El documento presenta una introducción a los métodos estadísticos y su aplicación en diversas áreas como la educación, la contaduría y la administración. Se aborda la definición de estadística, sus ramas como la descriptiva e inferencial, y conceptos clave como población, muestra, y niveles de medición. Además, se discuten diferentes técnicas de análisis de datos y su importancia en la toma de decisiones informadas.

1. Conceptos De Programación Métodos estadísticos
Mateo Arbeláez
Juan José Granada González
Juan Osorio
Nicolás Perdomo
José Daniel Soto
Marzo 2023
Institución Educativa Liceo Departamental
Guillermo Mondragón
Tecnología
Tabla de Contenidos
1. Metodos Estadisticos……………………………………………………………….1
1.1 Población
1.1.2 Muestra1
2. ¿Ques es la estadística?...............................................................................................2 3.
Ramas de laEstadística……………………………………………………………... 3
3.1.Estadística descriptiva.
3.2. Estadística diferencial.

2. 3.3. Analisis de regresión.
3.4. Analisis de Varianza.
3.5. Analisis Multivariado
3.6. Mineria de datos.
4. Aplicaciones de la estadística.
………………………………………………………4
4.1. Educación……………………………………………………………………….4 4.2.
Contaduría………………………………………………………………………4 4.3.
Administración………………………………………………………………….4 4.4.
Deporte………………………………………………………………………….4 4.5.
Hipótesis………………………………………………………………………...4 4.5.1.
Hipótesis nula…………………………………………………………………4 4.5.2.
Hipótesis Alternativa………………………………………………………….4 5. Nivel de
medición nominal…………………………………………………………5 6. Distribución
de frecuencias…………………………………………………………6 7. Nombre de la
variable………………………………………………………………7 8. Frecuencia
Relativa Porcentual……………………………………………………..8 9. Equivalencia
en grados……………………………………………………………...9 10. Taller anexo
pseint…………………………………………………………………………………….10
2
Lista de figuras
Figura 1. Elaboración propia .¡Error! Marcador no
definido...............................................................................................11 Figura 2.
Elaboración propia………………………………………………………………15 Figura
3. Elaboración propia………………………………………………………………16

3. Figura 4. Elaboración
propia…………………………………………………………………………………….17
Blogs anexos……………………………………………………………………………..18
3
1. Métodos estadísticos

4. Los métodos estadísticos son un conjunto de herramientas y técnicas utilizadas
para analizar, interpretar y hacer inferencias a partir de datos. Los métodos estadísticos se
utilizan en diversas áreas, como la investigación científica, la medicina, la economía, la
ingeniería, la educación, entre otras.
1.1. Población
En estadística, el término “población” se refiere al conjunto de elementos que se
quiere investigar, estos elementos pueden ser objetos, acontecimientos, situaciones o
grupo de personas. Usa los subtítulos consistentemente. Revisando constantemente el
espaciado, mayúsculas y puntuación.
1.1.2. Muestra
En estadística, una muestra es un subconjunto de individuos o elementos
seleccionados de una población. La población se refiere al grupo completo de individuos,
objetos o eventos que se está estudiando, mientras que la muestra es una parte
representativa de la población que se utiliza para hacer inferencias o conclusiones sobre la
población en su conjunto.
La muestra se selecciona de manera que sea representativa de la población, lo que
significa que debe ser lo suficientemente grande y diversa para reflejar la variabilidad y
características de la población en su conjunto. La selección de una muestra se basa en
técnicas estadísticas para minimizar los sesgos y maximizar la precisión de los resultados.
1
2. ¿Que es la estadística?
La estadística es una rama de las matemáticas que se encarga de recopilar,
organizar, analizar e interpretar datos. Su objetivo principal es proporcionar herramientas
y técnicas para la toma de decisiones basada en datos y evidencias empíricas.

5. La estadística se utiliza en diversas áreas, como la investigación científica, la economía, la
administración de empresas, la salud pública, la ingeniería, la educación, entre otras. La
estadística se utiliza para describir y resumir datos, así como para hacer inferencias sobre
la población a partir de una muestra.
Algunas de las técnicas estadísticas más comunes incluyen la estadística
descriptiva, que se utiliza para describir y resumir los datos, y la estadística inferencial, que
se utiliza para hacer inferencias sobre la población a partir de una muestra. También se
utilizan técnicas como la regresión, el análisis de varianza, el análisis multivariado y la
minería de datos para analizar y encontrar patrones en los datos.
La estadística es una herramienta esencial para la toma de decisiones informadas
basadas en evidencia empírica. Permite a los investigadores y analistas comprender mejor
los datos, detectar patrones, identificar relaciones y hacer predicciones y proyecciones
informadas.
2
3. Ramas de la Estadística
3.1. Estadística descriptiva: se utiliza para describir y resumir los datos
utilizando medidas como la media, la mediana y la moda, la varianza y la desviación
estándar.
3.2. Estadística inferencial: se utiliza para hacer inferencias sobre una población

6. a partir de una muestra de datos. La inferencia estadística incluye la estimación de
parámetros poblacionales y la prueba de hipótesis.
3.3. Análisis de regresión: se utiliza para examinar la relación entre una variable
dependiente y una o más variables independientes. La regresión lineal es un método
común de análisis de regresión.
3.4. Análisis de varianza (ANOVA): se utiliza para comparar las medias de dos
o más grupos de datos.
3.5. Análisis multivariado: se utiliza para analizar la relación entre dos o más
variables, utilizando técnicas como el análisis de componentes principales y el análisis
factorial.
3.6. Minería de datos: se utiliza para descubrir patrones y relaciones en grandes
conjuntos de datos utilizando técnicas de aprendizaje automático y estadística.
3
4. Aplicaciones de la estadística:
4.1. Educación: La estadística se utiliza en la educación para medir y evaluar el
rendimiento de los estudiantes y la efectividad de los programas educativos. Las técnicas
estadísticas se utilizan para analizar los resultados de las pruebas y exámenes, y para
hacer predicciones sobre el rendimiento futuro de los estudiantes.
4.2. Contaduría: La estadística se utiliza en la contaduría para analizar y evaluar
los datos financieros. Las técnicas estadísticas se utilizan para realizar análisis de

7. tendencias, proyecciones financieras y evaluaciones de riesgo.
4.3. Administración: La estadística se utiliza en la administración para analizar y
evaluar datos de negocios. Las técnicas estadísticas se utilizan para realizar análisis de
mercado, análisis de satisfacción del cliente, análisis de calidad, evaluación de riesgos y
toma de decisiones informadas.
4.4. Deporte: La estadística se utiliza en el deporte para analizar y evaluar el
rendimiento de los equipos y los jugadores. Las técnicas estadísticas se utilizan para
analizar el rendimiento de los jugadores y equipos, predecir los resultados de los partidos
y hacer ajustes estratégicos en los equipos.
4.5. Hipótesis: En estadística, una hipótesis es una afirmación o suposición sobre
una población o una muestra que se está estudiando. La hipótesis generalmente se
establece antes de realizar cualquier análisis de datos y se prueba a través de la
recolección y análisis de datos. Hay dos tipos principales de hipótesis:
4
4.5.1. Hipótesis nula: Es la hipótesis que se prueba en un estudio y se intenta
rechazar. Se establece una hipótesis nula para representar la ausencia de cualquier efecto
o relación entre las variables.
4.5.2. Hipótesis alternativa: Es la hipótesis que se acepta si se rechaza la
hipótesis nula. La hipótesis alternativa representa la presencia de un efecto o relación
entre las variables.
Una variable es cualquier característica, atributo o medida que se está midiendo o
estudiando. En estadística, una variable puede ser clasificada como cualitativa o

8. cuantitativa. Las variables cualitativas son aquellas que representan una característica o
cualidad, como el género o el estado civil. Las variables cuantitativas son aquellas que
representan una cantidad o medida, como la altura o la edad.
5. Nivel de medición nominal
El nivel de medición nominal es el nivel más simple de medición en estadística. En
este nivel de medición, las variables son categorías o etiquetas que no tienen ningún
orden o jerarquía entre ellas. Por ejemplo, el color de los ojos, el género, la religión, el
estado civil, la nacionalidad, entre otros, son ejemplos de variables nominales.
En el nivel nominal, los datos se pueden contar y clasificar, pero no se pueden
ordenar o medir en términos de magnitud. Por ejemplo, no se puede decir que la categoría
"hombre" es mayor o menor que la categoría "mujer".
5
La medida de tendencia central más común en el nivel nominal es la moda, que
representa la categoría más común o frecuente en la variable. También se pueden utilizar
tablas de frecuencia para resumir y visualizar los datos en el nivel nominal.
6. Distribución de frecuencias
La distribución de frecuencias es una forma de resumir y representar los datos de una
variable. Para ello, se registran el nombre de la variable y la frecuencia absoluta de cada
uno de sus valores, es decir, cuántas veces aparece cada valor en la muestra.
Para calcular la frecuencia relativa porcentual, se divide la frecuencia absoluta de cada
valor entre el total de observaciones y se multiplica por 100. Esto nos indica el porcentaje

9. que representa cada valor respecto al total de la muestra.
Finalmente, para obtener la equivalencia en grados, se utiliza la siguiente
fórmula: equivalencia en grados = (frecuencia relativa porcentual / 100) x 360
6
Veamos un ejemplo con una variable de ejemplo:
Nombre de la variable Frecuencia absoluta Frecuencia relativa porcentual
Equivalencia en grados
Edades 5 25,0 % 90°
3 15,0 % 54°
2 10,0 % 36°
4 20,0 % 72°
6 30,0 % 108°

10. Total 20 100,0 % 360°
En este ejemplo, se han registrado las edades de 20 personas y se han agrupado
los resultados en cinco categorías, indicando la frecuencia absoluta de cada una de ellas.
A partir de ahí, se han calculado las frecuencias relativas porcentuales y las equivalencias
en grados correspondientes, utilizando la fórmula que hemos visto antes.
7. Nombre de la variable
Se refiere al nombre o etiqueta que se le da a la variable que se está analizando. Por
ejemplo, si estamos analizando la estatura de un grupo de personas, "estatura" sería el
nombre de la variable. Frecuencia absoluta: es el número de veces que aparece cada valor
7
de la variable en el conjunto de datos. Por ejemplo, si estamos analizando la estatura de
10 personas y hay 2 personas que miden 1.70m, la frecuencia absoluta de 1.70m sería 2.
8. Frecuencia relativa porcentual
Es la frecuencia absoluta de cada valor de la variable expresada como un
porcentaje del total de observaciones. Por ejemplo, si de las 10 personas que estamos
analizando, 2 miden 1.70m y el total de observaciones es 10, la frecuencia relativa
porcentual de 1.70m sería del 20%.
9. Equivalencia en grados
Se refiere a la frecuencia relativa porcentual expresada como un ángulo en un
círculo completo de 360 grados. Esta medida se utiliza en algunos tipos de gráficos
circulares. Por ejemplo, si la frecuencia relativa porcentual de 1.70m es del 20%, su

11. equivalencia en grados sería de 72 grados (20% de 360 grados).
8
10. TALLER ANEXO PSEINT I.
Averigua los siguientes conceptos: ¿Qué diferencia hay entre un contador y un
acumulador, como declarar una variable en pseint, los lenguajes pueden ser de tres tipos
favor explique cada uno, java, phyton y c++ que representan?
La diferencia entre un contador y un acumulador: es que el contador va sumando
o restando el valor que nosotros le hayamos otorgado infinita y consecutivamente el
mismo valor según lo que le ordenemos, mientras que el acumulador puede sumar o
restar diferentes valores, a esto se le llama “variable” y puede acumular esos distintos
valores infinitamente según lo que le ordenemos.
Cómo declarar una variable: primero se declara la variable creando un comentario
con “//” así se le ordena al programa lo que se quiere hacer y después de eso se pone “//
declarar variables” seguido se utiliza la palabra reservada “definir” más el nombre de la
variable, ese nombre no puede ser el mismo que utiliza las palabras reservadas de PSeint,

12. se identifican cuando al escribirlas por completo se ponen de color azul, esa ya sería una
palabra reservada por PSeint. En el ejemplo se puede observar que al darle un nombre a
la variable este sigue de color negro, luego de nombrar la variable se pone una palabra
reservada indicando la acción que va a hacer esa variable y se cierra con “;” Así es como
se declara una variable en PSeint.
9
Lenguajes de PSeint
Java: Java es un lenguaje de programación y una plataforma informática que fue
comercializada por primera vez en 1995 por Sun Microsystems. El lenguaje de
programación Java fue desarrollado originalmente por James Gosling, de Sun
Microsystems (constituida en 1983 y posteriormente adquirida el 27 de enero de 2010 por
la compañía Oracle), y publicado en 1995 como un componente fundamental de la
plataforma Java de Sun Microsystems. Su sintaxis deriva en gran medida de C y C++,
pero tiene menos utilidades de bajo nivel que cualquiera de ellos. Las aplicaciones de
Java son compiladas a bytecode (clase Java), que puede ejecutarse en cualquier máquina
virtual Java (JVM) sin importar la arquitectura de la computadora subyacente.
Python: Python es un lenguaje de alto nivel de programación interpretado cuya
filosofía hace hincapié en la legibilidad de su código, se utiliza para desarrollar
aplicaciones de todo tipo, ejemplos: Instagram, Netflix, Spotify, Panda3D, entre otros. Se
trata de un lenguaje de programación multiparadigma, ya que soporta parcialmente la
orientación a objetos, programación imperativa y, en menor medida, programación

13. funcional. Es un lenguaje interpretado, dinámico y multiplataforma.
C++: es un lenguaje de programación diseñado en 1979 por Bjarne Stroustrup. La
intención de su creación fue extender al lenguaje de programación C y añadir
mecanismos que permiten la manipulación de objetos. En ese sentido, desde el punto de
vista de los lenguajes orientados a objetos, C++ es un lenguaje híbrido. Posteriormente se
añadieron facilidades de programación genérica, que se sumaron a los paradigmas de
10
programación estructurada y programación orientada a objetos. Por esto se suele decir
que el C++ es un lenguaje de programación multiparadigma.
Represente el algoritmo usando el programa PSeint en modo flexible y
muestre el diagrama de flujo, Hacer las capturas de pantalla
Captura de pantalla
Figura No. 1 Elaboración propia

14. 11
12

15. 13

16. 14

17. Figura No. 2 Elaboración propia
15

18. Figura
No. 3 Elaboración propia
16

19. Figura No. 4 Elaboración propia
17
Anexos 1.

20. Anexo 2.
18
Blogs: https://mateoylatecnologia.blogspot.com/
https://juanjo10-3.blogspot.com/
https://nicolaspertec11-6.blogspot.com/?m=1
https://sotocrack50.blogspot.com/p/1-periodo-2022.html
https://www.blogger.com/blog/posts/6186983157018663665?hl=es&tab=jj

21. Lista de referencias
economipedia. (2023). Obtenido de
https://economipedia.com/definiciones/estadistica.html
Faraldo, P. (2013). Obtenido de
http://eio.usc.es/eipc1/BASE/BASEMASTER/FORMULARIOS-PHP
DPTO/MATERIALES/Mat_G2021103104_EstadisticaTema1.pdf
Muñoz, J. B. S., Neira, M. L. N., Andrade, J. E. O., & Vázquez, J. O. Q. (2021).
Emprendimiento e innovación: Dimensiones para el estudio de las MiPymes de Azogues
Ecuador. Revista de ciencias sociales, 27(1), 315-333.
Calero-Morales, S. (2012). Análisis de la frecuencia porcentual para estimar el
rendimiento del Voleibol. PODIUM-Revista de Ciencia y Tecnología en la Cultura
Física, 7(4), 3-16.
Ross, S. M. (2018). Introducción a la estadística. Reverté.19