Estadistica nuevo-ingreso

Patricia Iglesias
Módulo II: Aproximación a la estadística en Educación
Tema 1: Nociones básicas
Propósito:
Ofrecer a los participantes nociones básica del uso de la estadística
y su importancia en la Educación
Audiencia:
Estudiantes de nuevo ingreso de los EUS
Estrategia:
Discusión guiada
Tiempo estimado:
3 horas
Contenidos:
1.¿Qué es matemática y qué es estadística?
2.Abusos de la estadística
3.¿Para qué estudiar estadística en Educación?
4.¿Que estadísticas se ven en Educación?
5.¿Cómo debo abordar la asignatura?
1

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
¿Qué es matemática y qué es estadística?
Cuando pensamos en matemática
¿Qué recordamos?

Se llama matemática al estudio
de las propiedades y las
relaciones de entes abstractos
(números, figuras geométricas) a
partir de notaciones básicas
exactas
y
a
través
del
razonamiento lógico.

2

http://es.wikipedia.org/

Cuando pensamos en estadística
¿Qué recordamos?

La estadística es una ciencia
con base matemática referente
a la recolección, análisis e
interpretación de datos, que
busca explicar condiciones
regulares en fenómenos de
tipo aleatorio.

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
¿Qué es matemática y qué es estadística?
Cuando pensamos en matemática
¿Cuándo la usamos?
La teoría matemática sí se
desarrolla en abstracto: no
depende de otra cosa fuera de sí
misma. La verdad de la teoría se
mide por la lógica y no por el
experimento. Sin embargo, una de
sus utilizaciones más valiosas es el
describir o modelar los procesos en
el mundo real, de manera que hay
una interacción constante entre las
matemáticas
puras
y
las
matemáticas aplicadas.

3

http://es.wikipedia.org/

Cuando pensamos en estadística
¿Cuándo la usamos?
Es transversal a una amplia variedad
de disciplinas, desde la física hasta las
ciencias sociales, y es usada para la
toma de decisiones. Dos ramas de la
estadística permiten: utilizar métodos
de
recolección,
descripción,
visualización y resumen de datos
originados a partir de los fenómenos
en estudio (descriptiva), y la
generación de los modelos, para
modelar patrones en los datos y
extraer inferencias acerca de la
población bajo estudio (inferencia).

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
¿Qué es matemática y qué es estadística?
Cuando pensamos en matemática
¿Dudamos de ella?

Puesto que el estudio no está
relacionado con el mundo físico,
se buscan pruebas formales
rigurosas,
en
lugar
de
verificaciones experimentales. La
teoría se presenta en términos de
un pequeño número de verdades
dadas (conocidas como axiomas),
desde las que puede inferir toda
una teoría.

4

http://es.wikipedia.org/

Cuando pensamos en estadística
¿Dudamos de ella?

El uso de cualquier método
estadístico es válido solo cuando
el sistema o población bajo
consideración
satisface
los
supuestos matemáticos del
método. El mal uso de la
estadística puede producir serios
errores en la descripción e
interpretación

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Abusos de la estadística
La estadística es una ciencia exacta porque dice siempre
exactamente lo que uno quiere que diga
• No basta con la simple lectura de un dato
• Pertenece a la muestra de la cual se extrajo la información
• Su interpretación depende del contexto en el cual ha sido recolectado
• Su validez depende del instrumento de recolección de información
• Sus cambios son explicados por la historia
• No implica causalidad inmediata
• No tiene resultados exactos
• La representatividad depende de cómo se recogieron los datos y
cuántos son
• Considera niveles de incertidumbre en la toma de decisiones

5

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
¿Para qué estudiar estadística en Educación?
La investigación en educación, en ocasiones, se apoya de métodos estadísticos
que le facilitan el procesamiento y análisis de los datos, es por eso que el curso
Estadística aplicada a la educación tiene como propósito fundamental proveer a
los educadores de un conjunto de métodos, técnicas, y procedimientos
estadísticos que le permitan recolectar, organizar, presentar e interpretar datos
provenientes de un conjunto de elementos o colectivo en estudio, a fin de
obtener conclusiones válidas y confiables
Variables comunes en Educación
• Rendimiento
• Deserción
• Repitencia
• Nutrición
En términos generales se usa para:
• Planificar
• Diagnosticar

6

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
¿Que estadísticas se ven en Educación?

Matemática y Estadística I

Estadística III

7

Estadística II

Métodos Cuantitativos

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
¿Cómo debo abordar la asignatura?
• Disponer de un correo electrónico para comunicarse con su profesor
• Preparar el contenido con anticipación a la asesoría
• Llevar nota de los comentarios y dudas que surgen en la lectura
• Revisar el tipo de ejercicio que se realiza para la unidad
• Asistir puntualmente a las asesorías
• Realizar preguntas y comentarios al profesor durante la asesoría
• Llevar nota de las observaciones, técnicas y formulas que se proponen
en clase
• Llevar registro de los contenidos discutidos en clase y los que quedan
pendientes
• Dedicar a la asignatura al menos 10 horas semanales para leer o
ejercitarse
• Redactar conclusiones de todos los resultados que se obtengan
producto del calculo y corroborarlo con compañeros y profesores

www.ucv.ve/eus
8

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Tema 2: Operaciones básicas en estadística
Propósito:
Presentar a los participantes las operaciones matemáticas básicas
utilizadas en la estadística
Audiencia:
Estudiantes de nuevo ingreso de los EUS
Estrategia:
Discusión guiada
Tiempo estimado:
3 horas
Contenidos:
1.Operador sumatoria
2.Operaciones básicas en el conjunto de los números reales: suma,
resta, multiplicación, división
3.Operaciones con fracciones
4.Propiedades de la potenciación
9

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Operador Sumatoria
Sea la sucesión de 100 términos cualesquiera de un campo numérico

an = a1 , a2 , a3 ,..., a100
La suma de los términos de la sucesión viene dada por:

an = a1 + a2 + a3 + ... + a100
Esta suma se puede expresar de forma más sencilla mediante el uso
del símbolo ∑ (mayúscula de la letra sigma griega, correspondiente a
la letra “s” de nuestro alfabeto).
Tenemos entonces que la sumatoria
n

∑ a ( m ≤ n)

k =m

k

es una forma de expresar la suma de los términos de una sucesión,
términos que se obtienen dando a la variable k, valores enteros
comprendidos entre dos límites escritos en la parte inferior y
superior del símbolo.
10

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Operador Sumatoria
Si consideramos el operador sumatoria definido con anterioridad
n

∑ a ( m ≤ n)

k =m

k

La expresión dada se leerá así: sumatoria desde k=1 hasta 100 de la
sucesión ak
Los límites m y n (inferior y superior) reciben el nombre de índices de
la sumatoria y este operador será una representación simbólica muy
utilizada en fórmulas estadísticas
Ejemplos:
a)

20

∑2

k

= 21 + 2 2 + 23 + ... + 2 20

k =1

b)

n

∑ ( 2t + 1) = 1 + 3 + 5 + ... + ( 2n + 1)
t =0

11

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Algunas propiedades de las sumatorias:
 Si c es una constante y ak es una sucesión, entonces;
n

∑ ca
k =1

n

k

= c ∑ ak
k =1

 Si c es una constante, entonces
n

∑ c = ( n − m + 1) c
k =1

 Si ak y bk son sucesiones se cumple que:
n

∑(a
k =1

n

k

n

k =1

k =1

+ bk ) = ∑ ak + ∑ bk

NOTA: Como mencionamos con anterioridad, el operados sumatoria
se usa mucho en la estadística, como por ejemplo, para expresar el
calculo del promedio de observaciones numéricas:
n
En este caso, el operador sumatoria representa
xi
la suma de las observaciones de la serie dada.
i =1

X=

12

∑

n
Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Algunas propiedades de las sumatorias:
Algunos errores que se cometen al usar el operador sumatoria:
2

 n

2
 Es falso tomar a ∑ ak =  ∑ ak  ya que son valores completa_
k =1
 k =1 
n

mente diferentes. Se puede verificar fácilmente con un ejemplo.
n

 Es falso afirmar que

∑a
k =1

n

k

n

k =1

k =1

× bk = ∑ ak × ∑ bk ya que si hacemos

por separado dicho calculo podemos observar que son completa_
mente diferentes.

13

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Ejemplo:
Sean:

n

∑x
i =1

i

= x1 + x2 + x3 + ... + xn

n

∑ ax = ax + ax
i =1

i

1

2

+ ax3 + ... + axn Donde a es una constante

Resolver el siguiente planteamiento:
Las siguientes notas corresponden a un grupo de estudiantes:
Xi = 10, 15, 8, 17, 20, 5
yi = 12, 14, 10, 15, 4, 6
Calcular:
a) ∑ Xi
b) ∑ Xi
n
c) ∑ Xj Yj
d)
14

∑ Xi ² - ∑ Yi - ∑ xi. Yi
n
Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Solución:
xi

xi²

xi .Yi

10

12

100

120

15

14

225

210

8

10

64

80

17

15

289

255

20

4

400

80

5

6

25

30

75

15

Yi

61

1103

775

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Proporciones y porcentajes
Cocientes Estadísticos:
Si se quiere conocer el riesgo de muerte entre dos ciudades, no se
podría tomar como indicio el número de muertes ocurrido durante
cierto tiempo en ambas ciudades; ya que ambas pueden tener
diferentes población, siendo este factor decisivo para describir el
comportamiento de riesgo de muerte en diferentes ciudades
tendremos que utilizar una medida que permita establecer una
comparación entre los riesgos de muertes considerados.
Esa respuesta la da los cocientes relativos, que son medidas
estadísticas que consisten en establecer en convertir los datos de
valores absolutos en valores relativos mediante un cociente.
Los cocientes estadísticos más utilizados son:

16

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

17

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Proporciones
Definición: son cocientes que indican la relación existente
entre una cantidad (parte de un todo) y el total de las
unidades consideradas.
Fórmula: P= A
N
Ej.
Proporción de estudiantes del sexo masculino.
No. de estudiantes masculino
= 2.800 = 0.70
P=
total de estudiantes
4.000
Proporción de estudiantes del sexo femenino
No. de estudiantes femenino = 1.200 = 0.30
P=
total de estudiantes
4.000
18

Proporción de estudiantes del sexo masculino +

Proporción de

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Porcentajes
Definición: son proporciones multiplicadas por cien
(100), así como todas las proporciones referidas al mismo
total es igual a uno, la suma de todos los porcentajes
referidos al mismo total es igual a cien (100).
Fórmula:
%= A x 100
N
%= 2.800 x 100 = 70%
4.000
%= 1.200 x 100 = 30%
4.000
19

(Porcentaje de estudiantes del sexo masculino)

(Porcentaje de estudiantes del sexo femenino)

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Notación científica
Al escribir números en especifico aquellos que tienen gran
cantidad de ceros (0) antes o después del punto decimal, es
conveniente emplear la notación científica, usando potencia
de 10.
Ej.
10¹= 10
10²= 10 x 10= 100
10⁵= 10x10x10x10x10x = 100.000
10⁸= 100.000.000

Ej.
10⁰= 1
10⁻¹= 0,1
10⁻²= 0,01
10⁻⁵= 0,00001

Ej.
864 000 000= 8,64 x 10⁸
0,00003416= 3,416 x 10⁻⁵
.
20

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Potencia de un Número

Si se desea multiplicar un número por sí mismo varias veces se puede
indicar el producto factor a factor; si son pocos factores esto se puede
hacer sin mucha dificultad. Por ejemplo 2·2·2, si se multiplica por si
mismo 2 tres veces.
Esta forma de expresar este tipo de operaciones es tediosa y poco
práctica. Una notación más simple y práctica para expresar el
producto de un número por sí mismo varias veces es la notación en
forma de potencia.
Una potencia consta de dos partes, por un lado está la base que es el
número que se multiplica por sí mismo y por otro el exponente que
nos indica el número de veces que se multiplica el número.

21

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Propiedades de la potenciación
 Producto de bases distintas elevadas a un mismo exponente:

( a ⋅ b) n = a n ⋅ bn

 Potencia de una potencia:

(a )

n m

= a n⋅ m

 Producto de potencias de bases iguales es una potencia donde se
suman los exponentes:

a n ⋅ a m = a n+m

División de potencias de igual base es una potencia donde se
restan los exponentes:

a m ÷ a n = a n−m

 Todo número elevado a la cero es igual a 1:

a0 = 1

22

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Ejemplos
2 3 + 32 + 4 2 = 2.2.2 + 3.3 + 4.4 = 8 + 9 + 16 = 33

(5 + 4) 2 + 32 =

3 +1 =

(9)2 + 3.3 = 9.9 + 3.3 = 81 + 9 = 90

4=2

25 − 16
9 3
=
= =1
3
3
3

33 + 4 − 2 3 =
10 2.10 5
10 3
23

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Propiedades de la potenciación
 Base fraccionaria con exponente negativo es una potencia en la que se
“voltea” la fracción y se le cambia el signo al exponente:

a
 
b

−n

b
= 
a

n

 Potencia de bases con exponentes fraccionarios:

a n = n am
m

NOTA: El concepto y las propiedades de la potenciación pueden ser
conveniente usadas en ciertas fórmulas estadísticas, como es el caso de la
desviación típica o estándar:
En este caso, debemos elevar al cuadrado
n
las desviaciones entre las observaciones
( xi − x ) 2
con
respecto a su media aritmética.
i =1

σ=

24

∑

n

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Ejemplo
Las siguientes notas corresponden a un grupo de
estudiantes:
Xi = 10, 15, 8, 17, 20, 5
yi = 12, 14, 10, 15, 4, 6
Calcular la desviación estándar en cada caso (tanto
n
para x como para y)
( xi − x ) 2
∑
σ = i =1
n
Para calcular el promedio utilice la siguiente fórmula
n

X=
25

∑x
i =1

i

n
Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Solución:
xi

10

12

15

14

8

10

17

15

20

4

5

6

75
26

Yi

61

-X )

2

Xi -2,5

(Xi
6,25

2,5
-4,5
4,5
7,5
-7,5

6,25
20,25
20,25
56,25
56,25
165,5

X

Yi1,83

Y) 2
(Yi -

3,83
-0,17
4,83
-6,17
-4,17

14,69
0,03
23,36
38,03
17,36
96,83

Y

3,36

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Luego:
n

σx =

( xi − x ) 2
∑
i =1

n

n

σy =
27

∑( y
i =1

i

− y)

n

165,5
=
= 5,25
6

2

96,83
=
= 4,02
6
Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Teoría Combinatoria

La teoría combinatoria es la rama de las
Matemáticas encargada de estudiar la cantidad de
grupos distintos que se pueden formar con un
número dado de elementos, distinguiéndose entre
ellos cada grupo de los restantes por algunas
condiciones que se dan en cada caso.

28

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Teorema fundamental de la Combinatoria
Si un primer evento puede ocurrir de m formas
diferentes y, después de que éste ocurra, un
segundo evento puede ocurrir de n formas
diferentes, entonces el número de formas
diferentes en que puede ocurrir la secuencia de los
eventos es igual a m por n.
Dependiendo de las condiciones establecidas en la
Teoría Combinatoria tenemos principalmente tres
tipos de agrupaciones:

29

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación
Teoría Combinatoria

Pn = n !

Vm ,n

m!
=
(m − n)!

Cm , n =

30

m!
(m − n)!⋅ n!

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Factorial de un Número
• El factorial de un número entero positivo
se define como el producto de todos los
números naturales anteriores o iguales a
él. Se escribe n!, y se lee "n factorial".
(Por definición el factorial de 0 es 1: 0!=1)
Por ejemplo, 5! = 5·4·3·2·1 = 120
(8-4)! = 4! = 4x3x2x1 = 24
31

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

• La función factorial (símbolo: !) sólo quiere decir
que se multiplican una serie de números que
descienden.
• Ejemplos:
4! = 4 × 3 × 2 × 1 = 24
7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040
1! = 1
• "4!" normalmente se pronuncia "4 factorial".
También se puede decir "factorial de 4"
32

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Conceptos Claves en Estadística I
• Estadística y clasificación de la estadística
• Tablas y gráficos. Tipos y Usos
• Promedios matemáticos y no
matemáticos
• Medidas de tendencia central y de
dispersión
• Distribución de frecuencia discreta y
continua
33

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Ejercicio Final:
Los bachilleres que aspiran ingresar al Núcleo de la Región Centro Occidental de la
Escuela de Educación de la Universidad Central de Venezuela para el período lectivo 20102, presentaron una evaluación diagnóstica. Una muestra de treinta y seis (36) participantes
obtuvo las siguientes calificaciones:
08
10
14
18
16

08
14
02
16

04
14
02
08
18 10

02
14
04
10
08

06
02
16
12

10
14
14
14

18
10
18
16

08
04
12
04

A partir de estos datos, calcule
a)El promedio de las calificaciones obtenidas en la evaluación diagnóstica por la muestra.
n

X=

∑x
i =1

i

n
n

b) La desviación estándar.
34

σ=

∑( x − x)
i =1

2

i

n
Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Promedio de Calificaciones:
n

X=

∑x
i =1

n

i

378
=
= 10,5 puntos
36

El promedio de calificaciones de los 36 bachilleres
que aspiran ingresar a la Escuela de Educación,
EUS/UCV/RCO es 10,5 puntos

35

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

Desviación Estándar:
n

σ=

( xi − x ) 2
∑
i =1

n

=

947
= 5,2
36

La desviación estándar es 5,2 puntos

36

Cátedra de Métodos Cuantitativos
Módulo II: Aproximación a la estadística en Educación

37

Cátedra de Métodos Cuantitativos
1 de 37

Recomendados

Nociones básicas de estadística por
Nociones básicas de estadísticaNociones básicas de estadística
Nociones básicas de estadísticaPatricia Iglesias
5.5K vistas22 diapositivas
Nociones básicas de estadística (continuación) por
Nociones básicas de estadística (continuación)Nociones básicas de estadística (continuación)
Nociones básicas de estadística (continuación)Patricia Iglesias
7.6K vistas13 diapositivas
17823 matematica1 por
17823 matematica117823 matematica1
17823 matematica1Crystina Guerrero Peñafiel
1.1K vistas5 diapositivas
Silabus De Matemática Básica Ingenieria Informática por
Silabus De Matemática Básica Ingenieria InformáticaSilabus De Matemática Básica Ingenieria Informática
Silabus De Matemática Básica Ingenieria InformáticaIngrid Amoretti Gomez
489 vistas6 diapositivas
Examen global 2014 con rubrica por
Examen global 2014 con rubricaExamen global 2014 con rubrica
Examen global 2014 con rubricaGabriel Peregrino Morales
134 vistas9 diapositivas
Propuesta matemática divertida 2021 pme final por
Propuesta matemática divertida 2021 pme finalPropuesta matemática divertida 2021 pme final
Propuesta matemática divertida 2021 pme finalColegioSantaEmiliaCo
182 vistas6 diapositivas

Más contenido relacionado

La actualidad más candente

Sílabo de Matemática Básica por
Sílabo de Matemática BásicaSílabo de Matemática Básica
Sílabo de Matemática BásicaDaniel Josúe Vargas Villagra
269 vistas7 diapositivas
Unidad didáctica por
Unidad didácticaUnidad didáctica
Unidad didácticaColegio Parroquial Padre Negro
311 vistas51 diapositivas
Matemática básica sílabo por
Matemática básica sílaboMatemática básica sílabo
Matemática básica sílaboJoe Arroyo Suárez
1.6K vistas4 diapositivas
Taller experimental de matemáticas por
Taller experimental de matemáticasTaller experimental de matemáticas
Taller experimental de matemáticasLorenzo Carlos Guadarrama
243 vistas22 diapositivas
Pud séptimo matematicas por
Pud séptimo matematicasPud séptimo matematicas
Pud séptimo matematicasBernardita Zulay Naranjo Rivadeneira
446 vistas47 diapositivas
Nociones básicas 2 por
Nociones básicas 2Nociones básicas 2
Nociones básicas 2Edgar Lozada
286 vistas10 diapositivas

La actualidad más candente(20)

Nociones básicas 2 por Edgar Lozada
Nociones básicas 2Nociones básicas 2
Nociones básicas 2
Edgar Lozada286 vistas
Dosificaciontrimestral3 por LiciSnchez
Dosificaciontrimestral3Dosificaciontrimestral3
Dosificaciontrimestral3
LiciSnchez98 vistas
Planeacion Matematicas 1 secundaria 18 19 sep por nsdpssc
Planeacion Matematicas 1 secundaria 18   19 sepPlaneacion Matematicas 1 secundaria 18   19 sep
Planeacion Matematicas 1 secundaria 18 19 sep
nsdpssc7.8K vistas
Evaluación suma y resta con reserva por Marcela Vildosola
Evaluación suma y resta con reservaEvaluación suma y resta con reserva
Evaluación suma y resta con reserva
Marcela Vildosola47.5K vistas
Medidas de Tendencia Central por Karlos Rivero
Medidas de Tendencia CentralMedidas de Tendencia Central
Medidas de Tendencia Central
Karlos Rivero576 vistas
5 plani anual mat2015 por profesoraudp
5 plani anual mat2015 5 plani anual mat2015
5 plani anual mat2015
profesoraudp397 vistas
Estadistica aplicada annie_martinez por Annie Martínez
Estadistica aplicada annie_martinezEstadistica aplicada annie_martinez
Estadistica aplicada annie_martinez
Annie Martínez31 vistas
Dosificacion matematicas 2 grado de secundaria por JEDANNIE Apellidos
Dosificacion matematicas 2 grado de secundariaDosificacion matematicas 2 grado de secundaria
Dosificacion matematicas 2 grado de secundaria
JEDANNIE Apellidos4.2K vistas
Planeacion 3er grado periodo 3 2011 por Arathf26
Planeacion 3er grado periodo 3 2011Planeacion 3er grado periodo 3 2011
Planeacion 3er grado periodo 3 2011
Arathf26449 vistas
Plan para una clase mate utilizando tlc 1 por monsyvr01
Plan para una clase mate utilizando tlc 1Plan para una clase mate utilizando tlc 1
Plan para una clase mate utilizando tlc 1
monsyvr011.9K vistas
Programa matemática aplicada_2011 por Lucas Crotti
Programa matemática aplicada_2011Programa matemática aplicada_2011
Programa matemática aplicada_2011
Lucas Crotti239 vistas
Proyecto ecuaciones por avcuencax
Proyecto ecuacionesProyecto ecuaciones
Proyecto ecuaciones
avcuencax149 vistas

Destacado

Presentación soluciones 3ro por
Presentación soluciones 3roPresentación soluciones 3ro
Presentación soluciones 3roFreddyAlvarez30
1.3K vistas15 diapositivas
Sesion 02 por
Sesion 02Sesion 02
Sesion 02elgrupo13
1.8K vistas39 diapositivas
2.3 metodos cuantitativos por
2.3 metodos cuantitativos2.3 metodos cuantitativos
2.3 metodos cuantitativosthecharlyccc
10.7K vistas7 diapositivas
Métodos Cuantitativos en la Investigación Educativa por
Métodos Cuantitativos en la Investigación EducativaMétodos Cuantitativos en la Investigación Educativa
Métodos Cuantitativos en la Investigación EducativaCarlos Ruiz Bolivar
18.8K vistas49 diapositivas
Cap4 dii711 por
Cap4 dii711Cap4 dii711
Cap4 dii711UPN
11.5K vistas19 diapositivas
Ejemplo de variables dependientes e independientes por
Ejemplo de variables dependientes e independientesEjemplo de variables dependientes e independientes
Ejemplo de variables dependientes e independientesArlette zEPEDA
5.4K vistas1 diapositiva

Destacado(20)

Presentación soluciones 3ro por FreddyAlvarez30
Presentación soluciones 3roPresentación soluciones 3ro
Presentación soluciones 3ro
FreddyAlvarez301.3K vistas
Sesion 02 por elgrupo13
Sesion 02Sesion 02
Sesion 02
elgrupo131.8K vistas
2.3 metodos cuantitativos por thecharlyccc
2.3 metodos cuantitativos2.3 metodos cuantitativos
2.3 metodos cuantitativos
thecharlyccc10.7K vistas
Métodos Cuantitativos en la Investigación Educativa por Carlos Ruiz Bolivar
Métodos Cuantitativos en la Investigación EducativaMétodos Cuantitativos en la Investigación Educativa
Métodos Cuantitativos en la Investigación Educativa
Carlos Ruiz Bolivar18.8K vistas
Cap4 dii711 por UPN
Cap4 dii711Cap4 dii711
Cap4 dii711
UPN11.5K vistas
Ejemplo de variables dependientes e independientes por Arlette zEPEDA
Ejemplo de variables dependientes e independientesEjemplo de variables dependientes e independientes
Ejemplo de variables dependientes e independientes
Arlette zEPEDA5.4K vistas
Metodos Cuantitativos por quintomerca
Metodos CuantitativosMetodos Cuantitativos
Metodos Cuantitativos
quintomerca6.3K vistas
Elaboración de una tesis, las variables por juanchojuancho
Elaboración de una tesis, las variablesElaboración de una tesis, las variables
Elaboración de una tesis, las variables
juanchojuancho54.1K vistas
Causas y consecuencias del problema por Danilo Montero
Causas y consecuencias del problemaCausas y consecuencias del problema
Causas y consecuencias del problema
Danilo Montero43K vistas
Objetivo, justificación y problema por Laura Marulanda
Objetivo, justificación y problemaObjetivo, justificación y problema
Objetivo, justificación y problema
Laura Marulanda64.1K vistas
Las variables en una investigacion cientifica por profesorrene
Las variables en una investigacion cientificaLas variables en una investigacion cientifica
Las variables en una investigacion cientifica
profesorrene263K vistas
Proceso. problema, objetivos, justificación, hipotesis por Natalia Peña
Proceso. problema, objetivos, justificación, hipotesisProceso. problema, objetivos, justificación, hipotesis
Proceso. problema, objetivos, justificación, hipotesis
Natalia Peña82.5K vistas
Problema objetivos hipotesis y marco teorico por Jose Loaiza Torres
Problema objetivos hipotesis y marco teoricoProblema objetivos hipotesis y marco teorico
Problema objetivos hipotesis y marco teorico
Jose Loaiza Torres48K vistas
Definición de hipótesis y variable dependiente e independiente por Aurora Sáez Morales
Definición de hipótesis y variable dependiente e independienteDefinición de hipótesis y variable dependiente e independiente
Definición de hipótesis y variable dependiente e independiente
Aurora Sáez Morales214.7K vistas
2 problema, formulación, objetivos y justificación por Marina Vintimilla
2 problema, formulación, objetivos y justificación2 problema, formulación, objetivos y justificación
2 problema, formulación, objetivos y justificación
Marina Vintimilla90.5K vistas
Las hipotesis y las variables por Werner Granados
Las hipotesis y las variablesLas hipotesis y las variables
Las hipotesis y las variables
Werner Granados354.1K vistas
Componenetes del proyecto, introduccion, justificacion, objetivos, marco teor... por colegio san jose
Componenetes del proyecto, introduccion, justificacion, objetivos, marco teor...Componenetes del proyecto, introduccion, justificacion, objetivos, marco teor...
Componenetes del proyecto, introduccion, justificacion, objetivos, marco teor...
colegio san jose370K vistas

Similar a Estadistica nuevo-ingreso

Nuevo ingreso 2013 por
Nuevo ingreso 2013Nuevo ingreso 2013
Nuevo ingreso 2013Edgar Lozada
247 vistas20 diapositivas
medidas-tendencia-central datos agrupados y no agrupados.pdf por
medidas-tendencia-central datos agrupados y no agrupados.pdfmedidas-tendencia-central datos agrupados y no agrupados.pdf
medidas-tendencia-central datos agrupados y no agrupados.pdfCarlos Franco
304 vistas18 diapositivas
medidas-tendencia-central.pdf por
medidas-tendencia-central.pdfmedidas-tendencia-central.pdf
medidas-tendencia-central.pdfSakbeContrerasCastil
57 vistas18 diapositivas
1 tarea euclides por
1 tarea euclides1 tarea euclides
1 tarea euclidesIIe
108 vistas2 diapositivas
UPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdf por
UPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdfUPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdf
UPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdfevelynmansilla4
3 vistas14 diapositivas
Proyecto la estadistica en mi escuela por
Proyecto la estadistica en mi escuelaProyecto la estadistica en mi escuela
Proyecto la estadistica en mi escuelaElsa Dominini
5.5K vistas12 diapositivas

Similar a Estadistica nuevo-ingreso(20)

medidas-tendencia-central datos agrupados y no agrupados.pdf por Carlos Franco
medidas-tendencia-central datos agrupados y no agrupados.pdfmedidas-tendencia-central datos agrupados y no agrupados.pdf
medidas-tendencia-central datos agrupados y no agrupados.pdf
Carlos Franco304 vistas
1 tarea euclides por IIe
1 tarea euclides1 tarea euclides
1 tarea euclides
IIe108 vistas
UPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdf por evelynmansilla4
UPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdfUPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdf
UPNW-GAC-FOR-035-Silabo Estadística básica. 2023-I. Revisado (4).pdf
evelynmansilla43 vistas
Proyecto la estadistica en mi escuela por Elsa Dominini
Proyecto la estadistica en mi escuelaProyecto la estadistica en mi escuela
Proyecto la estadistica en mi escuela
Elsa Dominini5.5K vistas
Análisis estadístico - El Plan por Jose Perez
Análisis estadístico - El PlanAnálisis estadístico - El Plan
Análisis estadístico - El Plan
Jose Perez532 vistas
Programa MatemáTica Aplicada 2010 por Lucas Crotti
Programa MatemáTica Aplicada 2010Programa MatemáTica Aplicada 2010
Programa MatemáTica Aplicada 2010
Lucas Crotti683 vistas
Formato Plan de Clase 3.docx por nolberth pec
Formato  Plan de Clase  3.docxFormato  Plan de Clase  3.docx
Formato Plan de Clase 3.docx
nolberth pec126 vistas
Sílabo matematicas y estadisca aplicada a la educacion lista por susymiranda
Sílabo matematicas y estadisca aplicada a la educacion listaSílabo matematicas y estadisca aplicada a la educacion lista
Sílabo matematicas y estadisca aplicada a la educacion lista
susymiranda886 vistas
Matematicas por ibiainsa
MatematicasMatematicas
Matematicas
ibiainsa7.5K vistas
3.plan de aula matematicas y estadistica grado séptimo p3 2015 diana zuluaga por dianazuluaga1
3.plan de aula matematicas y estadistica grado séptimo p3 2015 diana zuluaga3.plan de aula matematicas y estadistica grado séptimo p3 2015 diana zuluaga
3.plan de aula matematicas y estadistica grado séptimo p3 2015 diana zuluaga
dianazuluaga13.1K vistas
129178406 fundamentos-de-matematica-cinu por N T
129178406 fundamentos-de-matematica-cinu129178406 fundamentos-de-matematica-cinu
129178406 fundamentos-de-matematica-cinu
N T950 vistas
Silabo estadistica auditoria por luz orelllana
Silabo estadistica auditoriaSilabo estadistica auditoria
Silabo estadistica auditoria
luz orelllana178 vistas
Curso reforzamiento3 por Erendi SB
Curso reforzamiento3Curso reforzamiento3
Curso reforzamiento3
Erendi SB798 vistas

Más de Patricia Iglesias

Representaciones Mentales en el Aprendizaje del Concepto Combustión por
Representaciones Mentales en el Aprendizaje del Concepto CombustiónRepresentaciones Mentales en el Aprendizaje del Concepto Combustión
Representaciones Mentales en el Aprendizaje del Concepto CombustiónPatricia Iglesias
3.7K vistas81 diapositivas
Representaciones mentales en el aprendizaje del concepto combustión por
Representaciones mentales en el aprendizaje del concepto combustiónRepresentaciones mentales en el aprendizaje del concepto combustión
Representaciones mentales en el aprendizaje del concepto combustiónPatricia Iglesias
1.9K vistas48 diapositivas
Momentos de la Investigación por
Momentos de la InvestigaciónMomentos de la Investigación
Momentos de la InvestigaciónPatricia Iglesias
804 vistas8 diapositivas
Transdisciplinariedad EUS/UCV por
Transdisciplinariedad EUS/UCVTransdisciplinariedad EUS/UCV
Transdisciplinariedad EUS/UCVPatricia Iglesias
496 vistas18 diapositivas
Uso educativo-de-las-redes-sociales-en-eus por
Uso educativo-de-las-redes-sociales-en-eusUso educativo-de-las-redes-sociales-en-eus
Uso educativo-de-las-redes-sociales-en-eusPatricia Iglesias
392 vistas24 diapositivas
Taller tablas-y-gráficos-con-excel por
Taller tablas-y-gráficos-con-excelTaller tablas-y-gráficos-con-excel
Taller tablas-y-gráficos-con-excelPatricia Iglesias
820 vistas59 diapositivas

Más de Patricia Iglesias(17)

Representaciones Mentales en el Aprendizaje del Concepto Combustión por Patricia Iglesias
Representaciones Mentales en el Aprendizaje del Concepto CombustiónRepresentaciones Mentales en el Aprendizaje del Concepto Combustión
Representaciones Mentales en el Aprendizaje del Concepto Combustión
Patricia Iglesias3.7K vistas
Representaciones mentales en el aprendizaje del concepto combustión por Patricia Iglesias
Representaciones mentales en el aprendizaje del concepto combustiónRepresentaciones mentales en el aprendizaje del concepto combustión
Representaciones mentales en el aprendizaje del concepto combustión
Patricia Iglesias1.9K vistas
Uso educativo-de-las-redes-sociales-en-eus por Patricia Iglesias
Uso educativo-de-las-redes-sociales-en-eusUso educativo-de-las-redes-sociales-en-eus
Uso educativo-de-las-redes-sociales-en-eus
Patricia Iglesias392 vistas
Innovaciones Educativas y TIC en los EUS/UCV por Patricia Iglesias
Innovaciones Educativas y TIC en los EUS/UCVInnovaciones Educativas y TIC en los EUS/UCV
Innovaciones Educativas y TIC en los EUS/UCV
Patricia Iglesias2.3K vistas
Propuesta diplomado en educación para la gestión de riesgos de desastres por Patricia Iglesias
Propuesta diplomado en educación para la gestión de riesgos de desastresPropuesta diplomado en educación para la gestión de riesgos de desastres
Propuesta diplomado en educación para la gestión de riesgos de desastres
Patricia Iglesias760 vistas
Políticas públicas y prácticas profesionales por Patricia Iglesias
Políticas públicas y prácticas profesionalesPolíticas públicas y prácticas profesionales
Políticas públicas y prácticas profesionales
Patricia Iglesias800 vistas
Planeta tierra como sistema dinámico por Patricia Iglesias
Planeta tierra como sistema dinámicoPlaneta tierra como sistema dinámico
Planeta tierra como sistema dinámico
Patricia Iglesias57.6K vistas

Último

Conferencia Magistral Módulo VII.pdf por
Conferencia Magistral Módulo VII.pdfConferencia Magistral Módulo VII.pdf
Conferencia Magistral Módulo VII.pdfRevista Crítica con Ciencia (e-ISSN: 2958-9495)
28 vistas25 diapositivas
Sesión: Misión en favor de los poderosos por
Sesión: Misión en favor de los poderososSesión: Misión en favor de los poderosos
Sesión: Misión en favor de los poderososhttps://gramadal.wordpress.com/
208 vistas4 diapositivas
Act#14 BT. 3.4 Organizacion Seres Vivos 2023 Online.pptx por
Act#14 BT. 3.4 Organizacion Seres Vivos 2023 Online.pptxAct#14 BT. 3.4 Organizacion Seres Vivos 2023 Online.pptx
Act#14 BT. 3.4 Organizacion Seres Vivos 2023 Online.pptxIntegrated Sciences 8 (2023- 2024)
133 vistas65 diapositivas
Funciones, límites y continuidad por
Funciones, límites y continuidadFunciones, límites y continuidad
Funciones, límites y continuidadAngel Vázquez Patiño
141 vistas340 diapositivas
S1_CPL.pdf por
S1_CPL.pdfS1_CPL.pdf
S1_CPL.pdfConecta13
54 vistas80 diapositivas
PEC_2023-24.pdf por
PEC_2023-24.pdfPEC_2023-24.pdf
PEC_2023-24.pdfceiplasanejas
41 vistas64 diapositivas

Último(20)

S1_CPL.pdf por Conecta13
S1_CPL.pdfS1_CPL.pdf
S1_CPL.pdf
Conecta1354 vistas
Unicómic 25 años: líneas de investigación para la Didáctica de la Lengua y la... por IGNACIO BALLESTER PARDO
Unicómic 25 años: líneas de investigación para la Didáctica de la Lengua y la...Unicómic 25 años: líneas de investigación para la Didáctica de la Lengua y la...
Unicómic 25 años: líneas de investigación para la Didáctica de la Lengua y la...
PPT TECNOLOGIAS PARA LA ENSEÑANZA VIRTUAL.pptx por CarlaFuentesMuoz
PPT TECNOLOGIAS PARA LA ENSEÑANZA VIRTUAL.pptxPPT TECNOLOGIAS PARA LA ENSEÑANZA VIRTUAL.pptx
PPT TECNOLOGIAS PARA LA ENSEÑANZA VIRTUAL.pptx
CarlaFuentesMuoz34 vistas
Perennials, Bulbs, Grasses and Ferns of Poland, Spain and Portugal.pptx por e-twinning
Perennials, Bulbs, Grasses and Ferns of Poland, Spain and Portugal.pptxPerennials, Bulbs, Grasses and Ferns of Poland, Spain and Portugal.pptx
Perennials, Bulbs, Grasses and Ferns of Poland, Spain and Portugal.pptx
e-twinning26 vistas
Fase 4- Estudio de la geometría analítica.pptx por blogdealgebraunad
Fase 4- Estudio de la geometría analítica.pptxFase 4- Estudio de la geometría analítica.pptx
Fase 4- Estudio de la geometría analítica.pptx
blogdealgebraunad33 vistas

Estadistica nuevo-ingreso

  • 1. Módulo II: Aproximación a la estadística en Educación Tema 1: Nociones básicas Propósito: Ofrecer a los participantes nociones básica del uso de la estadística y su importancia en la Educación Audiencia: Estudiantes de nuevo ingreso de los EUS Estrategia: Discusión guiada Tiempo estimado: 3 horas Contenidos: 1.¿Qué es matemática y qué es estadística? 2.Abusos de la estadística 3.¿Para qué estudiar estadística en Educación? 4.¿Que estadísticas se ven en Educación? 5.¿Cómo debo abordar la asignatura? 1 Cátedra de Métodos Cuantitativos
  • 2. Módulo II: Aproximación a la estadística en Educación ¿Qué es matemática y qué es estadística? Cuando pensamos en matemática ¿Qué recordamos? Se llama matemática al estudio de las propiedades y las relaciones de entes abstractos (números, figuras geométricas) a partir de notaciones básicas exactas y a través del razonamiento lógico. 2 http://es.wikipedia.org/ Cuando pensamos en estadística ¿Qué recordamos? La estadística es una ciencia con base matemática referente a la recolección, análisis e interpretación de datos, que busca explicar condiciones regulares en fenómenos de tipo aleatorio. Cátedra de Métodos Cuantitativos
  • 3. Módulo II: Aproximación a la estadística en Educación ¿Qué es matemática y qué es estadística? Cuando pensamos en matemática ¿Cuándo la usamos? La teoría matemática sí se desarrolla en abstracto: no depende de otra cosa fuera de sí misma. La verdad de la teoría se mide por la lógica y no por el experimento. Sin embargo, una de sus utilizaciones más valiosas es el describir o modelar los procesos en el mundo real, de manera que hay una interacción constante entre las matemáticas puras y las matemáticas aplicadas. 3 http://es.wikipedia.org/ Cuando pensamos en estadística ¿Cuándo la usamos? Es transversal a una amplia variedad de disciplinas, desde la física hasta las ciencias sociales, y es usada para la toma de decisiones. Dos ramas de la estadística permiten: utilizar métodos de recolección, descripción, visualización y resumen de datos originados a partir de los fenómenos en estudio (descriptiva), y la generación de los modelos, para modelar patrones en los datos y extraer inferencias acerca de la población bajo estudio (inferencia). Cátedra de Métodos Cuantitativos
  • 4. Módulo II: Aproximación a la estadística en Educación ¿Qué es matemática y qué es estadística? Cuando pensamos en matemática ¿Dudamos de ella? Puesto que el estudio no está relacionado con el mundo físico, se buscan pruebas formales rigurosas, en lugar de verificaciones experimentales. La teoría se presenta en términos de un pequeño número de verdades dadas (conocidas como axiomas), desde las que puede inferir toda una teoría. 4 http://es.wikipedia.org/ Cuando pensamos en estadística ¿Dudamos de ella? El uso de cualquier método estadístico es válido solo cuando el sistema o población bajo consideración satisface los supuestos matemáticos del método. El mal uso de la estadística puede producir serios errores en la descripción e interpretación Cátedra de Métodos Cuantitativos
  • 5. Módulo II: Aproximación a la estadística en Educación Abusos de la estadística La estadística es una ciencia exacta porque dice siempre exactamente lo que uno quiere que diga • No basta con la simple lectura de un dato • Pertenece a la muestra de la cual se extrajo la información • Su interpretación depende del contexto en el cual ha sido recolectado • Su validez depende del instrumento de recolección de información • Sus cambios son explicados por la historia • No implica causalidad inmediata • No tiene resultados exactos • La representatividad depende de cómo se recogieron los datos y cuántos son • Considera niveles de incertidumbre en la toma de decisiones 5 Cátedra de Métodos Cuantitativos
  • 6. Módulo II: Aproximación a la estadística en Educación ¿Para qué estudiar estadística en Educación? La investigación en educación, en ocasiones, se apoya de métodos estadísticos que le facilitan el procesamiento y análisis de los datos, es por eso que el curso Estadística aplicada a la educación tiene como propósito fundamental proveer a los educadores de un conjunto de métodos, técnicas, y procedimientos estadísticos que le permitan recolectar, organizar, presentar e interpretar datos provenientes de un conjunto de elementos o colectivo en estudio, a fin de obtener conclusiones válidas y confiables Variables comunes en Educación • Rendimiento • Deserción • Repitencia • Nutrición En términos generales se usa para: • Planificar • Diagnosticar 6 Cátedra de Métodos Cuantitativos
  • 7. Módulo II: Aproximación a la estadística en Educación ¿Que estadísticas se ven en Educación? Matemática y Estadística I Estadística III 7 Estadística II Métodos Cuantitativos Cátedra de Métodos Cuantitativos
  • 8. Módulo II: Aproximación a la estadística en Educación ¿Cómo debo abordar la asignatura? • Disponer de un correo electrónico para comunicarse con su profesor • Preparar el contenido con anticipación a la asesoría • Llevar nota de los comentarios y dudas que surgen en la lectura • Revisar el tipo de ejercicio que se realiza para la unidad • Asistir puntualmente a las asesorías • Realizar preguntas y comentarios al profesor durante la asesoría • Llevar nota de las observaciones, técnicas y formulas que se proponen en clase • Llevar registro de los contenidos discutidos en clase y los que quedan pendientes • Dedicar a la asignatura al menos 10 horas semanales para leer o ejercitarse • Redactar conclusiones de todos los resultados que se obtengan producto del calculo y corroborarlo con compañeros y profesores www.ucv.ve/eus 8 Cátedra de Métodos Cuantitativos
  • 9. Módulo II: Aproximación a la estadística en Educación Tema 2: Operaciones básicas en estadística Propósito: Presentar a los participantes las operaciones matemáticas básicas utilizadas en la estadística Audiencia: Estudiantes de nuevo ingreso de los EUS Estrategia: Discusión guiada Tiempo estimado: 3 horas Contenidos: 1.Operador sumatoria 2.Operaciones básicas en el conjunto de los números reales: suma, resta, multiplicación, división 3.Operaciones con fracciones 4.Propiedades de la potenciación 9 Cátedra de Métodos Cuantitativos
  • 10. Módulo II: Aproximación a la estadística en Educación Operador Sumatoria Sea la sucesión de 100 términos cualesquiera de un campo numérico an = a1 , a2 , a3 ,..., a100 La suma de los términos de la sucesión viene dada por: an = a1 + a2 + a3 + ... + a100 Esta suma se puede expresar de forma más sencilla mediante el uso del símbolo ∑ (mayúscula de la letra sigma griega, correspondiente a la letra “s” de nuestro alfabeto). Tenemos entonces que la sumatoria n ∑ a ( m ≤ n) k =m k es una forma de expresar la suma de los términos de una sucesión, términos que se obtienen dando a la variable k, valores enteros comprendidos entre dos límites escritos en la parte inferior y superior del símbolo. 10 Cátedra de Métodos Cuantitativos
  • 11. Módulo II: Aproximación a la estadística en Educación Operador Sumatoria Si consideramos el operador sumatoria definido con anterioridad n ∑ a ( m ≤ n) k =m k La expresión dada se leerá así: sumatoria desde k=1 hasta 100 de la sucesión ak Los límites m y n (inferior y superior) reciben el nombre de índices de la sumatoria y este operador será una representación simbólica muy utilizada en fórmulas estadísticas Ejemplos: a) 20 ∑2 k = 21 + 2 2 + 23 + ... + 2 20 k =1 b) n ∑ ( 2t + 1) = 1 + 3 + 5 + ... + ( 2n + 1) t =0 11 Cátedra de Métodos Cuantitativos
  • 12. Módulo II: Aproximación a la estadística en Educación Algunas propiedades de las sumatorias:  Si c es una constante y ak es una sucesión, entonces; n ∑ ca k =1 n k = c ∑ ak k =1  Si c es una constante, entonces n ∑ c = ( n − m + 1) c k =1  Si ak y bk son sucesiones se cumple que: n ∑(a k =1 n k n k =1 k =1 + bk ) = ∑ ak + ∑ bk NOTA: Como mencionamos con anterioridad, el operados sumatoria se usa mucho en la estadística, como por ejemplo, para expresar el calculo del promedio de observaciones numéricas: n En este caso, el operador sumatoria representa xi la suma de las observaciones de la serie dada. i =1 X= 12 ∑ n Cátedra de Métodos Cuantitativos
  • 13. Módulo II: Aproximación a la estadística en Educación Algunas propiedades de las sumatorias: Algunos errores que se cometen al usar el operador sumatoria: 2  n  2  Es falso tomar a ∑ ak =  ∑ ak  ya que son valores completa_ k =1  k =1  n mente diferentes. Se puede verificar fácilmente con un ejemplo. n  Es falso afirmar que ∑a k =1 n k n k =1 k =1 × bk = ∑ ak × ∑ bk ya que si hacemos por separado dicho calculo podemos observar que son completa_ mente diferentes. 13 Cátedra de Métodos Cuantitativos
  • 14. Módulo II: Aproximación a la estadística en Educación Ejemplo: Sean: n ∑x i =1 i = x1 + x2 + x3 + ... + xn n ∑ ax = ax + ax i =1 i 1 2 + ax3 + ... + axn Donde a es una constante Resolver el siguiente planteamiento: Las siguientes notas corresponden a un grupo de estudiantes: Xi = 10, 15, 8, 17, 20, 5 yi = 12, 14, 10, 15, 4, 6 Calcular: a) ∑ Xi b) ∑ Xi n c) ∑ Xj Yj d) 14 ∑ Xi ² - ∑ Yi - ∑ xi. Yi n Cátedra de Métodos Cuantitativos
  • 15. Módulo II: Aproximación a la estadística en Educación Solución: xi xi² xi .Yi 10 12 100 120 15 14 225 210 8 10 64 80 17 15 289 255 20 4 400 80 5 6 25 30 75 15 Yi 61 1103 775 Cátedra de Métodos Cuantitativos
  • 16. Módulo II: Aproximación a la estadística en Educación Proporciones y porcentajes Cocientes Estadísticos: Si se quiere conocer el riesgo de muerte entre dos ciudades, no se podría tomar como indicio el número de muertes ocurrido durante cierto tiempo en ambas ciudades; ya que ambas pueden tener diferentes población, siendo este factor decisivo para describir el comportamiento de riesgo de muerte en diferentes ciudades tendremos que utilizar una medida que permita establecer una comparación entre los riesgos de muertes considerados. Esa respuesta la da los cocientes relativos, que son medidas estadísticas que consisten en establecer en convertir los datos de valores absolutos en valores relativos mediante un cociente. Los cocientes estadísticos más utilizados son: 16 Cátedra de Métodos Cuantitativos
  • 17. Módulo II: Aproximación a la estadística en Educación 17 Cátedra de Métodos Cuantitativos
  • 18. Módulo II: Aproximación a la estadística en Educación Proporciones Definición: son cocientes que indican la relación existente entre una cantidad (parte de un todo) y el total de las unidades consideradas. Fórmula: P= A N Ej. Proporción de estudiantes del sexo masculino. No. de estudiantes masculino = 2.800 = 0.70 P= total de estudiantes 4.000 Proporción de estudiantes del sexo femenino No. de estudiantes femenino = 1.200 = 0.30 P= total de estudiantes 4.000 18 Proporción de estudiantes del sexo masculino + Proporción de Cátedra de Métodos Cuantitativos
  • 19. Módulo II: Aproximación a la estadística en Educación Porcentajes Definición: son proporciones multiplicadas por cien (100), así como todas las proporciones referidas al mismo total es igual a uno, la suma de todos los porcentajes referidos al mismo total es igual a cien (100). Fórmula: %= A x 100 N %= 2.800 x 100 = 70% 4.000 %= 1.200 x 100 = 30% 4.000 19 (Porcentaje de estudiantes del sexo masculino) (Porcentaje de estudiantes del sexo femenino) Cátedra de Métodos Cuantitativos
  • 20. Módulo II: Aproximación a la estadística en Educación Notación científica Al escribir números en especifico aquellos que tienen gran cantidad de ceros (0) antes o después del punto decimal, es conveniente emplear la notación científica, usando potencia de 10. Ej. 10¹= 10 10²= 10 x 10= 100 10⁵= 10x10x10x10x10x = 100.000 10⁸= 100.000.000 Ej. 10⁰= 1 10⁻¹= 0,1 10⁻²= 0,01 10⁻⁵= 0,00001 Ej. 864 000 000= 8,64 x 10⁸ 0,00003416= 3,416 x 10⁻⁵ . 20 Cátedra de Métodos Cuantitativos
  • 21. Módulo II: Aproximación a la estadística en Educación Potencia de un Número Si se desea multiplicar un número por sí mismo varias veces se puede indicar el producto factor a factor; si son pocos factores esto se puede hacer sin mucha dificultad. Por ejemplo 2·2·2, si se multiplica por si mismo 2 tres veces. Esta forma de expresar este tipo de operaciones es tediosa y poco práctica. Una notación más simple y práctica para expresar el producto de un número por sí mismo varias veces es la notación en forma de potencia. Una potencia consta de dos partes, por un lado está la base que es el número que se multiplica por sí mismo y por otro el exponente que nos indica el número de veces que se multiplica el número. 21 Cátedra de Métodos Cuantitativos
  • 22. Módulo II: Aproximación a la estadística en Educación Propiedades de la potenciación  Producto de bases distintas elevadas a un mismo exponente: ( a ⋅ b) n = a n ⋅ bn  Potencia de una potencia: (a ) n m = a n⋅ m  Producto de potencias de bases iguales es una potencia donde se suman los exponentes: a n ⋅ a m = a n+m División de potencias de igual base es una potencia donde se restan los exponentes: a m ÷ a n = a n−m  Todo número elevado a la cero es igual a 1: a0 = 1 22 Cátedra de Métodos Cuantitativos
  • 23. Módulo II: Aproximación a la estadística en Educación Ejemplos 2 3 + 32 + 4 2 = 2.2.2 + 3.3 + 4.4 = 8 + 9 + 16 = 33 (5 + 4) 2 + 32 = 3 +1 = (9)2 + 3.3 = 9.9 + 3.3 = 81 + 9 = 90 4=2 25 − 16 9 3 = = =1 3 3 3 33 + 4 − 2 3 = 10 2.10 5 10 3 23 Cátedra de Métodos Cuantitativos
  • 24. Módulo II: Aproximación a la estadística en Educación Propiedades de la potenciación  Base fraccionaria con exponente negativo es una potencia en la que se “voltea” la fracción y se le cambia el signo al exponente: a   b −n b =  a n  Potencia de bases con exponentes fraccionarios: a n = n am m NOTA: El concepto y las propiedades de la potenciación pueden ser conveniente usadas en ciertas fórmulas estadísticas, como es el caso de la desviación típica o estándar: En este caso, debemos elevar al cuadrado n las desviaciones entre las observaciones ( xi − x ) 2 con respecto a su media aritmética. i =1 σ= 24 ∑ n Cátedra de Métodos Cuantitativos
  • 25. Módulo II: Aproximación a la estadística en Educación Ejemplo Las siguientes notas corresponden a un grupo de estudiantes: Xi = 10, 15, 8, 17, 20, 5 yi = 12, 14, 10, 15, 4, 6 Calcular la desviación estándar en cada caso (tanto n para x como para y) ( xi − x ) 2 ∑ σ = i =1 n Para calcular el promedio utilice la siguiente fórmula n X= 25 ∑x i =1 i n Cátedra de Métodos Cuantitativos
  • 26. Módulo II: Aproximación a la estadística en Educación Solución: xi 10 12 15 14 8 10 17 15 20 4 5 6 75 26 Yi 61 -X ) 2 Xi -2,5 (Xi 6,25 2,5 -4,5 4,5 7,5 -7,5 6,25 20,25 20,25 56,25 56,25 165,5 X Yi1,83 Y) 2 (Yi - 3,83 -0,17 4,83 -6,17 -4,17 14,69 0,03 23,36 38,03 17,36 96,83 Y 3,36 Cátedra de Métodos Cuantitativos
  • 27. Módulo II: Aproximación a la estadística en Educación Luego: n σx = ( xi − x ) 2 ∑ i =1 n n σy = 27 ∑( y i =1 i − y) n 165,5 = = 5,25 6 2 96,83 = = 4,02 6 Cátedra de Métodos Cuantitativos
  • 28. Módulo II: Aproximación a la estadística en Educación Teoría Combinatoria La teoría combinatoria es la rama de las Matemáticas encargada de estudiar la cantidad de grupos distintos que se pueden formar con un número dado de elementos, distinguiéndose entre ellos cada grupo de los restantes por algunas condiciones que se dan en cada caso. 28 Cátedra de Métodos Cuantitativos
  • 29. Módulo II: Aproximación a la estadística en Educación Teorema fundamental de la Combinatoria Si un primer evento puede ocurrir de m formas diferentes y, después de que éste ocurra, un segundo evento puede ocurrir de n formas diferentes, entonces el número de formas diferentes en que puede ocurrir la secuencia de los eventos es igual a m por n. Dependiendo de las condiciones establecidas en la Teoría Combinatoria tenemos principalmente tres tipos de agrupaciones: 29 Cátedra de Métodos Cuantitativos
  • 30. Módulo II: Aproximación a la estadística en Educación Teoría Combinatoria Pn = n ! Vm ,n m! = (m − n)! Cm , n = 30 m! (m − n)!⋅ n! Cátedra de Métodos Cuantitativos
  • 31. Módulo II: Aproximación a la estadística en Educación Factorial de un Número • El factorial de un número entero positivo se define como el producto de todos los números naturales anteriores o iguales a él. Se escribe n!, y se lee "n factorial". (Por definición el factorial de 0 es 1: 0!=1) Por ejemplo, 5! = 5·4·3·2·1 = 120 (8-4)! = 4! = 4x3x2x1 = 24 31 Cátedra de Métodos Cuantitativos
  • 32. Módulo II: Aproximación a la estadística en Educación • La función factorial (símbolo: !) sólo quiere decir que se multiplican una serie de números que descienden. • Ejemplos: 4! = 4 × 3 × 2 × 1 = 24 7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040 1! = 1 • "4!" normalmente se pronuncia "4 factorial". También se puede decir "factorial de 4" 32 Cátedra de Métodos Cuantitativos
  • 33. Módulo II: Aproximación a la estadística en Educación Conceptos Claves en Estadística I • Estadística y clasificación de la estadística • Tablas y gráficos. Tipos y Usos • Promedios matemáticos y no matemáticos • Medidas de tendencia central y de dispersión • Distribución de frecuencia discreta y continua 33 Cátedra de Métodos Cuantitativos
  • 34. Módulo II: Aproximación a la estadística en Educación Ejercicio Final: Los bachilleres que aspiran ingresar al Núcleo de la Región Centro Occidental de la Escuela de Educación de la Universidad Central de Venezuela para el período lectivo 20102, presentaron una evaluación diagnóstica. Una muestra de treinta y seis (36) participantes obtuvo las siguientes calificaciones: 08 10 14 18 16 08 14 02 16 04 14 02 08 18 10 02 14 04 10 08 06 02 16 12 10 14 14 14 18 10 18 16 08 04 12 04 A partir de estos datos, calcule a)El promedio de las calificaciones obtenidas en la evaluación diagnóstica por la muestra. n X= ∑x i =1 i n n b) La desviación estándar. 34 σ= ∑( x − x) i =1 2 i n Cátedra de Métodos Cuantitativos
  • 35. Módulo II: Aproximación a la estadística en Educación Promedio de Calificaciones: n X= ∑x i =1 n i 378 = = 10,5 puntos 36 El promedio de calificaciones de los 36 bachilleres que aspiran ingresar a la Escuela de Educación, EUS/UCV/RCO es 10,5 puntos 35 Cátedra de Métodos Cuantitativos
  • 36. Módulo II: Aproximación a la estadística en Educación Desviación Estándar: n σ= ( xi − x ) 2 ∑ i =1 n = 947 = 5,2 36 La desviación estándar es 5,2 puntos 36 Cátedra de Métodos Cuantitativos
  • 37. Módulo II: Aproximación a la estadística en Educación 37 Cátedra de Métodos Cuantitativos