Los contenidos de este curso están sujetos a la licencia Reconocimiento-No Comercial-Sin Obra

Derivada 4.0 Internacional de Creative Commons. Para ver una copia de esta licencia, visite
http://creativecommons.org/licenses/by-nc-nd/4.0/.

2|P á gin a
Curso: Estadística para la Administración
Facultad de Ciencia, Tecnología e Industria
Universidad Galileo

Unidad 1
Conceptos Básicos y Estadística Descriptiva

Introducción
En esta unidad presentaremos conceptos básicos de Estadística, pues por experiencia hemos
comprobado que hay conceptos que no están claros para el profesional y por ello cuando debe
aplicar herramientas estadísticas no sabe a cuál recurrir, muchas de las veces se tiene inseguridad
si el dato es una variable o un atributo por Ej. y ello dificulta la escogencia de las herramientas
adecuadas.

Repasaremos los conceptos básicos de la Estadística Descriptiva y aprenderemos a calcular:

medidas de Posición (Cuantiles), tendencia central (media, moda y mediana), de variación (rango,
varianza, desviación estándar, coeficiente de variación) y de forma (coeficiente de asimetría y
curtósis).

Objetivos
• Comprender los conceptos básicos de Estadística con el propósito de que el estudiante cuando
avance en el conocimiento estadístico pueda escoger las herramientas adecuadas: Estadística,
Población, Característica, variable, atributo, Serie.
• Repasar los conceptos básicos de Estadística Descriptiva haciendo aplicaciones prácticas.

Temario
Unidad 1
Conceptos Básicos y Estadística Descriptiva
1. Conceptos Básicos
2. Estadística Descriptiva
2.1. Medidas de Posición
2.2. Medidas de Dispersión
2.3. Medidas de Forma
2.4. Estadística Descriptiva usando Excel

3|P á gin a
Es la ciencia que da normas que permiten reducir a unas medidas características un conjunto de
información numérica, convirtiéndolo en valores susceptibles de análisis.

Es una parte del método científico encargado de la recopilación, organización, análisis e

interpretación de datos numéricos y el uso de tales datos para la toma de decisiones racionales.

ESTADÍSTICAS. Son observaciones numéricas o datos de una población, que dan a conocer las
características de la misma.

POBLACIÓN. Conjunto de elementos (personas, objetos) con características comunes. Por

ejemplo: alumnos, viviendas, cuentas pendientes de pago, etc. La población puede ser finita o
infinita.

CARACTERÍSTICAS. Signo distintivo del elemento de la población. La característica puede ser

Cualitativa o Cuantitativa.

Atributo: Es la característica cualitativa del elemento de la población y no permite grados de

comparación. Ej. estado civil, sexo. Su clasificación se hace en grupos llamados: “modalidades”.
Variable: Es la característica cuantitativa del elemento de la población y esta sí permite grados
de comparación. Ej. estatura, peso, saldos de cuentas. Su clasificación se hace en grupos
llamados: “clases”. La variable puede ser discreta o continua.

• Variable discreta. Característica cuantitativa del elemento de la población, que no permite

división o fraccionamiento y por lo tanto se presenta en forma de número entero.
Ejemplo: número de cuentas, número de hijos, número de estudiantes.
• Variable contínua. Característica cuantitativa del elemento de la población, que sí permite
división o fraccionamiento. Ejemplo: peso, estatura, valor de saldos de cuentas, se
presenta en forma de número real.

CLASIFICACIÓN DE LA ESTADÍSTICA: La Estadística para su estudio se divide en dos clases:

1. Estadística Descriptiva. Es aquella referente a la descripción y análisis de un grupo

determinado de datos, sin establecer conclusiones sobre un grupo más grande en el cual
estén contenidos los datos estadísticos
2. Estadística Inferencial o Inductiva. Es la estadística a través de la cual, es posible sacar
conclusiones importantes de una población, con el análisis de una muestra obtenida de la
misma.

4|P á gin a
SERIE. Es un ordenamiento de datos numéricos, en orden creciente o decreciente, (sin considerar
que existan repeticiones o no).
DISTRIBUCIÓN DE FRECUENCIAS. Es un ordenamiento tabular de datos numéricos, según una
agrupación en clases y las correspondientes frecuencias en las mismas.
PASOS PARA FORMAR LAS DISTRIBUCIONES DE FRECUENCIAS.
a) Ordenamiento de los datos.
b) Determinar la amplitud de la distribución o amplitud de la variable = R. (también conocida
como Rango, Oscilación o Recorrido de la variable); lo cual se logra haciendo la diferencia
entre los límites superior e inferior de la variable, más uno.
c) Determinar la amplitud del intervalo de clase constante: c. Puede usarse la fórmula de
Sturgess para obtener esta amplitud, si no es satisfactoria entonces puede usarse otra
cantidad que se adapte mejor a nuestras exigencias o a los principios estadísticos.

En la elaboración de las distribuciones de frecuencias, se debe tener presente que se pierde

alguna información que proporciona el conjunto de los datos originales; sin embargo, se obtiene
un importante avance en cuanto a la visión más sintética y a las relaciones que resultan más
evidentes.
Una vez elaborada la distribución de frecuencias. Es necesario observar que la misma cumpla con
los siguientes requisitos mínimos: (o características de una distribución de frecuencias):

• Las frecuencias no deben tener el mismo número si son subsiguientes.

• El número de las frecuencias no debe ser igual a 0 en ninguna de las clases.
• Los números de las frecuencias correspondientes a cada clase, debe ir ascendiendo hasta
un punto, después del cual, comienza a descender.
• El número de las clases no debe ser muy pequeño ni muy grande: normalmente debe
variar entre cinco y veinte.

Si una distribución de frecuencias no cumple con tales características, es conveniente escoger

otra amplitud de clase constante, si se desea efectuar un mejor análisis de la información y evitar
alguna ambigüedad.

5|P á gin a
LIMITE DE CLASE. La escritura 21 – 29 se denomina Clase o intervalo de clase. Los números 21 y
29 se conocen como límites discretos de clase, así 21 será el límite discreto inferior de la clase y
29 será el límite discreto superior de la clase. Para la aproximación de los intervalos, se utilizan
los denominados límites reales de clase, que se indican con un decimal 0.5 de menos y 0.5 de más
en el límite discreto superior de la respectiva clase, en el ejemplo 21 – 29, el límite real inferior
es: 20.5 y el límite real superior es 29.5.
AMPLITUD DEL INTERVALO DE UNA CLASE. Es la diferencia entre los límites reales superior e
inferior de la misma. También se puede obtener tal amplitud, haciendo la diferencia entre los
límites discretos superior e inferior de la clase, más uno.
VALOR CENTRAL O PUNTO MEDIO DE UNA CLASE. Se obtiene sumando los límites inferior y
superior (reales o discretos) de la clase y dividiendo entre dos. Por razones del análisis estadístico-
matemático posterior a la agrupación de los datos, todas las observaciones que pertenecen a una
determinada clase, se hacen coincidir con el valor central o punto medio de esa clase. Así en la
clase 21 – 29 todos los datos que pertenecen a esa, se consideran que son de valor 25 que es su
punto medio.
GRÁFICAS PARA LAS DISTRIBUCIONES DE FRECUENCIAS.

• Histograma. Es un gráfico que sirve para representar una distribución de frecuencias.

Está formado de un conjunto de rectángulos (caso de variables continuas) que tiene como
base un eje horizontal (generalmente el eje de las abscisas o de las X) y como centros los
puntos medios de las clases. Los anchos de los rectángulos son iguales a los tamaños de
los intervalos de las clases y las áreas de los rectángulos son proporcionales a las
frecuencias de las clases.

PRODUCTIVIDAD DE 100 TRABAJADORES

25
20
15
TRABAJADORES
10
5
0
21-29 30-38 39-37 48-56 57-65 66-74 75-83 84-92
PIEZAS ACEPTABLES

6|P á gin a
• Polígono de frecuencias. Gráfico formado de líneas quebradas, que tienen los centros de
las clases representadas en un eje horizontal (eje de las X) y las frecuencias de las clases
en un eje vertical (eje de las Y). La frecuencia correspondiente a cada centro de clase se
señala mediante un punto y luego los puntos consecutivos se unen por líneas rectas.

PRODUCTIVIDAD DE 100 TRABAJADORES

25
TRABAJADORES

20
15
10
5
0
21-29 30-38 39-37 48-56 57-65 66-74 75-83 84-92
PIEZAS ACEPTABLES

• Circular.

PRODUCTIVIDAD DE 100 TRABAJADORES

21-29
30-38
39-37
48-56
57-65
66-74
75-83
84-92

7|P á gin a
 • Ojiva. Gráfico que representa una distribución acumulativa de frecuencias.

PRODUCTIVIDAD DE 100 TRABAJADORES

TRABAJADORES 120
100
80
60 Serie1
40
20
0
21-29 30-38 39-37 48-56 57-65 66-74 75-83 84-92
PIEZAS ACEPTABLES

DATOS NO AGRUPADOS. Se utiliza para analizar poblaciones o muestras pequeñas,

generalmente cuando tienen 30 o menos elementos.
MEDIDAS DE TENDENCIA CENTRAL. Son medidas que describen el centro de una distribución,
que es donde se localizan la mayor parte de los datos (caso típico en la distribución normal).

Es el valor equidistante entre el grupo de mayor valor y el punto de menor valor de una serie de
datos, la forma de calcularla es la siguiente:
n

 xi
x= i =1

n
Propiedades de la media aritmética.

• Unicidad: solo existe una media en una serie de datos.

• Simplicidad: es fácil de calcular y comprender.
• La suma algebraica de las desviaciones de una serie de datos con respecto a su media
aritmética es cero. Desviación = (xi-x).

8|P á gin a
 −
 ( xi − x) = 0
• Si en una serie de datos estos aparecen multiplicados por un valor K, la media nueva será
la media anterior multiplicada por la constante.
• Si en una serie de datos estos aparecen sumados por un valor h constante, la media nueva
será la media anterior más h.

Suponga que en una tienda se venden 3 marcas de jugo de naranja a Q. 4.10, 4.20, y 4.30 y que
en un día cualquiera se vendieron latas de los tres precios. El precio medio de venta por lata sería:
4.20. A primera vista parecería que el valor es bastante representativo, pero si además se sabe
que se vendieron 23 latas de 4.20, 72 latas de 4.10 y 5 latas de 4.30 el precio medio de lata vendida
en ese día sería:
(23 x 4.20) + (72 x 4.10) + (5 x 4.30)
23 + 72 +5
Media ponderada = 4.13

9|P á gin a
Es el valor que divide en dos partes iguales a una serie de datos finitos. Para encontrar la mediana
es necesario ordenar los datos, y pueden ocurrir dos casos:

• Que el número de datos sea impar: la mediana será el valor central de la serie.

Ejemplo: 3, 5, 8, 12, 25 La mediana es 8.

• Que el número de datos sea par: Entonces la mediana será la media aritmética de los
valores centrales.
Ejemplo: 2, 4, 7, 25, 39, 47 La mediana es 16 o sea la media de 7 y 25.

Es el valor que ocurre con más frecuencia en una serie de datos. Ej: 1, 5, 6, 6, 7, 8, 9 La moda es
igual a 6. En algunas series como 1, 2, 3, 4, 5, 7, 8 no existe moda y la distribución se denomina:
amodal, hay algunas otras series donde existen más de una moda y la distribución entonces toma
el nombre de Bimodal, Trimodal, etc. Según sea el caso.

DATOS AGRUPADOS. Cuando la cantidad de datos es grande, es conveniente agrupar los datos
en distribuciones de frecuencias.
Tabla 3.
Hoja de Cálculo para Medidas de Posición.
Productividad 100 Trabajadores, Piezas Aceptables

limites discretos limites reales f xi F fxi

21 29 20.5 29.5 4 25 4 100

30 38 29.5 38.5 12 34 16 408

39 47 38.5 47.5 16 43 32 688

48 56 47.5 56.5 23 52 55 1196

57 65 56.5 65.5 18 61 73 1098

66 74 65.5 74.5 15 70 88 1050

75 83 74.5 83.5 9 79 97 711

84 92 83.5 92.5 3 88 100 264

AMPLITUD 9 TOTAL 100 465 5515

10 | P á g i n a
Dónde:
f = Frecuencia simple.
F = Frecuencia acumulada

Xi = Marca Clase (punto medio de la clase)

fxi = Frecuencia simple

MEDIDAS DE TENDENCIA CENTRAL.

Al presentarse los datos en una tabla de frecuencia, no es posible conocer los valores de cada una
de las observaciones, pero sí las categorías en las cuales se hallan. Para poder calcular la media,
se supondrá que, dentro de cada categoría, las observaciones se distribuyen uniformemente
alrededor del punto medio de la clase.
El cálculo de la media se realiza mediante la siguiente fórmula:
n

 fxi n
−
x= i =1
−  fxi
n
x= i =1

 fi
i =1
n

Según la distribución de frecuencias de la tabla 3 el cálculo de la media sería:

− 5515
x= = 55.15
100

11 | P á g i n a
Para su cálculo se utiliza la siguiente fórmula:
(n / 2 − fa)
Me = Li + c
f

Li = límite real inferior de la clase mediana.

n = número de datos, o sumatoria de frecuencias
fa = frecuencias acumulada anterior a la clase mediana
f = frecuencia de la clase mediana

La clase mediana se determina por n/2 y observando la frecuencia acumulada.

Continuando con el ejemplo anterior:

(100 / 2 − 32)
Me = 47.5 + 9
23

Mediana = 54.54

Para su cálculo se utiliza la siguiente fórmula.

(d1)
Mo = Li + c
d1 + d 2

Dónde:
Li= límite real inferior de la clase modal.

d1= frecuencia de la clase modal menos frecuencia anterior

d2= frecuencia de la clase modal menos frecuencia posterior
c = amplitud de clase
La “clase modal” es la clase que tiene la más alta frecuencia, en el ejemplo que estamos
desarrollando sería 48-56 que tiene una frecuencia de 23, su cálculo sería así:

12 | P á g i n a
 d1= 23-16 = 7
d2= 23-18 = 5

(7)
Mo = 47.5 + 9
(7 + 5)

Moda = 52.75

RELACIÓN EMPÍRICA ENTRE MEDIANA Y MODA.

− −
x − Mo = 3( x − Md )
− −
Mo = x − 3( x − Md )

Mo = 55.15 − 3(55.15 − 54.54)

Moda = 53.32 (un valor aproximado al calculado anteriormente)

Son medidas de posición que sitúan valores a diferentes puntos de la distribución, los más
utilizados son los quartiles, los deciles y los percentiles.

• QUARTILES: Dividen la distribución en cuatro partes iguales, Q1, Q2, Q3

(nj / 4 − fa)
Qj = Li + c
f

Qj; j = 1, 2, 3
Ejemplo:

Q1= 43.5625

• DECILES: Dividen la distribución en diez partes iguales:

D1,D2,D3,D4,D5,D6,D7,D8,D9

13 | P á g i n a
 Dj; j= 1, 2, 3, 4, 5, 6, 7, 8, y 9

(nj / 10 − fa)
Dj = Li + c
f
Ejemplo:
((100 * 8) / 10) − 73
D8 = 65.5 + 9 = 69.7
15

• PERCENTILES: Dividen la distribución en cien partes iguales: P1,p2.......P99

Pj: j= 1, 2, 3..........99

(nj / 100 − fa)

Pj = Li + c
f

((100 * 85) / 100) − 73

p85 = 65.5 + 9
15

P85 = 72.7

El conocimiento de la forma de distribución y de las medidas de posición puede servir para tener
una idea bastante clara de su conformación, pero no de la homogeneidad de cada uno de los
valores con respecto a la medida de tendencia central aplicada. Las medidas de dispersión
permiten apreciar el grado de variabilidad o propagación de los datos.

MEDIDAS DE DISPERSION DATOS NO AGRUPADOS.

14 | P á g i n a
 Usando los datos del ejemplo 1. (Página 4): 2, 4, 5, 6, 7, 9, 10, 12
El Rango sería: R= 12- 2 = 10

Dado un conjunto de datos tales como X1, X2,....XN, la desviación media se define como el
promedio aritmético de las respectivas desviaciones absolutas con respecto a la media.
n −
 / Xi − x /
DM = i =1

n
DM = /2-6.875/ + /4-6.875/ + /5-6.875/ + /6-6.875/ + /7-6.875/ + /9-6.875/ + /10-6.875/ + /12-6.875/
8

DM = 2.625

La desviación media es de poca utilidad en inferencia estadística, y no es posible encontrar la

desviación media de un grupo combinado.

Es el cuadrado medio de las desviaciones de una serie de datos, con respecto a su media
aritmética y se calcula de la siguiente manera:

( xi )
2

 (x
− 2
− x) x 2
i −
n
s2 = =
i

n n

Con los datos del ejemplo 1 tenemos:

Sumatoria Xi= 55

55 2
455 −
s2 = 8 = 9.6093
8

Sumatoria Xi^2 = 455

15 | P á g i n a
El cálculo de la varianza, se hace utilizando datos cuadráticos con el objetivo de que las
desviaciones no se cancelen entre sí, por esta razón, es necesario trabajar con valores originales
(no elevados al cuadrado) y esto se logra con la desviación standard. El cálculo de la desviación
standard a partir de la varianza, es simplemente obtener la raíz cuadrada de esta última.

s 2 = 9.6093 = 3.10

Es una medida de dispersión relativa que se obtiene dividiendo la desviación estándar de la serie
de datos entre su media aritmética y se multiplica por 100 para expresarlo en porcentaje. Es un
dato adimensional puesto que los datos con se calcula están expresadas en sus dimensionales
originales. Es útil cuando se quiere comparar series de datos con dos variables diferentes,
ejemplo: altura y peso.
s
C.V . = −
*100
x
3.10
C.V . = * 100 = 45.09
6.875

MEDIDAS DE DISPERSION DATOS AGRUPADOS.

Con los datos que hemos venido trabajando tenemos la siguiente tabla:

16 | P á g i n a
El rango es la diferencia entre el límite real superior de la clase más alta y el inferior de la clase
más baja.
(limite discreto superior clase más alta - limite discreto inferior de la clase más baja + uno)
Datos Tabla 2. R= 88-21+ 1 = 68

Para su cálculo se utiliza la siguiente fórmula:

−

D.M . =
F / x − x/
n
Siguiendo el ejemplo de la tabla 2 tenemos:
DM= 1183.95
100

DM= 11.8395

Para datos agrupados utilizamos la siguiente fórmula:

− 2

s2 =
 f ( x − x)
n
23874.75
s2 = = 238.7475
100

Es la raíz cuadrada de la varianza:

s = 238.7475 = 15.45146

17 | P á g i n a
Su cálculo es similar que en el caso de datos no agrupados.

15.45146
C.V . = * 100 = 28.01715
55.15

Si X1, X2,..........XN son los valores que toma la variable X, se define la cantidad:
n

x + x + .......+ x
r r r x
j =1
r
j
x r

x =
r 1 2
= n
=
n n n
(1)
Como el momento de orden r. El momento de primer orden r=1 es la media aritmética.

El momento de orden r respecto a la media se define como:

n −
 (x
j =1
j − x) r
 ( x − x) r
−
−
mr = = = ( x − x) r
n n
(2)
Si r=1, m1=0
Si r=2, m2=s^2 (varianza)
El momento de orden r con respecto a un punto cualquiera A se define como:

 (x
j =1
j − A) r
 ( x − A) r
d r

mr = = = = ( X − A) r
n n n
(3)
Donde d= X-A “Son las desviaciones de A, si A=0, (3) se reduce a (1). Se llama también momento
orden r respecto al origen.

18 | P á g i n a
Es el grado de asimetría o falta de simetría de una distribución. Si la curva de frecuencia tiene una
“cola” más larga a la derecha del máximo central que a la izquierda, se dice que la distribución
está sesgada a la derecha o que tiene “sesgo positivo”, si es a la izquierda se dice que tiene “sesgo
negativo”.

En distribuciones sesgadas, la media tiende a situarse con respecto a la moda al mismo lado que
la cola más larga. Así una medida de la asimetría nos dada por la diferencia (Media-Moda) y se
adimensiona dividiéndola por una medida de dispersión.

−
55.15 − 52.75
x− Mo sesgo = = 0.15533
sesgo = 15.4515
s

Para evitar el empleo de la moda, se puede usar la fórmula empírica (página 8) así:
−
3( x − Me) 3(55.15 − 54.54)
sesgo = sesgo = = 0.1177
s 15.4515

COEFICIENTE DE SESGO USANDO EL MOMENTO DE ORDEN TRES CON RESPECTO A LA MEDIA.

En este momento nos va a ser útil la hoja de cálculo que venimos usando para datos agrupados
agregando lo siguiente:
limites discretos limites reales f xi F fxi
x-x f(x-x) ^2 f^2 ^3 f^3 ^4 f^4
21 29 20.5 29.5 4 25 4 100
-30.15 -120.6 909.0225 3636.09 -27407.0284 -109628.114 826321.906 3305287.62
30 38 29.5 38.5 12 34 16 408
-21.15 -253.8 447.3225 5367.87 -9460.87088 -113530.451 200097.419 2401169.03
39 47 38.5 47.5 16 43 32 688
-12.15 -194.4 147.6225 2361.96 -1793.61338 -28697.814 21792.4025 348678.44
48 56 47.5 56.5 23 52 55 1196
-3.15 -72.45 9.9225 228.2175 -31.255875 -718.885125 98.4560062 2264.48814
57 65 56.5 65.5 18 61 73 10985.85 105.3 34.2225 616.005 200.201625 3603.62925 1171.17951 21081.2311
66 74 65.5 74.5 15 70 88 1050
14.85 222.75 220.5225 3307.8375 3274.75913 49121.3869 48630.173 729452.595
75 83 74.5 83.5 9 79 97 711
23.85 214.65 568.8225 5119.4025 13566.4166 122097.75 323559.037 2912031.33
84 92 83.5 92.5 3 88 100 264
32.85 98.55 1079.123 3237.3675 35449.1741 106347.522 1164505.37 3493516.11
0 0 0
AMPLITUD 9 TOTAL100 465 5515 10.8 1184 3416.58 23874.75 13797.783 28595.025 2586175.94 13213480.8

19 | P á g i n a
 28595.025
m 100
coeficiente sesgo = a3 = 33 = = 0.0775
s 15.45 3

Es el grado de apuntamiento de una distribución, normalmente se toma en relación a una normal.

Una distribución que presenta un apuntamiento relativo alto, se le llama: leptocúrtica, mientras
que la curva que es más achatada se llama platicúrtica. La distribución normal se llama:
mesocúrtica.
La curtosis más utilizada es la que utiliza el momento de cuarto orden con respecto a la media
expresado en forma adimensional, así:

m4
curtosis = a4 =
s4

13213480.8
a4 = 100 = 2.318
15.45 4

Al coeficiente a4 se le denomina como b2. Para una distribución normal, b2= 3. Muchas veces la
curtosis se designa como (b2-3), la cual es positiva para una distribución leptocúrtica, negativa
para una platicúrtica y 0 para una mesocúrtica.

A4 = 2.318 – 3 = -0.6818

20 | P á g i n a
Bibliografía
• ANDERSON, D. et al. Estadística para Administración y Economía. 8. Ed. Thomson Editores.
México

• BERENSON L. MARX & LEVINE M. DAVID. Estadística Básica en Administración. Editorial.

Prentice Hall.

• LEVIN Y RUBIN DAVI S. Estadística para Administradores. Editorial Prentice Hall. Sexta
Edición. México.

• MILLER, I. Et. Al. Probabilidad y Estadística para ingenieros Editorial Prentice may, México.

• MONTIEL, A.M. et. Al. Elementos Básicos de Estadística Económica y Empresarial. Ed.
Prentice Hall, México.

• SPIEGEL, M. Probabilidad y Estadística. Editorial Mc Graw Hill, Serie Schaum. México.

• REYES CABALLEROS. Estadística Básica. Editorial IICA, Costa Rica.

21 | P á g i n a
Actividades

Nombre de la Actividad: Tarea Práctica 1 "Características"

Instrucciones:

Realizar lo que se le solicita:

• ¿Cuál es su expectativa para este curso?

• Elaborar un concepto de Estadística.
• Listar 15 ejemplos de Atributos, 15 de variables discretas y 15 de variables continuas.

Valor: 5 puntos

Formato de entrega: Subir documento a la sección "Tareas / Notas" en la asignación "Actividad

1.1"

Fecha máxima de entrega: Domingo 15 de marzo, a las 11:55 pm

Nombre de la Actividad: Tarea Práctica “Estadística Descriptiva”

Instrucciones:
Resolver el siguiente caso: Trabajarlo manualmente en Excel (no con herramienta Análisis de
Datos).

Descargar Caso
Valor: 5 puntos
Formato de entrega: Subir documento a la sección "Tareas / Notas" en la asignación "Actividad
1.2"
Fecha máxima de entrega: Domingo 15 de marzo, a las 11:55 pm

22 | P á g i n a
Nombre de la Actividad: Foro Unidad 1
Instrucciones:

Ingrese al foro habilitado para esta unidad "Foro Unidad 1" y participe contestando lo que se le
solicita.
Valor: 3.33 puntos
Fecha máxima de participación: Domingo 15 de marzo, a las 11:55 pm

23 | P á g i n a
24 | P á g i n a