nos presentan en nuestro día a día.
7. Webgrafía
● https://www.gestiopolis.com/que-es-estadistica-tipos-y-objetivos/
● https://www.lifeder.com/ramas-estadistica/
● https://medium.com/10-goto-10/algoritmos-variables-contadores-y-acumuladores-6d8f7d
1bfbc7
● https://pseint.sourceforge.net/pseudocodigo.php
● https://www.alegsa.com.ar/Dic/variable.php
31
8. Blogs de los integrantes del grupo
● Jorgelis Primera: https://informaticabycarolina.blogspot.com/?m=1
● María José D’croz: https://guanabanof.blogspot.com/
● Alejandro López: https://latecla07.blogspot.com
● Anderson Gómez: https://polly2023.blogspot.com/
● Nicolás Torres: https://hawk906.blogspot.com/
9. Evidencias del trabajo en grupo

Más contenido relacionado

Similar a Trabajo Tecnologia.pdf

Introduccion a la estadistica
Introduccion a la estadisticaIntroduccion a la estadistica
Introduccion a la estadistica
wcartaya
 
Conceptos de programacion y estadistica 11 5 (1)
Conceptos de programacion y estadistica 11 5  (1)Conceptos de programacion y estadistica 11 5  (1)
Conceptos de programacion y estadistica 11 5 (1)
DanielCeronMelendez2
 
Conceptos de programacion y estadistica 11 5
Conceptos de programacion y estadistica 11 5 Conceptos de programacion y estadistica 11 5
Conceptos de programacion y estadistica 11 5
DanielCeronMelendez2
 

Similar a Trabajo Tecnologia.pdf (20)

ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdfESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
 
ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdfESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
 
a. ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
a.  ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdfa.  ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
a. ESTADISTICA DESCRIPTIVA SALUD PUBLICA 22.pdf
 
Conceptos de programación y métodos estadísticos
Conceptos de programación y métodos estadísticos Conceptos de programación y métodos estadísticos
Conceptos de programación y métodos estadísticos
 
Taller 2
Taller 2Taller 2
Taller 2
 
Metodos estadisticos
Metodos estadisticosMetodos estadisticos
Metodos estadisticos
 
Introduccion a la estadistica
Introduccion a la estadisticaIntroduccion a la estadistica
Introduccion a la estadistica
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Tecnologia
TecnologiaTecnologia
Tecnologia
 
Métodos estadísticos y distribución de frecuencias
Métodos estadísticos y distribución de frecuenciasMétodos estadísticos y distribución de frecuencias
Métodos estadísticos y distribución de frecuencias
 
RodriguezGilberto4BAct1.pdf
RodriguezGilberto4BAct1.pdfRodriguezGilberto4BAct1.pdf
RodriguezGilberto4BAct1.pdf
 
RodriguezGilberto4BAct1.pdf
RodriguezGilberto4BAct1.pdfRodriguezGilberto4BAct1.pdf
RodriguezGilberto4BAct1.pdf
 
Conceptos de programacion y estadistica 11 5 (1)
Conceptos de programacion y estadistica 11 5  (1)Conceptos de programacion y estadistica 11 5  (1)
Conceptos de programacion y estadistica 11 5 (1)
 
Conceptos de programacion y estadistica 11 5
Conceptos de programacion y estadistica 11 5 Conceptos de programacion y estadistica 11 5
Conceptos de programacion y estadistica 11 5
 
Conceptos de programacion y estadistica 11 5 (2)
Conceptos de programacion y estadistica 11 5  (2)Conceptos de programacion y estadistica 11 5  (2)
Conceptos de programacion y estadistica 11 5 (2)
 
METODOS ESTADISTICOS3.pdf
METODOS ESTADISTICOS3.pdfMETODOS ESTADISTICOS3.pdf
METODOS ESTADISTICOS3.pdf
 
CONCEPTOS DE PROGRAMACIÓN, MÉTODOS ESTADÍSTICOS.
CONCEPTOS  DE PROGRAMACIÓN, MÉTODOS ESTADÍSTICOS.CONCEPTOS  DE PROGRAMACIÓN, MÉTODOS ESTADÍSTICOS.
CONCEPTOS DE PROGRAMACIÓN, MÉTODOS ESTADÍSTICOS.
 
Metodos estadisticos y distribucion de frecuencias
Metodos estadisticos y distribucion de frecuenciasMetodos estadisticos y distribucion de frecuencias
Metodos estadisticos y distribucion de frecuencias
 
Metodos estadisticos y distribucion de frecuencias
Metodos estadisticos y distribucion de frecuenciasMetodos estadisticos y distribucion de frecuencias
Metodos estadisticos y distribucion de frecuencias
 

Más de AndersonGomez38 (7)

DIAGRAMA PARETO EN EXCEL.pdf
DIAGRAMA PARETO EN EXCEL.pdfDIAGRAMA PARETO EN EXCEL.pdf
DIAGRAMA PARETO EN EXCEL.pdf
 
La electricidad y la electrónica.pdf
La electricidad y la electrónica.pdfLa electricidad y la electrónica.pdf
La electricidad y la electrónica.pdf
 
Desarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamientoDesarrollo de habilidades de pensamiento
Desarrollo de habilidades de pensamiento
 
Tecnologia
TecnologiaTecnologia
Tecnologia
 
Tarea tecnologia
Tarea tecnologiaTarea tecnologia
Tarea tecnologia
 
Tarea tecnología 2
Tarea tecnología 2Tarea tecnología 2
Tarea tecnología 2
 
Actividad 1 tecnologia
Actividad 1 tecnologiaActividad 1 tecnologia
Actividad 1 tecnologia
 

Último

La Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdf
La Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdfLa Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdf
La Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdf
analiticaydatos
 
My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.
My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.
My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.
FeliGamarra1
 
XNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdk
XNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdkXNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdk
XNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdk
JuanmanuelYapitamani
 

Último (15)

La Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdf
La Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdfLa Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdf
La Inteligencia Artificial -AnaliticayDatos-BeatrizGarcia-Abril2024-D.pdf
 
CARTA DE ATENAS 1931 - Infografia Patrimonio
CARTA DE ATENAS 1931 - Infografia PatrimonioCARTA DE ATENAS 1931 - Infografia Patrimonio
CARTA DE ATENAS 1931 - Infografia Patrimonio
 
My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.
My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.
My loft y ciencia uso de My loft. Explica cómo usar My loft para la ucv.
 
Análisis integral de puesto de trabajo AFRO.pdf
Análisis integral de puesto de trabajo AFRO.pdfAnálisis integral de puesto de trabajo AFRO.pdf
Análisis integral de puesto de trabajo AFRO.pdf
 
Guía rápida del uso del paquete estadístico Jamovi
Guía rápida del uso del paquete estadístico JamoviGuía rápida del uso del paquete estadístico Jamovi
Guía rápida del uso del paquete estadístico Jamovi
 
¿Qué es el texto científico? Presentación para la clase de comunicación escri...
¿Qué es el texto científico? Presentación para la clase de comunicación escri...¿Qué es el texto científico? Presentación para la clase de comunicación escri...
¿Qué es el texto científico? Presentación para la clase de comunicación escri...
 
Paisajismo Chino - Vegetacion y su historia
Paisajismo Chino - Vegetacion y su historiaPaisajismo Chino - Vegetacion y su historia
Paisajismo Chino - Vegetacion y su historia
 
Seguridad y privacidad (1).pptx OdayYoah
Seguridad y privacidad (1).pptx OdayYoahSeguridad y privacidad (1).pptx OdayYoah
Seguridad y privacidad (1).pptx OdayYoah
 
Países con mayores líneas de trenes de alta velocidad (2021).pdf
Países con  mayores líneas de trenes de alta velocidad  (2021).pdfPaíses con  mayores líneas de trenes de alta velocidad  (2021).pdf
Países con mayores líneas de trenes de alta velocidad (2021).pdf
 
XNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdk
XNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdkXNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdk
XNXX.pptxjsjssjsjsjjsjsjsjsjjsjejejejkdkdk
 
La semiología se encarga de estudiar los síntomas
La semiología se encarga de estudiar los síntomasLa semiología se encarga de estudiar los síntomas
La semiología se encarga de estudiar los síntomas
 
Pobreza porcentual por etnia para el año (2024).pdf
Pobreza porcentual por etnia para el año (2024).pdfPobreza porcentual por etnia para el año (2024).pdf
Pobreza porcentual por etnia para el año (2024).pdf
 
Análisis comparativo del olivo en los mercados de Noruega, España y Perú
Análisis comparativo del olivo en los mercados de Noruega, España y PerúAnálisis comparativo del olivo en los mercados de Noruega, España y Perú
Análisis comparativo del olivo en los mercados de Noruega, España y Perú
 
Estudio Índice de Igualdad 2024 de Ipsos
Estudio Índice de Igualdad 2024 de IpsosEstudio Índice de Igualdad 2024 de Ipsos
Estudio Índice de Igualdad 2024 de Ipsos
 
Posición global del PIB per cápita Israelí (1948-2024).pdf
Posición global  del PIB per cápita  Israelí  (1948-2024).pdfPosición global  del PIB per cápita  Israelí  (1948-2024).pdf
Posición global del PIB per cápita Israelí (1948-2024).pdf
 

Trabajo Tecnologia.pdf

  • 1. 1 CONCEPTOS DE PROGRAMACIÓN Y MÉTODOS ESTADÍSTICOS JORGELIS PRIMERA, MARÍA JOSÉ D’CROZ, ANDERSON GÓMEZ, ALEJANDRO LÓPEZ Y NICOLÁS TORRES ÁREA DE TECNOLOGIA E INFORMATICA DOCENTE GUILLERMO MONDRAGÓN INSTITUCIÓN EDUCATIVA LICEO DEPARTAMENTAL SANTIAGO DE CALI 2023
  • 2. 2 Tabla De Contenido 1. Métodos estadísticos, Población, Muestra…………………………………..……………3 2. Distribución de frecuencias………………….…………………………………………..12 3. Taller de estructuras básicas aplicando pseint…………………………………………...18 4. Representación del algoritmo usando el programa Pseint en modo flexible y muestra del diagrama de flujo…………………….…………..………………………………………22 5. Laboratorio………………………………………………………………………….…...29 6. Conclusiones………………………………………………………………………….…29 7. Webgrafía…………………………………………………………………………….….30 8. Blogs de los integrantes del grupo………………………………………………….…...31 9. Evidencias del trabajo en grupo…………………………………………………………31
  • 3. 3 1. Métodos Estadísticos, Población, Muestra. Población: En estadística, el término "población" se refiere al conjunto completo de individuos, objetos, eventos o medidas que se está estudiando. En otras palabras, la población es el universo total de lo que se quiere investigar. En la mayoría de los casos, la población es demasiado grande para poder examinar todos sus elementos. Por lo tanto, se selecciona una muestra representativa de la población para realizar inferencias sobre toda la población. Esto se hace utilizando técnicas estadísticas de muestreo. Es importante tener en cuenta que la definición de población puede variar según el contexto y el problema específico que se esté abordando. En algunos casos, la población puede ser una entidad física claramente definida, como la población de un país. En otros casos, la población puede ser más abstracta, como la población de posibles clientes de una empresa o la población de estudiantes de una escuela. En cualquier caso, la población es un concepto fundamental en estadística ya que es el punto de partida para realizar cualquier análisis de datos y obtener conclusiones válidas. Muestra: En estadística, una muestra es un subconjunto representativo de la población completa que se selecciona para ser analizado con el fin de hacer inferencias sobre la población en su totalidad. La muestra debe ser seleccionada de forma cuidadosa y estratégica para que sea representativa de la población y permita obtener resultados precisos y confiables. Para seleccionar una muestra representativa, se pueden utilizar diversos métodos de muestreo, como el muestreo aleatorio simple, el muestreo estratificado, el muestreo por conglomerados y
  • 4. 4 el muestreo sistemático, entre otros. Cada uno de estos métodos tiene sus ventajas y desventajas, y se utilizan en función de las características de la población y los objetivos del estudio. Una muestra representativa es importante ya que permite hacer inferencias sobre la población completa a partir de la información obtenida de la muestra. Si la muestra no es representativa, es decir, si no refleja adecuadamente las características de la población, los resultados obtenidos pueden ser inexactos o engañosos. En resumen, la muestra es un subconjunto de la población que se selecciona para su análisis en estadística, y su selección cuidadosa y representatividad son esenciales para la obtención de resultados precisos y confiables sobre la población completa. Hipótesis: En estadística, una hipótesis es una afirmación o suposición que se hace sobre un fenómeno o una relación entre variables, y que se somete a prueba empírica. En general, una hipótesis se presenta en forma de una declaración que afirma algo sobre las características de una población o sobre la relación entre dos o más variables. En la investigación estadística, se utilizan dos tipos de hipótesis: la hipótesis nula y la hipótesis alternativa. La hipótesis nula (H0) es la afirmación que se quiere probar falsa y que se sostiene hasta que se rechaza con pruebas estadísticas. Por otro lado, la hipótesis alternativa (Ha) es la afirmación contraria a la hipótesis nula, que se acepta si se rechaza la hipótesis nula. Por ejemplo, si se quiere probar si el promedio de edad de los estudiantes de una universidad es diferente de 25 años, se podría formular la hipótesis nula de que el promedio de edad es igual a 25 años, y la hipótesis alternativa de que el promedio de edad es diferente de 25 años. Luego, se
  • 5. 5 pueden recolectar datos y realizar pruebas estadísticas para determinar si se acepta o rechaza la hipótesis nula. Es importante tener en cuenta que la formulación adecuada de una hipótesis es crucial para la validez de los resultados de la investigación estadística. Una hipótesis debe ser clara, precisa y estar basada en la teoría o la evidencia previa. Además, la hipótesis debe ser sometida a pruebas empíricas rigurosas y validadas con técnicas estadísticas apropiadas para obtener conclusiones válidas y confiables. Variable: En estadística, una variable es una característica o atributo que se mide, se observa o se manipula en un estudio o experimento. Las variables pueden ser de diversos tipos, dependiendo de su naturaleza y su función en la investigación. Las variables se clasifican en dos tipos principales: variables cualitativas y variables cuantitativas. Las variables cualitativas son aquellas que describen o clasifican un fenómeno o una población en función de sus características no numéricas. Las variables cualitativas pueden ser nominales o ordinales. Las variables nominales no tienen un orden lógico, como por ejemplo el género o la ciudad de nacimiento, mientras que las variables ordinales sí tienen un orden lógico, como por ejemplo la escala de satisfacción (muy insatisfecho, insatisfecho, neutral, satisfecho, muy satisfecho). Las variables cuantitativas son aquellas que miden cantidades numéricas. Las variables cuantitativas pueden ser continuas o discretas. Las variables continuas pueden tomar cualquier
  • 6. 6 valor en un intervalo dado, como por ejemplo la altura o el peso, mientras que las variables discretas sólo pueden tomar valores enteros, como por ejemplo el número de hijos o el número de estudiantes en una clase. Es importante tener en cuenta que las variables son fundamentales en la estadística, ya que permiten medir y analizar los fenómenos de interés en un estudio o experimento. Además, el tipo de variable y la forma de medirla son importantes para determinar las técnicas estadísticas apropiadas para su análisis. Datos: En estadística, un dato es un valor numérico o un conjunto de valores que se obtienen de una observación, medición o experimento. Los datos son la materia prima de la estadística y se utilizan para realizar análisis y tomar decisiones informadas sobre los fenómenos que se estudian. Los datos pueden ser de diversos tipos, dependiendo de su naturaleza y su función en el estudio: Datos cualitativos: Son aquellos que describen o clasifican un fenómeno en función de sus características no numéricas. Por ejemplo, el género, la profesión, el nivel educativo, etc. Datos cuantitativos: Son aquellos que miden cantidades numéricas. Los datos cuantitativos pueden ser de dos tipos: Datos discretos: Son aquellos que sólo pueden tomar valores enteros. Por ejemplo, el número de hijos, la cantidad de estudiantes en una clase, etc.
  • 7. 7 Datos continuos: Son aquellos que pueden tomar cualquier valor en un intervalo dado. Por ejemplo, la altura, el peso, la temperatura, etc. Una vez que se tienen los datos, se pueden realizar diversos análisis estadísticos para obtener información relevante y útil sobre los fenómenos que se estudian. Algunos de los análisis más comunes son la descripción de los datos mediante medidas de tendencia central (como la media, la mediana o la moda), la variabilidad (como la desviación estándar o el rango intercuartil) y la relación entre variables (como la correlación o la regresión). Población: En estadística, la población se refiere al conjunto completo de todos los elementos o individuos que comparten una característica común y que se desea estudiar. En otras palabras, es el universo total de lo que se quiere investigar. La población puede ser de diferentes tipos, como por ejemplo, personas, animales, objetos, eventos o cualquier cosa que se desee estudiar. Algunos ejemplos de poblaciones podrían ser: todas las mujeres mayores de 30 años en un país determinado, todas las plantas de una especie en una región geográfica específica, todas las empresas de un sector económico en un país, entre otras. Es importante tener en cuenta que la población en estadística puede ser finita o infinita. En el primer caso, la población tiene un número finito de elementos que se pueden enumerar o contar, mientras que en el segundo caso, la población es infinita y, por lo tanto, es imposible contar todos sus elementos.
  • 8. 8 En cualquier caso, la población en estadística es fundamental, ya que a partir de ella se puede definir la muestra y realizar inferencias sobre las características de interés. Por lo tanto, es necesario tener un conocimiento preciso y completo de la población para que los resultados obtenidos sean representativos y confiables. Muestra: En estadística, una muestra es un subconjunto representativo de la población que se selecciona con el fin de realizar un estudio o una investigación. En otras palabras, es un grupo de individuos, elementos o unidades que se eligen de manera aleatoria o sistemática para representar la población de interés. La muestra es importante en estadística porque permite hacer inferencias acerca de la población completa a partir de los datos recolectados en la muestra. Por ejemplo, si se desea conocer la opinión de todos los estudiantes de una universidad sobre un tema determinado, no es posible entrevistar a todos los estudiantes debido a las limitaciones de tiempo y recursos. En su lugar, se puede seleccionar una muestra representativa de estudiantes y hacer inferencias sobre la opinión de todos los estudiantes a partir de los resultados obtenidos en la muestra. La selección de la muestra es un proceso crítico en la investigación estadística, y existen diversas técnicas para hacerlo, como el muestreo aleatorio simple, el muestreo estratificado, el muestreo por conglomerados, entre otros. Es importante asegurarse de que la muestra sea representativa de la población, es decir, que refleje las características y la diversidad de la población de interés. Nivel de medición nominal: El nivel de medición nominal es el nivel más básico de medición de variables en estadística. En este nivel, las variables se categorizan o se clasifican en distintas categorías, pero no se pueden ordenar de forma jerárquica.
  • 9. 9 Las variables nominales no tienen ningún tipo de ordenamiento natural entre las categorías, sino que simplemente se usan para distinguir entre diferentes grupos o categorías. Ejemplos comunes de variables nominales pueden ser el género, la religión, la nacionalidad, el tipo de animal, el color de ojos, entre otras. En este nivel de medición, se pueden realizar análisis estadísticos básicos, como la frecuencia de cada categoría, el porcentaje de cada categoría en la muestra, y las tablas de contingencia para analizar la relación entre dos variables nominales. Sin embargo, las variables nominales no se pueden utilizar para realizar análisis estadísticos más avanzados, como la media, la desviación estándar, la correlación, entre otros, porque no hay ningún ordenamiento jerárquico en las categorías que permita realizar estas operaciones. Por lo tanto, es importante identificar correctamente el nivel de medición de las variables en un estudio para poder elegir las técnicas y herramientas estadísticas adecuadas para el análisis. 1.2. Averigua: qué es la estadística, sus ramas y de qué trata cada una La estadística es una rama de las matemáticas que se ocupa de la recopilación, análisis, interpretación y presentación de datos numéricos. Su objetivo es resumir y describir la información para facilitar la toma de decisiones basadas en datos.
  • 10. 10 Las ramas principales de la estadística son las siguientes: ● Estadística descriptiva: esta rama se ocupa de la recopilación, organización y resumen de datos. Su objetivo es describir y resumir los datos de una manera que sea fácil de entender. ● Estadística inferencial: esta rama se ocupa de la estimación y predicción de características de una población a partir de una muestra de datos. Utiliza técnicas como la teoría de la probabilidad, la distribución de muestras y la regresión para hacer inferencias sobre la población. ● Estadística aplicada: esta rama se ocupa de aplicar los principios estadísticos a situaciones prácticas. Incluye áreas como la estadística empresarial, la estadística médica y la estadística social. ● Estadística matemática: esta rama se ocupa del desarrollo matemático de los principios estadísticos y su relación con otras áreas de las matemáticas. Incluye áreas como la teoría de la probabilidad y la inferencia estadística. ● Estadística computacional: esta rama se ocupa del desarrollo de métodos y algoritmos para la implementación de técnicas estadísticas en la computadora. Cada una de estas ramas de la estadística trata de diferentes aspectos de la disciplina y se utiliza en diferentes contextos y aplicaciones.
  • 11. 11 1.2.3. Aplicaciones de la estadística (educación, contaduría, administración, deporte) La estadística tiene una amplia gama de aplicaciones en diferentes áreas, algunas de ellas son: ● Educación: la estadística se utiliza para analizar los resultados de exámenes, evaluar programas educativos y realizar estudios de investigación en el campo de la educación. ● Contaduría: la estadística se aplica en la contabilidad para realizar análisis financieros, como calcular ratios financieros, hacer pronósticos de ventas y gastos, y analizar tendencias. ● Administración: la estadística se utiliza en la gestión de empresas para tomar decisiones informadas, realizar estudios de mercado, analizar el desempeño de los empleados y predecir el comportamiento de los clientes. ● Deporte: la estadística se utiliza para analizar el desempeño de los jugadores y equipos, pronosticar los resultados de los partidos y evaluar el rendimiento de los deportistas. Estas son solo algunas de las aplicaciones de la estadística, pero la verdad es que esta disciplina es utilizada en prácticamente todos los campos donde se requiere la recopilación, análisis e interpretación de datos para la toma de decisiones informadas.
  • 12. 12 2. Distribución De Frecuencias: Nombre de la variable, Frecuencia absoluta, Frecuencia relativa porcentual, Equivalencia en grados. Distribución de frecuencias: La distribución de frecuencias es una forma de organizar y resumir datos en estadística. Consiste en contar la frecuencia de cada valor o categoría de una variable y presentarla en una tabla. Para construir una distribución de frecuencias, se siguen los siguientes pasos: Se recopilan los datos de la variable de interés, se determina el rango de la variable, es decir, el valor mínimo y máximo que puede tomar la variable, se determina la amplitud del intervalo o clase, que es la diferencia entre los límites superiores e inferiores de cada intervalo. Los intervalos deben ser mutuamente excluyentes y exhaustivos, se divide el rango de la variable en intervalos o clases de igual amplitud, se cuentan las frecuencias de cada intervalo o clase, es decir, se cuenta la cantidad de observaciones que caen dentro de cada intervalo , se presenta la información en una tabla de distribución de frecuencias, que incluye los límites superiores e inferiores de cada intervalo, la frecuencia de cada intervalo, la frecuencia acumulada y la frecuencia relativa. La distribución de frecuencias es una herramienta útil para analizar y resumir grandes conjuntos de datos. Permite identificar patrones y características de los datos, como la moda, la mediana y la media, y también puede ser utilizada para construir histogramas y gráficos de barras que ayuden a visualizar los datos de manera más clara. Nombre de la variable: En una distribución de frecuencias, el nombre de la variable se coloca en la columna de la izquierda de la tabla. Por lo general, el nombre de la variable se escribe en una línea separada y encima de la columna, de manera que sea fácilmente visible.
  • 13. 13 El nombre de la variable debe ser descriptivo y específico, para que el lector pueda entender rápidamente el tipo de datos que se están presentando. Por ejemplo, si se está analizando la edad de los estudiantes de una escuela, el nombre de la variable podría ser "edad" o "edad de los estudiantes". Es importante que el nombre de la variable sea claro y conciso, para que los lectores puedan entender fácilmente los datos que se presentan en la distribución de frecuencias. Frecuencia absoluta: La frecuencia absoluta en una distribución de frecuencias es el número de veces que se observa un determinado valor o intervalo de valores de una variable. En una tabla de distribución de frecuencias, la frecuencia absoluta se presenta en la columna central de la tabla, al lado de cada valor o intervalo de valores. Por ejemplo, si se está analizando la altura de los estudiantes de una clase y se ha dividido en intervalos de 5 centímetros, se puede tener una distribución de frecuencias como la siguiente: Altura (cm) Frecuencia absoluta 150 - 154 3 155 - 159 5
  • 14. 14 160 - 164 7 165 - 169 4 170 - 174 1 En esta tabla, la frecuencia absoluta para el intervalo de altura de 155 a 159 cm es de 5, lo que significa que hay 5 estudiantes que tienen una altura entre 155 y 159 centímetros. La frecuencia absoluta es importante en la construcción de distribuciones de frecuencia porque permite contar el número de veces que se observa cada valor o intervalo de valores y, por lo tanto, ayuda a resumir y analizar grandes conjuntos de datos de manera más eficiente. Frecuencia relativa porcentual: La frecuencia relativa porcentual es el porcentaje que representa la frecuencia absoluta de cada valor o intervalo de valores con respecto al total de observaciones en una distribución de frecuencias. En una tabla de distribución de frecuencias, la frecuencia relativa porcentual se presenta en la columna de la derecha, al lado de cada valor o intervalo de valores. La fórmula para calcular la frecuencia relativa porcentual es: Frecuencia relativa porcentual = (Frecuencia absoluta / Total de observaciones) x 100%
  • 15. 15 Por ejemplo, si se tiene una distribución de frecuencias de los grados de los estudiantes de una escuela con 1000 estudiantes, se puede tener una tabla como la siguiente: Grado Frecuencia absoluta Frecuencia relativa porcentual 6 150 15% 7 300 30% 8 350 35% 9 200 20% En esta tabla, la frecuencia relativa porcentual para el grado 7 es del 30%, lo que significa que el 30% de los estudiantes están en el grado 7. La frecuencia relativa porcentual es útil porque permite comparar fácilmente la frecuencia de cada valor o intervalo de valores con el total de observaciones, y así tener una idea clara de la proporción de observaciones en cada categoría. Además, al expresarse en porcentajes, es fácil de entender y comunicar.
  • 16. 16 Equivalencia en grados: La equivalencia en grados en una distribución de frecuencias se utiliza cuando se está trabajando con variables angulares, como por ejemplo en el caso de la dirección del viento, la orientación de una construcción o la posición de un objeto. Para realizar una distribución de frecuencias de variables angulares, se divide el círculo en una serie de sectores, generalmente de 360 grados, y se cuenta el número de observaciones que caen en cada sector. Cada sector representa un rango de valores angulares, y la frecuencia absoluta se registra en la tabla de distribución de frecuencias. Por ejemplo, si se está estudiando la dirección del viento en una ciudad y se ha registrado la dirección en grados para cada medición, se puede tener una tabla de distribución de frecuencias como la siguiente: Dirección del viento (grados) Frecuencia absoluta 0 - 45 12 46 - 90 8 91 - 135 15
  • 17. 17 136 - 180 10 181 - 225 9 226 - 270 14 271 - 315 11 316 - 360 13 En esta tabla, se han dividido los grados en ocho sectores de 45 grados cada uno, y se ha registrado el número de observaciones que caen en cada sector. La equivalencia en grados es importante para poder contar y clasificar las observaciones angulares de manera adecuada, y así poder analizarlas y presentarlas de manera útil y clara.
  • 18. 18 3. Taller De Estructuras Básicas Aplicando Pseint. Averigua los siguientes conceptos: ¿Qué diferencia hay entre un contador y un acumulador? ¿Cómo declarar una variable en pseint? los lenguajes pueden ser de tres tipos, favor explique cada uno, java-python y c++ ¿que representan? ● ¿Qué diferencia hay entre un contador y un acumulador? Tanto los contadores como los acumuladores son variables utilizadas en programación para almacenar y actualizar información en función de ciertos eventos o condiciones. Aunque a menudo se usan en situaciones similares, hay una diferencia fundamental entre ellos. Un contador se utiliza para contar el número de veces que ocurre un evento o condición específica. Por ejemplo, un contador puede ser utilizado para contar el número de veces que un usuario hace clic en un botón en una interfaz gráfica, o el número de veces que un bucle se ejecuta en un programa. El contador se inicializa con un valor inicial, y cada vez que ocurre el evento o condición, se incrementa en una unidad. Por otro lado, un acumulador se utiliza para almacenar una cantidad que cambia gradualmente en función de ciertos eventos o condiciones. Por ejemplo, un acumulador puede ser utilizado para sumar una serie de valores, como el total de ventas de un negocio durante un período de tiempo determinado. El acumulador también se inicializa con un valor inicial, y cada vez que ocurre un evento o condición relevante, se agrega o resta un valor al acumulador. En resumen, la principal diferencia entre un contador y un acumulador es que un contador se utiliza para contar el número de veces que ocurre un evento o condición, mientras que un
  • 19. 19 acumulador se utiliza para almacenar una cantidad que cambia gradualmente en función de ciertos eventos o condiciones. ● ¿Cómo declarar una variable en pseint? Para declarar una variable en PSeInt, debes seguir los siguientes pasos: 1. Elegir un nombre para la variable que sea significativo y fácil de recordar. 2. Indicar el tipo de dato que va a almacenar la variable. PSeInt soporta los siguientes tipos de datos: ● Entero (representa un número entero) ● Real (representa un número decimal) ● Carácter (representa un único carácter) ● Cadena (representa una secuencia de caracteres) ● Lógico (representa un valor de verdadero o falso) 3. Utilizar la palabra reservada "Definir" seguida del nombre de la variable, dos puntos y el tipo de dato que se va a utilizar. Por ejemplo, si se desea declarar una variable de tipo entero con el nombre "edad", la declaración de la variable quedaría de la siguiente forma: Aquí se está definiendo la variable "edad" como un número entero.
  • 20. 20 Es importante recordar que las variables deben ser declaradas antes de ser utilizadas en el programa. De lo contrario, el programa puede generar errores o comportarse de manera inesperada ● los lenguajes pueden ser de tres tipos, favor explique cada uno En informática, los lenguajes de programación se clasifican en tres tipos principales: 1. Lenguajes de programación de bajo nivel (lenguajes de máquina y lenguajes ensambladores): Estos lenguajes son utilizados por el hardware de la computadora para ejecutar instrucciones a nivel de circuitos. Son muy eficientes en términos de velocidad y uso de recursos, pero su sintaxis y complejidad hacen que sean difíciles de entender y utilizar por los programadores. 2. Lenguajes de programación de nivel intermedio (lenguajes compilados y lenguajes interpretados): Estos lenguajes están diseñados para ofrecer un equilibrio entre la facilidad de programación y la eficiencia en la ejecución. Los lenguajes compilados (como C, C++, Fortran) son traducidos a lenguaje de máquina antes de su ejecución, mientras que los lenguajes interpretados (como Python, Ruby, JavaScript) son traducidos a medida que se ejecutan. Estos lenguajes ofrecen una sintaxis más fácil de entender y utilizar que los lenguajes de bajo nivel, pero pueden ser menos eficientes en términos de velocidad y uso de recursos. 3. Lenguajes de programación de alto nivel (lenguajes de scripting): Estos lenguajes son diseñados para ofrecer una sintaxis más sencilla y cercana al lenguaje natural, lo que los hace fáciles de aprender y utilizar por los programadores. Los lenguajes de scripting
  • 21. 21 (como PHP, Perl, Bash) se utilizan principalmente para la automatización de tareas y el desarrollo de aplicaciones web, pero también se pueden utilizar para desarrollar aplicaciones de escritorio. Estos lenguajes son generalmente interpretados y no son tan eficientes como los lenguajes de nivel intermedio, pero son muy populares debido a su facilidad de uso y flexibilidad. Cada tipo de lenguaje de programación tiene sus propias ventajas y desventajas, y se utilizan en diferentes situaciones según las necesidades del proyecto. ● java-python y c++ ¿que representan? Java, Python y C++ son lenguajes de programación de nivel intermedio que se utilizan comúnmente en la industria del software y la programación. Java es un lenguaje de programación orientado a objetos desarrollado por Sun Microsystems (ahora propiedad de Oracle). Se utiliza comúnmente en la programación de aplicaciones empresariales, aplicaciones móviles, juegos y software de servidor. Java se ejecuta en una máquina virtual Java (JVM), lo que significa que el código se puede ejecutar en cualquier plataforma que tenga una JVM instalada. Python es un lenguaje de programación interpretado y de alto nivel. Es conocido por su sintaxis clara y concisa, lo que lo hace fácil de aprender y utilizar para los principiantes. Python se utiliza comúnmente en la ciencia de datos, la inteligencia artificial, la automatización de tareas, la creación de scripts y el desarrollo web. Python es un lenguaje interpretado, lo que significa que el código se puede ejecutar directamente sin necesidad de compilarlo previamente.
  • 22. 22 C + + es un lenguaje de programación de propósito general y de alto rendimiento desarrollado por Bjarne Stroustrup. Se utiliza comúnmente en la programación de sistemas, la creación de videojuegos, la programación de dispositivos embebidos y la programación de aplicaciones de escritorio. C + + es un lenguaje compilado, lo que significa que el código se debe compilar antes de que se pueda ejecutar. Cada uno de estos lenguajes de programación tiene sus propias fortalezas y debilidades, y se utilizan en diferentes situaciones según las necesidades del proyecto. 4. Represente El Algoritmo Usando El Programa Pseint En Modo Flexible y Muestre El Diagrama De Flujo, Hacer Las Capturas De Pantalla. ● Toma 2 números, hacer la resta, la multiplicación y la división; muestre el resultado. ● Resta
  • 25. 25 Ejecución ● Calcular el promedio de 4 calificaciones o el promedio de 4 notas.
  • 26. 26 ● Hacer un programa que muestre el área y perímetro de un triángulo. Ejecución
  • 27. 27 ● Hacer un programa que muestre el área y perímetro de un círculo. ● Hacer un programa para convertir una temperatura ingresada de Celsius a Fahrenheit.
  • 28. 28 ● Hacer un programa para convertir una longitud ingresada en pulgadas a pies. ● Ingresar por teclado el nombre y la edad de cualquier persona e imprima tanto el nombre como la edad.
  • 29. 29 5. Laboratorio Completa el laboratorio: cuadro de frecuencias de la variable/ lanzamiento de un dado no cargado en 25 ocasiones. 6. Conclusiones ● Para concluir, principalmente tomamos como referencia la aplicación de los conocimientos adquiridos en el aula de clases puestos en práctica en esta actividad. Es decir, el desarrollo de habilidades de pensamiento y el reconocimiento de las estructuras básicas de programación junto a los conceptos de estadística. A su vez, realizando todo lo anterior haciendo uso de los diferentes materiales de apoyo anexados al classroom y utilizando la herramienta de programación básica “Pseint”.
  • 30. 30 ● Recapitulando, este trabajo nos ha permitido conocer y profundizar en el uso de Pseint, una herramienta de software muy útil para comenzar a aproximarse al lenguaje de programación en código, y que puede ser la piedra angular para ser capaces de trasladarlos algoritmos que diseñamos mentalmente a un lenguaje que sea comprensible por un procesador. Todos los conceptos que investigamos son necesarios y recurrentes en la programación, por lo que es importante tenerlos presentes, pues estos varían muy poco o casi nada entre los distintos lenguajes de programación, que aún siendo más complejos que el que usamos en Pseint, siguen teniendo bases muy similares. Además, tener conocimientos básicos de programación nos sirven no solo para seguir avanzando en el aprendizaje de esta, sino también para hallar mejores maneras de afrontar los problemas que se nos presentan en nuestro día a día. 7. Webgrafía ● https://www.gestiopolis.com/que-es-estadistica-tipos-y-objetivos/ ● https://www.lifeder.com/ramas-estadistica/ ● https://medium.com/10-goto-10/algoritmos-variables-contadores-y-acumuladores-6d8f7d 1bfbc7 ● https://pseint.sourceforge.net/pseudocodigo.php ● https://www.alegsa.com.ar/Dic/variable.php
  • 31. 31 8. Blogs de los integrantes del grupo ● Jorgelis Primera: https://informaticabycarolina.blogspot.com/?m=1 ● María José D’croz: https://guanabanof.blogspot.com/ ● Alejandro López: https://latecla07.blogspot.com ● Anderson Gómez: https://polly2023.blogspot.com/ ● Nicolás Torres: https://hawk906.blogspot.com/ 9. Evidencias del trabajo en grupo