UNIVERSIDAD ABIERTA

PARA ADULTOS
(UAPA)
Asignatura
Estadista General
TEMA
Trabajo final de estadística
PARTICIPANTE
Dilenia Merejildo faña
Matricula
2019-01834
FACILITADOR
Francisco Bobonagua
Fecha
21/03/2020

1
 INDICE

Introducción…………………………………………3

Unidad #1…………………………………………….4-9
Unidad #2…………………….………………………10-14
Unidad #3……………………………………………..15-21

Unidad #4…………………………………………….22-28
Unidad #5…………………………………………….29-33
Unidad #6……………………………………………..34-38

Unidad #7……………………….…………………….39-44
Unidad #8……………………………………………..45-52
Unidad #9…………………..…………………………53-54
Unidad #10……………………………………………55-61
Evidencia de examen ………………………………...62

Conclusión……………………………………….........63
Bibliografía……………………………………………. 64

2
 Introducción

En el presente trabajo abordaremos los principales aspectos de la asignatura tales

como la competencia, En un primer tiempo se presentarán los puntos fundamentales
que expone cada unidad como lo es la estadística e importancia, clasificación
descriptiva e inferencial, la variables y su clasificación, población y muestra entre otros
temas.
Segundo tiempo se presentara la competencia, párrafo introductorio de cada unidad y
los contenidos y evidencias de cada unidad. Y Para finalizar terminaremos
exponiendo conclusión y la bibliografía de cada unidad.

Objetivo de este trabajo

El objetivo de este trabajo es analizar, presentar y evidenciar lo dado y aprendido en
estas asignatura atraves de cada unidad.

3
 Unidad #1
Introducción a Estadística descriptiva e inferencial

Párrafo introductorio
En un primer tiempo se presentarán los puntos fundamentales que expone la unidad #1
como lo es la estadística e importancia, clasificación descriptiva e inferencial, la
variables y su clasificación, población y muestra entre otros temas. Tambien veremos
la competencia de la unidad y evidencia.

Competencia de la unidad #1

Competencia general: Desarrolla la capacidad de abstracción, análisis y síntesis en

busca de una información pertinente para su mejor desempeño profesional
Utiliza las tecnologías de la información y la comunicación como una herramienta de
soporte en su proceso de autoaprendizaje.
Explicar la método de la estadística su importancia y para qué sirve.

Competencia de la unidad: Aplica los elementos de la estadística descriptiva para

analizar, interpretar y representar información

Para que me sirve la estadística

Para mi es esencial la estadística en la vida diaria como futura profesional la estadística
me ayudara a planificarme, en analizar para mi toma de deciones ya que por esta
ciencia yo puedo calcular probabilidades de cosa que pasan a diario tambien en lo
económico sirve muchísimo.

4
 Desarrollo

Unidad #1
Introducción a Estadística descriptiva e inferencial

1.1 Estadística. Definición e Importancia.

La estadística es una de las ramas de la ciencia matemática que se centra en el trabajo
con datos e informaciones que son ya de por sí numéricos o que ella misma se encarga
de transformar en números. 
Importancia La estadística tiene una utilidad no sólo en aspectos sociales sino que
también sirve para todo tipo de investigación científica si se tiene en cuenta que
los datos estadísticos son el resultado de varios casos de entre los cuales se toma un
promedio. Así, una estadística puede servir para una investigación científica al
demostrar que un porcentaje determinado de los casos observados representó un
resultado particular y no otro.

1.2 Clasificación de la Estadística. Descriptiva e inferencial

La estadística para su mejor estudio se ha dividido en dos ramas las cuales son:
estadística descriptiva y estadística inferencial.

  ESTADÍSTICA DESCRIPTIVA: Consiste en la presentación de datos en forma

de tablas y gráficas. Esta comprende cualquier actividad para resumir o describir
los mismos factores pertinentes adicionales, esto se refiere a no intentar nada
que vaya más allá de los datos.
 ESTADISTICA INFERENCIAL: Se deriva de las observaciones hechas solo a
una parte de un conjunto numeroso de elementos; implicando así que su análisis
requiera de generalizaciones que van más allá de los datos, como consecuencia
la característica más importante del crecimiento de la estadística ha sido un
cambio en el énfasis de los métodos que sirven para generalizarlas.
1.3 Población y Muestra.

Población se refiere al universo, conjunto o totalidad de elementos sobre los que se

investiga o hacen estudios. Muestra es una parte o subconjunto de elementos que se
seleccionan previamente de una población para realizar un estudio.

5
Normalmente se selecciona la muestra de una población para su estudio, debido a que
estudiar a todos los elementos de una población resultaría muy extenso y poco
práctico.

1.4 Variable y Clasificación.

VARIABLE es una propiedad característica de la población en estudio, susceptible de
tomar diferentes valores, los cuales se pueden observar y medir.

Clasificación

Cualitativas
Se determinan por las cualidades o atributos, verbigracia, colores (azul, verde, naranja,
rojo, amarillo, marrón, etc.), tamaños (grandes, pequeños, altos, bajos). Estas
cualidades pueden distinguir a una persona o cosa, las características podrán
distinguirse uno de otro, por lo que no pueden ser medidas por cifras. Por lo tanto, su
modalidad no es numérica, verbigracia, no pueden ser usadas en el campo de las
finanzas o en la economía. Sin embargo, a estas cualidades se le pueden atribuir
números, o letras para diferenciarlos o categorizarlos, como prototipo tenemos, al sexo
masculino el número 1 y al femenino el número 2, de tal manera poder hacer algún
análisis matemático.
Las cualitativas se determinan por ser:
 Nominales: No corresponden a ningún orden. Estas no son numéricas, ejemplo;
amarillo, dorado, negro, fucsia, además de, casado o soltero.
 Ordinales: En están tampoco son representadas por números sin por orden. Por
ejemplo, las calificaciones de un examen si es aprobado o reprobado,
sobresaliente, o no. Sonidos, débiles o fuertes.

Cuantitativas
Son de carácter numérico, cifras finitas, como las formulas o algoritmos, además, son:

Discretas: Manejan los valores precisos, enteros; no obstante, para que así lo sea
deben ser valores infinitos. Ahora bien, estas variables son usadas comúnmente en
experimentos.
Ejemplo:
6
Continuas: Cualquier valor real dentro de un intervalo. Su función es continua. En este
caso si es posible usar un valor medio como los decimales.

1.5 Presentación de datos estadísticos.

La presentación de datos estadísticos constituye en sus diferentes modalidades uno de
los aspectos de más uso en la estadística descriptiva. A partir podemos visualizar a
través de los diferentes medios escritos y televisivos de comunicación masiva la
presentación de los datos estadísticos sobre el comportamiento de las
principales variables económicas y sociales, nacionales e internacionales.
1-Presentación escrita: Esta forma de presentación de informaciones se usa cuando
una serie de datos incluye pocos valores, por lo cual resulta más apropiada la palabra
escrita como forma de escribir el comportamiento de los datos; mediante la forma
escrita, se resalta la importancia de las informaciones principales.
2-Presentación tabular: Cuando los datos estadísticos se presentan a través de un
conjunto de filas y de columnas que responden a un ordenamiento lógico; es de gran
eso e importancia para el uso e importancia para el usuario ya que constituye la forma
más exacta de presentar las informaciones.
3-Presentación gráfica: Proporciona al lector o usuario mayor rapidez en la
comprensión de los datos, una gráfica es una expresión artística usada para
representar un conjunto de datos.

1.5.1 Representacion gráfica

Proporciona al lector o usuario mayor rapidez en la comprensión de los datos, una
gráfica es una expresión artística usada para representar un conjunto de datos.
De acuerdo al tipo de variable que vamos a representar, las principales graficas son las
siguientes:
Histograma: Es un conjunto de barras o rectángulos unidos uno de otro, en razón de
que lo utilizamos para representar variables continuas.
Polígono de frecuencias: Esta grafica se usa para representar los puntos medios
de clase en una distribución de frecuencias
Gráfica de barras: Es un conjunto de rectángulos o barras separadas una de la otra,
en razón de que se usa para representar variables discretas; las barras deben ser de
igual base o ancho y separadas a igual distancia. Pueden disponerse en forma vertical
y horizontal.
Gráfica lineal: Son usadas principalmente para representar datos clasificados por
cantidad o tiempo; o sea, se usan para representar series de tiempo cronológicas.

7
1.5.3 Grafico de línea
Los gráficos de líneas se utilizan para mostrar el valor cuantitativo en un intervalo o
intervalo de tiempo continúo. Se usa con mayor frecuencia para mostrar tendencias y
relaciones (cuando se agrupan con otras líneas). Los gráficos de línea también ayudan
a dar un «panorama general» en un intervalo, para ver cómo se ha desarrollado
durante ese período.

1.5.4 Gráficos circulares

Un gráfico circular o gráfica circular, también llamado "gráfico de pastel", "gráfico de
tarta", "gráfico de torta" o "gráfica de 360 grados", es un recurso estadístico que se
utiliza para representar porcentajes y proporciones. El número de elementos
comparados dentro de una gráfica circular suele ser de más de cuatro.

1.5.5 Los Pictogramas.

Un pictograma es un signo icónico dibujado y no lingüístico, que representa
figurativamente (de forma más o menos realista) un objeto real, o un significado. En
agrupaciones es precursor o antecedente de los sistemas de escritura propiamente
dichos. Las historietas o cómics, y los chistes gráficos sin texto, son también
pictogramas. Se distinguen de los ideogramas en que estos son más esquemáticos,
resumidos, y abstractos; los pictogramas son más concretos.
Con su nombre se suelen denominar los signos de los sistemas no alfabéticos basados
en dibujos significativos.
Un pictograma debería ser enteramente comprensible con solo tres miradas.
En el diseño de un pictograma deberían suprimirse todos los detalles superfluos

8
Evidencia de la unidad #1

9
 UNIDAD #2
Organización, Distribución y Representación de Datos

Párrafo introductorio
En esta unidad se presentarán los puntos fundamentales que expone la unidad
#2 tales como: Distribución de Frecuencias cualitativas, Concepto e importancia,
Elaboración de distribución de frecuencia cualitativa, Presentación de datos
cualitativos. Tambien veremos la competencia de la unidad y evidencia.

Competencia de la unidad #2
Competencia concreta de la unidad: Aplica la distribución de frecuencias
cuantitativa y cualitativa a través de tablas y gráficas para representar datos del campo
laboral y de la investigación.

10
Para que me sirve
Sirven para tener una representación visual de la totalidad de la información. Los
gráficos estadísticos presentan los datos en forma de dibujo de tal modo que se pueda
percibir fácilmente los hechos esenciales y compararlos con otros.

Desarrollo de la unidad 2
Unidad # 2

2.1 Distribución de Frecuencias cualitativas

En estadística, se le llama distribución de frecuencias a la agrupación de datos en
categorías mutuamente excluyentes que indican el número de observaciones en cada
categoría. Esto proporciona un valor añadido a la agrupación de datos. La distribución
de frecuencias presenta las observaciones clasificadas de modo que se pueda ver el
número existente en cada clase.
Frecuencias cualitativas • Distribución categórica o cualitativa – Es una
representación de la cantidad de veces que se observan ciertas características 
Cantidad de personas altas, medianas y bajas.  Distribución (Cantidad) de autos
según su color.

2.1.1 Concepto e Importancia.

La distribución de frecuencia es una tabla en la que aparecen todos los intervalos y las
frecuencias de datos correspondientes a cada intervalo.
Es de gran importancia la distribución de frecuencia en la investigación científica y de
finanzas se recogen gran cantidad de datos numéricos.

11
2.1.2 Elaboracion de distribución de frecuencias cualitativas
En el caso de variable cualitativa no se pueden calcular las frecuencias acumuladas
pues no es posible establecer un orden en las clases dentro de la modalidad.
Colocamos en la tabla aquellos valores que son independientes del lugar en que se
pongan las modalidades. ("*Tablas de frecuencias para datos cualitativos", 2017)
Ejemplo:
Calculemos la tabla de frecuencias para una variable cualitativa.
Inactivos por tipos de inactividad declarada (miles de personas).

2.1.3 Presentación de datos cualitativos.

Se utilizan para cuando se requiere enfatizar la frecuencia de cada categoría.
Se puede graficar barras simples, apiladas y agrupadas.
Se utilizará cuando se quiere enfatizar la proporción de frecuencia en cada categoría.
Se recomienda utilizarla hasta un máximo de respuestas
El círculo representa el total y los segmentos representan proporciones de ese total.
Cada parte del pie está construida de tal forma que el área de cada segmento es
proporcional a la frecuencia correspondiente.
Representa una serie de datos en varios intervalos de tiempo. Midiendo el tiempo en el
eje horizontal y la cantidad numérica que interesa en el eje vertical, se obtiene un punto
en el gráfico por cada observación. Uniendo los puntos en el tiempo por medio de
líneas rectas se obtiene un gráfico de series de tiempo o temporales.
Entre las aplicaciones es medir variables como ventas, desempeños por (día, Semana,
Mes, año, entre otros).
Presentación de datos cualitativos
Es un gráfico de barras que muestra la frecuencia de las causas de los errores o
defectos. La barra de la izquierda indica la causa más frecuente y las de la derecha
indican las causas con frecuencias decrecientes. Estos diagramas se utilizan para
separar lo poco vital de lo mucho trivial.

12
 Evidencias
https://www.youtube.com/watch?v=EbZ9bhfJMLc

13
14
15
 UNIDAD #3
Organización, Distribución y Representación de Datos
(continuación)

Párrafo introductivo
En esta unidad veremos los temas tales como Distribución de Frecuencias cuantitativa,
Concepto e importancia, Elaboración de distribución de frecuencias cuantitativas,
Rango, Amplitud total, Número de clases, Ancho de clase, Límites de clases,
Intervalos de clase, Punto medio de una clase, Frecuencia relativa y porcentual de la
clase, Frecuencias acumuladas de la clase, Histograma y Polígonos de frecuencias.
Tambien veremos la competencia de la unidad y evidencia.

Competencia de la unidad 3
Aplica la distribución de frecuencias cuantitativa y cualitativa a través de tablas y
gráficas para representar datos del campo laboral y de la investigación

Esta competencia ayuda al estudiante a distribuir frecuencia cuantitativa y cualitativa

que le ayudara en un futuro como profesional.

Para que me sirve

Esta unidad de frecuencia cuantitativa sirve para muchas cosas y más
cuando sea profesional ya que la podemos utilizar en cosa que vemos a
diario como altura, peso, cantidad de personas entre otras cosas.

16
 Desarrollo Unidad #3

3.2. Distribución de Frecuencias cuantitativa

Tabular datos cuantitativos consiste en confeccionar una tabla en la que aparecen bien
organizados los valores de las variables que se están estudiando, junto con otros datos
que ahora explicamos:
Frecuencia absoluta (fi) Número de individuos que toma cada valor.
Frecuencia relativa (hi): hi = fi/N, resultado de dividir la frecuencia absoluta entre el total
de la Población. Da el tanto por uno.
Frecuencia absoluta acumulada (Fi): Suma de las frecuencias relativas de los valores
menores o iguales que él (sólo tiene sentido para variables estadísticas cuantitativas)
Frecuencia relativa acumulada: (Hi) Suma de las frecuencias relativas de los valores
menores o iguales que él

3.2.1 Concepto e Importancia

La distribución de frecuencias organiza la información disponible para describir cómo
es el conjunto de plantas observado respecto de una variable de interés. Por ejemplo,
la distribución de frecuencias de la variable altura organiza la información disponible
para establecer: (a) si las plantas eran en conjunto altas o bajas y (b) si formaban un
conjunto de altura uniforme o despareja. La primera caracterización (plantas en
conjunto altas o bajas) se refiere al promedio de las alturas y la segunda (altura
uniforme o despareja) de refiere a su variabilidad 1.

3.2.2 Elaboración de distribución de frecuencias cuantitativas.

Una vez que los estudiantes hayan realizado sus mediciones, se dispondrán a describir
el conjunto de plantas observadas en cada parcela en relación con cada variable de
interés. El primer paso para ello será identificar qué valores registraron y determinar
cuántas veces se repitió cada uno, su frecuencia. La lista de los valores de una variable
acompañados por sus correspondientes frecuencias es la distribución de frecuencias
de dicha variable. La distribución de frecuencias organiza la información disponible
para describir cómo es el conjunto de plantas observado respecto de una variable de
interés. Por ejemplo, la distribución de frecuencias de la variable altura organiza la
información disponible para establecer: (a) si las plantas eran en conjunto altas o bajas
y (b) si formaban un conjunto de altura uniforme o despareja. La primera
caracterización (plantas en conjunto altas o bajas) se refiere al promedio de las alturas
y la segunda (altura uniforme o despareja) de refiere a su variabilidad1.

3.2.3. Rango
17
El rango de un conjunto de datos son dos números: el valor mínimo y
el valor máximo. Por ejemplo el conjunto de datos {9, 11, 12, 15, 15 ,
15, 18} tiene un rango 9 a 18; y el conjunto {2, 4, 5, 7, 7, 7, 9, 11, 12,
15, 15 ,15, 18} tiene un rango de 2 a 18.

En castellano se usa con alguna frecuencia también el

término amplitud como equivalente a rango.

3.2.4 Amplitud total

La amplitud total (AT) es la diferencia entre la puntuación de mayor valor y la de menor
valor:
La amplitud total es un estadístico muy sencillo y fácil de calcular, pero a menudo esta
simplicidad es un inconveniente. Consideremos el siguiente ejemplo:

3.2.5 Número de clases

E l número de intervalos es arbitrario, pero se puede determinar como la raíz cuadrada
NÚMERO DE CLASES Cabe mencionar que el número de clases recomendado por
algunos investigadores oscila entre 6 - 15. Formula de Sturges (K): Sugiere un número
de clases, con las que podremos agrupar nuestros datos. A continuación la fórmula: K
= 1 + 3.322 Log N donde N = Total de frecuencias K = Número de clases Log N =
Logaritmo decimal de N

3.2.6 Ancho de clase

ANCHO DE UNA CLASE Ejemplo: En una distribución de 50 elementos, el Vmax = 98
y Vmin = 47; a) calcular el número de clases (k) sugerido, y b) el ancho de clase
sugerido.
IMPORTANTE El ancho de clase no necesariamente será número entero, en algunos
casos podrá ser un decimal. 5. No existe el logaritmo de un número negativo.

3.2.7 Límites de clases.

Límites de clase: representan el tamaño de cada clase. El límite inferior de la primer
clase toma el valor del dato menor de la colección de datos, para obtener el límite
inferior de la clase siguiente, se suma al límite inferior de la case anterior el tamaño de
clase.

18
Límites reales de clase: se obtienen sumando al LS de la clase el Lide la clase contigua
superior y dividiendo entre dos.

3.2.8 Intervalos de clase

Los intervalos de clase se emplean si las variables toman un número grande de
valores o la variable es continua.
Se agrupan los valores en intervalos que tengan la misma
amplitud denominados clases. A cada clase se le asigna su frecuencia
correspondiente.

3.2.9 Punto medio de una clase.

El punto medio es el valor medio de un conjunto de datos. Para un conjunto de datos
con un número impar de miembros, es el miembro del conjunto de datos con apenas
tantos valores menos que su valor como mayor que él. Para un conjunto de datos con
un número par de miembros, es el promedio de los dos valores medios del conjunto de
datos. El punto medio se utiliza en estadísticas para analizar un conjunto de datos.

3.3 Frecuencia relativa y porcentual de la clase.

La frecuencia porcentual es la frecuencia relativa ( h i ) expresada en forma porcentual.
En otras palabras, es la frecuencia relativa ( h i ) multiplicada por 100.

3.4 Frecuencias acumuladas de la clase.

La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores
inferiores o iguales al valor considerado.
La frecuencia acumulada es la frecuencia estadística F(XXr) con que el valor de una
variable aleatoria (X) es menor que o igual a un valor de referencia (Xr)

3.5 Histograma y Polígonos de frecuencias

Un histograma es una representación gráfica de una variable en forma de barras,
donde la superficie de cada barra es proporcional a la frecuencia de los valores
representados. En el eje vertical se representan las frecuencias, y en el eje horizontal
los valores de las variables, normalmente señalando las marcas de clase, es decir, la
mitad del intervalo en el que están agrupados los datos.

El polígono de frecuencia
Es la gráfica de la tabla de distribución de frecuencias para datos agrupados, consiste
de barras cuyas bases son los intervalos de clases y cuyas alturas son proporcionales
a las frecuencias absolutas (o relativas) de los correspondientes intervalos. Un

19
histograma permite ver la forma de la distribución de los datos, en particular, se puede
ver si hay simetría con respecto al centro de la distribución

Evidencia de la unidad #3

20
21
22
Continuación….

23
 UNIDAD #4
Medidas de Tendencia Central

Párrafo introductorio
En esta unidad veremos los temas tales como Medidas de tendencia central: definición
e importancia, Media, Mediana y Moda para datos no agrupados, Percentiles, Deciles
y Cuartiles para datos no agrupados. Tambien veremos la competencia y evidencia de
la unidad.

Competencia de la unidad #4

Competencia general: Desarrolla la capacidad de abstracción, análisis y síntesis en

busca de una información pertinente para su mejor desempeño profesional
Utiliza las tecnologías de la información y la comunicación como una herramienta de
soporte en su proceso de autoaprendizaje.
Explicar la método de la estadística su importancia y para qué sirve.

Competencia de la unidad: Aplica los elementos de la estadística descriptiva para

analizar, interpretar y representar información

Para que me sirve las medidas de tendencia central

Sirve como un método para comparar o interpretar cualquier valor en relación con el
puntaje central o típico.
Sirve como un método para comparar el valor adquirido por una misma variable en dos
diferentes ocasiones.
Sirve como un método para comparar los resultados medios obtenidos por dos o más
grupos.

24
 Desarrollo de la unidad #4

4.1 Medidas de tendencia central: definición e importancia.

La medida de tendencia central, parámetro de tendencia central o medida de
centralización es un número situado hacia el centro de la distribución de los valores de
una serie de observaciones (medidas), computado para resumir la información .
Las medidas de Tendencia Central son empleadas para resumir a los conjuntos de
datos que serán sometidos a un estudio estadístico, se les llama medidas de tendencia
central porque general mente la acumulación más alta de datos se encuentra en los
valores intermedios. Estas medidas son utilizadas con gran frecuencia como medidas
descriptivas de poblaciones o muestras.

Las más empleadas

1. Moda - Es el valor con una mayor frecuencia en una distribución de datos.
2. Mediana – Representa el valor de la variable que deja por debajo de sí a la mitad de
los datos en un conjunto ordenados de menor a mayor.
3. Media – Promedio o valor obtenido por la suma de todos los datos (valores) dividida
entre el número de sumandos.

4.2 Media, Mediana y Moda para datos no agrupados.

La Media o media aritmética, usualmente llamada promedio, se obtiene sumando
todos los valores de los datos y divide el resultado entre la cantidad de datos. Si los
datos proceden de una muestra la media se representa con una x testada (x) y si
provienen de la población se representan con la letra griega miu (µ). Media aritmética
para datos no agrupadas muestrales.
La Mediana no tiene propiedades que le permite intervenir en desarrollos algebraicos
como la media aritmética, sin embargo, posee propiedades que ponen en evidencia
ciertas cualidades de un conjunto de datos, lo cual no ocurre con la media aritmética
que promedia todos los valores y suprime sus individualidades. En cambio, la mediana
destaca los valores individuales.
PARA UN NÚMERO DE DATOS IMPAR
La mediana es el dato que se encuentra a la mitad de la lista.
PARA UN NÚMERO DE DATOS PAR
La mediana es la media aritmética de los dos datos que se encuentran a la mitad de la
lista

25
La Moda es el valor de un conjunto de datos que aparece con mayor frecuencia. No
depende de valores extremos, pero es más variables que la media y la mediana. La
moda es el dato que más se repite o el dato que ocurre con mayor frecuencia.. Un
grupo de datos puede no tener moda, tener una moda (unimodal), dos modas (bimodal)
o más de dos modas (multimodal).

4.3 Percentiles, Deciles y Cuartiles para datos no agrupados.

Percentiles
Los percentiles son, tal vez, las medidas más utilizadas para propósitos de ubicación o
clasificación de las personas cuando atienden características tales como peso,
estatura, etc.
Los percentiles son ciertos números que dividen la sucesión de datos ordenados en
cien partes porcentualmente iguales. Estos son los 99 valores que dividen en cien
partes iguales el conjunto de datos ordenados. Los percentiles (P1, P2,... P99), leídos
primer percentil,..., percentil 99.

DECILES
Los deciles son ciertos números que dividen la sucesión de datos ordenados en diez
partes porcentualmente iguales. Son los nueve valores que dividen al conjunto de datos
ordenados en diez partes iguales, son también un caso particular de los percentiles.
Los deciles se denotan D1, D2,..., D9, que se leen primer decil, segundo decil, etc.
Los deciles, al igual que los cuartiles, son ampliamente utilizados para fijar el
aprovechamiento académico.

Cuartiles
Los cuantiles son medidas de posición que se determinan mediante un método que
determina la ubicación de los valores que dividen un conjunto de observaciones en
partes iguales.
Los cuantiles son los valores de la distribución que la dividen en partes iguales, es
decir, en intervalos que comprenden el mismo número de valores. Cuando la
distribución contiene un número alto de intervalos o de marcas y se requiere obtener un
promedio de una parte de ella, se puede dividir la distribución en cuatro, en diez o en
cien partes.

26
 Evidencias de la unidad #4
https://www.youtube.com/watch?v=biIhZa6jRMg

27
28
29
30
 UNIDAD #5
Medidas de tendencia central
(continuación)

Párrafo introductorio de la unidad

En esta unidad abordaremos temas tales como: Media, Mediana y Moda para datos
agrupados, Percentiles, Deciles y Cuartiles para datos agrupados, Otras medidas de
localización: Media ponderada y Media geométrica. Tambien veremos la competencia y
evidencia de la unidad.

Competencia de la unidad# 5

Emplea las medidas de tendencia central y de variación para datos no agrupados y

agrupados con el fin de concluir sobre la solución de problemas cotidianos y del campo
laboral.

Para que me sirve las medidas de tendencial central

Sirven como puntos de referencia para interpretar las calificaciones que se obtienen en

una prueba.
A mí me sirve para en el futuro desenvolverme como profesional y saber cuál es la
moda de los problemas de los pacientes que como futura psicóloga atenderé.

31
 Desarrollo de la unidad 5
Medidas de tendencia central (continuación)

4.4 Media, Mediana y Moda para datos agrupados.

 La media para datos agrupados:

Se calcula sumando todos los productos de marca clase con la frecuencia absoluta
respectiva y su resultado dividirlo por el número total de datos:
 

 
La marca clase de una tabla para datos agrupados en intervalos corresponde al
promedio de los extremos de cada intervalo.
 
 Moda para datos agrupados

Es el valor que representa la mayor frecuencia absoluta. En tablas de frecuencias

con datos agrupados, hablaremos de intervalo modal. La moda se representa por  Mo.
 
Todos los intervalos tienen la misma amplitud.

Li Extremo inferior del intervalo modal  (intervalo que tiene mayor frecuencia absoluta).
fi  Frecuencia absoluta del intervalo modal.
fi-1  Frecuencia absoluta del intervalo anterior al modal.

32
fi+1  Frecuencia absoluta del intervalo posterior al modal.
ti  Amplitud de los intervalos.

 Mediana para datos agrupados

Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados
de menor a mayor. La mediana se representa por Me. La mediana se puede hallar sólo
para variables cuantitativas.

Cálculo de la mediana para datos agrupados

La mediana se encuentra en el intervalo donde la frecuencia

acumulada llega hasta la mitad de la suma de las frecuencias
absolutas. Es decir tenemos que buscar el intervalo en el que se
encuentre. N / 2

Luego calculamos según la siguiente formula:

Li-1  es el límite inferior de la clase donde se encuentra la mediana.

N / 2  es la semisuma de las frecuencias absolutas.
Fi-1  es la frecuencia acumulada anterior a la clase mediana.
fi  es la frecuencia absoluta del intervalo mediano.
ti  es la amplitud de los intervalos.

4.5 Percentiles, Deciles y Cuartiles para datos agrupados

Los percentiles son ciertos números que dividen la sucesión de datos ordenados en
cien partes porcentualmente iguales. Estos son los 99 valores que dividen en cien
partes iguales el conjunto de datos ordenados. Los percentiles (P1, P2,... P99), leídos
primer percentil,..., percentil 99.

33
Datos Agrupados
Cuando los datos están agrupados en una tabla de frecuencias, se calculan mediante
la fórmula:

DECILES
Los deciles son ciertos números que dividen la sucesión de datos ordenados en diez
partes porcentualmente iguales. Son los nueve valores que dividen al conjunto de datos
ordenados en diez partes iguales, son también un caso particular de los percentiles.
Los deciles se denotan D1, D2,..., D9, que se leen primer decil, segundo decil, etc.
Los deciles, al igual que los cuartiles, son ampliamente utilizados para fijar el
aprovechamiento académico.
Datos Agrupados
Para datos agrupados los deciles se calculan mediante la fórmula.

Cuartiles
Como los cuartiles adquieren su mayor importancia cuando contamos un número
grande de datos y tenemos en cuenta que en estos casos generalmente los datos son
resumidos en una tabla de frecuencia. La fórmula para el cálculo de los cuartiles
cuando se trata de datos agrupados es la siguiente:
k= 1,2,3

4.6 Otras medidas de localización:  Media ponderada  Media

geométrica

 La media ponderada es una medida de tendencia central, que es apropiada

cuando en un conjunto de datos cada uno de ellos tiene una importancia relativa
(o peso) respecto de los demás datos. Se obtiene multiplicando cada uno de los
datos por su ponderación (peso) para luego sumarlos, obteniendo así una suma
ponderada; después se divide esta entre la suma de los pesos, dando como
resultado la media ponderada.

 La media geométrica es útil para calcular medias de porcentajes, tantos por

uno, puntuaciones o índices. Tiene la ventaja de que no es tan sensible como
la media a los valores extremos. la media geométrica de una cantidad arbitraria
de números (por decir n números) es la raíz n-ésima del producto de todos los

34
 números; es recomendada para datos de progresión geométrica, para promediar
razones, interés compuesto y números índice.

Evidencias de la unidad #5
https://www.youtube.com/watch?v=0DA7Wtz1ddg

35
 UNIDAD #6
Medidas de Variación o Dispersión

Párrafo introductivo

36
En esta unidad abordaremos temas tales como: Utilidad de los estadísticos de
dispersión, Rango, Desviación media, Desviación típica y varianza, Coeficiente de
variación. Tambien veremos la competencia y evidencia de la unidad 6.

COMPETENCIA DE LA UNIDAD #6

Competencia concreta de la unidad: Emplea las medidas de tendencia central

y de variación para datos no agrupados y agrupados con el fin de concluir sobre la
solución de problemas cotidianos y del campo laboral.
Por otro lado, estas medidas nos ayudan a determinar si nuestros datos se alejan
mucho del valor central. Esto es muy útil para comparar distribuciones y comprender
los riesgos en la toma de decisiones.

Para me sirve las medidas de variación

 Las medidas de variación o dispersión son muy útiles ya que condicionan de manera
directa el error con el que trabajemos. Tambien nos ayuda comprender los riesgos en
la toma de decisiones.

DESARROLLO DE LA UNIDAD 6
Medidas de Variación o Dispersión

Utilidad de los estadísticos de dispersión.

37
Medidas de dispersión. Parámetros estadísticos que indican como se alejan los datos
respecto de la media aritmética. Sirven como indicador de la variabilidad de los datos.
Las medidas de dispersión más utilizadas son el rango, la desviación estándar y la
varianza.
Las medidas de dispersión son importantes porque nos hablan de la variabilidad que
encontramos en una determinada muestra o población. Cuando hablamos de muestra,
esta dispersión es importante porque condiciona el error que vamos a tener a la hora
de hacer inferencias para medidas de tendencia central, como la media.

Rango.
El Rango es el intervalo entre el valor máximo y el valor mínimo; por ello,
comparte unidades con los datos. Permite obtener una idea de la dispersión de los
datos, cuanto mayor es el rango, más dispersos están los datos (sin considerar la
afectación de los valores extremos). El rango, también es llamado amplitud o recorrido.

Desviación media
En estadística la desviación absoluta promedio o, sencillamente desviación media o
promedio de un conjunto de datos es la media de las desviaciones absolutas y es un
resumen de la dispersión estadística.
La desviación media es el promedio de las distancias de cada uno de los datos a la
media. Es la media de lo que se desvía el conjunto de datos con respecto a la media.

Desviación típica y varianza

Definimos la varianza como la media de los cuadrados de las distancias de los datos a
la media, es decir, la suma de cada distancia al cuadrado, dividida entre el número de
datos total:
La varianza no se puede comparar con la media aritmética, ya que el resultado de la
varianza está en unidades cuadradas y el resultado de la media en unidades lineales.
Por esta razón, utilizamos la desviación típica, que no es más que la raíz cuadrada de
la varianza:

Con la desviación típica, determinamos de forma única la dispersión de un conjunto de

datos.

Coeficiente de variación

38
El coeficiente de variación es una medida estadística que se calcula dividiendo la
desviación típica entre el valor absoluto de la media y multiplicando por 100 (para
obtener el resultado en tanto por ciento):

EVIDENCIA DE LA UNIDAD 6

39
40
41
 UNIDAD #7
Teoría de las Probabilidades

PARRAFO INTRODUCTORIO DE LA UNIDAD 7

En esta unidad abordaremos temas tales como: Introducción a la teoría de la
probabilidad, Conceptos básicos, Probabilidad y sus propiedades, Dependencia e
independencia de sucesos, Sucesos con reemplazamiento y sin reemplazamiento,
Teorema de Bayes para sucesos condicionados. Tambien veremos la competencia y
evidencia de la unidad.

COMPETENCIA DE LA UNIDAD 7

Competencia concreta de la unidad: Aplica la teoría de probabilidad para

resolver situaciones en su área laboral y profesional .
Conocer y comprender el concepto de probabilidad tanto incondicional como condicion
al ysus principales propiedades. Saber aplicar dicho concepto a la determinación
práctica de probabilidades en situaciones reales.

Para que me sirve

La teoría de la probabilidad me sirve para como futura profesional calcular las
probabilidades de un caso o de que ocurra algo sirve tambien hasta para calcular la
posibilidad que hay que se realice un evento o algo parecido.

42
 DESARROLLO DE LA UNIDAD 7

Introducción a la teoría de la probabilidad.

La teoría de probabilidades se ocupa de asignar un cierto número a cada posible
resultado que pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos
resultados y saber si un suceso es más probable que otro.
Muchos fenómenos naturales son aleatorios, pero existen algunos como el lanzamiento
de un dado, donde el fenómeno no se repite en las mismas condiciones, debido a que
las características del material hace que no exista una simetría del mismo, así las
repeticiones no garantizan una probabilidad definida.

Conceptos básicos.
La teoría de la probabilidad es una rama de las matemáticas que estudia
los fenómenos aleatorios y estocásticos. Los fenómenos aleatorios se contraponen a
los fenómenos deterministas, los cuales son resultados únicos y/o previsibles de
experimentos realizados bajo las mismas condiciones determinadas, por ejemplo, si se
calienta agua a 100 ºC a nivel del mar se obtendrá vapor. Los fenómenos aleatorios,
por el contrario, son aquellos que se obtienen de experimentos realizados, otra vez,
bajo las mismas condiciones determinadas pero como resultado posible poseen un
conjunto de alternativas, por ejemplo, el lanzamiento de un dado o de una moneda.

Probabilidad y sus propiedades.

1 La suma de las probabilidades de un suceso y su contrario vale 1, por tanto la
probabilidad del suceso contrario es:
P(¯A)=1−P(A) 
2 Probabilidad del suceso imposible es cero.
 P(A)≤P(B)
3La probabilidad de la unión de dos sucesos es la suma de sus probabilidades menos
la probabilidad de su intersección.
P(A∪B)=P(A)+P(B)−P(A∩B
 
4Si un suceso A está incluido en otro suceso B, entonces la probabilidad de A es
menor o igual a la probabilidad de B.
 P(A−B)=P(A)−P(A∩B)
5Si A1, A2, ..., Ak son incompatibles dos a dos

43
6Si el espacio muestral E es finito y un suceso es S = {x 1, x2, ..., xn}

 Dependencia e independencia de sucesos

Dos sucesos son independientes si la ocurrencia de uno de ellos no modifica la
probabilidad del otro. Matemáticamente 
P(A∣B)=P(A)P(A∣B)=P(A) y P(B∣A)=P(B)P(B∣A)=P(B).
Independencia (probabilidad) En teoría de probabilidades, se dice que
dos sucesos aleatorios son independientes entre sí cuando la probabilidad de cada uno
de ellos no está influida porque el otro suceso ocurra o no, es decir, cuando
ambos sucesos no están relacionados.

Sucesos Dependientes
Dos eventos son dependientes si el resultado del primer evento afecta el resultado del
segundo evento así que la probabilidad es cambiada. En el ejemplo anterior, si la
primera canica no es reemplazada, el espacio muestral para el segundo evento cambia
y así los eventos son dependientes. La probabilidad de que ambos eventos ocurran es
el producto de las probabilidades de los eventos individuales:
   P ( A y B ) = P ( A ) · P ( B )

Sucesos con reemplazamiento y sin reemplazamiento.

La probabilidad con re-emplazo es cuando la muestra es siempre la misma, es decir, si
tomamos de una caja unas fichas, luego las fichas se devuelven a la caja, cuestión que
la muestra sigue siendo la misma. 
La probabilidad sin re-emplazo es cuando la muestra varía a medida que realizamos el
experimento, por ejemplo si sacamos fichas de una caja, luego no se regresan a la
muestra, por lo que la muestra ya no es la misma.
La probabilidad es una medida porcentual de que un suceso tenga efectivamente
lugar. 

Teorema de Bayes para sucesos condicionados.

El teorema de Bayes es utilizado para calcular la probabilidad de un suceso, teniendo
información de antemano sobre ese suceso.
Podemos calcular la probabilidad de un suceso A, sabiendo además que ese A cumple
cierta característica que condiciona su probabilidad.  El teorema de Bayes entiende la
probabilidad de forma inversa al teorema de la probabilidad total. El teorema de la
probabilidad total hace inferencia sobre un suceso B, a partir de los resultados de los
sucesos A. Por su parte, Bayes calcula la probabilidad de A condicionado a B.

44
El teorema de Bayes ha sido muy cuestionado. Lo cual se ha debido, principalmente, a
su mala aplicación. Ya que, mientras se cumplan los supuestos de sucesos disjuntos y
exhaustivos, el teorema es totalmente válido.
Fórmula del teorema de Bayes
Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos,
necesitamos una fórmula. La formula se define matemáticamente como:

Evidencia de la unidad #7

45
46
47
 UNIDAD #8
Teoría de las probabilidades
(Continuación)

PARRAFO INTRODUCTIVO
En esta unidad abordaremos temas tales como: Distribuciones de probabilidad discreta,
Variables aleatorias discretas, Valor esperado, Distribución Binomial, Distribución de
Poisson, Distribuciones de probabilidad Continua, Variables aleatorias continuas y
Distribución de probabilidad uniforme: Área como medida de probabilidad, Distribución
de probabilidad normal tambien veremos la competencia y evidencia de la unidad.

COMPETENCIA DE LA UNIDAD #8
Competencia concreta de la unidad: Aplica la teoría de probabilidad para resolver
situaciones en su área laboral y profesional.
Además esta unidad enseña a calcula la probabilidades de las distribuciones Binomial,
Poisson, uniforme y Normal.

PARA QUE ME SIRVE ESTA UNIDAD

Sirve para Comprender y estudiar el azar es indispensable, porque la probabilidad

es un soporte necesario para tomar decisiones en cualquier ámbito.

48
 DESARROLLO DE LA UNIDAD #8

Distribuciones de probabilidad discreta.

Las distribuciones de probabilidad discreta son una función que asigna a cada
elemento de X(S)={x1,x2,…,xi,…}, donde X es una variable aleatoria discreta dada y S
es su espacio muestral, la probabilidad de que dicho suceso ocurra. Esta función f de
X(S) definida como f(xi)=P(X=xi) a veces es llamada función masa de probabilidad.

Variables aleatorias discretas.

Una distribución de probabilidades para una variable aleatoria discreta es un listado
mutuamente excluyente de todos los resultados numéricos posibles para esa variable
aleatoria tal que una probabilidad específica de ocurrencia se asocia con cada
resultado. El valor esperado de una variable aleatoria discreta es un promedio
ponderado de todos los posibles resultados, donde las ponderaciones son las
probabilidades asociadas con cada uno de los resultados.

Valor esperado
La esperanza matemática, también llamada valor esperado, es igual al sumatorio de las
probabilidades de que exista un suceso aleatorio, multiplicado por el valor del suceso
aleatorio. O, dicho de otra forma, el valor medio de un conjunto de datos. Teniendo en
cuenta, eso sí, que el término esperanza matemática está acuñado por la teoría de la
probabilidad. Mientras que en matemáticas, se denomina media matemática al valor
promedio de un suceso que ha ocurrido.

Distribución binomial
Consideremos un experimento que sólo puede presentar 2 posibles resultados que
llamaremos ´exito (si ocurre el suceso de interés) o fracaso (en caso contrario). Las
probabilidades de estos sucesos suelen denotarse por p = P (´exito) y q = 1 − p =
P(fracaso). Este tipo de experimento se conoce como ensayo de Bernoulli. Si el
experimento se repite n veces siempre en las mismas condiciones, entonces cada una
de estas realizaciones es independiente de las demás y la probabilidad de ´exito, p,
permanece constante.

Distribución de Poisson
La distribución de Poisson fue obtenida por el matemático francés Simeón Poisson
(1781-1840) como límite de la distribución binomial. La distribución de Poisson

49
 proporciona el número de resultados o sucesos que ocurren de manera independiente
y aleatoria durante un intervalo de tiempo dado o en una región específica.
Por ejemplo: Definicion Se dice que una v.a. X tiene distribución de Poisson de
parámetro λ, X ❀ P(λ) cuando puede tomar los valores enteros positivos 0, 1, 2, 3, . . .
con la siguiente probabilidad

Distribuciones de probabilidad Continua

En teoría de la probabilidad una distribución de probabilidad se llama continua si
su función de distribución es continua. Puesto que la función de distribución de
una variable aleatoria X viene dada por , la definición implica que en una distribución de
probabilidad continua X se cumple P [X = a] = 0 para todo número real a, esto es, la
probabilidad de que X tome el valor a es cero para cualquier valor de a. Si la
distribución de X es continua, se llama a X variable aleatoria continua.
Variable aleatoria continúa 
Una variable aleatoria continua es una función X que asigna a cada resultado posible
de un experimento un número real. Si X puede asumir cualquier valor en algun
intervalo I (el intervalo puede ser acotado o desacotado), se llama una variable
aleatoria continua. Si puede asumir solo varios valores distintos, se llama una variable
aleatoria discreta.

 Distribución de probabilidad uniforme: Área como medida de

probabilidad
La distribución Uniforme es el modelo (absolutamente) continuo más simple.
Corresponde al caso de una variable aleatoria que sólo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de una
misma longitud (dentro de (a, b)) tienen la misma probabilidad. También puede
expresarse como el modelo probabilístico correspondiente a tomar un número al azar
dentro de un intervalo (a, b).
De la anterior definición se desprende que la función de densidad debe tomar el mismo
valor para todos los puntos dentro del intervalo (a, b) (y cero fuera del intervalo). Es
decir

50
Distribución de probabilidad normal
La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el
valor de una variable aleatoria continua a una situación ideal. 
En otras palabras, la distribución normal adapta una variable aleatoria continua a una
función que depende de la media y la desviación típica. Es decir, la función y la variable
aleatoria continua tendrán la misma representación pero con ligeras diferencias.

EVIDENCIA DE LA UNIDAD #8

51
52
Continuación de probabilidad de Poisson

53
54
55
 UNIDAD #9
(EL MUESTREO)

PARRAFO INTRODUCTIVO
En esta unidad abordaremos temas tales como: Métodos de cálculo del tamaño de una
muestra, Tamaño de la muestra para poblaciones finita, Tamaño de la muestra para
poblaciones infinitas. Tambien veremos la competencia, para que sirve y evidencia de
la unidad.

COMPETENCIA DE LA UNIDAD #9
Competencia concreta de la unidad: Utiliza diferentes métodos de muestreo para
determina el tamaño de una muestra finita o infinita, a partir de informaciones
recabadas para una investigación.
Además esta unidad enseña a saber cuándo una población es finita y infinita tambien a
calcularla.

PARA QUE ME SIRVE ESTA UNIDAD

Cuando no podemos acceder a los datos de todo el universo o población de estudio, es

necesario seleccionar una muestra de este para tomar información de ella y realizar
inferencia estadística sobre el resto del universo del estudio, al cual no pudimos
acceder.

56
 Desarrollo de la unidad #9
El muestreo

9.1 Métodos de cálculo del tamaño de una muestra.

Antes de calcular el tamaño de la muestra necesitamos determinar varias cosas:
1. Tamaño de la población. Una población es una colección bien definida de
objetos o individuos que tienen características similares. Hablamos de dos tipos:
población objetivo, que suele tiene diversas características y también es
conocida como la población teórica. La población accesible es la población
sobre la que los investigadores aplicaran sus conclusiones.
2. Margen de error (intervalo de confianza). El margen de error es una
estadística que expresa la cantidad de error de muestreo aleatorio en los
resultados de una encuesta, es decir, es la medida estadística del número de
veces de cada 100 que se espera que los resultados se encuentren dentro de un
rango específico.
3. Nivel de confianza. Son intervalos aleatorios que se usan para acotar un valor
con una determinada probabilidad alta. Por ejemplo, un intervalo de confianza de
95% significa que los resultados de una acción probablemente cubrirán las
expectativas el 95% de las veces.
4. La desviación estándar. Es un índice numérico de la dispersión de un conjunto
de datos (o población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población.

9.1.1 Tamaño de la muestra para poblaciones finita

Muestreo en poblaciones finitas. Si el tamaño de la población o universo es
conocido, la elección del tamaño de la muestra, aunque siguiendo los argumentos
expuestos en el epígrafe anterior, tiene ciertas especificidades, que veremos a
continuación. Las diferencias se basan fundamentalmente en el hecho (relativamente
probable para el caso de una población finita, pero imposible para una de tamaño
infinito) de que nos podemos encontrar con situaciones en las que el número de
elementos de la muestra puede llegar a ser una proporción apreciable de los de la
población. En tal situación, puede entenderse fácilmente que la precisión de la
estimación sería superior, al estar mejor representada el conjunto de la población.

57
9.1.2 Tamaño de la muestra para poblaciones infinitas.

Población INFINITA: La que tiene un elemento incontable de elementos.  son aquellas

de Tamaño desconocido.
Así las cosas, las Poblaciones Infinitas son concebidas por la Estadística como un
conjunto de individuos, objetos o situaciones, que presentan factores comunes –más
allá de su naturaleza o género, pero cuyo número se encuentra calculado más allá
de cien mil elementos distintos, oponiéndose entonces al concepto de Poblaciones
Finitas, conformada también por individuos con rasgos comunes, pero que cuentan con
un número inferior a cien mil individuos u objetos.
Ejemplos de Poblaciones Infinitas
De esta manera, algunos de los ejemplos más comunes de Poblaciones Infinitas,
concibiendo esta categoría, como aquella conformada por grupos de individuos o
elementos, con rasgos comunes, superiores a los cien mil individuos, pueden ser
los siguientes:
 Número de estrellas en el universo, que se extinguirán en los próximos cien
millones de años.
 Cantidad de granos de arena de color rojo.
 Número de gotas de agua que están presentes en un lago

58
Evidencia de la unidad #9

59
60
 UNIDAD #10
(El muestreo continuación)

PARRAFO INTRODUCTIVO
En esta unidad abordaremos temas tales como: Métodos de Muestreo, Muestreo
aleatorio simple para poblaciones finitas e infinitas, Muestreo aleatorio estratificado,
Muestreo por conglomerados. Muestreo sistemático, Muestreo de conveniencia,
Muestreo subjetivo. Tambien veremos la competencia, para que sirve.

COMPETENCIA DE LA UNIDAD #10

Competencia concreta de la unidad: Utiliza diferentes métodos de muestreo para
determina el tamaño de una muestra finita o infinita, a partir de informaciones
recabadas para una investigación.
Además esta unidad enseña a saber cuándo una población es finita y infinita tambien a
calcularla.

PARA QUE ME SIRVE ESTA UNIDAD

el muestreo es importante porque a través de él podemos hacer
análisis de situaciones de una empresa o de algún campo de la sociedad ya que sirve
en las investigaciones llevadas por empresarios y de la medicina se usa muestreo
extensivamente en recoger información sobre poblaciones.

61
 DESARROLLO DE LA UNIDAD #10
El Muestreo (continuación)

9.2 Métodos de Muestreo

 Los métodos de muestreo se conforman en correspondencia con los tipos de muestras
que se necesitan seleccionar. ... Los métodos de muestreo pueden ser de
conveniencia, opinático, aleatorio simple, sistemático, estratificado, de conglomerado y
combinado.

9.2.1 Muestreo aleatorio simple para poblaciones finitas e

infinitas.
El muestreo en poblaciones finitas o encuesta por muestreo consiste en la selección
de una parte de los elementos de una población estadística ( ), con el objetivo de sacar
conclusiones de dicha población.
Se caracteriza porque cada elemento de la población tiene la misma probabilidad de
ser elegido. Si se dispone de una lista de los elementos de la población, la selección de
una muestra aleatoria simple es muy sencilla. Supongamos que numeramos los
elementos de la población de 1 a N, una muestra aleatoria simple puede obtenerse
colocando N bolas numeradas en una caja, mezclándolas, y extrayendo n de ella, o
bien, también puede utilizarse una tabla de números aleatorios, ordenador o simple
calculadora

9.2.2 Muestreo aleatorio estraficado.

El muestreo estratificado es una técnica de muestreo probabilístico en donde el
investigador divide a toda la población en diferentes subgrupos o estratos. Luego,
selecciona aleatoriamente a los sujetos finales de los diferentes estratos en forma
proporcional.
Los estratos más comunes utilizados en el muestreo aleatorio estratificado son la edad,
el género, el nivel socioeconómico, la religión, la nacionalidad y el nivel de estudios
alcanzado.

62
9.2.3 Muestreo por conglomerados.
en el muestreo por conglomerados, en lugar de seleccionar a todos los sujetos de la
población inmediatamente, el investigador realiza varios pasos para reunir su muestra
de la población.
El conglomerado más utilizado en la investigación es un conglomerado geográfico. Por
ejemplo, un investigador desea estudiar el rendimiento académico de los estudiantes
secundarios en España.

9.2.4 Muestreo sistemático.

Es una técnica dentro de la categoría de muestreos probabilísticos - y que por lo tanto
requiere tener un control preciso del marco muestral de individuos seleccionables junto
con la probabilidad de que sean seleccionados - consistente en escoger un individuo
inicial de forma aleatoria entre la población y, a continuación, seleccionar para la
muestra a cada enésimo individuo disponible en el marco muestral.

9.2.5 Muestreo de conveniencia.

El muestreo de o por conveniencia es una técnica de muestreo no probabilístico donde
los sujetos son seleccionados dada la conveniente accesibilidad y proximidad de los
sujetos para el investigador.
Los sujetos de una investigación específica, son seleccionados para el estudio sólo
porque son más fáciles de reclutar y el investigador no está considerando las
características de inclusión de los sujetos que los hace representativos de toda la
población.

6.2.6 Muestreo subjetivo.

En este caso las unidades de la muestra se eligen en función de algunas de sus
características de manera racional y no casual. Una variante de esta técnica es
el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal
forma que la media de la muestra para determinadas variables se acerque a la media
de la población. La cual funciona sobre la base de referencias o por recomendación,
después se reconoce por medio de la estadística.

63
Asignatura: estadística general fecha: 29/02/2020
Nombre Dilenia Apellido: Merejildo faña matricula: 2019-01834
Facilitador: francisco Bobonagua

Examen
l- Encierre en un círculo la letra que representa el término correspondi
a la proposición dada.

1.  es una ciencia y una rama de las matemáticas a través de la cual se

recolecta, analiza, describe y estudia una serie de datos a fin de
establecer comparaciones o variabilidades que permitan comprender u
fenómeno en particular.
a) estadística descriptiva
b) estadística
c) estadística inferencial
d) población
2. es la técnica matemática que obtiene, organiza, presenta y describe
conjunto de datos con el propósito de facilitar el uso, generalmente co
apoyo de tablas, medidas numéricas o gráficas.

a) Estadística descriptiva
b) Estadística inferencial
c) población
d) muestra

3.  es un conjunto de objetos,

64 individuos, elementos o eventos con
 Conclusión

Los conceptos antes mencionados han sido analizados e investigados de

tal manera de hacer más fácil su comprensión y entendimientos ya que la
estadística es la ciencia que trata de entender, organizar y tomar
decisiones que estén de acuerdo con los análisis efectuados. La
estadística juega un papel muy importante en nuestras vidas, ya que
actualmente ésta se ha convertido en un método muy efectivo para
describir con mucha precisión los valores de datos económicos, políticos,
sociales, psicológicos, biológicos y físicos, además, sirve como
herramienta para relacionar y analizar dichos datos. 

Opinión personal
Es de vital importancia para nuestra vida profesional venidera, que
manejemos estos conceptos con facilidad, así mismo el que los usemos de
la manera apropiada, siempre en pro de buscar soluciones a
los problemas que se nos puedan presentar.

65
 Bibliografía
Unidad 1
https://es.wikipedia.org/wiki/Estad%C3%ADstica
https://es.wikipedia.org/wiki/Gr%C3%A1fico_circular
https://www.monografias.com/trabajos81/presentacion-datos-
estadisticos/presentacion-datos-estadisticos.shtml
Unidad 2 y 3
https://prezi.com/zutke_jdkfsk/reglas-para-determinar-el-numero-de-clases-y-la-
amplitud-del/
https://es.slideshare.net/Gerardo1977/intervalos-de-clase-estadstica

Unidad 4 y 5
http://tgrajales.net/tendencentral.pdf
https://es.wikipedia.org/wiki/Medidas_de_tendencia_central

Unidad 6
https://lamenteesmaravillosa.com/las-medidas-de-dispersion-en-estadistica/
https://es.wikipedia.org/wiki/Desviaci%C3%B3n_media
https://www.sangakoo.com/es/temas/varianza-y-desviacion-tipica

Unidad 7 y 8
https://www.varsitytutors.com/hotmath/hotmath_help/spanish/topics/independent
-dependent-events
https://bookdown.org/aquintela/EBE/independencia-de-sucesos.html
https://es.wikipedia.org/wiki/Teor%C3%ADa_de_la_probabilidad

Unidad 9 y 10
https://www.abc.com.py/articulos/metodos-de-muestreo-700633.html
https://prezi.com/9zmerbe7bf_q/muestreo-aleatorio-simple-finito-e-infinito/
https://investigacionpediahr.files.wordpress.com/2011/01/formula-para-
cc3a1lculo-de-la-muestra-poblaciones-finitas-var-categorica.pdf

66