Los avatares para el juego dramático en entornos virtuales
Trabajo de Tecnología Pseint
1. Programación y métodos estadísticos
Lic. Guillermo Mondragón
Gina Paola Mazo Ordoñez
Sergio Hernán Muñoz
Einer Andrés Portilla Bermeo
Kimberly Caicedo
Cali, Valle del Cauca
Institución Educativa Liceo Departamental
Grado 11-1
Tecnología e Informática
Año lectivo 2022
1
2. Tabla de contenido
Programación y métodos estadísticos 1
Tabla de contenido 2
Introducción. 3
Conceptos básicos de programación 4
Fundamentos de programación de PSEINT 5
Métodos estadísticos: la estadística en diferentes ámbitos 6
Taller PSEINT 18
Ejemplos PSEINT 19
El promedio de 4 calificaciones o el promedio de 4 notas. 23
El área y perímetro de un triángulo 24
Distribución de frecuencias 28
Conclusiones 29
Webgrafía 29
Link del Blog 30
2
3. Introducción.
La presente investigación se refiere a la programación en el programa PSEINT con un pseudo
lenguaje (símbolos similares a matemáticas) relativamente sencillo con las múltiples opciones
que ofrece para crear especialmente algoritmos y operaciones matemáticas mediante contadores,
constantes, variables, acumuladores, entre otros. También podremos ver la estructura que es el
centro para poder iniciar la partida de juego y ganar manejando perfectamente la plataforma.
Por otra parte, en el trabajo podemos ver los diferentes tipos de estadística en la matemática,
ciencias sociales, educación, contabilidad, la población estadística y más, las aplicaciones e
importancia dentro del ámbito específico, también conoceremos que facilitan la recolección y
organización de información para fines sociales e investigativos de personas profesionales y
especializadas que necesiten algún tipo de información poblacional y conocer las problemáticas
existentes en la sociedad colombiana.
3
4. Conceptos básicos de programación
Constantes
Una constante es el objeto que permanece sin cambio durante el desarrollo del algoritmo. Ej.: el
número Pi, el IVA.
Variables
Las variables son objetos cuyo contenido puede cambiar durante la ejecución de un
algoritmo, se identifican por el nombre y su tipo de valores, puede ser número real o entero en
las variables numéricas. Ej.: si queremos almacenar un día al mes, esa variable se puede llamar
día.
Acumulador
Los acumuladores son variables numéricas que permiten acumular operaciones durante el
desarrollo del algoritmo. Cumple la misma función que la variable contadora, pero esta es en
cantidades que varían.
Contador
Un contador es una variable cuyo valor se incrementa (cont + 1) o decrementa en una
cantidad constante en cada repetición. Se inicia con valor inicial 0 (cont <-0)
Identificadores
Se le denomina identificadores a un elemento de un algoritmo o programa. Estos elementos
pueden ser las denominadas variables, constantes y funciones. Hay varios tipos: identificadores
entero, real, lógico y carácter están predefinidos, forman parte del lenguaje logarítmico.
4
5. Fundamentos de programación de PSEINT
Construir programas o algoritmos en PSEINT es sencillo porque solo maneja 3 tipos de datos
básicos: numérico, carácter /cadenas de caracteres y lógico (verdadero-falso), conocer su
estructura es clave e importante:
Estructura de PSEINT
Por otra parte, el pseudolenguaje que utiliza es básico, similar a símbolos matemáticos.
Operador Significado Ejemplo
Relacionales
> Mayor que 3>2
< Menor que 'ABC'<'abc'
= Igual que 4=3
<= Menor o igual que 'a'<='b'
>= Mayor o igual que 4>=5
Lógicos
& ó Y Conjunción (y). (7>4) & (2=1) //falso
| ó O Disyunción (o). (1=1 | 2=1) //verdadero
~ ó NO Negación (no). ~(2<5) //falso
5
6. Algebraicos
+ Suma total <- cant1 + cant2
- Resta stock <- disp - venta
* Multiplicación area <- base * altura
/ División porc <- 100 * parte / total
^ Potenciación sup <- 3.41 * radio ^ 2
% ó MOD Módulo (resto de la
división entera)
resto <- num MOD div
Ejemplos de algoritmos en Pseudocodigo
Suma: carga dos números de dos variables, calcular la suma de los mismos y mostrarla
en pantalla.
OrdenaLista: almacena una lista de nombres en un arreglo ordenando alfabéticamente.
El método de ordenamiento es simple. Para la entrada de datos se utiliza una estructura
Mientras, sin saber a priori la cantidad de datos que se ingresarán
Potencia: una función recursiva para calcular una potencia de X
Romanos: convertirte números enteros a notación romana utilizando arreglos
Métodos estadísticos: la estadística en diferentes ámbitos
Es un estudio que recoge, categoriza y narra todos los hechos que tienen alguna característica
común para sacar conclusiones a partir de los datos numéricos extraídos.
6
7. Estadística.
¿Para qué sirve la estadística?
Nos permite cuantificar la realidad y tiene elementos que nos permiten analizarla.
El fundamento de la acción política y administrativa es el estudio de las estadísticas, porque
conocer la realidad nos permite actuar de manera más coherente (en el caso de conocer los
hechos). Nos hacemos preguntas y tratamos de responderlas con la ayuda de las estadísticas.
Ramas de la estadística:
● Estadística descriptiva: rama de la estadística que describe o resume cuantitativamente
las características de conjuntos de información, es decir, se encarga de resumir una
muestra estadística en vez de aprenderla. Las medidas más usadas en esta rama son las
medidas de tendencia central y las medidas de variabilidad o dispersión, en cuanto a las
medidas de tendencia central, se utilizan medidas como la media, la mediana y la moda.
Mientras que en las medidas de variabilidad se emplean la varianza, la curtosis, etc.
● Estadística Inferencial: utiliza la inferencia y la inducción. Deduce las propiedades de una
población, no solo recolecta o resume los datos, sino que explica ciertas propiedades o
características a partir de los datos obtenidos.
Las conclusiones extraídas a través de la estadística inferencial son aleatorias (falta de patrón
o regularidad), pero aplicando métodos apropiados, se pueden obtener resultados relevantes.
Por lo tanto, la estadística descriptiva y la estadística inferencial van de la mano
La estadística inferencial se divide en:
● Estadísticas de parámetros
7
8. Consiste en procedimientos estadísticos basados
en distribuciones de datos reales
determinadas por un número finito de parámetros (un número que resume la cantidad de datos
derivados de la variable estadística).
Para aplicar un procedimiento paramétrico, en la mayoría de los casos, se necesita conocer de
antemano la forma de la distribución de la forma final de la población bajo estudio.
Por lo tanto, si la distribución que siguen los datos adquiridos es completamente desconocida,
se debe utilizar un procedimiento no paramétrico.
● Estadísticas no paramétricas
Esta rama de la estadística inferencial incluye procedimientos aplicados en pruebas y modelos
estadísticos donde sus distribuciones no cumplen con los llamados criterios paramétricos. Dado
que los datos en estudio definen su distribución, no se pueden predefinir.
La estadística no paramétrica es un procedimiento que debe elegirse cuando se desconoce si
los datos se ajustan a una distribución conocida, por lo que puede estar un paso por delante de un
procedimiento paramétrico.
Además, en las pruebas no paramétricas, la posibilidad de error se puede reducir usando un
tamaño de muestra adecuado.
● Estadística Matemática
Se menciona de igual forma la existencia de la estadística matemática, como disciplina
estadística.
Esto incluye la escala de estudios estadísticos previos en los que emplearon la teoría de la
probabilidad (la rama de las matemáticas que estudia los fenómenos aleatorios) y otras ramas de
las matemáticas.
La estadística matemática involucra la obtención de información a partir de datos y el uso de
técnicas matemáticas tales como: análisis matemático, álgebra lineal, análisis estocástico,
8
9. ecuaciones diferenciales, etc. Por lo tanto, la estadística matemática está influenciada por la
estadística aplicada.
Aplicaciones de la estadística.
En la educación, las estadísticas son una herramienta importante, ya que es necesario conocer
el número de alumnos matriculados, por ejemplo, teniendo en cuenta su lugar de origen, edad,
género, duración de los estudios, número de cursos aprobados o desaprobados, asistencia diaria,
mensual y anual. Vale la pena considerar medidas como el coeficiente intelectual y la edad
mental de los estudiantes, la velocidad y la comprensión de las tareas de lectura y escritura.
También registra todo lo relacionado con la profesión docente, como la distribución de los
docentes por categoría, carrera, años de servicio, etc.
Las estadísticas pueden proporcionarnos la información necesaria para la introducción de
nuevos productos comerciales a través de las respuestas obtenidas en estudios de mercado, en los
que se estudian las reacciones del público ante posibles introducciones de productos en el
mercado. Asimismo, los empresarios pueden conocer la economía nacional a partir de
estadísticas sobre mercados financieros, costos y ventas de diversos productos y ganancias de las
empresas
Las auditorías suelen utilizar métodos de muestreo, es decir, métodos que permiten realizar
observaciones mediante la selección de una muestra representativa de la población, para
examinar la situación contable de una institución o filial estatal y poder detectar, en su caso,
determinadas empresas o filiales Violaciones u omisiones en la gestión.
El aporte científico de la estadística a los sistemas de preparación de atletas se evidencia en la
aplicación de modelos estadísticos que permiten:
Obtener información objetiva sobre las características de los deportistas en las diferentes
etapas de preparación:
Obtenga información objetiva sobre el rendimiento de los atletas y equipos frente a los
oponentes.
9
10. Predicción más precisa del rendimiento deportivo.
Mejorar la eficiencia de la detección de talentos deportivos.
Características del modelo de construcción más rigurosas,
Los entrenadores desarrollan o adaptan las pruebas en función de las especificaciones de los
instrumentos reales de su deporte para recopilar información confiable para mejorar el control
sobre la preparación de los atletas al tiempo que garantizan su validación y estandarización
adecuadas.
El sistema se preparó usando el nuevo método después de la validación estadística de su
eficacia.
Hipótesis.
Una hipótesis es una proposición o afirmación que se cree que es verdadera desde el
principio, aunque no haya sido probada y, por lo tanto, constituye una conjetura o conjetura
efectiva, sin confirmación o refutación del experimento.
Puede afirmarse en mayor o menor medida de hecho, pero sirve como el primer paso en la
investigación que intentará probar o refutar. Sin embargo, esto debe hacerse a través de la
evidencia empírica o mediante el debate continuó, dependiendo de si la investigación es
cuantitativa o cualitativa.
Características de las hipótesis:
Todas las hipótesis deben satisfacer las siguientes características:
● Cada hipótesis consiste en una relación entre el elemento A y el elemento B, sean cuales
sean, su relación se expresa en forma de proposición.
10
11. ● Siempre se refiere a un posible evento o relación entre cosas, en el que no se puede
determinar algo aparentemente imposible. Tiene algunas variables específicas, que deben
estar claramente definidas y definidas. Además, la premisa en sí debe sugerir la relación
entre ellos y debe ser clara, comprensible y lógica.
● Por lo general, incluyen técnicas bien conocidas y bien establecidas para probar.
● Siempre es falsable, es decir, siempre puede ser refutado por argumentos que lo
contradigan y así ponerlo a prueba.
● Estos son enfoques totalmente inciertos, que deben ser probados o refutados por
investigaciones.
Tipos de hipótesis
● Las hipótesis se pueden clasificar de varias maneras, las más destacadas son las
siguientes:
● Tipos de hipótesis según su alcance: Partiendo de a qué tipo de realidad se refiere la
hipótesis, podemos hablar de:
● Hipótesis singulares: Estas cosas se refieren a un evento específico e individual.
● Hipótesis general: Se refieren a eventos que se repiten en el sistema. Se clasifican a su
vez en:
● Hipótesis generales: Cuando intentan mostrar contenido que se aplica a lo que se
investiga.
● Hipótesis probabilísticas: Cuando se construye en porcentajes, porcentajes o grandes
cantidades.
● Tipos de hipótesis según su origen: Dependiendo del proceso lógico que nos permita
formar, tendremos los siguientes tipos de hipótesis:
● Hipótesis inductivas: Los obtenidos por inducción, es decir, en generalizaciones y
suposiciones a partir de casos individuales.
● Hipótesis deductivas: Hipótesis obtenidas por deducción, es decir, la conclusión lógica de
otras hipótesis ya probadas o refutadas.
11
12. ● Hipótesis similares: Los resultados se obtienen por analogía, es decir, comparando o
trasladando el contenido de una hipótesis a otras hipótesis similares.
¿Cómo se llega a una hipótesis?
Los pasos para la formación de hipótesis son los siguientes:
1. Seleccione un tema que le interese. Donde se incluirá nuestra hipótesis. Cualquiera es
igual de bueno. Recopilar información. Porque para aventurarnos a construir una posible
hipótesis, necesitamos conocer el problema lo mejor posible.
2. Comparar información y dar explicaciones. Es decir, descubrir posibles respuestas o
soluciones a un problema, a partir de los datos recopilados y comparados.
3. Elige la explicación más probable. Esto es razonable y probable y permite mejores
métodos de investigación.
4. Formación de hipótesis. Es decir, establezca la posible explicación en términos
científicos, excluya la otra explicación y construya un modelo empírico que se utilizará
para probar o refutar. Todas las hipótesis sirven para iniciar una investigación, sin la cual
no es más que una conjetura.
Variables.
Es algo que puede ser cambiado (variado), cambiado por una razón determinada o no
especificada.
Dependiendo de cómo se midan, las variables pueden ser cualitativas o cuantitativas. Serán
cualitativos aquellos que presenten características o cualidades diferentes, cuando los parámetros
se representan numéricamente serán cuantitativos.
12
13. Las variantes cualitativas se pueden clasificar de la siguiente manera:
● Ordinales o cuasi cuantitativas: Aquí, la variable recibirá un valor ordenado de la escala
previamente establecida. Por los valores de cada variable no pueden seguir un orden
determinado.
Los cambios de cantidad se clasificaron de la siguiente manera:
○ Discretas: Esta variable mostrará el valor de corte para el valor seleccionado.
○ Continuas: Una variable puede tomar cualquier valor siempre que se encuentre
dentro de un cierto rango de valores.
Dependiendo del grado de influencia, las variables se pueden clasificar de formas completamente
diferentes:
● Variable independiente: El valor asignado a una variable no dependerá de otra variable.
Se representan en el eje de abscisas.
● Variable dependiente: El valor o valor de una variable dependerá totalmente del valor
obtenido por la otra variable.
Datos.
En las computadoras, los datos son una representación simbólica de algunos atributos o
variables cualitativas o cuantitativas (como números, letras, algoritmos, etc.), es decir: una
descripción sistemática de hechos empíricos, eventos, entidades. Así, los datos son información
(valor o referencia) que una computadora recibe de varias maneras y es controlada por
procesamiento algorítmico programado. Su contenido puede ser casi cualquier cosa: estadísticas,
métricas, descriptores, individualmente irrelevantes para los usuarios del sistema, pero pueden
interpretarse en conjunto como información completa.
13
14. En los lenguajes de programación utilizados para crear y organizar los algoritmos que
persigue cada computadora o sistema informático, los datos son una representación de
propiedades específicas de la entidad sobre la que trabaja el algoritmo. Es decir, son los insumos
iniciales a partir de los cuales se puede procesar y formar la información. Son especialmente
importantes para las estructuras de datos, una rama de la informática que estudia formas
específicas de almacenar información en partes mínimas para su posterior recuperación eficiente.
Tipos de datos:
● Caracteres: Dígitos individuales que se pueden representar mediante datos numéricos
(0-9), letras (a-z) u otros símbolos.
● Caracteres unicode: Unicode es un estándar de codificación que permite representar más
eficazmente los datos, permitiendo así hasta 65535 caracteres diferentes.
● Numéricos: Pueden ser números reales o enteros, dependiendo de lo necesario.
● Booleanos: Representan valores lógicos (verdadero o falso).
Población.
Una población estadística es un conjunto de factores de interés para la experimentación, la
investigación o cualquier reflexión. Por ejemplo, los elementos que la componen pueden ser
individuos, animales, fenómenos o acontecimientos.
Características de una población estadística:
Una población estadística se caracteriza por lo siguiente:
● Constituye un total de elementos de interés estadístico por alguna razón, del cual se
pueden tomar muestras representativas.
● Puede ser más o menos uniforme o heterogénea, y del mismo modo puede estar
constituida por elementos reales o imaginarios, finitos o virtualmente ilimitados.
● No debe confundirse con la muestra estadística.
14
15. Tipos de poblaciones estadísticas:
Las poblaciones estadísticas se clasifican en dos, de acuerdo a su finitud:
● Población estadística finita: Como su nombre lo indica, está constituida por una cantidad
delimitada y abarcable de elementos, que en un instante determinado del tiempo equivale
a un número concreto. Por ejemplo: la cantidad de automóviles en circulación en una
ciudad un lunes por la mañana.
● Población estadística infinita: En cambio, este tipo de poblaciones estadísticas poseen un
número virtualmente ilimitado de elementos, es decir, no tienen un fin determinado en un
momento dado, ya sea porque realmente son ilimitados, o porque su número es tan
grande, que jamás podríamos saberlo con certeza. Por ejemplo: la cantidad de átomos de
sodio en el universo.
Subpoblación estadística:
Una subpoblación estadística es una porción de la población estadística que puede ser
considerada un universo en sí misma, dado que sus integrantes comparten un rasgo exclusivo
respecto del resto. Es decir, una subpoblación estadística es una población dentro de la
población, que se genera al añadir rasgos específicos al criterio de selección.
Muestra.
La muestra estadística es un subconjunto más o menos representativo de una población
estadística, aislado de otras poblaciones con fines de evaluación e investigación. En otras
palabras, es parte de una categoría de prueba completa, que consiste en un número más
manejable y seleccionado al azar.
Características de la muestra estadística.
En general, la muestra estadística tiene las siguientes características:
15
16. ● Es parte de un conjunto más grande, población estadística o universo estadístico que
representa idealmente.
● Tiene un componente estadístico pequeño y manejable en comparación con el conjunto
de la población.
● Se selecciona aleatoriamente utilizando diferentes técnicas de muestreo. Puede ser más o
menos fiable, dependiendo de esto último.
● Su tamaño es objeto de estudio matemático para asegurar las proporciones correctas de
modo que represente el todo.
Tipo de muestra estadística.
Primero, las muestras estadísticas se dividen en dos grandes categorías: probabilísticas y no
probabilísticas, cada una con su propia clasificación independiente.
● Muestras estadísticas probabilísticas: Fueron seleccionados más o menos al azar para
asegurar una interferencia mínima con el estándar del investigador en la muestra. Se
dividen a su vez en:
● Muestra aleatoria simple: La forma más fácil es elegir completamente al azar de la
multitud. Por ejemplo, en encuestas nacionales, ciertos ciudadanos son seleccionados en
base a su número de identificación.
● Muestras estratificadas: Se seleccionan aleatoriamente de diferentes jerarquías o niveles
taxonómicos de una población pre organizada. Por ejemplo, se puede obtener una
muestra aleatoria, pero estratificada seleccionando aleatoriamente muestras de diferentes
edades de la población.
● Muestreo por conglomerado: Al igual que las estratificaciones, se seleccionan
aleatoriamente de conjuntos previamente definidos, pero en este caso no son los
resultados estándar del investigador, sino datos aleatorios y espontáneos. Por ejemplo,
una muestra de vecinos del barrio o trabajadores del edificio.
● Muestras de estadísticas no probabilísticas: Su selección no fue aleatoria, sino por
criterios de búsqueda de los investigadores, ya que las limitaciones impidieron una
muestra mayor. Este tipo de muestras, por tanto, no son realmente representativas del
16
17. campo estadístico analizado, pero permiten una aproximación a un cierto margen de
error. Estas muestras pueden caer en las siguientes categorías:
● Muestras intencionales: Estos fueron seleccionados de acuerdo con el criterio del
investigador, es decir, tomando aquellos que creía que darían mejores resultados, ya que
eran más representativos. Por ejemplo, cuando un reportero consultó a algunas de sus
personas preseleccionadas.
● Muestras por conveniencia: Las personas eligen en función de las limitaciones más
cercanas, es decir, inmediatas. Esto puede ocurrir, por ejemplo, cuando un representante
de una empresa ofrece sus productos a los transeúntes.
● Muestras consecutivas: Es parte del viaje de un investigador a medida que extraen datos
de un grupo a otro y luego forman un todo.
● Muestras por cuotas: Esta es una combinación de muestras estratificadas e intencionadas,
ya que los investigadores seleccionan a los encuestados en función de su pertenencia (y
representatividad) a un estrato determinado o grupo predefinido.
Nivel de medición nominal.
La escala más simple que podemos usar para etiquetar variables es la escala nominal.
Escala nominal: La escala utilizada para etiquetar variables que no tienen valores
cuantitativos.
Estos son algunos ejemplos de variables que se pueden medir en una escala nominal:
Género: Masculino Femenino
Color de ojos: azul, verde, marrón
Color de cabello: Rubio, Negro, Castaño, Gris, Otros
Tipo de sangre: O-, O+, A-, A+, B-, B+, AB-, AB+
Prioridades políticas: republicanos, demócratas, independientes
17
18. Dónde vives: ciudad, suburbio, campo
Las variables que se pueden medir en una escala nominal tienen las siguientes propiedades:
● No tienen orden natural: Por ejemplo, no podemos ordenar el color de los ojos de peor a
mejor o de menor a mejor.
● Las categorías son mutuamente excluyentes: Por ejemplo, una persona no puede tener
ojos azules y ojos marrones al mismo tiempo. Asimismo, no se puede vivir en áreas
urbanas y rurales al mismo tiempo.
● Los únicos números que podemos calcular para estas variables son números: Por
ejemplo, podemos contar cuántos rubios, cuántos negros, cuántos marrones, etc.
● La única medida de tendencia central que podemos calcular para estas variables es la
moda: Este patrón nos dice qué categoría tiene el mayor número. Por ejemplo, podemos
explorar los colores de ojos más comunes.
● La forma más usual de recopilar datos en una escala nominal es realizar una encuesta:
Por ejemplo, un investigador podría entrevistar a 100 personas y preguntarles a cada una
sobre su estilo de vida.
P: ¿en qué tipo de área vives?
Posibles respuestas: urbana, suburbana, rural.
Con estos datos, los investigadores pueden averiguar cuántas personas hay en cada región y
cuáles son las más populares.
18
19. Taller PSEINT
¿Qué diferencia hay entre un contador y un acumulador, como declarar una variable en pseint,
los lenguajes pueden ser de tres tipos favor explique cada uno, java-phyton y c++ que
representan?
Un acumulador en programación es una versión ampliada de un contador. El acumulador tiene
las mismas características que un contador excepto el valor de incremento que es un valor
variable.
En caso de hacerlo con PSeInt, no es necesario hacerlo, aunque se puede hacer con la
instrucción "Define". Para declarar variables, lo único que debemos hacer es indicar el nombre
de la variable y su tipo (numérico, lógico y cadena), antes del inicio del programa, separados por
comas.
Python: Python es de código abierto, con una sintaxis simple y sencilla de entender, quizá el
más fácil de este listado. Es idóneo para iniciarse en el mundo de la programación. Es muy
versátil por lo que tiene múltiples áreas de aplicación como: inteligencia artificial, Big Data y
desarrollo web.
Java: Este lenguaje orientado a objetos funciona independientemente de la plataforma de
hardware, entonces, el código escrito en una máquina corre en otra, sin problemas. Incluso, si los
sistemas operativos son diferentes, el código Java funciona gracias a la Máquina Virtual Java o
JVM, por las siglas en inglés.
Su ámbito de aplicación es tan amplio, que existe software desarrollado para puntos de ventas,
cajeros automáticos, internet de las cosas, dispositivos móviles, aparte de páginas web con este
lenguaje.
C++: C++ es un lenguaje de programación creado, como una extensión del lenguaje C, para
hacerlo orientado a objetos. Es capaz de compilar instrucciones, por lo que brinda acceso total al
hardware, originando su amplio uso en bases de datos, navegadores web y videojuegos.
19
20. Ejemplos PSEINT
I. Toma 2 números, hacer la resta, la multiplicación y la división; muestre el resultado. Resta
20
27. Nombre y la edad de cualquier persona e imprima tanto el nombre como la edad.
27
28. Distribución de frecuencias
Variable: Es un espacio de la memoria a la que asignamos un contenido que puede ser un
valor numérico o alfanumérico. Dos a más variables puedan tener el mismo contenido, pero no al
mismo nombre.
Frecuencia absoluta:
Es una medida estadística que nos brinda datos sobre la cantidad de veces que se repite un
suceso al realizar un número determinado de experimentos aleatorios.
Frecuencia relativa porcentual: Es la frecuencia relativa expresada en forma porcentual. En
otras palabras, porcentual es la frecuencia relativa multiplicada por 100.
28
29. Equivalencia: Es la representación de la en frecuencia relativa porcentual en un diagrama
circular en grados por medio de esta fórmula G = F·360/Muestra
29
30. Conclusiones.
Este trabajo nos lleva a ampliar nuestro conocimiento sobre la programación y los métodos
estadísticos ampliando nuestras posibilidades para la creación de bases de datos, páginas,
aplicaciones, realizar encuestas, etc. Facilitando la vida de las personas y el desarrollo de la
sociedad.
La tecnología tuvo un gran progreso en el último medio siglo debido a la programación y los
métodos estadísticos, la mezcla de estos dos nos permite conocer las condiciones de la población,
sus preferencias y las posibles variables que se presenten, podemos anticiparnos a una situación
y labrar un futuro mejor.
Webgrafía
Aplicaciones - APLICACIONES DE LA ESTADÍSTICA EN LA VIDA. (n.d.). Weebly.Com.
Retrieved March 7, 2022, from https://aplicacionestadistica.weebly.com/aplicaciones.html
Dato en Informática - Concepto, tipos y ejemplos. (n.d.). Concepto. Retrieved March 7, 2022,
from https://concepto.de/dato-en-informatica/
Frecuencia absoluta. (2017, September 28). Economipedia.
https://economipedia.com/definiciones/frecuencia-absoluta.html
Las ramas de la estadística, qué estudian y aplicaciones. (2017, July 4). Lifeder.
https://www.lifeder.com/ramas-estadistica/
Muestra Estadística - Qué es, características, tipos y población. (n.d.). Concepto. Retrieved
March 7, 2022, from https://concepto.de/muestra-estadistica/
Ortiz, V. M. P. [UChhZsqQf2GRgNUXM1Zo5oxQ]. (2020, May 26). PORCENTAJE Y GRADOS.
Youtube. https://www.youtube.com/watch?v=fnBusQAI8Is
30
31. Población Estadística - Concepto, características y tipos. (n.d.). Concepto. Retrieved March 7,
2022, from https://concepto.de/poblacion-estadistica/
Rancel, M. R. (n.d.). Concepto y nombres de variables en programación con pseudocódigo
(CU00125A). Aprenderaprogramar.com. Retrieved March 7, 2022, from
https://www.aprenderaprogramar.com/index.php?option=com_content&view=article&id=227:
concepto-y-nombres-de-variables-en-programacion-con-pseudocodigo-cu00125a&catid=28&It
emid=59
Link del Blog
https://tecmaz.blogspot.com/
https://raytecnology.blogspot.com/
https://einerandresportilla.blogspot.com/?m=1
https://tecnologiaepica.blogspot.com/
31
