SlideShare una empresa de Scribd logo
1 de 8
PARCIAL 1
>1<
Que es estadística?
Rama de las matematicas que se dedica a la organización, recolección y análisis de los datos para representarlos
gráficamente y poder tomar una decisión.
* estadística descriptiva(graficar): conjunto de métodos para organizar, resumir y presentar datos.
la aptitud promedio de todas las trabajadoras es probablemente mayor que la de los trabajadores.
*estadística inferencial(tomar decisiones): interpretación de resultados obtenidos y a partir de ellos predecir o deducir.
en la siguiente prueba de aptitudes probablemente los trabajadores reciben calificaciones más bajas que las de las
trabajadoras.
Es importante porque. . .
porque los negocios, las economías mundiales, los descubrimientos científicos y los avances médicos se basan, en
esencia, en la estadística.
La disciplina de la estadística proporciona el marco de los balances y cuentas de pérdidas y ganancias para el
conocimiento empresarial y científico.
La estadística es una disciplina contable que, en lugar de limitarse a rendir cuentas sobre el dinero, informa de la
credibilidad científica.
Se trata del arte de ponderar y sopesar las evidencias observacionales.
Campos de aplicación de la estadística:’
- ciencias sociales: demografía (censo)
- econometría: modelos matemáticos (mercadotecnia)
- ciencias medicas: índices de mortalidad y natalidad
- ciencias naturales: especies en peligro de extinción
- ingeniería: control de manufactura
- genética: factores hereditarios
POBLACION:
es el conjunto de todos los posibles elementos que intervienen en un experimento o en un estudio.
-PARAMETRO: características medibles de una población.
- FINITA: cantidad limitada de elementos.
- INFINITA: observaciones donde no existe limite (estrellas)
MUESTRA:
Un conjunto de medidas u observaciones tomadas a partir de una población dada, es un SUBCONJUNTO de la
población.
-ESTADISTICO: característica medible de una muestra
-VARIABLE: cada uno de los caracteres de la muestra o población.
>2< >3<
a) Como describir la población? Viendo de que se esta hablando en general, sin importar las variables que lo
diferencian (100 PERSONAS; enfermas, saludables)
b) Como identificar la muestra? Identificando la variable que hace que la población cambie en algún sentido al que
va dirigido el estudio de dicha población (100 PERSONAS; Se analizan 10 que pueden estar: enfermas, saludables)
c) como describir variable? Viendo las partes que influyen en la muestra de esa población.
- VARIABLE CUALITATIVA: Son las variables que expresan distintas cualidades, características o modalidad. Cada
modalidad que se presenta se denomina atributo o categoría y la medición consiste en una clasificación de dichos
atributos. Las variables cualitativas pueden ser ordinales y nominales.
Las variables cualitativas pueden ser dicotómicas cuando sólo pueden tomar dos valores posibles como sí y no,
hombre y mujer o son politómicas cuando pueden adquirir tres o más valores. Dentro de ellas podemos distinguir:
- Variable cualitativa ordinal: La variable puede tomar distintos valores ordenados siguiendo una escala establecida,
aunque no es necesario que el intervalo entre mediciones sea uniforme, por ejemplo, leve, moderado, grave
- Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio de orden como por
ejemplo los colores o el lugar de residencia.
-VARIABLE CUANTITATIVA: Son las variables que se expresan mediante cantidades numéricas. Las variables
cuantitativas además pueden ser:
Variable discreta: ( tiempo para resolver un examen.)Es la variable que presenta separaciones o interrupciones en la
escala de valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los
distintos valores específicos que la variable pueda asumir. Ejemplo: El número de hijos (1, 2, 3, 4, 5).
Variable continua: (altura del mercurio en un barómetro) Es la variable que puede adquirir cualquier valor dentro de un
intervalo especificado de valores. Por ejemplo el peso (2.3 kg, 2.4 kg, 2.5 kg...) o la altura (1.64 m, 1.65 m, 1.66 m...),
que solamente está limitado por la precisión del aparato medidor, en teoría permiten que siempre exista un valor entre
dos cualesquiera
Como….
d) Identificar estadístico:
A las características medibles de una muestra se les denomina estadístico.
Dar su valor:
45 72 67 91 14 15 a) Población
52 21 74 18 42 22 b)Tamaño de población
86 71 24 82 12 60 c) Muestra
34 21 72 92 74 21 d) Tamaño de muestra
54 26 74 22 65 51 e) Parámetro
e) identificar parámetro:
Un parámetro estadístico es un número que se obtiene a partir de los datos de una distribución estadística.
Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o por una gráfica.
Tipos de parámetros estadísticos
Hay tres tipos parámetros estadísticos:
De centralización.
De posición
De dispersión.
Medidas de centralización
Nos indican en torno a qué valor (centro) se distribuyen los datos.
La medidas de centralización son:
Media aritmética:
La media es el valor promedio de la distribución.
Mediana:
La mediana es la puntación de la escala que separa la mitad superior de la distribución y la inferior, es
decir divide la serie de datos en dos partes iguales.
Moda:
La moda es el valor que más se repite en una distribución.
Medidas de posición
Las medidas de posición dividen un conjunto de datos en grupos con el mismo número de individuos.
Para calcular las medidas de posición es necesario que los datos estén ordenados de menor a mayor.
La medidas de posición son:
Cuartiles:
Los cuartiles dividen la serie de datos en cuatro partes iguales.
Deciles:
Los deciles dividen la serie de datos en diez partes iguales.
Percentiles:
Los percentiles dividen la serie de datos en cien partes iguales.
Medidas de dispersión
Las medidas de dispersión nos informan sobre cuanto se alejan del centro los valores de la distribución.
Las medidas de dispersión son:
Rango o recorrido:
El rango es la diferencia entre el mayor y el menor de los datos de una distribución estadística.
Desviación media:
La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a
la media.
Varianza:
La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media.
Desviación típica:
La desviación típica es la raíz cuadrada de la varianza.
Dar su valor:
si estas observando un grupo de personas, digamos 50 personas, debes caracterizar tu grupo
como? haciendo observaciones de cada elemento
para esto, hay parametros numericos y parametros binarios
quieres saber que promedio de estatura tiene tu grupo
debes medir a las 50 personas, y obtener por tanto 50 observaciones (parametro numerico, estatura, cm o m)
con esos datos puedes calcular los parametros de tendencia central: el promedio (media), la mediana y la moda
lo mismo puedes hacer para otras caracteristicas: peso, edad, etc
quieres saber que caracteristica predomina mas en tu grupo, color de pelo, color de ojos, color de piel, complexion, es
decir, que vas a evaluar a cada elemento y obtendras una observacion de cada parametro, y por tanto tendras 50
observaciones de cada parametro cuando tienes la informacion, debes asignarle un valor a cada condicion: ojos cafes
(1), ojos azules (2), ojos verdesd (3) para el parametro color de ojos, pelo negro (1), pelo rubio (2), pelo rojizo (3), pelo
castaño (4) para el parametro color de pelo, y asi para cada caracteristica al transformar tus valores cualitativos (color)
a cuantitativos (1,2,3,...n) puedes ver que valor predomina y puedes ahora si caracterizar a tu grupo
>4<
MARGEN DE ERROR: Sacar el mayor y el menor y el margende error será lo que esta entre ellos a la misma
distancia (mayor:80; menor:70, diferencia:10; 10/2=5; +5 & -5 ).
g) TABLA DE DISTRIBUCION DE FRECUENCIAS:
La distribución o tabla de frecuencias es una tabla de los datos estadísticos con sus correspondientes frecuencias.
 Frecuencia absoluta: el número de veces que aparece un valor, se representa con fi donde el subíndice representa
cada uno de los valores.
La suma de las frecuencias absolutas es igual al número total de datos, representado por N.
f1+f2+f3+…+fn=N
equivalente a
∑i=1nfi=N
 Frecuencia relativa: el resultado de dividir la frecuencia absoluta de un determinado valor entre el número total de
datos, se representa por ni.
ni=fiN
La suma de la frecuencias relativas es igual a 1. Lo cual puede verse fácilmente si se factoriza N.
 Frecuencia acumulada: la suma de frecuencias absolutas de todos los valores iguales o inferiores al valor considerado,
se representa por Fi.
 Frecuencia relativa acumulada: el resultado de dividir la frecuencia acumulada entre el número total de datos, se
representa por Ni.
(nótese que cuando se trata de acumuladas las letras que las representan están en mayúscula)
Ejemplo
15 alumnos contestan a la pregunta de cuantos hermanos tienen. Las respuestas son
1,1,2,0,3,2,1,4,2,3,1,0,0,1,2
A continuación construimos una tabla de frecuencias:
Hermanos Frecuencia absoluta fi Frecuencia relativa ni Frecuencia acumulada Fi Frecuencia relativa acumulada Ni
0 3 315 3 315
1 5 515 3+5=8 315+515=815
2 4 415 3+5+4=12 1215
3 2 215 3+5+4+2=14 1415
4 1 115 3+5+4+2+1=15 1515
∑ 15 1
Nótese que la diferencia entre la frecuencia acumulada y la relativa es solamente que en el caso de la relativa debemos
dividir por el número total de observaciones, lo que nos puede ayudar a ahorrar cálculos.
DATOS NO AGRUPADOS:
RANGO: acomodar de menor a mayor. (dato mayor – dato menor)
14 – 7= 7
MEDIA MUESTRAL: sumatoria de todos los datos dividido entre el numero total de datos.
7+7+7+8+9+9+9+10+10+11+11+11+11+12+12+14 158
_________________________________________ = _______________ = 9.875 == 9.87
16 16
MEDIANA: es el valor que se encuentra en la mitad de la lista de valores, cuando estos son ordenados de
acuerdo a su magnitud.
* Total de datos: 7
* Como es IMPAR, sumarle 1: 17 + 1 = 18
* Dividirlo entre 2 : 18 / 2 = 9
* BUSCAR EL DATO QUE ESTE EN ESA POSICION
MODA: el dato que más se repite.
VARIANZA: sumatoria de dispersiones cuadráticas con respecto a la media, entre el numero total - 1
DESVIACION ESTANDAR: raíz cuadrada de la varianza
√3.93 = 1.98242276 == 1.99 == 2
DATOS AGRUPADOS:
Li: donde empieza el intervalo
Ls:donde termina el intervalo
X: marca de clase (numero que se encuentra entre Li y Ls); FORMULA: Li + Ls/ 2
Xf: marca de clase por la frecuencia (X * f)
Lri: limite real inferior (limite inferior – 0.5)
Lrs: limite real superior(limite superior + 0.5)
LIMITES REALES: Son limites reales porque donde acaba una comienza la otra.
Lri de la clase CON MAYOR FRECUENCIA
D1: diferencia de la frecuencia maxima menos la que esta antes
D2: diferencia de la frecuencia maxima menos la que esta después
C: tamaño del intervalo
x
Sumatoria de todos
los valores de xf
ente “n”
--------------------------
4930 / 100 = 49.3
PARA LA MEDIA
(7 - 9.87)²+(7- 9.87)²+(7- 9.87)²+(8- 9.87)²+(9- 9.87)²+(9- 9.87)²+(9- 9.87)²+(10- 9.87)²+(10- 9.87)²+(11- 9.87)²+(11- 9.87)²+(11- 9.87)²+(11- 9.87)²+(12- 9.87)²+(12- 9.87)²+(14- 9.87)²
________________________________________________________________________________________________________________________________________________
16-1
(-2.87)²+(-2.87)²+(-2.87)²+(-1.87)²+(-.87)²+(-.87)²+(-.87)²+(.13)²+(.13)²+(1.13)²+(1.13)²+(1.13)²+(1.13)²+(2.13)²+(2.13)²+(4.13)² 58.9597
____________________________________________________________________________________________________ = ______________ = 3.930646667 == 3.93
15 15
Con las frecuencias buscar el que tiene mayor frecuencia.
Lri : 39.5 d1 + d2= 30
D1 : 35 – 10 = 25 d1 / d1+d2= 25/30= 0.833333 == 0.833
D2: 35 – 30 = 05 0.833 * c = 8.33
C: 10 MODA= 8.33 + Lri = 8.33 + 39.5 = 47.83
http://www.youtube.com/watch?v=bbkgCvGZicw
ANCHO DE CLASE: (C)
MARCA DE CLASE: (x)
FRECUENCIAS: (f)
h) COMO HACER. . . .
GRAFICA DE BARRAS: GRAFICA DE SECTORES: GRAFICA DE OJIVA:
RANGO (rango-recorrido):
R= Lm – Lo
Lm: límite superior del último intervalo.
Lo: límite o extremo inferior del primer intervalo.
N / 2 = 100/2 = 50 (la mediana esta en el dato #50)
F = frecuencia acumulada (se van sumando hasta llegar a 50)
Sabemos que ahí esta la mediana
VARIANZA:
K) COMO DETERMINAR:
Q1: n / 4
n=60
60/4 = 15
Q2:2n / 4
N=60
2*(60)/4= 120/4 = 30
++
Q3: 3n/4
N=60
3*60/4= 180/4= 45
>2<
PERMUTACIONES Y COMBINACIONES
“PERMUTACIONES”
MEDIA MUESTRAL:
29610
DESVIACION ESTANDAR:
Importan la posición de los elementos en el grupo:
4P2
Tengo {4}
Los quiero en {2} posiciones
“COMBINACIONES”

Más contenido relacionado

La actualidad más candente

Definiciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos EstadisticosDefiniciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos EstadisticosRoy Marcano
 
Estadistica Inferencial - Medidas de Dispersion y Tendencia Central
Estadistica Inferencial - Medidas de Dispersion y Tendencia CentralEstadistica Inferencial - Medidas de Dispersion y Tendencia Central
Estadistica Inferencial - Medidas de Dispersion y Tendencia CentralAngel Villalpando
 
Defina el concepto de estadista descriptiva
Defina el concepto de estadista descriptivaDefina el concepto de estadista descriptiva
Defina el concepto de estadista descriptivaHazellita Rueda Tenorio
 
Estadística Descriptiva
Estadística DescriptivaEstadística Descriptiva
Estadística Descriptivasusoigto
 
Estadistica 2020 medidas de tendencia central
Estadistica  2020 medidas de tendencia centralEstadistica  2020 medidas de tendencia central
Estadistica 2020 medidas de tendencia centralfranciscoe71
 
ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN. Facultad de...
ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN.Facultad de...ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN.Facultad de...
ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN. Facultad de...Nancy Rodriguez Aizprua
 
Clase estadistica prest.
Clase estadistica prest.Clase estadistica prest.
Clase estadistica prest.JAIME JIPSION
 
UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)Videoconferencias UTPL
 
B Ioestadistica Conceptos Basicos
B Ioestadistica Conceptos BasicosB Ioestadistica Conceptos Basicos
B Ioestadistica Conceptos Basicoscentroperalvillo
 
Estadistica y probabilidades
Estadistica y probabilidadesEstadistica y probabilidades
Estadistica y probabilidadeselsariverafrias2
 

La actualidad más candente (20)

Medidas de tendencia central Estadística
Medidas de tendencia central EstadísticaMedidas de tendencia central Estadística
Medidas de tendencia central Estadística
 
Datos agrupados y datos no agrupados
Datos agrupados y datos no agrupadosDatos agrupados y datos no agrupados
Datos agrupados y datos no agrupados
 
Estadística curso completo2
Estadística curso completo2Estadística curso completo2
Estadística curso completo2
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Definiciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos EstadisticosDefiniciones y ejemplos de conceptos Estadisticos
Definiciones y ejemplos de conceptos Estadisticos
 
3. estadistica descriptiva
3. estadistica descriptiva3. estadistica descriptiva
3. estadistica descriptiva
 
Estadistica Inferencial - Medidas de Dispersion y Tendencia Central
Estadistica Inferencial - Medidas de Dispersion y Tendencia CentralEstadistica Inferencial - Medidas de Dispersion y Tendencia Central
Estadistica Inferencial - Medidas de Dispersion y Tendencia Central
 
Estadística
EstadísticaEstadística
Estadística
 
Defina el concepto de estadista descriptiva
Defina el concepto de estadista descriptivaDefina el concepto de estadista descriptiva
Defina el concepto de estadista descriptiva
 
Estadística Descriptiva
Estadística DescriptivaEstadística Descriptiva
Estadística Descriptiva
 
Estadistica 2020 medidas de tendencia central
Estadistica  2020 medidas de tendencia centralEstadistica  2020 medidas de tendencia central
Estadistica 2020 medidas de tendencia central
 
ESTADISTICA
ESTADISTICA ESTADISTICA
ESTADISTICA
 
ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN. Facultad de...
ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN.Facultad de...ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN.Facultad de...
ANÁLISIS DE DATOS E INFORME DE LOS HALLAZGOS DE LA INVESTIGACIÓN. Facultad de...
 
Clase estadistica prest.
Clase estadistica prest.Clase estadistica prest.
Clase estadistica prest.
 
UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
UTPL-ESTADÍSTICA I-I-BIMESTRE-(OCTUBRE 2011-FEBRERO 2012)
 
Estadistica grado 11
Estadistica grado 11Estadistica grado 11
Estadistica grado 11
 
B Ioestadistica Conceptos Basicos
B Ioestadistica Conceptos BasicosB Ioestadistica Conceptos Basicos
B Ioestadistica Conceptos Basicos
 
Estadistica y probabilidades
Estadistica y probabilidadesEstadistica y probabilidades
Estadistica y probabilidades
 
Estadistica 2020
Estadistica 2020Estadistica 2020
Estadistica 2020
 
Estadística descriptiva
Estadística descriptivaEstadística descriptiva
Estadística descriptiva
 

Similar a PROBABILIDAD Y ESTADISTICA contenido tematico 4 parciales

Clase estadistica prest.
Clase estadistica prest.Clase estadistica prest.
Clase estadistica prest.JAIME JIPSION
 
Presentación estadistica l
Presentación estadistica lPresentación estadistica l
Presentación estadistica ljouberth24
 
Términos Básicos en Estadística
Términos Básicos en EstadísticaTérminos Básicos en Estadística
Términos Básicos en EstadísticaRafael Brito
 
Clase v medidas_de_tendencia_central
Clase v medidas_de_tendencia_centralClase v medidas_de_tendencia_central
Clase v medidas_de_tendencia_centralJuan Diaz
 
Medidas de tendencia central y posición
Medidas de tendencia central y posiciónMedidas de tendencia central y posición
Medidas de tendencia central y posiciónFranklin Quintero
 
7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptx7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptxvmcobian12
 
7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptx7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptxGloriaEcheSilva
 
ESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptx
ESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptxESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptx
ESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptxmarlene506222
 
Distribuición, prevalencia, medidores de la salud
Distribuición, prevalencia, medidores de la saludDistribuición, prevalencia, medidores de la salud
Distribuición, prevalencia, medidores de la saludTiago Alves
 
Estadistica_Descriptiva_II (1).pptx
Estadistica_Descriptiva_II (1).pptxEstadistica_Descriptiva_II (1).pptx
Estadistica_Descriptiva_II (1).pptxJinethVega1
 
Analisis de datos cuantitativos
Analisis de datos cuantitativosAnalisis de datos cuantitativos
Analisis de datos cuantitativosDila0887
 

Similar a PROBABILIDAD Y ESTADISTICA contenido tematico 4 parciales (20)

Clase estadistica prest.
Clase estadistica prest.Clase estadistica prest.
Clase estadistica prest.
 
Presentación estadistica l
Presentación estadistica lPresentación estadistica l
Presentación estadistica l
 
Términos Básicos en Estadística
Términos Básicos en EstadísticaTérminos Básicos en Estadística
Términos Básicos en Estadística
 
Clase v medidas_de_tendencia_central
Clase v medidas_de_tendencia_centralClase v medidas_de_tendencia_central
Clase v medidas_de_tendencia_central
 
Epidemiología (epidemiometria)
Epidemiología (epidemiometria)Epidemiología (epidemiometria)
Epidemiología (epidemiometria)
 
Jhonatan sistemas
Jhonatan sistemasJhonatan sistemas
Jhonatan sistemas
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Medidas de tendencia central y posición
Medidas de tendencia central y posiciónMedidas de tendencia central y posición
Medidas de tendencia central y posición
 
Presentación1
Presentación1Presentación1
Presentación1
 
7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptx7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2.pptx
 
7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptx7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptx
7.-Probabilidad-y-estadística-descriptiva-PPT-2 (1).pptx
 
ESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptx
ESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptxESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptx
ESTADISTICA_Y_CONTROL_DE_LA_CALIDAD_CONC.pptx
 
TEMA 1 . 19 DE JUNIO-6.pptx
TEMA 1 . 19 DE JUNIO-6.pptxTEMA 1 . 19 DE JUNIO-6.pptx
TEMA 1 . 19 DE JUNIO-6.pptx
 
Distribuición, prevalencia, medidores de la salud
Distribuición, prevalencia, medidores de la saludDistribuición, prevalencia, medidores de la salud
Distribuición, prevalencia, medidores de la salud
 
Estadistica
Estadistica Estadistica
Estadistica
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Términos Básicos de Estadística l
Términos Básicos de Estadística lTérminos Básicos de Estadística l
Términos Básicos de Estadística l
 
Econometria
EconometriaEconometria
Econometria
 
Estadistica_Descriptiva_II (1).pptx
Estadistica_Descriptiva_II (1).pptxEstadistica_Descriptiva_II (1).pptx
Estadistica_Descriptiva_II (1).pptx
 
Analisis de datos cuantitativos
Analisis de datos cuantitativosAnalisis de datos cuantitativos
Analisis de datos cuantitativos
 

Más de Eli Diaz

(Meta2.2) ejercicio de variables resuelto dev c++
(Meta2.2) ejercicio de variables resuelto dev c++ (Meta2.2) ejercicio de variables resuelto dev c++
(Meta2.2) ejercicio de variables resuelto dev c++ Eli Diaz
 
(Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos
(Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos (Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos
(Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos Eli Diaz
 
(Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨
(Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨ (Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨
(Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨ Eli Diaz
 
(Meta 5.1)función sin parámetros que no retorna valor dev c++
(Meta 5.1)función sin parámetros que no retorna valor dev c++ (Meta 5.1)función sin parámetros que no retorna valor dev c++
(Meta 5.1)función sin parámetros que no retorna valor dev c++ Eli Diaz
 
(Meta 5)temperatura 3 dev c++
(Meta 5)temperatura 3 dev c++ (Meta 5)temperatura 3 dev c++
(Meta 5)temperatura 3 dev c++ Eli Diaz
 
(Meta 5)temperatura 2 dev c++
(Meta 5)temperatura 2 dev c++ (Meta 5)temperatura 2 dev c++
(Meta 5)temperatura 2 dev c++ Eli Diaz
 
(Meta 5.1) base de datos de alumnos dev c++
(Meta 5.1) base de datos de alumnos dev c++ (Meta 5.1) base de datos de alumnos dev c++
(Meta 5.1) base de datos de alumnos dev c++ Eli Diaz
 
(Meta 5) ejemplo vectores dev c++
(Meta 5) ejemplo vectores dev c++ (Meta 5) ejemplo vectores dev c++
(Meta 5) ejemplo vectores dev c++ Eli Diaz
 
(Meta 5)temperatura dev c++
(Meta 5)temperatura dev c++ (Meta 5)temperatura dev c++
(Meta 5)temperatura dev c++ Eli Diaz
 
(Meta 5) ejemplo vectores 2 dev c++
(Meta 5) ejemplo vectores 2 dev c++ (Meta 5) ejemplo vectores 2 dev c++
(Meta 5) ejemplo vectores 2 dev c++ Eli Diaz
 
(Meta 5.1)ventas totales. mayores e inferiores dev c++
(Meta 5.1)ventas totales. mayores e inferiores dev c++ (Meta 5.1)ventas totales. mayores e inferiores dev c++
(Meta 5.1)ventas totales. mayores e inferiores dev c++ Eli Diaz
 
(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++
(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++
(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++Eli Diaz
 
(Meta 4.2) fiesta de 15 años dev c++
(Meta 4.2) fiesta de 15 años  dev c++ (Meta 4.2) fiesta de 15 años  dev c++
(Meta 4.2) fiesta de 15 años dev c++ Eli Diaz
 
(Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++
(Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++ (Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++
(Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++ Eli Diaz
 
(Meta 4.1)identificador de numero par e impar dev c++
(Meta 4.1)identificador de numero par e impar dev c++ (Meta 4.1)identificador de numero par e impar dev c++
(Meta 4.1)identificador de numero par e impar dev c++ Eli Diaz
 
(Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++
(Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++ (Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++
(Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++ Eli Diaz
 
(Meta 4.2) fiesta de 15 años 2 dev c++
(Meta 4.2) fiesta de 15 años  2 dev c++ (Meta 4.2) fiesta de 15 años  2 dev c++
(Meta 4.2) fiesta de 15 años 2 dev c++ Eli Diaz
 
(Meta 4) ejemplo lectura de datos, dato mayor de 3 datos dev c++
(Meta 4) ejemplo lectura de datos, dato mayor de 3 datos  dev c++ (Meta 4) ejemplo lectura de datos, dato mayor de 3 datos  dev c++
(Meta 4) ejemplo lectura de datos, dato mayor de 3 datos dev c++ Eli Diaz
 
(Meta 4) ejemplo laboratorios dev c++
(Meta 4) ejemplo laboratorios dev c++ (Meta 4) ejemplo laboratorios dev c++
(Meta 4) ejemplo laboratorios dev c++ Eli Diaz
 
(Meta 4) ejemplo cursos dev c++
(Meta 4) ejemplo cursos dev c++ (Meta 4) ejemplo cursos dev c++
(Meta 4) ejemplo cursos dev c++ Eli Diaz
 

Más de Eli Diaz (20)

(Meta2.2) ejercicio de variables resuelto dev c++
(Meta2.2) ejercicio de variables resuelto dev c++ (Meta2.2) ejercicio de variables resuelto dev c++
(Meta2.2) ejercicio de variables resuelto dev c++
 
(Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos
(Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos (Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos
(Meta1.2) problemas de algoritmos, diagramas de flujo y pseudocodigos
 
(Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨
(Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨ (Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨
(Meta2.1) ensayo¨ la programación en la vida diaria y mi área profesional¨
 
(Meta 5.1)función sin parámetros que no retorna valor dev c++
(Meta 5.1)función sin parámetros que no retorna valor dev c++ (Meta 5.1)función sin parámetros que no retorna valor dev c++
(Meta 5.1)función sin parámetros que no retorna valor dev c++
 
(Meta 5)temperatura 3 dev c++
(Meta 5)temperatura 3 dev c++ (Meta 5)temperatura 3 dev c++
(Meta 5)temperatura 3 dev c++
 
(Meta 5)temperatura 2 dev c++
(Meta 5)temperatura 2 dev c++ (Meta 5)temperatura 2 dev c++
(Meta 5)temperatura 2 dev c++
 
(Meta 5.1) base de datos de alumnos dev c++
(Meta 5.1) base de datos de alumnos dev c++ (Meta 5.1) base de datos de alumnos dev c++
(Meta 5.1) base de datos de alumnos dev c++
 
(Meta 5) ejemplo vectores dev c++
(Meta 5) ejemplo vectores dev c++ (Meta 5) ejemplo vectores dev c++
(Meta 5) ejemplo vectores dev c++
 
(Meta 5)temperatura dev c++
(Meta 5)temperatura dev c++ (Meta 5)temperatura dev c++
(Meta 5)temperatura dev c++
 
(Meta 5) ejemplo vectores 2 dev c++
(Meta 5) ejemplo vectores 2 dev c++ (Meta 5) ejemplo vectores 2 dev c++
(Meta 5) ejemplo vectores 2 dev c++
 
(Meta 5.1)ventas totales. mayores e inferiores dev c++
(Meta 5.1)ventas totales. mayores e inferiores dev c++ (Meta 5.1)ventas totales. mayores e inferiores dev c++
(Meta 5.1)ventas totales. mayores e inferiores dev c++
 
(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++
(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++
(Meta 4.2) semestre,numero de materias y cantidad a pagar de un alumno dev c++
 
(Meta 4.2) fiesta de 15 años dev c++
(Meta 4.2) fiesta de 15 años  dev c++ (Meta 4.2) fiesta de 15 años  dev c++
(Meta 4.2) fiesta de 15 años dev c++
 
(Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++
(Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++ (Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++
(Meta 4.1)mostrar el cuadrado y el residuo de un numero dev c++
 
(Meta 4.1)identificador de numero par e impar dev c++
(Meta 4.1)identificador de numero par e impar dev c++ (Meta 4.1)identificador de numero par e impar dev c++
(Meta 4.1)identificador de numero par e impar dev c++
 
(Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++
(Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++ (Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++
(Meta 4.1)conversosr pesos a dolares y dolares a pesos dev c++
 
(Meta 4.2) fiesta de 15 años 2 dev c++
(Meta 4.2) fiesta de 15 años  2 dev c++ (Meta 4.2) fiesta de 15 años  2 dev c++
(Meta 4.2) fiesta de 15 años 2 dev c++
 
(Meta 4) ejemplo lectura de datos, dato mayor de 3 datos dev c++
(Meta 4) ejemplo lectura de datos, dato mayor de 3 datos  dev c++ (Meta 4) ejemplo lectura de datos, dato mayor de 3 datos  dev c++
(Meta 4) ejemplo lectura de datos, dato mayor de 3 datos dev c++
 
(Meta 4) ejemplo laboratorios dev c++
(Meta 4) ejemplo laboratorios dev c++ (Meta 4) ejemplo laboratorios dev c++
(Meta 4) ejemplo laboratorios dev c++
 
(Meta 4) ejemplo cursos dev c++
(Meta 4) ejemplo cursos dev c++ (Meta 4) ejemplo cursos dev c++
(Meta 4) ejemplo cursos dev c++
 

Último

3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdfRicardoRomeroUrbano
 
SOLIDOS DE REVOLUCION, aplicaciones de integrales definidas
SOLIDOS DE REVOLUCION, aplicaciones de integrales definidasSOLIDOS DE REVOLUCION, aplicaciones de integrales definidas
SOLIDOS DE REVOLUCION, aplicaciones de integrales definidasLeonardoMendozaDvila
 
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...humberto espejo
 
NOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptxNOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptxJairReyna1
 
trabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidastrabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidasNelsonQuispeQuispitu
 
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdfLIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdfManuelVillarreal44
 
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...Arquitecto Alejandro Gomez cornejo muñoz
 
4.3 Subestaciones eléctricas tipos caracteristicas.pptx
4.3 Subestaciones eléctricas tipos caracteristicas.pptx4.3 Subestaciones eléctricas tipos caracteristicas.pptx
4.3 Subestaciones eléctricas tipos caracteristicas.pptxEfrain Yungan
 
Sistema de Base de Datos para renta de trajes
Sistema de Base de Datos para renta de trajesSistema de Base de Datos para renta de trajes
Sistema de Base de Datos para renta de trajesjohannyrmnatejeda
 
Edificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCEdificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCANDECE
 
Peligros de Excavaciones y Zanjas presentacion
Peligros de Excavaciones y Zanjas presentacionPeligros de Excavaciones y Zanjas presentacion
Peligros de Excavaciones y Zanjas presentacionOsdelTacusiPancorbo
 
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIPSEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIPJosLuisFrancoCaldern
 
produccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptxproduccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptxEtse9
 
Historia de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfHistoria de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfIsbelRodrguez
 
Simbología de Soldadura, interpretacion y aplicacion en dibujo tecnico indus...
Simbología de Soldadura,  interpretacion y aplicacion en dibujo tecnico indus...Simbología de Soldadura,  interpretacion y aplicacion en dibujo tecnico indus...
Simbología de Soldadura, interpretacion y aplicacion en dibujo tecnico indus...esandoval7
 
SEMANA 6 MEDIDAS DE TENDENCIA CENTRAL.pdf
SEMANA  6 MEDIDAS DE TENDENCIA CENTRAL.pdfSEMANA  6 MEDIDAS DE TENDENCIA CENTRAL.pdf
SEMANA 6 MEDIDAS DE TENDENCIA CENTRAL.pdffredyflores58
 
lean manufacturing and its definition for industries
lean manufacturing and its definition for industrieslean manufacturing and its definition for industries
lean manufacturing and its definition for industriesbarom
 
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023ANDECE
 
Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...
Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...
Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...Francisco Javier Mora Serrano
 

Último (20)

3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf3.3 Tipos de conexiones en los transformadores trifasicos.pdf
3.3 Tipos de conexiones en los transformadores trifasicos.pdf
 
SOLIDOS DE REVOLUCION, aplicaciones de integrales definidas
SOLIDOS DE REVOLUCION, aplicaciones de integrales definidasSOLIDOS DE REVOLUCION, aplicaciones de integrales definidas
SOLIDOS DE REVOLUCION, aplicaciones de integrales definidas
 
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
594305198-OPCIONES-TARIFARIAS-Y-CONDICIONES-DE-APLICACION-DE-TARIFAS-A-USUARI...
 
NOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptxNOM-002-STPS-2010, combate contra incendio.pptx
NOM-002-STPS-2010, combate contra incendio.pptx
 
trabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidastrabajos en altura 2024, sistemas de contencion anticaidas
trabajos en altura 2024, sistemas de contencion anticaidas
 
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdfLIQUIDACION OBRAS PUBLICAS  POR CONTRATA.pdf
LIQUIDACION OBRAS PUBLICAS POR CONTRATA.pdf
 
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
MEC. FLUIDOS - Análisis Diferencial del Movimiento de un Fluido -GRUPO5 sergi...
 
4.3 Subestaciones eléctricas tipos caracteristicas.pptx
4.3 Subestaciones eléctricas tipos caracteristicas.pptx4.3 Subestaciones eléctricas tipos caracteristicas.pptx
4.3 Subestaciones eléctricas tipos caracteristicas.pptx
 
Sistema de Base de Datos para renta de trajes
Sistema de Base de Datos para renta de trajesSistema de Base de Datos para renta de trajes
Sistema de Base de Datos para renta de trajes
 
Edificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRCEdificio residencial Becrux en Madrid. Fachada de GRC
Edificio residencial Becrux en Madrid. Fachada de GRC
 
Peligros de Excavaciones y Zanjas presentacion
Peligros de Excavaciones y Zanjas presentacionPeligros de Excavaciones y Zanjas presentacion
Peligros de Excavaciones y Zanjas presentacion
 
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIPSEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
SEGURIDAD EN CONSTRUCCION PPT PARA EL CIP
 
produccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptxproduccion de cerdos. 2024 abril 20..pptx
produccion de cerdos. 2024 abril 20..pptx
 
Historia de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdfHistoria de la Arquitectura II, 1era actividad..pdf
Historia de la Arquitectura II, 1era actividad..pdf
 
Simbología de Soldadura, interpretacion y aplicacion en dibujo tecnico indus...
Simbología de Soldadura,  interpretacion y aplicacion en dibujo tecnico indus...Simbología de Soldadura,  interpretacion y aplicacion en dibujo tecnico indus...
Simbología de Soldadura, interpretacion y aplicacion en dibujo tecnico indus...
 
SEMANA 6 MEDIDAS DE TENDENCIA CENTRAL.pdf
SEMANA  6 MEDIDAS DE TENDENCIA CENTRAL.pdfSEMANA  6 MEDIDAS DE TENDENCIA CENTRAL.pdf
SEMANA 6 MEDIDAS DE TENDENCIA CENTRAL.pdf
 
MATPEL COMPLETO DESDE NIVEL I AL III.pdf
MATPEL COMPLETO DESDE NIVEL I AL III.pdfMATPEL COMPLETO DESDE NIVEL I AL III.pdf
MATPEL COMPLETO DESDE NIVEL I AL III.pdf
 
lean manufacturing and its definition for industries
lean manufacturing and its definition for industrieslean manufacturing and its definition for industries
lean manufacturing and its definition for industries
 
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
Centro Integral del Transporte de Metro de Madrid (CIT). Premio COAM 2023
 
Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...
Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...
Hanns Recabarren Diaz (2024), Implementación de una herramienta de realidad v...
 

PROBABILIDAD Y ESTADISTICA contenido tematico 4 parciales

  • 1. PARCIAL 1 >1< Que es estadística? Rama de las matematicas que se dedica a la organización, recolección y análisis de los datos para representarlos gráficamente y poder tomar una decisión. * estadística descriptiva(graficar): conjunto de métodos para organizar, resumir y presentar datos. la aptitud promedio de todas las trabajadoras es probablemente mayor que la de los trabajadores. *estadística inferencial(tomar decisiones): interpretación de resultados obtenidos y a partir de ellos predecir o deducir. en la siguiente prueba de aptitudes probablemente los trabajadores reciben calificaciones más bajas que las de las trabajadoras. Es importante porque. . . porque los negocios, las economías mundiales, los descubrimientos científicos y los avances médicos se basan, en esencia, en la estadística. La disciplina de la estadística proporciona el marco de los balances y cuentas de pérdidas y ganancias para el conocimiento empresarial y científico. La estadística es una disciplina contable que, en lugar de limitarse a rendir cuentas sobre el dinero, informa de la credibilidad científica. Se trata del arte de ponderar y sopesar las evidencias observacionales. Campos de aplicación de la estadística:’ - ciencias sociales: demografía (censo) - econometría: modelos matemáticos (mercadotecnia) - ciencias medicas: índices de mortalidad y natalidad - ciencias naturales: especies en peligro de extinción - ingeniería: control de manufactura - genética: factores hereditarios POBLACION: es el conjunto de todos los posibles elementos que intervienen en un experimento o en un estudio. -PARAMETRO: características medibles de una población. - FINITA: cantidad limitada de elementos. - INFINITA: observaciones donde no existe limite (estrellas) MUESTRA: Un conjunto de medidas u observaciones tomadas a partir de una población dada, es un SUBCONJUNTO de la población. -ESTADISTICO: característica medible de una muestra -VARIABLE: cada uno de los caracteres de la muestra o población. >2< >3< a) Como describir la población? Viendo de que se esta hablando en general, sin importar las variables que lo diferencian (100 PERSONAS; enfermas, saludables) b) Como identificar la muestra? Identificando la variable que hace que la población cambie en algún sentido al que va dirigido el estudio de dicha población (100 PERSONAS; Se analizan 10 que pueden estar: enfermas, saludables) c) como describir variable? Viendo las partes que influyen en la muestra de esa población. - VARIABLE CUALITATIVA: Son las variables que expresan distintas cualidades, características o modalidad. Cada modalidad que se presenta se denomina atributo o categoría y la medición consiste en una clasificación de dichos atributos. Las variables cualitativas pueden ser ordinales y nominales. Las variables cualitativas pueden ser dicotómicas cuando sólo pueden tomar dos valores posibles como sí y no, hombre y mujer o son politómicas cuando pueden adquirir tres o más valores. Dentro de ellas podemos distinguir: - Variable cualitativa ordinal: La variable puede tomar distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme, por ejemplo, leve, moderado, grave - Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio de orden como por ejemplo los colores o el lugar de residencia. -VARIABLE CUANTITATIVA: Son las variables que se expresan mediante cantidades numéricas. Las variables cuantitativas además pueden ser: Variable discreta: ( tiempo para resolver un examen.)Es la variable que presenta separaciones o interrupciones en la escala de valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los distintos valores específicos que la variable pueda asumir. Ejemplo: El número de hijos (1, 2, 3, 4, 5). Variable continua: (altura del mercurio en un barómetro) Es la variable que puede adquirir cualquier valor dentro de un intervalo especificado de valores. Por ejemplo el peso (2.3 kg, 2.4 kg, 2.5 kg...) o la altura (1.64 m, 1.65 m, 1.66 m...), que solamente está limitado por la precisión del aparato medidor, en teoría permiten que siempre exista un valor entre dos cualesquiera Como….
  • 2. d) Identificar estadístico: A las características medibles de una muestra se les denomina estadístico. Dar su valor: 45 72 67 91 14 15 a) Población 52 21 74 18 42 22 b)Tamaño de población 86 71 24 82 12 60 c) Muestra 34 21 72 92 74 21 d) Tamaño de muestra 54 26 74 22 65 51 e) Parámetro e) identificar parámetro: Un parámetro estadístico es un número que se obtiene a partir de los datos de una distribución estadística. Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o por una gráfica. Tipos de parámetros estadísticos Hay tres tipos parámetros estadísticos: De centralización. De posición De dispersión. Medidas de centralización Nos indican en torno a qué valor (centro) se distribuyen los datos. La medidas de centralización son: Media aritmética: La media es el valor promedio de la distribución. Mediana: La mediana es la puntación de la escala que separa la mitad superior de la distribución y la inferior, es decir divide la serie de datos en dos partes iguales. Moda: La moda es el valor que más se repite en una distribución. Medidas de posición Las medidas de posición dividen un conjunto de datos en grupos con el mismo número de individuos. Para calcular las medidas de posición es necesario que los datos estén ordenados de menor a mayor. La medidas de posición son: Cuartiles: Los cuartiles dividen la serie de datos en cuatro partes iguales. Deciles: Los deciles dividen la serie de datos en diez partes iguales. Percentiles: Los percentiles dividen la serie de datos en cien partes iguales. Medidas de dispersión Las medidas de dispersión nos informan sobre cuanto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido: El rango es la diferencia entre el mayor y el menor de los datos de una distribución estadística. Desviación media: La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a la media. Varianza: La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media.
  • 3. Desviación típica: La desviación típica es la raíz cuadrada de la varianza. Dar su valor: si estas observando un grupo de personas, digamos 50 personas, debes caracterizar tu grupo como? haciendo observaciones de cada elemento para esto, hay parametros numericos y parametros binarios quieres saber que promedio de estatura tiene tu grupo debes medir a las 50 personas, y obtener por tanto 50 observaciones (parametro numerico, estatura, cm o m) con esos datos puedes calcular los parametros de tendencia central: el promedio (media), la mediana y la moda lo mismo puedes hacer para otras caracteristicas: peso, edad, etc quieres saber que caracteristica predomina mas en tu grupo, color de pelo, color de ojos, color de piel, complexion, es decir, que vas a evaluar a cada elemento y obtendras una observacion de cada parametro, y por tanto tendras 50 observaciones de cada parametro cuando tienes la informacion, debes asignarle un valor a cada condicion: ojos cafes (1), ojos azules (2), ojos verdesd (3) para el parametro color de ojos, pelo negro (1), pelo rubio (2), pelo rojizo (3), pelo castaño (4) para el parametro color de pelo, y asi para cada caracteristica al transformar tus valores cualitativos (color) a cuantitativos (1,2,3,...n) puedes ver que valor predomina y puedes ahora si caracterizar a tu grupo >4< MARGEN DE ERROR: Sacar el mayor y el menor y el margende error será lo que esta entre ellos a la misma distancia (mayor:80; menor:70, diferencia:10; 10/2=5; +5 & -5 ). g) TABLA DE DISTRIBUCION DE FRECUENCIAS: La distribución o tabla de frecuencias es una tabla de los datos estadísticos con sus correspondientes frecuencias.  Frecuencia absoluta: el número de veces que aparece un valor, se representa con fi donde el subíndice representa cada uno de los valores. La suma de las frecuencias absolutas es igual al número total de datos, representado por N. f1+f2+f3+…+fn=N equivalente a ∑i=1nfi=N  Frecuencia relativa: el resultado de dividir la frecuencia absoluta de un determinado valor entre el número total de datos, se representa por ni. ni=fiN La suma de la frecuencias relativas es igual a 1. Lo cual puede verse fácilmente si se factoriza N.  Frecuencia acumulada: la suma de frecuencias absolutas de todos los valores iguales o inferiores al valor considerado, se representa por Fi.  Frecuencia relativa acumulada: el resultado de dividir la frecuencia acumulada entre el número total de datos, se representa por Ni. (nótese que cuando se trata de acumuladas las letras que las representan están en mayúscula) Ejemplo 15 alumnos contestan a la pregunta de cuantos hermanos tienen. Las respuestas son 1,1,2,0,3,2,1,4,2,3,1,0,0,1,2 A continuación construimos una tabla de frecuencias: Hermanos Frecuencia absoluta fi Frecuencia relativa ni Frecuencia acumulada Fi Frecuencia relativa acumulada Ni 0 3 315 3 315 1 5 515 3+5=8 315+515=815 2 4 415 3+5+4=12 1215 3 2 215 3+5+4+2=14 1415 4 1 115 3+5+4+2+1=15 1515 ∑ 15 1 Nótese que la diferencia entre la frecuencia acumulada y la relativa es solamente que en el caso de la relativa debemos dividir por el número total de observaciones, lo que nos puede ayudar a ahorrar cálculos.
  • 4. DATOS NO AGRUPADOS: RANGO: acomodar de menor a mayor. (dato mayor – dato menor) 14 – 7= 7 MEDIA MUESTRAL: sumatoria de todos los datos dividido entre el numero total de datos. 7+7+7+8+9+9+9+10+10+11+11+11+11+12+12+14 158 _________________________________________ = _______________ = 9.875 == 9.87 16 16 MEDIANA: es el valor que se encuentra en la mitad de la lista de valores, cuando estos son ordenados de acuerdo a su magnitud. * Total de datos: 7 * Como es IMPAR, sumarle 1: 17 + 1 = 18 * Dividirlo entre 2 : 18 / 2 = 9 * BUSCAR EL DATO QUE ESTE EN ESA POSICION
  • 5. MODA: el dato que más se repite. VARIANZA: sumatoria de dispersiones cuadráticas con respecto a la media, entre el numero total - 1 DESVIACION ESTANDAR: raíz cuadrada de la varianza √3.93 = 1.98242276 == 1.99 == 2 DATOS AGRUPADOS: Li: donde empieza el intervalo Ls:donde termina el intervalo X: marca de clase (numero que se encuentra entre Li y Ls); FORMULA: Li + Ls/ 2 Xf: marca de clase por la frecuencia (X * f) Lri: limite real inferior (limite inferior – 0.5) Lrs: limite real superior(limite superior + 0.5) LIMITES REALES: Son limites reales porque donde acaba una comienza la otra. Lri de la clase CON MAYOR FRECUENCIA D1: diferencia de la frecuencia maxima menos la que esta antes D2: diferencia de la frecuencia maxima menos la que esta después C: tamaño del intervalo x Sumatoria de todos los valores de xf ente “n” -------------------------- 4930 / 100 = 49.3 PARA LA MEDIA (7 - 9.87)²+(7- 9.87)²+(7- 9.87)²+(8- 9.87)²+(9- 9.87)²+(9- 9.87)²+(9- 9.87)²+(10- 9.87)²+(10- 9.87)²+(11- 9.87)²+(11- 9.87)²+(11- 9.87)²+(11- 9.87)²+(12- 9.87)²+(12- 9.87)²+(14- 9.87)² ________________________________________________________________________________________________________________________________________________ 16-1 (-2.87)²+(-2.87)²+(-2.87)²+(-1.87)²+(-.87)²+(-.87)²+(-.87)²+(.13)²+(.13)²+(1.13)²+(1.13)²+(1.13)²+(1.13)²+(2.13)²+(2.13)²+(4.13)² 58.9597 ____________________________________________________________________________________________________ = ______________ = 3.930646667 == 3.93 15 15 Con las frecuencias buscar el que tiene mayor frecuencia.
  • 6. Lri : 39.5 d1 + d2= 30 D1 : 35 – 10 = 25 d1 / d1+d2= 25/30= 0.833333 == 0.833 D2: 35 – 30 = 05 0.833 * c = 8.33 C: 10 MODA= 8.33 + Lri = 8.33 + 39.5 = 47.83 http://www.youtube.com/watch?v=bbkgCvGZicw ANCHO DE CLASE: (C) MARCA DE CLASE: (x) FRECUENCIAS: (f) h) COMO HACER. . . . GRAFICA DE BARRAS: GRAFICA DE SECTORES: GRAFICA DE OJIVA: RANGO (rango-recorrido): R= Lm – Lo Lm: límite superior del último intervalo. Lo: límite o extremo inferior del primer intervalo. N / 2 = 100/2 = 50 (la mediana esta en el dato #50) F = frecuencia acumulada (se van sumando hasta llegar a 50) Sabemos que ahí esta la mediana
  • 7. VARIANZA: K) COMO DETERMINAR: Q1: n / 4 n=60 60/4 = 15 Q2:2n / 4 N=60 2*(60)/4= 120/4 = 30 ++ Q3: 3n/4 N=60 3*60/4= 180/4= 45 >2< PERMUTACIONES Y COMBINACIONES “PERMUTACIONES” MEDIA MUESTRAL: 29610 DESVIACION ESTANDAR: Importan la posición de los elementos en el grupo: 4P2 Tengo {4} Los quiero en {2} posiciones