Acta de Compromiso Virtual

UNIVERSIDAD TÉCNICA DE MANABÍ
FACULTAD DE
CIENCIAS HUMANÍSTICAS Y SOCIALES
TEMA:
PORTAFOLIO
ESTUDIANTE:
JONATHAN ALFREDO ALVAREZ ANDRADE
MATERIA:
ESTADÍSTICA
DOCENTE:
MAG. JOE GUILLÉN GARCÍA
CARRERA:
PSICOLOGÍA
SEMESTRE:
TERCERO
PARALELO:
C
PERIODO:
MAYO 2020 –OCTUBRE 2020
INSTITUTO DE CIENCIAS BÁSICAS
DEPARTAMENTO DE MATEMÁTICAS Y ESTADÍSTICA
ÁREA DE ESTADÍSTICA: ESTADÍSTICA.
ACTA DE COMPROMISOS
En el aula VIRTUAL del Área de Matemáticas Departamento de Matemáticas y Estadística del Instituto
de Básicas de la Universidad Técnica de Manabí, hoy ____________________a las ___________ he
visto la primera sesión de la asignatura __________________,
ESTADÍSTICA
PLANIFICACIÓN CLASE No 1
PARALELO ____
PERIODO:
TIEMPO:
FECHA:
DOCENTE GUIA: Ing. Joe Guillén Garcia Mg.
 PRESENTACIÓN DEL CURSO

 VISUALIZACIÓN GENERAL DEL CURSO DE ESTADÍSTICA.
 PRESENTACIÓN DEL POTAFOLIO DEL SEMESTRE ACTUAL REFERENTE A LOS
CONTENIDOS:
1. CURRICULUM DEL DOCENTE
2. FILOSOFIA DEL DOCENTE
3. ITEM PARA CALIFICAR:
 EXPLICACIÓN DEL MODELO DE PORTAFOLIO PARA EL ESTUDIANTE
 ENTREGA DEL MATERIAL TOTAL LÓGICO DEL CURSO DE ESTADÍSTICA.
 FORMA DE CALIFICAR
Una vez firmada la asistencia a esta primera clase, se llevo a cabo el proceso de la programación
establecida, dando importancia central al SYLLABUS de Estadística y la elección del Coordinador del
curso.
Unos de los puntos principales fueron:
 COMPROMISOS DISCIPLINARIOS Y ÉTICOS

 Escuchar y respetar democráticamente el criterio de los demás EN LOS GRUPOS DE COMUNICACIÓN
MANEJADOS POR EL DOCENTE (CHATS, GRUPOS WHATSAPP, ETC.)
 El intento de copia de cualquier estudiante será sancionado (Código de Ética UTM) y no habrá oportunidad
de recuperación, independiente de las sanciones establecidas por la universidad.
 Los trabajos se entregarán en la fecha establecida, acorde a la estructura para cada caso.
 El trabajo escrito (ensayos, trabajos autónomos) será realizado con las propias palabras e ideas del
estudiante.
 Observar todas las sesiones subidas al aula virtual o a los enlaces que llevan a los repositorios
PARÁMETROS PARA LA EVALUACIÓN DE LOS APRENDIZAJES.
CRITERIOS DE EVALUACIÓN
Medio Final ASISTENCIA
COMPONENTE DE ACTIVIDAD-COMPONENTE ciclo de Ponderación (Porcentaje
EVALUACIÓN ciclo Mínimo)
Componente de docencia Aprendizaje Asistido (14 puntos)
7 7 14
(30 puntos) TEST EN LINEA
Aprendizaje Colaborativo (16
puntos)
Taller grupal o individual. 5 5 10
Proyecto de problematización y
resolución de problemas o casos
Foro colaborativo 6
3 3
Componente de prácticas
de aplicación y Talleres
10 10 20 0%
experimentación de los
aprendizajes (20 puntos
0Componente de El análisis y compresión de los
aprendizaje autónomo (20 materiales bibliográficos y
10 10
puntos) Se promedian documentales, tanto analógicos como
digitales (portfolio)
todos los trabajos sobre 10 20
Elaboración individual de Ensayos,
10 10
trabajos, tareas.
Exámenes (30 puntos) Evaluación integral 15 15 30
TOTAL 50 50 100
Examen complementario 15
(opcional)
Nombre del estudiante:
Firma del estudiante.

MISIÓN DE LA UNIVERSIDAD TÉCNICA DE MANABÍ
Formar académicos, científicos y profesionales responsables, humanistas,
éticos y solidarios, comprometidos con los objetivos del desarrollo nacional,
que contribuyan a la solución de los problemas del país como universidad de
docencia con investigación, capaces de generar y aplicar nuevos
conocimientos, fomentando la promoción y difusión de los saberes y las
culturas, previstos en la constitución de la República del Ecuador.
VISIÓN DE LA UNIVERSIDAD TÉCNICA DE MANABÍ

Ser institución universitaria, líder y referente de la educación superior en el
Ecuador, promoviendo la creación, desarrollo, transmisión y difusión de la
ciencia, la técnica y la cultura con reconocimiento social y proyección regional y
mundial.
MISION DE LA FACULTAD DE CIENCIAS MATEMATICAS FISICAS Y
QUIMICAS
Formar ingenieros reconocidos a nivel nacional por su liderazgo, sólidos
conocimientos científicos tecnológicos y valores humanísticos, en base a
currículo actualizado según las demandas del ámbito laboral y las
oportunidades de emprendimiento, desarrollando líneas de investigación
científico tecnológica vinculadas con el progreso del país.
VISION DE LA FACULTAD DE CIENCIAS MATEMATICAS FISICAS Y

QUIMICAS
Ser líderes a nivel nacional, y reconocidos internacionalmente por la formación
de ingenieros, sólidamente vinculados con el medio técnico, social, político y
económico.
MISIÓN
Formar profesionales de tercer nivel en cada una de las carreras de la Facultad
con conocimientos científicos, en el área humanista, técnica y social capaces
de liderar procesos de cambio y emprendimiento social y económico, para
cumplir con eficacia y eficiencia las demandas de la sociedad.
VISIÓN
Será una unidad académica fortalecida institucionalmente y cimentada en la
organización y planificación educativa, acorde con el desarrollo científico,
pedagógico y tecnológico en todas las áreas; con docentes con formación de
cuarto y quinto nivel, acreditados en los campos de la docencia, investigación,
vinculación con la colectividad, abiertos a todas las corrientes del pensamiento
universal, para generar e impulsar el desarrollo socio-productivo de manera
sustentable y sostenible a nivel local, regional, nacional y mundial
CLASES
DE
MEDIO
CICLO
VIDEOCONFERENCIA2
UNIDAD 1
INTRODUCCIÓN Y CONCEPTOS BÁSICOS
OBJETIVO
IDENTIFICAR LOS CONCEPTOS BÁSICOS DE LA ESTADÍSTICA

RELACIONÁNDOLO CON EJEMPLOS DE LA VIDA REAL, ASÍ COMO
CONOCER LA IMPORTANCIA DE ESTA EN EL PROCESO DE
INVESTIGACIÓN EN CUALQUIER ÁMBITO PROFESIONAL.
IMPORTANCIA DE LA ESTADÍSTICA.
En el mundo real dos tipos de fenómenos pueden

identificarse; fenómenos determinísticos y fenómenos
aleatorios.
Los fenómenos determinísticos son aquellos que

bajo las mismas condiciones producen siempre
los mismos resultados, mientras que los
aleatorios se refiere a aquellas situaciones
donde está presente la incertidumbre en cuanto
al resultado del mismo.
Ejemplo: Son ejemplos de fenómenos aleatorios:
1. Lanzamiento de un dado
2. número de desempleados en un cantón
3. Cantidades vendidas de artículos en un Supermercado en días
sucesivos.
4. La duración de los equipos eléctricos en un lote producido por
determinada empresa.
5. Precio del barril de petróleo.
6. Nivel de aceptación de un determinado candidato a
Gobernador.
7. Proporción de artículos defectuosos en una línea de
producción.
En el estudio de fenómenos como los mencionados arriba, la
Estadística constituye una herramienta valiosa, resultando de
fundamental importancia en los procesos de toma de decisión.
La estadística es de gran utilidad para evaluar por ejemplo, la
posibilidad de que un producto nuevo tenga éxito. Igualmente, si se
desea tomar la decisión acerca de qué tipo de maquinaria adquirir,
los métodos estadísticos resultan indispensables para tal fin.
CONCEPTO DE ESTADÍSTICA.
ESTADÍSTICA: Es la ciencia de recolectar, ordenar,

presentar y describir la información asociada a un
fenómeno aleatorio, con el objeto de caracterizarlo y
deducir la ley que rige dicho fenómeno y así poder obtener
conclusiones o, tomar decisiones.
CLASIFICACIÓN DE LA ESTADÍSTICA
La Estadística puede clasificarse de acuerdo a su función en el

tratamiento de los datos en estadística descriptiva y estadística
inferencial.
Estadística Descriptiva: Es la encargada de describir, analizar y
representar un conjunto de datos, utilizando métodos numéricos,
tablas y gráficos que resumen y presentan la información contenida
en ellos. Si se aplican las herramientas ofrecidas por la estadística
descriptiva se logra describir los datos que se analizan.
Estadística Inferencial: Denominada también Inferencia Estadística o
Estadística Inductiva. Es la que apoyándose en la Teoría de Probabilidades y
la Teoría del Muestreo, se encarga de efectuar estimaciones, permitir la
toma decisiones, predicciones u otras generalizaciones sobre una población
partiendo del estudio de una muestra.
CONCEPTOS BÁSICOS DE ESTADÍSTICA
Elemento: Es un ser vivo, objeto o cosa que posee características que se

desean investigar.
Ejemplo: Son ejemplos de elementos y sus características:
• Elemento: Persona. Característica: Sueldos.
• Elemento: Persona. Característica: Edad y sexo.
• Elemento: Hogar. Característica: Consumo e ingresos.
• Elemento: Hogar. Característica: Número de miembros, oficio y sexo del
jefe.
• Elemento: Supermercado. Característica: ventas.
• Elemento: Fabrica. Característica: Proporción de artículos defectuosos por
lote de producción.
Población: Es el conjunto de todos los elementos que poseen la
característica de interés en una investigación. Por ejemplo, si queremos
investigar sobre la edad de los habitantes de Portoviejo, la población seria
todos los habitantes de la ciudad de Portoviejo.
Si nuestra investigación es sobre el peso de los estudiantes de la
Universidad Técnica de Manabí entonces la población son todos los
estudiantes de esta universidad.
La población puede ser finita o infinita.
Finita: es aquella población que se puede contar o que se tiene un

registro acerca del número de elementos que tiene. Ejemplos:
• Los habitantes de la ciudad de Portoviejo.

• Número de estudiantes de un colegio.
Infinita: es aquella que no tiene fin o que su número es demasiado

grande para poderlo contar y que además no se tiene registro de
esta. Ejemplos.
• Granos de arena en la playa.

• Número de peces en un lago.
Una población que considera sólo valores asociados con una
característica se denomina población univariante, en caso contrario,
se denomina población multivariante.
Si se usa toda la información disponible, es decir la población, se dice
que se ha realizado una investigación exhaustiva o total (Censo). Por
lo general el desarrollo de este tipo de investigaciones no siempre es
posible, por diferentes motivos: • economía;
• pruebas destructivas;
• población infinita o tan grande que exceda las posibilidades del
investigador.
Muestra: Es una parte o porción extraída de una población, mediante
métodos de selección científicos que permiten considerarla
preferiblemente representativa de dicha población.
Ejemplo : Son ejemplos de muestras:
1. Un grupo de 200 personas seleccionadas de todos los habitantes

de la ciudad de Portoviejo.
2. 5 estudiantes elegidos de un grupo de 20 alumnos de estadística
II.
3. Un grupo de 20 Profesores seleccionados de la planta profesoral
de la UTM.
4. Una selección de 25 trabajadores de la nómina de una gran
empresa.
5. Los vehículos que entran a un estacionamiento en una hora.
Se realiza un estudio en un hospital de Portoviejo acerca de
los ingresos que tienen 25 pacientes con diabetes.
Determine: Población y tipo de población Muestra.
PARÁMETROS, ESTADÍSTICOS Y ESTIMADORES
Parámetro: Representa cualquier característica medible de la población es decir es una medición numérica de
la población . Ejemplos de parámetros son: La media poblacional, la varianza poblacional, entre otros. Una
población puede estar caracterizada por uno o más parámetros.
Estadístico: Dada una determinada población y una muestra de tamaño n, se define como estadístico a
cualquier función que se defina a partir de los n componentes que integran dicha muestra. Es decir cualquier
medición que provenga de la muestra.
Estimador: Estadístico utilizado para estimar un parámetro de una población.
VARIABLE.
Se refiere a una característica que poseen todos los elementos del universo y que se mide en el estudio.
Representalas mediciones de una característica que poseen los elementos del universo.
Ejemplo: Son ejemplos de variables:
• El color de ojos de las personas.

• La edad de las personas.
• El sueldo de un empleado.
TIPOS DE VARIABLE
Las variables se clasifican en cuantitativas y cualitativas
Variables cuantitativas: Son aquellas variables cuyos valores posibles son cantidades numéricas con las que
podemos hacer operaciones aritméticas.
Estas a su vez se subclasifican en:
Variables cuantitativas discreta: Es aquella que solo puede tomar valores enteros. Ejemplos:
• Número de hijos.
• Número de personas en un estadio.
Variable cuantitativa continua: puede tomar cualquier valor numérico, es de decir acepta valores con decimales.
Ejemplos:
• Peso de los estudiantes de un paralelo.

• Estatura de jugadores de un equipo.
TIPOS DE VARIABLE
Variables cualitativas: Son aquellas variables expresa cualidades, modalidades o características observadas en
los elementos de una muestra o población.
Estas a su vez se subclasifican en:
Variables cualitativas ordinal: aquella que tiene un orden preestablecido o existe jerarquía entre sus elementos.
Ejemplos:
• a. Dureza de los minerales.

• b. Grado de satisfacción.
• c. Nivel de educación.
TIPOS DE VARIABLE
• Variable cualitativa nominal: Son aquellas en que la única relación que se define entre sus valores es la
igualdad o diferencia, es decir solo podemos decir que dos valores de una variable son iguales o diferentes.
No hay operaciones aritméticas definidas, por lo tanto, los números no tienen sentido como magnitudes.
Son ejemplos de medidas de escala nominal:
• a. El color de ojos.
• d. El estado civil.
• e. Los números que llevan los atletas en la espalda
ESCALAS DE MEDICIÓN
• Escala Nominal
• Escala Ordinal
• Escala de Intervalo: Los valores de las variables son números y entre ellos tienen sentido las relaciones de
igualdad, de orden y de las distancias. La resta es la única operación aritmética definida. Esta escala posee
una propiedad de gran importancia; Posee un cero u origen relativo (arbitrario). El cero no significa ausencia
de la característica. Los siguientes son ejemplos de medidas pertenecientes a una escala de intervalo:
• a. Puntuación obtenida en una evaluación.
• b. La temperatura.
• c. La distancia sobre el nivel del mar.
•
Escala de Razón o Escala proporcional: Los valores de la variable son números y entre ellos tienen sentido las
relaciones de igualdad, orden y están definidas las operaciones aritméticas de suma, diferencia y proporciones
(múltiplos). Estas escalas tienen un cero absoluto, el cual representa la ausencia de la característica. Es una
escala de intervalo con un cero absoluto. Las siguientes medidas pertenecen a una escala de razón:
• a. El Sueldo de los habitantes de la Provincia de Manabí. • b. La edad de los alumnos de

Métodos Estadísticos
• c. El nivel de hemoglobina.
• d. Presión arterial.
• e. Peso en gramos o en kilos.
Escala Absoluta: Los valores que puede tomar la variable son el resultado de un conteo, por lo tanto, esta escala
está constituida por todos los números enteros positivos y el cero. Son ejemplos de mediciones pertenecientes a
una escala
Absoluta:
a. Número de accidentes automovilísticos en una semana
b.número de integrantes de una familia.

Ejercicios
• Determine a qué tipo de variable pertenecen los siguientes enunciados y a que escala de medición
pertenecen los siguientes enunciados.
• Intensidad de un dolor.
• Rango militar.
• El grupo sanguíneo.
• El sexo.
• Numero de pacientes en un hospital
• Velocidad que circula un auto.
GRACIAS
VIDEOCONFERENCIA
UNIDAD 1
OBJETIVO
Construir tablas de frecuencias mediante la organización de los datos de las

variables a estudiar.
ORGANIZACIÓN DE LOS DATOS.
 La organización de los datos consiste en una agrupación

apropiada de los mismos.
 Se debe estudiar cómo realizar dicha agrupación cuando la
variable es cualitativa y cuando es cuantitativa.
 Los datos se organizan en una distribución de frecuencias, la
cual es una tabla resumen en la que los datos se disponen
en agrupamientos o categorías convenientemente
establecidas
Elementos de las Tablas de frecuencias
 Frecuencia absoluta: es el número de veces que aparece un

determinado valor en un estudio estadístico. Se representa
por 𝑓𝑖
 La suma de las frecuencias absolutas es igual al número
total de datos, que se representa por n. Para indicar de
manera resumida estas sumas se utiliza la letra griega Σ
(sigma mayúscula) que se lee suma o sumatoria.
𝑛
𝑓𝑖 =𝑛
𝑖=1
Elementos de las Tablas de frecuencias
 Frecuencia Relativa: Se obtiene de dividir la frecuencia

absoluta de un determinado valor entre el número total de
datos. En este curso la vamos a representar por 𝑓𝑟𝑖 , aunque
en otros textos la pueden simbolizar por ℎ𝑖
𝒇
𝒇𝒓𝒊 = 𝒊
𝒏
 La suma de las frecuencias relativas es igual a 1.
 Si a este valor lo multiplicamos por 100 obtenemos las
frecuencias relativas porcentuales.
 Frecuencia Absoluta y relativa acumulada es la suma de las
frecuencias absolutas o relativas de todos los valores
inferiores o iguales al valor considerado. Se representa por 𝑭𝒊
y 𝑭𝒓𝒊respectivamente.
Organización de datos cualitativos Escala
nominal.
Cuando los datos son cualitativos de escala nominal, la organización

consiste en la construcción de una tabla de frecuencias con los
siguientes columnas:
Escala nominal
Ejemplo 2.1 A continuación se muestran los resultados obtenidos al

aplicar una encuesta a 50 estudiantes de FACES donde se les
preguntó sobre la carrera que estudiaban (A: Administración, C:
Contaduría, E: Economía, ES: Estadística): La variable en este
ejemplo es la carrera que estudian las personas, la cual es cualitativa
de escala nominal.
Organización de datos cualitativos
Escala Ordinal.
Si los datos son cualitativos de escala ordinal, su organización

implica dos cosas:
 en primer lugar, las clases llevan un orden preestablecido

por las modalidades de la variable.
 en segundo lugar se incorporan a la tabla, columnas que

muestren la frecuencia absoluta acumulada, Fi, y la
proporción que cada uno de ellos representa con respecto
al total, frecuencia relativa acumulada, Fri.
Organización de datos cualitativos

Escala Ordinal.
EJEMPLO.
Los siguientes datos corresponden a una
consulta realizada a 45 pacientes acerca de su
percepción sobre la atención prestada en el
Instituto de Seguro Social (MB: Muy Bueno, B:
Bueno, A: Aceptable, M:
Malo, MM: Muy Malo).
TABLAS CRUZADAS
 Tablas como las anteriores se utilizan cuando se está estudiando
una variable. Existen situaciones en las que se registra información
acerca de dos o más variables para cada individuo o elemento.
TABLAS CRUZADAS
 Esta tabla se construye enumerando en la parte superior las

modalidades o valores de una variable (variable columna) y en el
extremo izquierdo las modalidades de la otra variable (variable fila).
 La celda correspondiente a la fila i y la columna j, Cij ,contiene el
número de elementos que presenta simultáneamente la categoría i
de la variable fila y la categoría j de la variable columna.
TABLAS CRUZADAS
Organización de datos cuantitativos discretos.
Ejemplo: A continuación, se muestra la información sobre el número de

hijos que tienen 40 Mujeres extraídas al azar de la ciudad de
Portoviejo
Antes de organizar los datos en una distribución de frecuencia,
observemos que la variable es discreta y además posee pocos
valores diferentes, pues su rango esta dado por {0; 1; 2; 3; 4; 5}.
Distribución del Nª
de Hijos que tienen
40 Mujeres
Nª fi fri
de
Hijo
s
0 2 0,05
123 999 0,225 0,225 11 20 29
4 10 0,225
5 1 0,250
0,025
 10 mujeres tienen 4 hijos

 El 22,5% de las mujeres tienen 2 hijos
 39 mujeres tienen 4 o menos hijos
 El 72,5% de las mujeres tienen 3 o menos hijos
VIDEOCONFERENCIA
UNIDAD 1
GRACIAS
Organización de datos cuantitativos
Ejemplo: A continuación, se muestra la información sobre el número de

hijos que tienen 40 Mujeres extraídas al azar de la ciudad de Portoviejo
Antes de organizar los datos en una distribución de frecuencia,

observemos que la variable es discreta y además posee pocos valores
diferentes, pues su rango esta dado por {0; 1; 2; 3; 4; 5}.
Distribución del Nª de Hijos que tienen 40 Mujeres
Nª de Hijos fi fri Fi Fri
0 2 0,05 2 0,05
1 9 0,225 11 0,275
2 9 0,225 0,225 20 0,5
3 9 0,250 29 0,725
4 10 0,025 39 0,975
5 1 40 1
10 mujeres tienen 4 hijos
El 22,5% de las mujeres tienen 2 hijos
39 mujeres tienen 4 o menos hijos
El 72,5% de las mujeres tienen 3 o

menos hijos
GRAFICO DE BARRAS
UTILIZANDO LA FRECUENCIA ABSOLUTA
GRAFICO DE BARRAS
UTILIZANDO LA FRECUENCIA RELATIVA.
Ejemplo: Los siguientes datos corresponden a la edad de
40 estudiantes
30 28 22 28 34 32 32
23 28 35 34 28 20 29
21 30 30 19 27 19 25
30 34 32 31 24 32 20
21 30 31 19 18 27 19
26 26 27 29 34
Para construir una tabla o distribución de frecuencias, en el caso de

variables cuantitativas se debe seguir el siguiente procedimiento:
1.- Identificación de los valores extremos del intervalo total
𝑉𝑚𝑎𝑥 = 35 y 𝑉𝑚𝑖𝑛 = 18.

2.- Calculo del Rango.
𝑅 = 𝑉𝑚𝑎𝑥 − 𝑉𝑚𝑖𝑛 = 35 − 18 = 17
3.- Determinar el número de clases y la amplitud de las mismas. Para
determinar el número de clases no existe una regla fija. Una primera
aproximación es tomar 𝐾 = 𝑁º 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠 = 𝑛
Esta aproximación no siempre es conveniente, sobre todo cuando n es

grande. Existe una fórmula para calcular el número óptimo de clases,
denominada fórmula de Stugers
𝐾 = 𝑁º 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠 = 1 + 3,3 log 𝑛
Determinación del Número de Clases (K) y de la amplitud de las clases

(A) Para determinar el número de clases se usa la regla de Sturges,
obteniéndose:
K = 1 + 3;3 log(n) = 1 + 3;3 log(40) = 6;28
Por lo tanto, se deben tener aproximadamente 6 clases

4.- Calcular la amplitud o ancho de la clase. La amplitud de las clases
esta dada por:
𝑅
𝐴= = 2,7
𝐾
lo cual se puede aproximar a 3, ya que, se ha asumido que la variable edad
es discreta.
5.- Construir los Intervalos de Clase: Para construir la primera clase,

seleccionamos como un límite inferior el valor mínimo (Vmin). El limite
superior se obtiene al sumarle al limite inferior la amplitud, A.
El primer intervalo se construye utilizando como limite inferior el valor

mínimo de los datos, en este caso 18, y el limite superior se obtiene al
sumarle la amplitud (A) al limite inferior, es decir, 18 + 3 =21. Por lo
tanto el primer intervalo es [18-21).
Los intervalos de clases obtenidos al seguir el procedimiento anterior

son:
[18 - 21)
[21 - 24)
[24 - 27)
[27 - 30)
[30 - 33)
[33 - 36)
6.- Calcular las marcas de clase (mi): Las marcas de clase están
representadas por los puntos medios de los intervalos de clase, es
decir para calcularla sumamos el limite superior mas el limite inferior y
lo dividimos para 2.
𝑙𝑠 + 𝑙𝑖
𝑚𝑖 =
2
A continuación se muestran las clases con sus respectivas marcas de clase

7.- Obtener las frecuencias absolutas, relativas, absolutas acumuladas
y relativa acumulada.
Esta tabla es más fácil de interpretar. Por ejemplo, se puede

decir que un 22.5% de los estudiantes tienen edades inferiores a
33 años y mayores o iguales a 30 años. El 60% de los
estudiantes tiene edades inferiores a 30 años.
HISTOGRAMA DE FRECUENCIAS
FRECUENCIA ABSOLUTA
HISTOGRAMA DE FRECUENCIAS
FRECUENCIA RELATIVA
VIDEOCONFERENCIA
UNIDAD 1
MEDIDAS DE DISPERSIÓN
GRACIAS
OBJE
TIVO DEFINIR Y USAR LAS MEDIDAS DE
DISPERSIÓN
Las medidas de dispersión permiten medir el grado de agrupación o

disgregación en un conjunto de datos, es decir, permiten determinar qué
tan cercanos o separados entre si están los valores.
Si el valor de estas medidas de dispersión es pequeño, indica que los
datos están concentrados. Si es una medida de dispersión referida a un
valor central, por ejemplo, la media, para un valor pequeño de dicha
medida se dice que los datos están concentrados alrededor de la media.
En este caso, la media se considera representativa de los datos, es decir,
es un promedio confiable. En caso contrario, la media no es confiable, no
es representativa de los datos.
MEDIDAS DE DISPERSIÓN ABSOLUTAS
• Varianza: Es el promedio de las desviaciones de la media elevadas al

cuadrado.
• Varianza de la población:
• Varianza de la muestra
Si los datos están agrupados en una tabla de frecuencias, entonces su fórmula

de cálculo es:
σ 𝑘𝑖=1 𝐶𝑖 − 𝑥ҧ2 . 𝑓𝑖
𝑛−1
𝑆2 =
σ 𝑘𝑖=1 𝑚𝑖 − 𝑥ҧ2 . 𝑓𝑖
𝑛−1
𝑃𝑎𝑟𝑎 𝑐𝑙𝑎𝑠𝑒𝑠 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑎𝑙𝑒𝑠
𝑃𝑎𝑟𝑎 𝑐𝑙𝑎𝑠𝑒𝑠 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜
MEDIDAS DE DISPERSIÓN ABSOLUTAS

Desviación Estándar: Dada la dificultad presentada con la
interpretación de la varianza, surge una medida de
dispersión función de ella y que viene expresada en las
mismas unidades que los datos, desviación estándar o
típica. Representa la medida de dispersión más utilizada
en estadística y está dada por,
𝑆= 𝑆2
Propiedades de la Varianza y Desviación Estándar:
• La varianza y la desviación estándar no pueden ser negativas.
• Al aumentar el tamaño de la muestra, disminuye la varianza y la
desviación estándar.
• Si todos los datos son iguales a una constante c, entonces S 2 =
0yS=
0.
• Si a cada dato original se le suma una constante k, la varianza y

la desviación estándar no se ven afectadas.
Si cada dato original se multiplica por una constante k, la varianza y la
desviación estándar del nuevo conjunto de datos están dadas por k 2S2 y
kS respectivamente.
MEDIDAS DE DISPERSIÓN RELATIVAS

Coeficiente de Variación: Su utilidad estriba en que permite
comparar la dispersión o variabilidad de dos o más grupos.
Indica el tamaño relativo de la desviación estándar
respecto a la media. Es la medida de dispersión relativa de
mayor uso y su fórmula de cálculo es:
El coeficiente de variación se utiliza para comparar la

homogeneidad de dos series de datos, aun cuando estén
expresados en distintas unidades de medida. A medida
que el Coeficiente de variación disminuye, se observa una
mayor homogeneidad en los datos, es decir, los datos
están más concentrados alrededor del promedio.
EJEMPLO
Se realizó una encuesta a 77 personas para averiguar con que tanta

frecuencia visitaban algún parque durante un mes. Las respuestas se
ordenaron en la siguiente tabla. Determine y analice las medidas de
dispersión
Para el calculo de la varianza calculamos primero la media

aritmética con la formula para clases individuales:
EJEMPLO
VARIANZA:
Análisis.
El promedio de las desviaciones al cuadrado de los datos y la media
es 1,84 visitas al parque al cuadrado. Interpretar esta medida es
complicado porque la unidad de medida esta al cuadrado; por eso
es necesario el cálculo de la desviación estándar
EJEMPLO
• DESVIACIÓN ESTÁNDAR:
𝑆= 𝑆2 = 1,84 = 1,38 𝑣𝑖𝑠𝑖𝑡𝑎𝑠 𝑎𝑙 𝑝𝑎𝑟𝑞𝑢𝑒
Análisis:
El promedio de las desviaciones con respecto a la

media es de aproximadamente 1,38 visitas al
parque • COEFICIENTE DE VARIACIÓN:
,
Los datos tienen una variación del 34,2% esta medida relativa sin
unidad de medida me permite comparar
EJEMPLO
Calcule Las medidas de dispersión de la siguiente tabla que contiene el

registros de los datos de las edades de 50 personas.
Primero calculamos la media aritmética para datos con intervalos.
EJEMPLO
Varianza: para el calculo de la varianza, se debe calcular una columna
para 𝑚 − 𝑥 ҧ2 ∙ 𝑓
𝑖 𝑖
𝑥ҧ= 30,06𝑎ñ𝑜𝑠
El promedio de las desviaciones al cuadrado de los datos y la media

es 17 años cuadrado. Interpretar esta medida es complicado porque
la unidad de medida esta al cuadrado; por eso es necesario el cálculo
de la desviación estándar
DESVIACIÓN ESTANDAR
𝑆= 𝑆2 = 17,35 = 4, 16𝑎ñ𝑜𝑠
El promedio de las desviaciones con respecto a la media

es de aproximadamente 4,16 años
MEDIDAS DE DISPERSIÓN RELATIVAS
Coeficiente de variación:
Los datos tienen una variación del 13,85% esta medida

relativa sin unidad de medida me permite comparar
VIDEOCONFERENCIA
UNIDAD
MEDIDAS DE POSICIÓN
GRACIAS
OBJET
IVO DEFINIR Y USAR LAS MEDIDAS DE
POSICIÓN
Cuantiles: Son medidas de localización similares a las anteriores. Denotados

por 𝑄ℎ, tienen como objetivo fundamental identificar el valor de la variable por
debajo del cual queda la h-esima parte, en tanto por ciento, de todos los
valores de la colección ordenada. Se puede decir que los cuantiles son unas
medidas que dividen a la distribución en Q partes de manera que en cada una
de ellas hay el mismo porcentaje de valores de la variable.
Los más importantes son:
• Cuartiles. Dividen a la distribución en cuatro partes porcentualmente

iguales (3 divisiones). Se denotan por 𝐶1, 𝐶2, 𝐶3, y corresponden al 25 %,
50 %,75 %.
• Deciles. Dividen a la distribución en 10 partes iguales (9 divisiones). Se

denotan por D1,.... D9, y corresponden al 10 %,...,90 %.
• Percentiles. Dividen a la distribución en 100 partes (99 divisiones). P1, ...,

P99, y corresponden al 1 %,...,99 %.
Para datos no ordenados en tabla. Para la obtención del cuantil h, se deben

seguir los siguientes pasos:
1.-Ordenar los datos de menor a mayor

2.- Calcular la posición con donde h es el cuantil deseado, q es
igual
4, 10 y 100, para cuartiles (Ch), deciles (Dh) y percentiles (Ph), respectivamente.

• Si t es entero, el cuantil h, Q h, es el promedio de los valores en las
posiciones t y t + 1, es decir
• En caso contrario, t debe ser redondeado y Q h será el valor en la posición

asociada con el entero inmediatamente mayor que t.
EJEMPLO DATOS SIN TABLAS
Determinar el cuartil 3, el decil 7 y el percentil 85 para el siguiente conjunto de

datos: 33 34 38 31 36 30 35 35 37 29 32 39.
Esta serie ordenada es: 29 30 31 32 33 34 35 35 36 37 38 39. Para el cálculo
del cuartil , y su valor está dado por el

promedio de
los valores en las posiciones 9 y 10 de la serie ordenada, es decir,
36
Esto significa que el 75% de los datos se encuentran por debajo de 36.5. Para
hallar el decil como el resultado es

decimal redondeamos al entero próximo mayor que es 9. El decil 7 es el valor
asociado con la posición 9, es decir, D 7 = 36. El 70% de los datos está por
debajo de 36.
Igualmente, para obtener el percentil 85, se obtiene t. En este caso, 𝑡 =
y su valor es aquel que ocupa la posición 11, P 85 = 38. Por
lo
tanto, el 85% de los datos están por debajo de 38.
.
EJEMPLO TABLA CON CLASES INDIVIDUALES
EDADES fi Fi
6 10 10
8 12 22
10 22 44
12 15 59
14 8 67
16 7 74
74
Cuartil 2
Como es entero buscamos en la frecuencia absoluta acumulada la posición

37 y 38 que en este caso están ubicados en la edad 10
𝑄2 = 10
Percentil 90
Como el resultado tiene decimal redondeamos al entero mayor Buscamos en

la frecuencia absoluta acumulada la posición 67 que en este caso esta en la
edad 14
𝑃90 = 14
EJEMPLO TABLA CON CLASES INDIVIDUALES
EDADES fi Fi
6 10 10
8 12 22
10 22 44
12 15 59
14 8 67
16 7 74
74
decil 8
Como no es entero buscamos en la frecuencia absoluta acumulada la
posición 60 que en este caso están ubicados en la edad 14
𝐷8 = 14
TABLA CON INTERVALOS
Si los datos están agrupados en tablas de frecuencias y las clases son

intervalos, suponiendo que los mismos están igualmente espaciados, el cuantil
Qh se calcula mediante el siguiente procedimiento:
Calcular para encontrar la clase del cuantil deseado
Ubicar la clase cuya en la frecuencia acumulada que es igual o superior a 𝑡. A

esta clase se le llama clase cuantil.
Obtener el h-esimo cuantil mediante la

fórmu
la
donde
Fac=Frecuencia Acumulada de la clase anterior a la clase cuantil.

A=Amplitud de la clase cuantil.
lic=Limite inferior de la clase cuantil.

fc=Frecuencia absoluta de la clase
cuantil.
EJEMPLO TABLA CON
CLASES CON
INTERVALOS
Hallar el cuartil 1
1.- encontrar el intervalo del cuartil 1 ℎ
1 65
El intervalo que contiene a la posición
17 el [20-30) con este trabajamos la formula ℎ ∗ 𝑛
𝐶2 = 𝑙𝑖 + 4 − 𝐹𝐴𝐶 ∗ 𝑎
𝑓𝑐
16,25 − 8
𝐶2 = 20 +∗ 10 = 25,5
15
Hallar el percentil 80
1.- encontrar el intervalo del percentil 80
El intervalo que contiene la posición 52 el intervalo

[4
0-
50
)ℎ
∗
𝑛
𝑃80 = 𝑙𝑖 + 100 − 𝐹𝑎𝑐 ∗ 𝑎

𝑓𝑐
52− 43
𝑃80 = 40 + ∗ 10 = 47,5
12
EJEMPLO TABLA
CON CLASES CON
INTERVALOS
Hallar el DECIL 4
ℎ∗𝑛
10 − 𝐹𝑎𝑐
𝑓𝑖
26 − 23
1.- encontrar el intervalo del decil 4 ℎ 4 65
20
El intervalo que contiene a la posición
26 el [30-40) con este trabajamos la formula
𝐷2 = 𝑙𝑖 +∗ 𝑎
𝐷 = 30 + ∗ 10 = 31,5
VIDEOCONFERENCIA
UNIDAD1
MEDIDAS DE TENDENCIA CENTRAL Y POS
GRACIAS
OBJETIVO
DEFINIR Y USAR LAS PRINCIPALES MEDIDAS DE

TENDENCIA CENTRAL Y DE POSICIÓN DE UN CONJUNTO DE
DATOS.
MEDIDAS DE TENDENCIA CENTRAL
Las medidas centrales son parámetros que se localizan alrededor del centro del
conjunto de datos, es decir nos permiten describir el centro de la masa de
datos. Ellos son:
• Media Aritmética
• Mediana
• Moda
MEDIA ARITMÉTICA
Es la medida de tendencia central más popular para datos cuantitativos, entre

otras cosas por poseer propiedades matemáticas deseables. Representa el
centro de gravedad o punto de equilibrio de un conjunto de datos. La media
aritmética de un conjunto de datos es simplemente el promedio de los datos.
Su cálculo depende si los datos están o no ordenados en tablas de frecuencias.
MEDIA
ARITMÉTICA
Para datos no ordenados en tablas de frecuencias, la media aritmética está dada por:
• Ejemplo:
• Calcular el promedio de las siguientes notas:6,8,7,9,5,
• Lo que indica que el promedio de la clase gira alrededor de 8,4

MEDIA ARITMÉTICA
A menudo, se quiere calcular la media a través de una tabla de frecuencias previamente hecha. Su fórmula
de cálculo depende de si las clases están conformadas por valores individuales o por intervalos.
σ 𝑘𝑖=1 𝑥𝑖 ∙ 𝑓𝑖
𝐶𝑙𝑎𝑠𝑒𝑠 𝐼𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑎𝑙𝑒𝑠
𝑛
𝑥ҧ=
σ 𝑘𝑖=1 𝑚𝑖 ∙ 𝑓𝑖
𝐶𝑙𝑎𝑠𝑒𝑠 𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠
𝑛
MEDIA
ARITMÉTICA
Ejemplo: Suponga la siguiente tabla de frecuencia del numero de hijos de 40 familias de la ciudad de
Portoviejo.
N fi fri Fi Fri
ª
d
e
Hi
jo
s
0 2 0,05 2 0,05
1 9 0,22 1 0,27
2 9 5 1 5
3 9 0,22 2 0,5
4 10 5 0 0,725
5 1 0,22 2 0,975
5 9 1
0,25 3
0 9
0,02 4
5 0
Por lo tanto, el promedio de hijos por familia es de 2,47.hijos

MEDIA ARITMÉTICA
Ejemplo: Suponga la siguiente tabla de frecuencia de las edades de 40 estudiantes
La edad promedio de los estudiantes es de 27,6 años
MEDIA ARITMÉTICA
Las principales Ventajas de esta medida de localización son:

• Toma en cuenta todos los datos.
• Fácil de calcular y de operar algebraicamente.
Desventajas de la media aritmética

• Es sensible a valores extremos o atípicos.
• No ofrece siempre una buena aproximación cuando las distribuciones son asimétricas.
MEDIANA
La mediana de un conjunto de datos es el valor del centro de los datos, una vez que los mismos sean
ordenados de menor a mayor. Es decir, la mediana es aquel valor que deja el mismo número de datos antes
y después que el, una vez que son ordenados.
MEDIANA
Para datos no ordenados se distinguen dos casos de acuerdo al número de datos n. Si n es impar, la mediana
es el valor central del conjunto ordenado, mientras que si el número de datos es par, la medina es el promedio
de los valores centrales del conjunto ordenado. Esto es, si denotamos por Md a la mediana, se tiene que:
𝑠𝑖 𝑛 𝑒𝑠 𝑝𝑎𝑟
𝑠𝑖 𝑥𝑛/2 + 𝑥 𝑛 𝑛 𝑒𝑠
𝑖𝑚𝑝𝑎𝑟 2 +1
𝑀𝑑 = 2
𝑥(𝑛+1)/2
MEDIANA
EJEMPLOS
Calcular la mediana de las siguiente notas: 8,5; 5,6; 7,2; 5,3; 9,2; 6;
5; 8,5;
1.- ordenar los datos
5; 5,3 ; 5,6 ; 6 ; 7,2 ; 8,5 ; 8,5 ; 9,2 2.- contar cuantos datos
hay.
3.- calcular la posición de la mediana en este caso como es par
Calcular la mediana de las siguiente notas: 8,5; 5,6; 7,2; 5,3; 9,2; 6; 5; 8,5; 7,5
1.- ordenar los datos
5; 5,3 ; 5,6 ; 6 ; 7,2; 7,5; 8,5 ; 8,5 ; 9,2 2.- contar cuantos datos hay.
3.- calcular la posición de la mediana en este caso como es impar
𝑀𝑑 = (𝑛+1)/2 = 7,2
Ejemplo con datos agrupados individuales
EDADES fi Fi fri Fri

12 15 15 0,2 0,2
MEDIANA
2 2
0,1 0,3
13 10 25 5 7
0,3 0,6
14 22 47 2 9
0,1 0,8
15 12 59 8 7
0,1 1,0
16 9 68 3 0
1,0
68 0
Como los datos ya están ordenados en la tabla no hay necesidad de ordenarlos. Aplicamos la formula para
datos pares.
Como n/2 es 34 y (n/2)+1= 35 buscamos en la frecuencia acumulada los datos que sean igual o mayor a 34
y a 35 en este caso 14
Ejemplo con datos agrupados individuales
EDADES fi Fi fri Fri

0,2 0,2
12 15 15 2 2
MEDIANA
0,1 0,3
13 10 25 5 7
0,3 0,6
14 22 47 2 9
0,1 0,8
15 12 59 8 7
0,1 1,0
16 9 68 3 0
1,0
68 0
Como los datos ya están ordenados en la tabla no hay necesidad de ordenarlos. Aplicamos la formula para
datos pares.
Como n/2 es 34 y (n/2)+1= 35 buscamos en la frecuencia acumulada los datos que sean igual o mayor a 34
y a 35 en este caso 14
Ejemplo con datos agrupados con intervalos
Si los datos están ordenados en tablas de frecuencias y las clases son intervalos, suponiendo que los
mismos están igualmente espaciados, la mediana se calcula mediante el siguiente procedimiento:
1.- Calcular n/2.
MEDIANA
2.- Ubicar la clase cuya frecuencia acumulada es igual o superior a n/2. A esta clase se le llama clase
medianal.
3.- Obtener la mediana mediante la fórmula
Donde:
Fam=Frecuencia Acumulada de la clase anterior a la medianal.
Am=Amplitud de la clase medianal.
lim=Limite inferior de la clase medianal. fm=Frecuencia absoluta de la
clase medianal.
Ejemplo con datos agrupados con intervalos
Ejemplo: Suponga la siguiente tabla de frecuencia de las edades de 40 estudiantes
MEDIANA
Primero calculamos , entonces la clase medianal es la clase con la frecuencia acumulada

inmediatamente superior a 20. Por lo tanto es la clase numero 4. La mediana queda calculada de la siguiente
manera:
Lo que indica que el 50% de los datos están por debajo de 28,66 y el otro 50% por encima de 28,66 años
MODA
Se denota por Mo y es el valor más común entre los datos, el valor de la

variable que se presenta mayor número de veces, es decir, el valor de mayor
frecuencia. La mayor ventaja es la sencillez de su cálculo, ya que la moda es la
marca de clase con mayor frecuencia absoluta simple. En la tabla de las
edades de los estudiantes la moda es igual a 31,5. Y en la tabla de los
números de hijos de las familias la moda es igual a 4 hijos.
evirtual.utm.edu.ec
CLASES
DE
FIN DE CICLO
evirtual.utm.edu.ec
evirtual.utm.edu.ec
evirtual.utm.edu.ec
Distribuciones continuas
• En este capítulo seguimos con el estudio de las distribuciones
de probabilidad, pero ahora de las continuas. Una
distribución de probabilidad continua resulta de medir algo,
como la distancia del trabajo a tu hogar, el peso de un
individuo o la cantidad de bonos que ganan los directores
ejecutivos. Suponga que seleccionamos a cinco estudiantes
y calculamos que las distancias, en millas, que viajan a
clases son de 12.2, 8.9, 6.7, 3.6 y 14.6. Cuando examinamos
una distribución continua, la información que nos interesa es
el porcentaje de estudiantes que viajan menos de 10 millas o
el porcentaje que viaja más de 8 millas
Distribución de probabilidad normal

• la distribución de probabilidad normal tiene una fórmula muy
compleja.
• Sin embargo, no se preocupe por la complejidad de esta

fórmula. Usted ya conoce varios de estos valores. Los
símbolos 𝜇
𝑦 𝜎 son la media y la desviación estándar. La letra griega 𝜋
es una constante matemática natural, cuyo valor es
aproximadamente 3.1416. La letra 𝑒 también es una
constante matemática, es la base del sistema de logaritmos
naturales y es igual a 2.718; y X es el valor de una variable
aleatoria continua. Así, una distribución normal se basa en su
media y su desviación estándar.
• No necesitará hacer cálculos con la fórmula. Más bien,

requerirá una tabla, para buscar las diversas probabilidades.
evirtual.utm.edu.ec
CARACTERÍSTICAS
• La distribución de probabilidad normal posee las siguientes
características principales.
• Tiene forma de campana y posee una sola cima en el centro

de la distribución. La media aritmética, la mediana y la moda
son iguales, y se localizan en el centro de la distribución. El
área total bajo la curva es de 1.00. La mitad del área bajo la
curva normal se localiza a la derecha de este punto central, y
la otra mitad, a la izquierda.
• Es simétrica respecto de la media. Si hace un corte vertical,

por el valor central, a la curva normal, las dos mitades son
imágenes especulares.
• Desciende suavemente en ambas direcciones del valor

central. Es decir, la distribución es asintótica. La curva se
aproxima más y más al eje X, sin tocarlo. En otras palabras,
las colas de la curva se extienden indefinidamente en ambas
direcciones.
• La localización de una distribución normal se determina a

través de la media. La dispersión o propagación de la
distribución se determina por medio de la desviación estándar
𝜎
evirtual.utm.edu.ec
• No sólo existe una distribución de probabilidad normal, sino
una familia. Por ejemplo, en la gráfica se comparan las
distribuciones de probabilidad del tiempo de servicio de los
empleados de tres diferentes plantas. En la planta de
Camden, la media es de 20 años, y la desviación estándar,
de 3.1 años. Existe otra distribución de probabilidad normal
del tiempo de servicio en la planta de Dunkirk, donde 𝜇 20
años y 𝜎 3.9 años. En la planta de Elmira, 𝜇 20
años y 𝜎 5.0 años. Observe que las medias son las mismas,
pero las desviaciones estándar difieren.
• La grafica muestra la distribución de los pesos de las cajas de

tres cereales. Los pesos tienen una distribución normal con
diferentes medias e idéntica desviación o estándar.
evirtual.utm.edu.ec
• En el caso de la distribución de probabilidad continua, las
áreas bajo la curva definen probabilidades. El área total bajo
la curva normal es de 1.0. Esto explica todos los posibles
resultados. Como una distribución de probabilidad normal es
simétrica, el área bajo la curva a la izquierda de la media es
de 0.5, y el área bajo la curva a la derecha de la media, de
0.5.
DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTÁNDAR

• El número de distribuciones normales es ilimitado, y cada
una posee diferentes media 𝜇, desviación estándar 𝜎, o
ambas. es imposible elaborar tablas de una infinidad de
distribuciones normales. Por fortuna, un miembro de la
familia se utiliza para determinar las probabilidades de todas
las distribuciones de probabilidad normal. Es la distribución
de probabilidad normal estándar y es única, pues tiene una
media de 0 y una desviación estándar de 1.
• Cualquier distribución de probabilidad normal puede

convertirse en una distribución de probabilidad normal
estándar si se resta la media de cada observación y se divide
esta diferencia entre la desviación estándar. Los resultados
reciben el nombre de valores z o valores tipificados.
evirtual.utm.edu.ec
• De esta manera, el valor z es la distancia de la media,
medida en unidades de desviación estándar.
En términos de una fórmula
• Para explicarlo, suponga que desea calcular la probabilidad
de que las cajas de Sugar Yummies del ejemplo anterior

pesen entre 283 y 285.4 gramos.
• De acuerdo con la gráfica el peso de la caja de Sugar

Yummies tiene una distribución normal con una media de 283
gramos y una desviación estándar de 1.6 gramos. Ahora
quiere conocer la probabilidad o área bajo la curva entre la
media, 283 gramos, y 285.4 gramos. También se expresa
este problema con notación de la probabilidad, 𝑃 283 𝑝𝑒𝑠𝑜
285.4 . Para determinar la probabilidad, es necesario
convertir tanto 283 gramos como 285.4 gramos en valores z
con la fórmula. El valor z correspondiente a 283 es 0, que se
evirtual.utm.edu.ec
calcula mediante la operación (283 – 283)/1.6. El valor z
correspondiente a 285.4 es 1.50, que se calcula mediante la
operación (285.4 – 283)/1.6. Después, consulte la tabla.
Descienda por la columna de la tabla que encabeza la letra z
hasta 1.5. Ahora siga por la horizontal a la derecha y lea la
probabilidad bajo la columna que comienza con 0.00. Ésta es
de 0.4332. Esto significa que el área bajo la curva entre 0.00
y 1.50 es de 0.4332. Esa es la probabilidad de que una caja
seleccionada al azar de Sugar Yummies pese entre 283 y
285.4 gramos, lo cual se ilustra en la siguiente gráfica.
REGLA EMPÍRICA
• Antes de analizar más aplicaciones de la
distribución de probabilidad normal estándar,
se consideran tres áreas bajo la curva normal
que se emplearán en los siguientes capítulos.
Estos hechos recibieron el nombre de regla
empírica
• 1. Cerca de 68% del área bajo la curva normal

se encuentra a una desviación estándar de la
media, lo que se puede escribir como 1 𝜎
• 2. Alrededor de 95% del área bajo la curva normal se

encuentra a dos desviaciones estándares de la media. Esto
se puede escribir como 2 𝜎
evirtual.utm.edu.ec
• 3. Prácticamente toda el área bajo la curva se encuentra a
tres desviaciones estándares de la media, lo cual se escribe
3𝜎
EJEMPLO
DETERMINACIÓN DEL ÁREA DEBAJO DE LA CURVA

• el ingreso medio semanal de un supervisor de turno de la
industria del vidrio tiene una distribución normal, con una
media de $1 000 y una desviación estándar de $100. Es
evirtual.utm.edu.ec
decir, μ$1 000 y σ $100. ¿Cuál es la probabilidad de
seleccionar a un supervisor cuyo ingreso semanal oscile
entre $1 000 y $1 100?
• La probabilidad asociada con un valor z de 1.00 se encuentra

disponible en la tabla, una parte del cual se presenta a
continuación. Para localizar la probabilidad, descienda por la
columna izquierda hasta 1.0 y en seguida vaya a la columna
con el encabezado 0.00. El valor es 0.3413.
• El área bajo la curva normal entre $1 000 y $1 100 es de

0.3413. También puede decir que 34.13% de los supervisores
de turno en la industria del vidrio gana entre $1 000 y $1 100
semanales, o que la probabilidad de seleccionar a un
supervisor cuyo ingreso oscile entre $1 000 y $1 100 es de
0.3413.
• En lugar de querer conocer la probabilidad de seleccionar al
azar a un supervisor que gane entre $1 000 y $1 100,
suponga que quiere determinar la probabilidad de seleccionar
a un supervisor que gane menos de $1 100. En notación
probabilística, este enunciado se escribe como
𝑃 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 $1 100 El método de solución es el
mismo. Determine la probabilidad de seleccionar a un
supervisor que gane entre $1 000, la media y $1 100. Esta
probabilidad es 0.3413. En seguida, recuerde que la mitad
evirtual.utm.edu.ec
del área, o probabilidad, se encuentra sobre la media, y la
otra mitad, debajo de ella. En consecuencia, la probabilidad
de seleccionar a un supervisor que gane menos de $1 000 es
de 0.5000. Por último, sume las dos probabilidades, de modo
que 0.3413 0.5000 0.8413. Alrededor de 84% de los
supervisores de la industria del vidrio gana menos de $1 100
mensuales
• Con el mismo ejemplo que estamos trabajando ¿Cuál es la

probabilidad de seleccionar a un supervisor de turno de la
industria del vidrio cuyo ingreso:
• 1. oscile entre $790 y $1 000?
• 2. sea menor que $790?
• Comience por localizar el valor z correspondiente a un

ingreso semanal de $790. De acuerdo con la fórmula
evirtual.utm.edu.ec
En la tabla Siga hacia abajo por el margen izquierdo hasta la fila
000 es de 0.4821. En notación probabilística: 𝑃 $790 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 $1 000 0.4821.
2.1 y a lo largo de dicha fila, hasta la columna con el

encabezado 0.00. El valor es de 0.4821. Así, el área bajo la
curva normal estándar correspondiente a un valor z de 2.10 es
de 0.4821. Sin embargo, como la distribución normal es
simétrica, el área entre 0 y un valor negativo de z es la misma
que el área entre 0 y el correspondiente valor positivo de z. La
probabilidad de localizar a un supervisor que gane entre $790 y
$1
• La media divide la curva normal en dos mitades idénticas. El

área bajo la mitad izquierda de la media es de 0.5000, y el
área a la derecha también es de 0.5000. Como el área bajo la
curva entre $790 y $1 000 es 0.4821, el área debajo de $790
es 0.0179, que se determina al restar 0.5000 – 0.4821. En
notación probabilística: 𝑃 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 $790

0.0179. Esto significa que 48.21% de los supervisores tiene
ingresos semanales que oscilan entre $790 y $1 000.
Además, es previsible que 1.79% gane menos de $790 a la
semana.
• ¿Cuál es el área bajo esta curva normal, entre $840 y $1
200?
evirtual.utm.edu.ec
• El problema se puede dividir en dos partes. En el caso del
área entre $840 y la media de $1 000:
El área bajo la curva de un valor z de 1.60 en la tabla normal es

𝑃 $840 𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 $1 200 0.4452 0.4772 0.9224.Para resumir, 9
de los supervisores tiene un ingreso semanal de entre $840
200.
y $1Eso se muestra en el
0.4452 El área bajo la curva de un valor z de 2.00 es 0.4772. Si

suma las dos áreas: 0.4452 0.4772 0.9224. Por
consiguiente, la probabilidad de elegir un ingreso entre $840 y
$1 200 es de 0.9224. En notación probabilística:
diagrama:
• Siguiendo con el mismo ejemplo ¿cuál es el área bajo la
curva normal entre $1 150 y $1 250?
• De nuevo, el caso se divide en dos partes, por lo que se

aplica la fórmula. Primero halle el valor z relacionado con un
salario semanal de $1 250:
evirtual.utm.edu.ec
• De acuerdo con la tabla el área relacionada con un valor z de
2.50 es de 0.4938. Así, la probabilidad de un salario semanal
entre $1 000 y $1 250 es de 0.4938. De manera similar, el
área asociada con un valor z de 1.50 es 0.4332; de este
modo, la probabilidad de un salario semanal entre $1 000 y
$1 150 es de 0.4332. La probabilidad de un salario semanal
entre $1 150 y $1 250 se calcula al restar el área asociada
con un valor z de 1.50 (0.4332) de la probabilidad asociada
con un valor z de 2.50 (0.4938). Por consiguiente, la
probabilidad de un salario semanal entre $1 150 y $1 250 es
de 0.0606. En notación probabilística: 𝑃 $1 150
𝑖𝑛𝑔𝑟𝑒𝑠𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑙 $1 250 0 .4938 0 .4332
0.0606.
• En síntesis, hay cuatro situaciones relacionadas con la

determinación del área bajo la curva de la distribución de
probabilidad normal estándar.
• 1. Para determinar el área entre 0 y z (o –z), se busca la

probabilidad directamente en la tabla.
• 2. Para determinar el área más allá de z (o –z), se localiza la

probabilidad de z en la tabla y se resta dicha probabilidad de
0.5000.
• 3. Para determinar el área entre dos puntos que se localizan

en diferentes lados de la media, se determinan los valores z y
se suman las probabilidades correspondientes.
evirtual.utm.edu.ec
• 4. Para determinar el área entre dos puntos que se localizan
en el mismo lado de la media, se determinan los valores z y
se resta la probabilidad menor de la mayor.
Variable aleatoria
UNIDAD 3
evirtual.utm.edu.ec
VARIABLE ALEATORIA
• En cualquier experimento aleatorio, los resultados se presentan al

azar; así, a éste se le denomina variable aleatoria. Por ejemplo,
lanzar un dado constituye un experimento: puede ocurrir
cualquiera de los seis posibles resultados. Algunos experimentos
dan origen a resultados de índole cuantitativa (como dólares,
peso o número de niños); otros generan resultados de naturaleza
cualitativa (como el color o la afiliación religiosa).
• Cada valor de la variable aleatoria se relaciona con una

probabilidad que indica la posibilidad de un resultado
determinado. Unos cuantos ejemplos aclararán el concepto de
variable aleatoria.
• Si cuenta el número de empleados ausentes en el turno matutino

del lunes, el número puede ser 0, 1, 2, 3,… El número de
ausencias es una variable aleatoria.
• Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492

libras, 2 497 libras, 2 506 libras, etc. El peso es una variable
aleatoria.
• Si lanza dos monedas y cuenta el número de caras, puede caer

cero, una o dos caras. Como el número de caras que resulta de
este experimento se debe al azar, el número de caras que caen
es una variable aleatoria.
• Otras variables aleatorias pueden ser el número de focos

defectuosos producidos por hora en una fabrica.
Conceptos de variable aleatoria
1. Cantidad que resulta de un experimento, que por azar,

puede adoptar diferentes valores.
2. Es una función que asocia a cada resultado del espacio
muestral un numero real. 3. Se simboliza
evirtual.utm.edu.ec
Se clasifican en dos tipos:
• Variable aleatoria discreta y
• Variable aleatoria continua.
• La Variable aleatoria discreta adopta sólo cierto número de

valores separados. Si hay 100 empleados, el recuento de la
cantidad de ausentes el lunes sólo puede ser 0, 1, 2, 3, …, 100.
Una variable discreta suele ser resultado de contar algo.
• Por otra parte, si la variable aleatoria es continua, es una

distribución de probabilidad continua. Si mide algo, como la
anchura de una recámara, la estatura de una persona o la presión
de la llanta de un automóvil, se trata de una variable aleatoria
continua.
DISTRIBUCIONES DE PROBABILIDAD
• Una distribución de probabilidad muestra los posibles resultados de

un experimento y la probabilidad de que cada uno se presente.
Están relacionadas con las distribuciones de frecuencia que
realizamos en las tablas.
• Como estas distribuciones representan expectativas de que algo

suceda, resultan modelos útiles para hacer inferencias y tomar
decisiones en condiciones de incertidumbre.
EJEMPLOS DE DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

• Suponga ahora que nos interesa formular una distribución de
probabilidad del número de cruces (T) que podrían caer cuando
lanzamos la moneda dos veces.
• 𝑋 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑟𝑢𝑐𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑙𝑎𝑛𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒 𝑢𝑛𝑎 𝑚𝑜𝑛𝑒𝑑𝑎 2 𝑣𝑒𝑐𝑒𝑠
Posibles resultados
primer segundo lanzamiento NUMER
lanzamie O DE
nto CRUCE
evirtual.utm.edu.ec
S
CRUZ
1 CRUZ(T) (T) 2
CARA
2 CRUZ(T) (H) 1
CARA(H CRUZ
3 ) (T) 1
CARA(H CARA
4 ) (H) 0
𝒙 0 1 2
𝑃 1/4 1/2 1/4

=
• Tenemos que la probabilidad de que salgan 2 cruces es de 1/4, la
probabilidad de que salga una cruz ocurre en dos resultados por lo
tanto es 2/4 o 1/2, y la probabilidad de que no salga ninguna cara
es también 1/4.
• Función de distribución
• Suponga que le interesa el número de caras que aparecen en tres

lanzamientos de una moneda.
evirtual.utm.edu.ec
Tal es el experimento. Los posibles resultados son: cero
• Función de distribución.
caras, una cara, dos caras y tres caras.

¿Cuál es la distribución de probabilidad del número de caras?
evirtual.utm.edu.ec
DISTRIBUCIONES DE PROBABILIDAD BINOMIAL
• La distribución de probabilidad binomial es una distribución de
probabilidad discreta que se presenta con mucha frecuencia.
• CARACTERISTICAS
• Una de sus características consiste en que sólo hay dos posibles
resultados en un determinado ensayo del experimento. Por
ejemplo, el enunciado en una pregunta de cierto o falso puede ser
o cierto o falso. Los resultados son mutuamente excluyentes, lo
cual significa que la respuesta a una pregunta de cierto o falso no
puede ser al mismo tiempo cierta o falsa.
• Con frecuencia, se clasifican los dos posibles resultados como

éxito y fracaso. Sin embargo, esta clasificación no implica que un
resultado sea bueno y el otro malo.
• Otra característica de la distribución binomial es el hecho de que

la variable aleatoria es el resultado de conteos. Es decir, se
cuenta el número de éxitos en el número total de ensayos. Lance
una moneda equilibrada cinco veces y cuente el número de veces
que aparece una cara
• Una tercera característica de una distribución binomial consiste en

que la probabilidad de éxito es la misma de un ensayo a otro. Un
ejemplo es: La probabilidad de que adivine la primera pregunta de
una prueba de verdadero o falso (éxito) es de un medio. Esto
constituye el primer ensayo. La probabilidad de que adivine la
segunda pregunta (segundo ensayo) también es de un medio; la
probabilidad de éxito en el tercer ensayo es un medio y así
sucesivamente.
• La última característica consiste en que cada ensayo es

independiente de cualquier otro. Que sean independientes
significa que no existen patrones en los ensayos. El resultado de
un ensayo particular no influye en el resultado de otro ensayo. un
ejemplos de lo anterior es: Una joven familia tiene dos niños,
ambos varones. La probabilidad de que el tercer hijo sea un varón
evirtual.utm.edu.ec
sigue siendo 0.50. Es decir, el género del tercer hijo es
independiente de los otros dos.
FORMULA DE LA PROBABILIDAD BINOMIAL
• 𝐶 = 𝑠𝑖𝑚𝑏𝑜𝑙𝑜 𝑑𝑒 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛.
• 𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜
• 𝑞 = 1 − 𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑜
• 𝑥 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠 𝑑𝑒𝑠𝑒𝑎𝑑𝑜𝑠
• 𝑛 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑛𝑡𝑒𝑛𝑡𝑜𝑠 ℎ𝑒𝑐ℎ𝑜𝑠

• El símbolo ! significa factorial y se calcula de la manera siguiente: 3!
significa 3 ∗
2 ∗1 = 6
• Para calcular 5!, multiplicamos 5 ∗ 4 ∗ 3 ∗ 2 ∗ 1 = 120.
• 0! = 1.
Ejemplos
• Cuales son las posibilidades de obtener exactamente dos caras
(en cualquier orden) en tres lanzamientos de una moneda no
alterada. Simbólicamente, expresamos los valores de la forma
siguiente:
• p = probabilidad de tener éxito= 0.5
• q = 1 - p probabilidad de fracaso = 0.5
• x = número de éxitos deseados = 2
• n = número de intentos hechos = 3
evirtual.utm.edu.ec
•
• 𝑝 𝑋 = 2 𝑐𝑎𝑟𝑎𝑠 = 0,375
• Un estudio concluyó que 76.2% de quienes ocupaban los
asientos delanteros de los vehículos utilizaba cinturón de
seguridad. Esto significa que los dos ocupantes de la parte
delantera utilizaban cinturones de seguridad. Suponga que
decide comparar la información con el uso actual que se da al
cinturón de seguridad. Seleccione una muestra de 12 vehículos.
• 1. ¿Cuál es la probabilidad que los ocupantes de la parte

delantera en exactamente 7 de los 12 vehículos seleccionados
utilicen cinturones de seguridad?
• 2. ¿Cuál es la probabilidad que los ocupantes de la parte

delantera de por lo menos 7 de los 12
vehículos utilicen cinturón de seguridad?
• Esta situación satisface los requisitos binomiales.

• En un vehículo en particular, ambos ocupantes de la parte
delantera utilizan cinturón de seguridad o no lo hacen. Sólo hay
dos posibles resultados.
• Existe una cantidad fija de ensayos, 12 en este caso, pues se

verifican 12 vehículos.
• La probabilidad de un éxito (los ocupantes utilizan cinturón de

seguridad) es la misma de un vehículo al siguiente: 76.2 por
ciento.
• Los ensayos son independientes. Si, en el cuarto vehículo

seleccionado, todos los ocupantes utilizan cinturón de seguridad,
esto no influye en los resultados del quinto o décimo vehículos.
evirtual.utm.edu.ec
• Para determinar la probabilidad de que los ocupantes de
exactamente 7 vehículos de la muestra utilicen cinturón de
seguridad, aplique la fórmula binomial. En este caso, n =12 y p=
0.762 q=0,238
• 𝑃 𝑋 = 7 = 792 ∗ 0,149171 ∗ 0,000764 = 0,09
• De esta manera, se concluye que la probabilidad de que los

ocupantes de exactamente 7 de los 12 vehículos de la muestra
utilicen cinturones de seguridad es de aproximadamente 9%.
• Para determinar la probabilidad de que los ocupantes de 7 o más

de los vehículos utilicen su cinturón de seguridad, aplique la
fórmula binomial de este capítulo, así como la regla especial de
la adición del capítulo anterior. Como los eventos son
mutuamente excluyentes (lo cual significa que de una muestra
de 12 vehículos no puede tener un total de 7 y al mismo tiempo,
un total de 8 vehículos en que los ocupantes utilizan cinturón de
seguridad), se determina la probabilidad de que en 7 de ellos los
ocupantes utilizan cinturón de seguridad; la probabilidad de que
en 8 de los vehículos los ocupantes utilicen cinturones de
seguridad y, así sucesivamente, hasta la probabilidad de que en
los 12 vehículos de la muestra los ocupantes están utilizando
cinturón de seguridad. La probabilidad de cada uno de estos
resultados se suma y este seria el resultado.
evirtual.utm.edu.ec
•
𝑃 𝑋 ≥ 7 = 0,9562
• De esta manera, la probabilidad de seleccionar 12 automóviles y

hallar que los ocupantes de 7 o más vehículos utilizaban cinturón
de seguridad es de 0.9562
evirtual.utm.edu.ec
Media y varianza de una distribución Binomial
• Media
• 𝑢 = 𝑛∗𝑝
• Varianza
• 𝜎2 = 𝑛∗𝑝∗𝑞
• DESVIACIÓN ESTÁNDAR
• 𝜎= 𝑛∗𝑝∗𝑞
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
• La distribución de probabilidad de Poisson describe el número de

veces que se presenta un evento durante un intervalo específico. El
intervalo puede ser de tiempo, distancia, área o volumen.
• una distribución de probabilidad de Poisson posee tres características:
• 1. La variable aleatoria es el número de veces que ocurre un evento

durante un intervalo definido.
• 2. La probabilidad de que ocurra el evento es proporcional al tamaño

del intervalo.
• 3. Los intervalos no se superponen y son independientes.
PROBABILIDAD DE POISSON
• La distribución de Poisson se utiliza para describir ciertos tipos de
procesos, entre los que se encuentran la distribución de llamadas
telefónicas que llegan a un conmutador, las solicitudes de
pacientes que requieren servicio en una institución de salud, las
llegadas de camiones y automóviles una caseta de cobro, y el
número de accidentes registrados en cierta intersección. Estos
ejemplos tienen en común un elemento: pueden ser descritos
mediante una variable aleatoria discreta que toma valores enteros
(0, 1, 2, 3, 4, 5, etc). El número de pacientes que llegan al
evirtual.utm.edu.ec
consultorio de un médico en un cierto intervalo será de 0, 1, 2, 3,
4, 5 o algún otro número entero. De manera parecida, si usted
cuenta el número de automóviles que llegan a una caseta de
cobro de alguna carretera durante un periodo de 10 minutos, el
número será de 0, 1, 2, 3, 4, 5 y así consecutivamente.
• La distribución de Poisson se describe matemáticamente por
medio de la siguiente fórmula:
𝑢 𝑥 𝑒 −𝑢
𝑃 𝑋 = 𝑥!
•
• donde:
• 𝑢 (mu) es la media de la cantidad de veces (éxitos) que se

presenta un evento en un intervalo particular.
• 𝑒 es la constante 2.71828
• 𝑥 es el número de veces que se presenta un evento.
• (𝑋) es la probabilidad de un valor específico de 𝑥.
MEDIA Y DESVIACIÓN ESTÁNDAR DE UNA DISTRIBUCIÓN DE

POISOON
EJEMPLOS
• En un hospital de una ciudad importante se esta estudiando los
nacimiento de los bebes varones, se saben que en una semana
nacen una media de 7 varones. Calcular :
evirtual.utm.edu.ec
• 1. La probabilidad de que nazcan 3 varones en una semana
• 2. La probabilidad de que nazcan menos de 3 varones en una
semana.
• SOLUCION:
• 1.
• 𝑋 = 3; 𝑢 = 7
•
• 2.
• 𝑃 𝑋<2 =𝑃 𝑋=0 +𝑃 𝑋=1 +𝑃 𝑋=2
EJEMPLOS
• la probabilidad de que un huracán azote una región de la costa Georgia
cualquier año es de 0,05 Si un dueño de casa obtiene un crédito hipotecario
de 30 años por una propiedad recién comprada ¿cuáles son las
posibilidades de que experimente por lo menos un huracán durante el
periodo del crédito?
• SOLUCIÓN:
• Podemos aplicar la probabilidad de poisson ya que nos habla de un

intervalo de tiempo y los eventos son independientes.
• Media: 𝑢 = 𝑝 ∗ 𝑛 = 0,05 ∗ 30 = 1,5
• 𝑃 𝑋≥1 =𝑃 𝑋=1 +𝑃 𝑋=2 +𝑃 𝑋=3 + ⋯ . +𝑃 𝑋 = 𝑛
evirtual.utm.edu.ec
• Así, se concluye que las posibilidades de que un huracán de ese tipo azote
la propiedad frente a la costa Georgia , durante el periodo de 30 años,
mientras el crédito se encuentra vigente, son de 0.7769 es decir 77,69%.
TAREAS
DE MEDIO
CICLO
evirtual.utm.edu.ec
UNIVERSIDAD TÉCNICA DE MANABÍ FACULTAD DE
CIENCIAS HUMANÍSTICAS Y SOCIALES TEMA:
ESTUDIOS DE CASOS ESTUDIANTE:
JONATHAN ALFREDO ALVAREZ ANDRADE MATERIA:
ESTADÍSTICA DOCENTE:
Mag.Joe Guillén García CARRERA: PSICOLOGÍA
SEMESTRE:
TERCERO
PARALELO:
C
evirtual.utm.edu.ec
PERIODO:
evirtual.utm.edu.ec
evirtual.utm.edu.ec
evirtual.utm.edu.ec
evirtual.utm.edu.ec
FACULTAD DE
TEMA:
Taller De Tablas De Frecuencias.
ESTUDIANTE:
MATERIA:
ESTADÍSTICA
DOCENTE:
Mag. Joe Guillén García
CARRERA:
PSICOLOGÍA
SEMESTRE:
TERCERO
PARALELO:
C
PERIODO:
evirtual.utm.edu.ec
ACTIVIDAD 3
TALLER DE TABLAS DE FRECUENCIAS.
1. Se registró el estado civil de 50 estudiantes de la UTM seleccionados
aleatoriamente y los resultados obtenidos fueron
c s s s d c s s d c
s s s s c d c c c c
c s c c v s s c c s
d v c c s s s s s c
c s s s s s s s s s
a.- ¿Qué tipo de variable se está analizando?
b.- Organice los datos en una distribución de frecuencia adecuada para la

variable que se está estudiando.
c.- Según la Tabla construida en el literal b responda los siguiente:
• Qué porcentaje de estudiantes son solteros.

• Cuantos estudiantes son casados y que porcentaje representan.
• Qué porcentaje representan los viudos
d.- Realice gráfico de barras utilizando frecuencia absoluta
e.- Realice gráfico de barras utilizando frecuencia relativa
evirtual.utm.edu.ec
evirtual.utm.edu.ec
evirtual.utm.edu.ec
2.- Los siguientes datos recogen la información del sexo de una persona, la
ocupación y su opinión referente a como ha visto la participación de la
universidad en el desarrollo social de la provincia.
SEXO OCUPACIÓN OPINIÓN
F Estudiante Buena
F Docente Regular
M Estudiante Buena
F Estudiante Buena
M Empleado Mala
F Docente Regular
M Estudiante Mala
M Obrero Buena
F Empleado Buena
F Docente Buena
F Estudiante Regular
M Estudiante Mala
M Docente Mala
F Estudiante Buena
M Estudiante Mala
a. Organice los datos en una distribución de frecuencia para cada variable por separado.
b. Construya todas las posibles tablas cruzadas
evirtual.utm.edu.ec
c. Realice dos comentarios por cada tabla de la información que resulta de ellas.
evirtual.utm.edu.ec
evirtual.utm.edu.ec
evirtual.utm.edu.ec
evirtual.utm.edu.ec
3. Se ha realizado una encuesta a 30 personas en la que se les pregunta el número de personas que
conviven en el domicilio habitualmente.
Las respuestas obtenidas han sido las siguientes: 1, 4, 4,
1, 3, 5, 3, 2, 4, 1, 6, 2, 3, 4, 5, 5, 6, 2, 3, 3, 2, 2, 1, 8, 3, 5, 3, 4, 7, 2
a. Construya la distribución de frecuencias de la variable obteniendo las frecuencias absolutas,

relativas y sus correspondientes acumuladas.
b. ¿Qué proporción de hogares está compuesta por tres personas?
c. ¿Qué proporción de individuos vive en hogares con tres o menos miembros?
d. ¿Cuantos hogares están conformado por 6 personas y que proporción representa?
e. ¿Qué proporción de hogares está compuesta por 6 o mas personas?
f. Dibuje el diagrama de barras de frecuencias utilizando la frecuencia relativa en porcentajes.
g. Agrupe ahora los datos por intervalos de amplitud 2, calcule su distribución de frecuencias y
represente el histograma de frecuencia relativa porcentual correspondiente.
evirtual.utm.edu.ec
evirtual.utm.edu.ec
evirtual.utm.edu.ec
4. Como control de la ética publicitaria se requiere que el rendimiento, en
millas por galón de gasolina, que los fabricantes de automóviles usan con
fines publicitarios, este basado en un buen número de pruebas efectuadas en
diversas condiciones. Al tomar una muestra de 50 automóviles se registran las
siguientes observaciones en millas por galón: 27.9 29.3 31.8 22.5 34.2 34.2
32.7 26.5 26.4 31.6
35.6 31.0 28.0 33.7 32.0 28.5 27.5 29.8 31.2
28.7 30.0 28.7 33.2 30.5 27.9 31.2 29.5
28.7 23.0 30.1
30.5 31.3 24.9 26.8 29.9 28.7 30.4 31.3 32.7 30.3
33.5 30.5 31.3 32.7 30.3 30.1 30.3 29.6 31.4 32.4
a. construya una tabla de frecuencias calculando su Rango, Numero de clases utilizando la

fórmula de Sturges y amplitud.
b. Realice 5 comentarios acerca de la información que resulte de la tabla.

c. Construya un histograma de frecuencias relativas porcentual.
evirtual.utm.edu.ec
Entre 30.5 – 32.7 millas por galón.
evi rtual.ut m.edu.ec
FACULTAD DE
TEMA:
MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE
DISPERSIÓN
ESTUDIANTE:
MATERIA:
ESTADÍSTICA
DOCENTE:
CARRERA:
PSICOLOGÍA
SEMESTRE:
TERCERO
PARALELO:
C
PERIODO:
ACTIVIDAD 4
TALLER 2
MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE
DISPERSIÓN
1. Se ha realizado una encuesta a 30 personas en la que se les pregunta el número de personas

que conviven en el domicilio
habitualmente. Las respuestas obtenidas han sido las siguientes: 1, 4, 4,
1, 3, 5, 3, 2, 4, 1, 6, 2, 3, 4, 5, 5, 6, 2, 3, 3, 2, 2, 1, 8, 3, 5, 3, 4, 7, 2
a. Construya la distribución de frecuencias de la variable con clases individuales obteniendo las

frecuencias absolutas, relativas y sus correspondientes acumuladas.
b. calcule las medidas de tendencia central.
c. calcule cuartil 1, decil 7 y percentil 40 (interprete cada resultado).
d. calcule varianza, desviación estándar y coeficiente de variación.(analice los resultados)

2. Como control de la ética publicitaria se requiere que el rendimiento, en millas por galón de
gasolina, que los fabricantes de automóviles usan con fines publicitarios, este basado en un buen
número de pruebas efectuadas en diversas condiciones. Al tomar una muestra de 50 automóviles se
registran las siguientes observaciones en millas por galón: 27.9 29.3 31.8 22.5 34.2 34.2 32.7 26.5 26.4
31.6 35.6 31.0 28.0 33.7 32.0 28.5 27.5 29.8 31.2 28.7 30.0 28.7 33.2 30.5 27.9 31.2 29.5 28.7 23.0
30.1
30.5 31.3 24.9 26.8 29.9 28.7 30.4 31.3 32.7 30.3
33.5 30.5 31.3 32.7 30.3 30.1 30.3 29.6 31.4 32.4
a. construya una tabla de frecuencias calculando su Rango, Numero de clases utilizando la

fórmula de Sturges y amplitud.
b. calcule las medidas de tendencia central para datos agrupados en clases.
c. calcule el cuartil 2, decil 5, percentil 50 y percentil 33 (interprete cada resultado).
d. Calcule varianza, desviación y coeficiente de variación

3. El siguiente estudio se realizó a un grupo de 80 personas acerca del peso.
Peso(kg) número de personas

[10 - 20) 9
[20 - 30) 18
[30 - 40) 20
[40 - 50) 15
[50 - 60) 11
[60 - 70] 7
N= 80
a. Calcule las medidas de tendencia central.
b. Calcule el cuartil 3, decil 3 y percentil 66. (interprete cada resultado)
c. Calcule la varianza, desviación estándar y coeficiente de variación.

4.- A continuación se presenta la media aritmética y la varianza de los gastos de las familias de dos
cantones de la provincia de Manabí. Usando el coeficiente de variación, indique que conjunto de
datos tiene menor dispersión.
CANTÓN MEDIA VARIANZA

A $650 $23600
B $700 $22500
5.- A continuación se presenta la media aritmética y la varianza de los sueldos de las familias de
dos cantones de la provincia de Manabí. Usando el coeficiente de variación, indique que conjunto
de datos tiene menor dispersión.
CANTÓN MEDIA VARIANZA

A $2000 $214000
B $1300 $210000
evi rtual.ut m.edu.ec

FACULTAD DE
TEMA:
Taller De Probabilidad
ESTUDIANTE:
JONATHAN ALFREDO ALVAREZ
ANDRADE MATERIA:
ESTADÍSTICA DOCENTE:
Mag. Joe
Guillén
García
CARRERA:
PSICOLOGÍA
SEMESTRE:
TERCERO
PARALELO:
C
PERIODO: MAYO 2020
–OCTUBRE 2020
TAREAS
DE FIN DE
CICLO
FACULTAD DE
TEMA:
ACTIVIDAD 1 FIN DE CICLO (taller)
ESTUDIANTE:
MATERIA:
ESTADÍSTICA
DOCENTE:
Mag. Joe Guillén García
CARRERA:
PSICOLOGÍA
SEMESTRE:
TERCERO
PARALELO:
PERIODO:
ACTIVIDAD 1 FIN DE CICLO.
2
3
4
5
6
6
7
8
9
13/10/2020 Examen medio ciclo: Revisión del intento
Pregunta
10
https://evirtual.utm.edu.ec/mod/quiz/review.php?attempt=308235&cmid=64771
Pregunta
FACULTAD DE
TEMA: ACTIVIDAD 2
CICLO FINAL
DISTRIBUCIÓN NORMAL.
ESTUDIANTE:

MATERIA:
ESTADÍSTICA
DOCENTE:

CARRERA:
PSICOLOGÍA
SEMESTRE:
TERCERO
PARALELO:
PERIODO:
Pregunta
ACTIVIDAD 2 CICLO FINAL
DISTRIBUCIÓN NORMAL.
Pregunta
2.
Pregunta
Pregunta
3.
Pregunta
Pregunta
4
Pregunta
Pregunta
5.
Pregunta
6.
Pregunta
7.
Pregunta
8.
Pregunta
9
10.
Pregunta
Pregunta
E
Pregunta
v
a
l
u
a
c
i
o
n
e
s
Pregunta
Área personal / Mis cursos / DMAYESM7J0EY120201 / Medio
ciclo / Test 1
Pregunta
Comenzado el
viernes, 10 de julio de 2020, 14:09
Estado Finalizado
Finalizado enviernes, 10 de julio de 2020, 15:01
Tiempo empleado
52 minutos 16 segundos
Puntos 8,00/8,00
Calificación7,00 de 7,00100
( %)
1
Pregunta Se realiza un estudio en 350 hogares en la ciudad de Quito para conocer el tipo de
Correcta cocinar. Los resultaron fueron: 150 utilizan ajonjolí, 100 de soya, 20 de olivaLa
y 80
pobla
de
Puntúa 1,00 es:
sobre 1,00
Seleccione una:
a.
Los hogares que utilizan solo un tipo de aceite.
b. Todos los pos de aceite para cocinar.
c.
Todos los hogares de la ciudad de Quito que ulizan aceite para cocinar.
d.
Los 350 hogares a los que se realizó el estudio.
La población en estadística se define como todos los elementos que tienen una cara
va a investigar, como el estudio se lo realizo para investigar cual era el tipo de aceite
todos los hogares de la ciudad de Quito que utilizan aceite para cocinar.
La respuesta correcta es:
Todos los hogares de la ciudad de Quito que ulizan aceite para cocinar.
2
Pregunta 1. A que se refiere cuando se habla de población estadística?
Correcta
Puntúa 1,00 Seleccione una:

sobre 1,00
a. A un sitio donde habitan personas
b.
c.
13/10/2020 Al conjunto o colección de los elementos deExamen
interés que
medio seRevisión
ciclo: estudia.
del intento

Pregunta
d. APregu
cierto lugar de un país
nta 3
Correc
ta Se trata de determinar la resistencia de una bombilla

La respuesta correcta es: elemento a una serie de descargas eléctricas.
Pun
Al conjunto o colección de los elementos de interés que se estudia.
túa Esta sobrecarga, obviamente va a destruir o inu lizar d
1,00 conveniente ensayar con:
sob
re
1,00 Seleccione una:
a.
Desviación Estándar
b. Parámetro
c. Muestra 
d. Población
Si se trabaja con toda la producción de bombillas, la sobrecarga las

destruiriamos en su totalidad, por eso es conveniente trabajar con una
muestra.
La respuesta correcta es: Muestra
Pregunta
Pregunta 4 Correcta
Puntúa 1,00 sobre 1,00
Seleccione una:
a. El 30,3 % de las veces la máquina
come ó como mínimo 3 errores.
b. el 30,3 % de las veces la máquina

come ó 3 errores o menos.
c. el 30,3 % de las veces la máquina

come ó 3 errores. 
d. El 0,303% de las veces la máquina come ó 3 errores.
Pregunta
La celda pertenece a la columna de frecuencia relativa cuyo
valor en porcentaje es 30,3% y está asociado cuando la
maquina ha cometido exactamente 3 errores.
La respuesta correcta es: el 30,3 % de las veces la máquina come ó
3 errores.
Pregu
nta 5
Correc Una muestra de personas solteras, residentes en

ta seguridad social reveló los siguientes subsidios
Pun $960, $878 y $1 130
túa
1,00 ¿cual es el valor de la mediana?
sob
re
1,00 Seleccione una:
a. $852
b.
$878

c. 3,5
d. 4
$580, $598, $852, $878, $960, $1 130, $1 374
N+1/2= 8/2= 4
La mediana es $878, las cantidades de observaciones que se
encuentra por debajo de ella son 3
$878
Pregunta 6 En un control de calidad se observa el “número de

tornillos defectuosos” en cada lote fabricado. Correcta ¿Qué
tipo de variable estadística es?
Puntúa 1,00
sobre 1,00 Seleccione una:
Pregunta
a. Cualita va.
b. Con nua.
c. Nominal.
d. Discreta. 
El número de tornillo
defectuoso es un número
entero, por eso es
variable discreta La
respuesta correcta es:
Discreta.
Pregunta 7 Relacione cada variable con su respectivo tipo

variable.Relacione cada variable con su respectivo tipo de
variable.
Correcta Puntúa 1,00
Nivel socio-económico (bajo, C

medio, alto) ua
sobre 1,00  lit
ati
va
C
Numero de camiones en una empresa  or
ua
di
nt
C
Ciudad de residencia.  na
ita
ua
l
tiv
lit
C
Peso de personas  a
ati
ua
di
va
nt
sc
n
ita
re
o
tiv
Respuesta correcta
ta
mi
a
La respuesta correcta es: na
co
Nivel socio-económico (bajo, medio, lnt
alto) → Cualitativa ordinal, Numero de in
camiones en una empresa → ua
Cuantitativa discreta, Ciudad de residencia. → Cualitativa
nominal, Peso de personas → Cuantitativa continua
Pregunta
Pregunta 8
Correcta
Puntúa 1,00
sobre 1,00
Seleccione una:
a. 66,8
b. 38 
c. 38,21
d. 39,2
Respuesta correcta
La respuesta correcta es: 38
Ir a...
Pregunta
Área personal / Mis cursos / DMAYESM7J0EY120201 / Examen

/ Examen medio ciclo
Pregunta
Comenzado el domingo, 16 de agosto de 2020, 21:04

Estado Finalizado
Finalizado en domingo, 16 de agosto de 2020, 21:54
Tiempo empleado49 minutos 22 segundos
Puntos 17,00/20,00
Calificación 12,75 de 15,00 85%)
(
Pregunta1 Dada las siguientes notas de 10 estudiantes su mediana es:

Correcta
Puntúa 1,00
sobre 1,00
Seleccione una:
a. 6.675
b. 6.75
c. 7
d. 7.416
Respuesta correcta
La respuesta correcta es: 6.75
Pregunta2
Una encuesta de 100 estudiantes en Universidad Técnica de Manabí mostró que é
Incorrecta
especialidades:
Puntúa 0,00
sobre 1,00
Suponga que elige a un estudiante y observa su especialidad.

¿Cuál es la probabilidad d
Economía?
Seleccione una:
a. 0, 25
b. 0, 8
13/10/2020 c. 0, 2 Examen medio ciclo: Revisión del intento
Pregunta 
3 Dado el siguiente estudio que indica que de
d. 0.3
Correcta adulta el 36% tiene alguna alergia y en una
Pun % tenía una alergia. El valor del dato parám
túa
1,00
sob Seleccione una:
Respuesta
re incorrecta.
1,00
0, 8
a. todos los ciudadanos
estadounidenses.
b. 1200 personas.
c.
32,5 %
d.
36%.

El dato parámetro es una medición numérica de la población.

Por lo que el único dato que tenemos de la población es que
el 36 % tiene alguna alergia.
36%.
Pregunta
En una urna hay 7 esferas color amarillo, 3 esferas color blanco, 10
esferas color azul y 5 esferas color rojo. Cual es la probabilidad de
Correcta
Puntúasacar una esfera color rojo.

1,00
sobre 1,00
Seleccione una:
a. 0.5
b. 0, 33
c. 0, 20
Pregunta
d. 0, 25
Respuesta correcta
La respuesta correcta es: 0, 20
5
Dada la tabla de frecuencia del tiempo de atraso en minutos
de los 82 trabajadores de una empresa con una media
orrecta aritmética de 23,9. Cuál es
su desviación
estándar.
P
u
n
t
ú
a
0
,
0
0
s
o
b
r
e
1
,
0
0
Seleccione una:
a. 0,35
Pregunta
b. 8,39
c. 5704
d. 70,42 
Respuesta incorrecta.
La respuesta correcta es: 8,39
Pregunta
En una urna hay 8 esferas color amarillo, 5 esferas color blanco, 12
esferas
Correcta color azul y 7 esferas color rojo. Cual es la probabilidad de
Puntúasacar una esfera color blanco o una esfera color rojo
1,00
sobre 1,00
Seleccione una:
a. 0, 156
b. 0, 034
c. 0.218
d. 0, 375
Respuesta correcta
La respuesta correcta es: 0, 375
Pregunta
7 En una urna hay 8 esferas color amarillo, 5
Incorrecta azul y 7 esferas color rojo. se desea sacar d
Pun devuelve la primera esfera a la urna)¿Cual
túa color blanco en la primera toma y una esfer
0,00
sob
re Seleccione una:
1,00
a. 0, 156
b. 0,375
c. $ 0.218$
d. $ 0,034 $
Respuesta incorrecta.
La respuesta correcta es: $ 0,034 $
Pregunta 8 La producción de Bandas para frenos, en 36 días, en una pequeña empresa está
dada por los datos que se presentan en la tabla, al realizar una tabla Correcta de distribución
de frecuencia con amplitud de la
clase igual a 13, su media aritmética
es:
P
u
n
t
ú
a
1
,
0
0
Pregunta
o
b
r
e
1
,
0
0
Seleccione una:
a.
b. 
c.
d.
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
9
La variable calidad(alta, media, baja) que se estudia de ciertos materiales de construcción, para el desarrollo un proyecto, es:
Seleccione una:
a. Cualitativa nominal
b. Cuantitativa discreta
c. Cualitativa ordinal 
d.
Cuantitativa continua
Una variable cualitativa ordinal o variable cuasicuantitativa cuando dicha variable puede tomar distintos valores ordenados siguiendo una
escala establecida, aunque no es necesario que el intervalo entre mediciones sea uniforme
La respuesta correcta es: Cualitativa ordinal
Pregunta 10Relacione cada variable con su respectivo tipo de variable.Relacione cada variable con su respectivo tipo de
variable.
Correcta
Puntúa 1,00 C
Rango militar ua
sobre 1,00 lit
ati
va
or
di
na
https://evirtual.utm.edu.ec/mod/quiz/review.php?attempt=308235&cmid=64771 l 40/200
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
C
Profesión de las personas 
ua
lit
C
Numero de personas diarias en un cine 
ati
ua
va
nt
C
Estatura de personas  n
ita
ua
o
tiv
nt
mi
a
ita
na
di
tiv
Respuesta correcta
lsc
a
La respuesta correcta es: re
co
Rango militar → Cualitativa ordinal, ta Profesión de las personas → Cualitativa nominal,
nt
Numero de personas diarias en un in cine → Cuantitativa discreta, Estatura de personas →
Cuantitativa continua ua
Pregunta 11La probabilidad empírica o frecuentista es aquella que se basa en observaciones de un evento durante
Correcta
Puntúa 1,00 Seleccione una: sobre 1,00

a. Un pequeño número de intentos
b. Por lo menos 50 intentos
c. Un gran número de intentos 
d. 20 intentos
Respuesta correcta
https://evirtual.utm.edu.ec/mod/quiz/review.php?attempt=308235&cmid=64771 41/200
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
La respuesta correcta es: Un gran número de intentos
12 Una muestra de personas solteras, residentes en Towson,

Texas, que reciben pagos por seguridad social reveló los siguientes subsidios
mensuales: $852, $598, $580, $1 374, $960, $878 y $1 130
¿cual es el valor de la mediana?
Seleccione una:
a. $852
b. 3,5
c.
$878

d. 4
$580, $598, $852, $878, $960, $1 130, $1 374
N+1/2= 8/2= 4
La mediana es $878, las cantidades de observaciones que se encuentra por debajo de ella son 3
$878
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
En
Preguntauna urna hay 7 esferas color amarillo, 3 esferas color blanco, 10 esferas color azul y 5 esferas color rojo. Cual es la
Correcta
probabilidad de sacar una esfera color amarillo.
Puntúa 1,00
sobre 1,00
Seleccione una:
a. $ 0,46 $
b. $ 0,20 $
c. $ 0,4 $
d. $ 0.28 $
Respuesta correcta
La respuesta correcta es: $ 0.28 $
Pregunta 14Se trata de determinar la resistencia de una bombilla eléctrica: para esto, se debe someter a este elemento a una serie de descargas
eléctricas.
CorrectaEsta sobrecarga, obviamente va a destruir o inu lizar dicho elemento; por esta razón será conveniente ensayar con:
Puntúa 1,00
sobre 1,00 Seleccione una:
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
a.
Desviación Estándar
b. Muestra 
c. Población
d. Parámetro
Si se trabaja con toda la producción de bombillas, la sobrecarga las destruiriamos en su totalidad, por eso es conveniente trabajar con
una muestra.
La respuesta correcta es: Muestra
15 En una urna hay 7 esferas color amarillo, 3 esferas color blanco, 10 esferas color azul y 5 esferas color rojo. Cual es la
probabilidad de sacar una esfera color azul.
Seleccione una:
a. $ 0,33 $
b. $ 0.25 $
c. $ 0,20 $
d. $ 0,4 $
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
Respuesta correcta
La respuesta correcta es: $ 0,4 $
Pregunta
Complete el siguiente concepto arrastrando la palabra correcta:
Correcta
la probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo, basada
Puntúa 1,00
sobreen
1,00la
evidencia  que tenga disponible.
anotación frecuencia creencia
Respuesta correcta
Complete el siguiente concepto arrastrando la palabra correcta:
la probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo,
basada en la [evidencia] que tenga disponible.
17 La biblioteca de la universidad ha entrevistado a afiliados elegidos al azar durante el último mes para ver quiénes usan la
biblioteca y qué servicios requieren. Los afiliados se clasifican en licenciatura, posgrado y académicos. Los servicios se
clasifican como consulta, publicaciones periódicas o libros. La tabla contiene los datos de 390 personas. Suponga que
los afiliados usan sólo un servicio por visita.
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
Cual es la la probabilidad visite la sección de publicaciones periódicas, dado que es un estudiante de licenciatura
Seleccione una:
a. $ P(Publ. periodica /licenciatura)=0.07 $
b. $ P(Publ. periodica /licenciatura)=0.186 $

c. $ P(Publ. periodica /licenciatura)=0.2 $
d. $ P(Publ. periodica /licenciatura)=0.412 $
Respuesta correcta
La respuesta correcta es: $ P(Publ. periodica /licenciatura)=0.186 $
P
r
e
g
u
n
t
a
C
o
r
r
e
c
t
a
P
u
n
t
ú
a
1
,
0
0
s
o
b
r
e
1
,
0
0
Pregunta 18
Correcta
Puntúa 1,00 sobre 1,00
Seleccione
una:
a. 30 
b. 28
c. 25,55
d. 20
Respuesta correcta
La respuesta correcta es: 30
Relacione cada variable con su respectivo tipo de variable.Relacione cada v
Pregunta 19 Correcta
C
Puntúa 1,00 sobre 1,00 Peso de personas 
ua
nt
C
Numero de camiones en una empresa 
ita
ua
tiv
nt
C
Pregunta Ciudad de residencia. 
a
ita
ua
Correcta
co
tiv
lit
Nivel socio-económico (bajo, medio, alto) C
Puntúa 1,00 nt
a
ati
sobre 1,00  ua
in
di
va
lit
ua
sc
n
ati
re
o
va
Respuesta correcta ta
mi
or
na
La respuesta correcta es:Peso de personas→diCuantitat
l
discreta, Ciudad de residencia. → Cualitativananominal,
Nivel socio-económico (bajo, medio, alto) →l Cualitativ
1. A que se refiere cuando se habla de población estadística?
Seleccione una:
a.
A la característica de estudio un individuo
b.
Al conjunto o colección de los elementos de interés que se estudia.

c. A un sitio donde habitan personas
d. A cierto lugar de un país

Al conjunto o colección de los elementos de interés q
Ir a...
◄ ACTIVIDAD 5
vídeo informativo del exam
FIN DE CICLO

Acta de Compromiso Virtual

Cargado por

Copyright:

Formatos disponibles

Acta de Compromiso Virtual

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Acta de Compromiso Virtual

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD TÉCNICA DE MANABÍ

 PRESENTACIÓN DEL CURSO

 COMPROMISOS DISCIPLINARIOS Y ÉTICOS

Nombre del estudiante:

Firma del estudiante.

VISIÓN DE LA UNIVERSIDAD TÉCNICA DE MANABÍ

VISION DE LA FACULTAD DE CIENCIAS MATEMATICAS FISICAS Y

IDENTIFICAR LOS CONCEPTOS BÁSICOS DE LA ESTADÍSTICA

En el mundo real dos tipos de fenómenos pueden

Los fenómenos determinísticos son aquellos que

ESTADÍSTICA: Es la ciencia de recolectar, ordenar,

La Estadística puede clasificarse de acuerdo a su función en el

Elemento: Es un ser vivo, objeto o cosa que posee características que se

Finita: es aquella población que se puede contar o que se tiene un

• Los habitantes de la ciudad de Portoviejo.

Infinita: es aquella que no tiene fin o que su número es demasiado

• Granos de arena en la playa.

1. Un grupo de 200 personas seleccionadas de todos los habitantes

Ejemplo: Son ejemplos de variables:

• El color de ojos de las personas.

• Peso de los estudiantes de un paralelo.

• a. Dureza de los minerales.

• a. El Sueldo de los habitantes de la Provincia de Manabí. • b. La edad de los alumnos de

a. Número de accidentes automovilísticos en una semana

b.número de integrantes de una familia.

Construir tablas de frecuencias mediante la organización de los datos de las

 La organización de los datos consiste en una agrupación

Elementos de las Tablas de frecuencias

 Frecuencia absoluta: es el número de veces que aparece un

 Frecuencia Relativa: Se obtiene de dividir la frecuencia

Cuando los datos son cualitativos de escala nominal, la organización

Ejemplo 2.1 A continuación se muestran los resultados obtenidos al

Si los datos son cualitativos de escala ordinal, su organización

 en primer lugar, las clases llevan un orden preestablecido

 en segundo lugar se incorporan a la tabla, columnas que

Organización de datos cualitativos

 Esta tabla se construye enumerando en la parte superior las

Organización de datos cuantitativos discretos.

Ejemplo: A continuación, se muestra la información sobre el número de

 10 mujeres tienen 4 hijos

Ejemplo: A continuación, se muestra la información sobre el número de

Antes de organizar los datos en una distribución de frecuencia,

Distribución del Nª de Hijos que tienen 40 Mujeres

Nª de Hijos fi fri Fi Fri

El 22,5% de las mujeres tienen 2 hijos

39 mujeres tienen 4 o menos hijos

El 72,5% de las mujeres tienen 3 o

Organización de datos cuantitativos

Ejemplo: Los siguientes datos corresponden a la edad de

Para construir una tabla o distribución de frecuencias, en el caso de

Organización de datos cuantitativos

1.- Identificación de los valores extremos del intervalo total

𝑉𝑚𝑎𝑥 = 35 y 𝑉𝑚𝑖𝑛 = 18.

Esta aproximación no siempre es conveniente, sobre todo cuando n es

𝐾 = 𝑁º 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒𝑠 = 1 + 3,3 log 𝑛

Determinación del Número de Clases (K) y de la amplitud de las clases

K = 1 + 3;3 log(n) = 1 + 3;3 log(40) = 6;28

Por lo tanto, se deben tener aproximadamente 6 clases

Organización de datos cuantitativos