Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROGRAMAS: SEMESTRE
Metodología Educativa:
ASIGNATURA:
ESTADISITCA DESCRIPTIVA Presencial: Distancia: Mod. Virtual:
X
TITULO DE LA UNIDAD DE APRENDIZAJE:
Total de Horas: 15
EL PAPEL DE LA ESTADÍSTICA EN LA CIENCIA
Horas Presenciales: 15
EMPRESARIAL Y LA INVESTIGACIÓN
Horas de Trabajo Independiente 30
1. PRESENTACIÓN: (Contiene una descripción corta y concreta del contenido de la unidad, responde a las siguientes preguntas: ¿qué se va aprender? ¿Cómo se va aprender? y
¿para qué se aprende en función personal y de la proyección social según el PPA?)
Todo profesional dentro de cualquier ámbito empresarial está sujeto a la toma de decisiones que delega su responsabilidad como personal idóneo, capaz de seleccionar
y proponer las situaciones optimas que garanticen el desarrollo y bienestar corporativo.
Por tal razón, la Estadística Inferencial proporciona las técnicas y procedimientos adecuados para garantizar mediante el nivel de confianza aceptado la ejecución de una
acción relacionada con un problema de incertidumbre específico.
2. COMPETENCIA ESPECÍFICA UNIDAD DE APRENDIZAJE: (Referido con la competencia de la unidad de aprendizaje según el cuadro matriz de competencias y
el Microcurrículo)
Suministrar herramientas para recolectar, procesar, caracterizar y presentar la información, de acuerdo a las técnicas estadísticas, para el
tratamiento de datos pertenecientes a variables reales que afectan y determinan las decisiones de una organización o investigación
Conocer y aplicar métodos estadísticos que sirvan para el estudio y posterior análisis de datos agrupados o no agrupados,
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
descripción, resumen y comprensión de datos y variables determinados como parte de un trabajo investigativo.
ACTIVIDADES DE APRENDIZAJE-EVALUACION
(Enunciar las estrategia pedagógica, ¿QUÉ HCER? y describir el proceso respectivo, ¿CÓMO HACERLO? CONTENIDOS TEMÁTICOS
tanto para la horas presenciales / como de trabajo independiente (Temas y subtemas) a nivel
FECHAS En las horas presenciales enunciar y desarrollar las actividades de aprendizaje –evaluación de conformidad con conceptual, procedimentales y
los momentos del acto pedagógico: INICIACION-DESARROLLO-FINALIZACIÓN actitudinal.
¿QUE HACER?:
Desarrollar guía
¿CÓMO HACERLO? (Descripción de pasos) CONCEPTO DE ESTADISITCA Y SU
Por medio de talleres DIVISION
Orientación y Socialización de ejemplos planteados.
¿QUE HACER?:
CONCEPTOS BASICOS POBLACION,
Lectura de la guía de aprendizaje MUESTRA, ETC.
¿CÓMO HACERLO? (Descripción de pasos)
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
¿QUE HACER?:
Glosario.
Parámetro.
Variable
Métodos
Estimador
INTRODUCCIÓN
Aunque el origen de la estadística no se conoce con exactitud puede afirmarse que estuvo presente en el desarrollo de las distintas
civilizaciones, en sus inicios, efectivamente fue utilizada por los gobernantes para conocer las características de sus estados, por
ejemplo el número de habitantes y sus actividades, el número de hombres disponibles para la guerra, el número de personas que morían
de una determinada enfermedad incluso el número de animales y de riquezas que poseían.
Si bien, estos fueron los inicios rudimentarios de la e estadística, aun hoy ese uso sigue dándose como una simple recopilación de datos
numéricos para analizar un fenómeno, como puede ser una recopilación de datos acerca de la producción de bienes y servicios, las cuentas
nacionales de un país, recuentos demográficos o de salubridad que pueden implicar un proceso laborioso y de alta técnica que
incluyen principios teóricos de microeconomía, macroeconomía o bioestadística, también pueden referirse a recuentos más sencillos o
cotidianos como las estadísticas que se relacionan con un partido de Softball o de Futbol.
Durante el siglo XVII, los franceses Blas Páscale y Pierre de Feermat, a partir de algunas inquietudes relacionadas con los juegos de azar
sentaron las bases de lo que posteriormente se conocería como Cálculo de Probabilidades, pero la palabra estadística sólo empezó a
utilizarse hasta el siglo XVIII en Alemania, en relación a estudios donde los grandes números, que representaban datos, eran de
importancia para el estado y fue hasta finales del siglo XIX y principalmente a principios del siglo XX, cuando Francis Galton, William
Gosset, Karl Pearson y sobre todo Ronald Fisher, crearon lo que hoy es la Estadística Moderna : más que una simple recopilación de
datos, es un proceso sistemático de principios científicos que pueden ser aplicados en muchas otras ciencias para contribuir a la toma
de decisiones en condiciones de riesgo o incertidumbre.
El acelerado desarrollo de la estadística durante los últimos años ha llegado hasta el punto de incursionar en la totalidad de las ciencias
y de otros campos no científicos, algunos eejemplos de estos son: establecer cuál de varios procedimientos o tratamientos es el mejor;
probarse una droga es más efectiva que otra en el tratamiento de una enfermedad ; elaborar modelos acerca del comportamiento del
inventario de una materia prima, para determinar el tamaño óptimo del lote que se requiere pedir, y lapsos de reaprovisionamiento;
realizar estudios de colas en bancos o en un supermercado con el propósito de establecer el número de cajas que se requieren para
atender a los clientes, esclarecer la paternidad de un escrito o los caracteres más relevantes de un idioma.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Los anteriores son algunos ejemplos que pueden ser aplicados en campos tan diversos como la Ingeniería, la Medicina, la
Administración. Pero todos tienen en común un hecho : S e acude al estudio de algunos casos, una muestra, con el fin de realizar
generalizaciones para ayudar en la toma de decisiones, y justamente, el Administrador de Empresas es el profesional que
frecuentemente se enfrenta a la toma de decisiones, pues tiene diferentes alternativas entre las cuales debe elegir con el propósito de
maximizar la administración empresarial. En el estudio de administración de salarios, la Investigación de Operaciones, en el Control de
calidad, en la investigación de mercados, en comercialización son campos en los cuales el administrador de empresas se suele mover
frecuentemente y en los cuales sus conocimientos son necesarios para inferir y predecir lo que va a ocurrir; por lo tanto la
estadística se convierte en la herramienta fundamental a la hora de tomar decisiones de importancia.
Además de las anteriores consideraciones, la Estadística como ciencia de origen Matemático le ayudará en la obtención de un proceso
de racionamiento lógico en la organización de conjuntos de datos numéricos que le permitirán con mayor eficiencia enfrentar
decisiones en su vida estudiantil o profesional.
Dentro de este contexto, es entonces, que la Estadística se considera una poderosa herramienta que le permitirá utilizar procedimientos y
técnicas necesarias como soporte de la toma de decisiones a nivel empresarial.
La estadística puede definirse como: Ciencia que trata de los procedimientos para recolectar, procesar, interpretar, sistematizar y a n a l i z a r
conjuntos de datos numéricos obtenidos de una población o de una muestra con el fin de extraer conclusiones acerca de un determinado
fenómeno para apoyar la toma de decisiones.
ESTADISTICA DESCRIPTIVA
-Describe Los Datos -Lee Números, Valores Aplica el METODO DEDUCTIVO Es decir va de lo general a lo particular.
-Se recoge información atraves de los diferentes instrumentos. -Se organiza. -Se Tabula. -Se analiza. -Se presenta la información a través de
tablas y de gráficos. -Se sacan descripciones, es decir se leen los resultados obtenidos de las tablas y graficas. Muestra n1 x (Promedio) x
Elementos Tengo un grupo de datos y de ellos saco un solo valor. Por eso se dice que va de lo GENERAL a lo PARTICULAR
ESTADISTICA INFERENCIAL
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
No se describe ni se lee aquí: se sacan conjeturas, se predice y se puede concluir. Aplica o sigue el METODO INDUCTIVO. Es decir, va de
lo particular a lo general.
-Comprobar las predicciones a través de hipótesis. -Se concluye. X promedio X N (POBLACIÓN) Tengo un valor, y hago un estudio de ese dato y
saco la conclusión de la población. Se hace una ESTIMACIÓN DE LA POBLACIÓN. Por eso se dice que va de lo PARTIDULAR a lo GENERAL.
1. FUENTES PRIMARIAS : Son aquellos datos obtenidos ya sea por encuestas directas, mediante utilización de cuestionarios, o como
resultados de la observación directa; es una técnica muy utilizada en estudios de carácter científico o en investigación de mercados. Se
puede decir también que son datos publicados por quien recoge directamente de la fuente de información primaria.
Ejemplo: Son fuentes primarias: Personales (entrevistas, correo, etc., y experimentos),
Unipersonales (auditoria, análisis de rastreo o de contenido, simulación)
Mixta (observaciones)
2. FUENTES SECUNDARIAS: En esta los datos se obtienen de publicaciones, las cuales pueden ser reproducciones totales o parciales.
Son valiosas para cualquier tipo de investigación.
Ejemplo: Son fuentes Secundarias: Bibliotecas, centros de documentación, folletos, revistas, archivos, etc.
1.5 VARIABLE: Una variable estadística será cualquier propiedad o característica de los miembros de una población susceptible de tomar
determinados valores mediante un procedimiento de medición, de modo que dichos valores puedan ser clasificados exhaustivamente en un
cierto número de categorías posibles, es decir, es una característica de interés sobre cada individuo de una población o muestra.
Por ejemplo: edades, pesos, color del cabello, estatura, entre otros, al referirnos a un grupo de personas.
TIPOS DE VARIABLES.
Las variables pueden ser: CUANTITATIVAS (Es aquella que podemos expresar numéricamente) y CUALITATIVAS (Es aquella que expresa
un atributo o característica es decir en palabras).
Las variables se pueden clasificar de acuerdo al nivel de medición como: escala nominal, escala ordinal, escala de intervalo y escala de razón
ESCALAS DE MEDICION: Son una sucesión de medidas que permiten organizar datos en orden jerárquico.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
ESCALAS DE MEDICION
INTERVALOS RAZON
ESCALA NOMINAL: Esta usa nombre para establecer categorías. Puede usar números, pero éstos son de carácter simbólico.
Ej: Género: Femenino 1; Masculino 2. Estado Civil: Casado 1 ; Soltero 2; Viudo 3; Divorciado 4; Unión Libre 5
ESCALA ORDINAL: Establece una relación ˃ 0 ˂ que los números asignados. Sí indican jerarquía.
Ej: Mucho 1; Medianamente 2; Poco 3; Nada 4.
ESCALA DE INTERVALOS: Registra de manera numérica la distancia entre dos puntos. El cero no indica ausencia de variable y es arbitrario.
Ej: Temperatura; Fechas del calendario.
ESCALA DE RAZON: Es la escala más fuerte. El cero indica ausencia de variable. La diferencia entre dos valores es de magnitud
conocida. Ej: ingresos/ mes.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
1. VARIABLES CUANTITATIVAS DISCRETAS. Son aquellas que toman un número finito de valores posibles. Estas variables suelen asumir
solo valores enteros. Por ejemplo el número de hijos de una persona solo admite valores enteros. En general sus valores se obtienen
mediante procesos de conteo.
2. VARIABLES CUANTITATIVAS CONTINUAS. Son aquellas que pueden tomar cualquier valor real. En general corresponden a variables
que se obtienen a partir de procesos de medición. Peso, estatura longitud, ingreso, son algunos ejemplos de variables cuantitativas
continuas. Esta c l a s i f i c a c i ó n e s i m p o r t a n t e p u e s t o q u e e x i s t e n p r o c e d i m i e n t o s d i f e r e n t e s p a r a s u tratamiento
estadístico según sea el tipo de variable que se analice.
1.6 CARACTERISTICA: Son diferente cualidades que se pueden medir a la hora de realizar un estudio sobre una determinada población o
muestra
1.7 ATRIBUTO: Los atributos son aquellos caracteres que para su definición precisan de palabras, es decir, no le podemos asignar un
número o que no se pueden cuantificar. Por ejemplo Sexo Profesión, Estado Civil, etc.
A su vez las podemos clasificar en: Ordenables: Aquellas que sugieren una ordenación, por ejemplo la graduación militar, El nivel de
estudios, etc. No ordenables: Aquellas que sólo admiten una mera ordenación alfabética, pero no establece orden por su naturaleza, por
ejemplo el color de pelo, sexo, estado civil, etc.
1.8 POBLACION (N): Es un conjunto integrado por objetos o acontecimientos, y características o propiedades, las cuales son objeto de
estudio de la estadística. Es el conjunto (elementos) del que estamos interesados y al cual analizaremos sus propiedades con el fin de obtener
conclusiones, normalmente es un grupo o conjunto muy grande como para abarcarlo completo.
En estadística la población es una colección de objetos, animales personas o de cualquier otra cosa.
Hay dos tipos de poblaciones:
FINITAS cuando es (o puede ser) posible enumerar físicamente los elementos que pertenecen a una población, es decir conocemos cuantos
elementos o unidades la componen
INFINITAS cuando los elementos de una población son ilimitados. Es decir cuando no conocemos cuantos elementos la componen
1.9 MUESTRA (n): Es un grupo o subconjunto representativo de la población, al que tenemos acceso y la cual es seleccionada para ser
estudiada y hacer las observaciones al ser la población demasiado grande como para ser abarcada o estudiada en su totalidad, se puede
decir que una población es un todo y una muestra es una fracción o segmento de ese todo.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
2.0 ELEMENTO O UNIDAD: Son todos aquellos qué componen la población o la muestra. Pueden ser personas, objetos, cosas e
instituciones.
2.1 PARÁMETRO: Es el valor numérico que resume todos los datos (característica) de una población completa. Un parámetro es un valor que
describe a toda la población, para todo parámetro existe una estadística muestral correspondiente; la estadística describe a la muestra de la
misma manera en que el parámetro describe a la población. Los parámetros se estiman a partir de la información aportada por una muestra de
la población.
2.2 ESTADIGRAFO 0 ESTADISTICO: Medida de resumen que permite hallar un valor numérico representativo de toda la población o muestra
en estudio. Los estadígrafos o medidas de resumen se clasifican en tres: Medidas de tendencia central (mediana, moda, promedio),
Medidas de posición (deciles, cuartiles, percentiles) y Medidas de dispersión (varianza y desviaciones). También de nominado estadístico,
al ser las medidas descriptivas inherentes a una muestra, las cuales pueden usarse como estimación del parámetro. Como ejemplo podría
tomarse los salarios promedio de una muestra de los empleados de una empresa.
2.3 ESTIMACION: Es la segunda forma de realizar inferencias acerca de un parámetro poblacional, es decir, podemos estimar su valor, sin,
probar una hipótesis acerca de su valor.
Los procedimientos de estimación pueden dividirse en dos tipos: Estimación puntual cuando se representa mediante un solo número y
Estimación por intervalo cuando se representa mediante dos números que determinan un intervalo sobre la recta. Ejemplo. Se quiere
estimar la altura media de los alumnos de un determinado curso. Se puede dar la estimación diciendo que la altura media es de 1.65 m
(estimación puntual) o bien decir que la altura media estará entre 1.6 m y 1.7 m (estimación por intervalo).
2.4 ESTIMADOR: Un estimador es una regla que expresa cómo calcular la estimación, basándose en la información de la muestra y se
enuncia, en general, mediante una fórmula. Puede ser Un estimador puntual cuando utiliza los datos de la muestra para obtener un número
que estima el valor del parámetro, o Un estimador por intervalo cuando utiliza los datos de la muestra para obtener dos valores numéricos
entre los cuales se supone que está el valor del parámetro estimado.
2.5 EXPERIMENTO: Es una actividad planeada cuyos resultados producen un conjunto de datos. El experimento incluye las actividades para
seleccionar los elementos y obtener los valores de los datos.
2.6 SUCESO: Es un subconjunto de un espacio muestral, es decir, un conjunto de posibles resultados que se pueden dar en un experimento
aleatorio. Puede ser: Suceso Simple (es un subconjunto del espacio muestral que contiene un único elemento), un suceso elemental (es
cada una de las posibles soluciones que se pueden obtener al realizar un experimento aleatorio) o Suceso compuesto (es un sub-conjunto
formado por dos o más sucesos elementales).
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
2.7 EVENTO: Un evento es el resultado posible o un grupo de resultados posibles de un experimento y es la mínima unidad de análisis para
efectos de cálculos probabilísticos.
A. Planeamiento y preparación.
B. Recolección.
C. Crítica y codificación.
D. Procesamiento.
E. Análisis e interpretación (numérico y gráfico).
F. Publicación.
A Planeamiento y preparación
Toda recolección de datos estadísticas de un hecho, requiere el establecimiento previo de un plan que detalle los aspectos que la investigación
va abarcar, que fije los procedimientos que se van a seguir, y que resuelve de antemano las posibles dificultades que se presume hayan de
presentarse.
La implantación de una nueva información estadística en una empresa privada u oficial o en un caso particular, exige el estudio y la redacción
de un proyecto al respecto. En general, un proyecto o plan de investigación estadística debe contemplar los siguientes aspectos:
1) El objeto de la investigación.
2) La finalidad.
3) Fuente de información.
4) Los procedimientos.
5) El material.
6) El costo y su financiación.
1. EL OBJETO DE LA INVESTIGACIÓN
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Nos referimos al hecho o fenómeno que vamos a observar y registrar numéricamente. En una investigación de salarios, el salario; en un censo
de población los habitantes; en una estadística industrial, la empresa; en una información de créditos, las operaciones crediticias.
2 FINALIDAD DE LA INVESTIGACIÓN:
El proyecto de una investigación estadística tiene que atender en segundo lugar, los fines que se persiguen con la investigación, porque así
como sean estos, habían de ser los demás puntos del proyecto:
1) Eje: Bioestadística
Se organiza una estadística de natalidad; se puede aspirar a muy diferentes fines por ejemplo: -se trata de conocer la proporción de los
sexos con un propósito biológico
- O sino, con un propósito demográfico de la población que entra a la vida. en el supuesto, el fin nos obliga preguntar por el sexo de
los hijos nacidos, muertos o vivos;
- Nos bastara con indagar los nacidos vivos.
2) Eje: Económico
Se prospecta una estadística de salarios. El objeto de esta investigación, entre otros, puede ser, bien
3 FUENTES DE INFORMACIÓN:
DIRECTA: es aquella en donde el hecho económico se produce. Eje: el hogar de la familia obrera, para investigar sus consumos y el costo de
su vivir;
Las listas o nóminas de salarios para obtener información de las cesantías de estos.
Los manifiestos de información y exportación para averiguar el consumo interno.
Las mejores son las fuentes directas cuando sea posible.
4 PROCEDIMIENTOS DE INVESTIGACIÓN
¿Cómo investigar?
¿Quién debe hacer la investigación y por qué sistema?
¿Cómo debe realizarse una investigación?
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Es decir, ¿Cuáles deben ser las normas generales y particulares de la estadística que proyectamos?
*Sencillez: sencillez en todo: En los formularios en las instrucciones en el proyecto, en la finalidad, en los cuadros, en los comentarios de
análisis, en los gráficos. La sencillez en condición esencial da la claridad, difícilmente se dará aquello sin esto
*Utilidad: toda estadística que se inicie debe tener alguna aplicación práctica de interés
5 MATERIAL ESTADÍSTICO
Está constituido por todos, los útiles, documentos o instrumentos necesarios, para llevar a bien fin la investigación cuestionarios-partes de él
6 PRESUPUESTO DE LA INVESTIGACIÓN
Comprende el cálculo del costo y su financiación, los partidos del costo, en general, suelen ser los siguientes
A. ORGANIZACIÓN
-Estudio preliminar
-Asesorías
-Trabajo geográfico
-Formulas del plan
-Plan de propaganda
-Impreso del formulario
-Adiestramiento del personal
-Contratación de servicios auxiliares
-Materiales y equipos.
B. TRABAJOS DE CAMPO (recolección)
C. SISTEMATIZACIÓN
D. PUBLICACIÓN
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
INVESTIGACIÓN
Para investigar necesito un TEMA del cual debo recoger la información a través de:
Entrevistas ABIERTAS
Encuestas PREGUNTAS
CERRADAS
Cuestionarios
PREGUNTAS
Pueden ser
ABIERTAS CERRADAS
a) PARAMETRO
b) ESTIMADOR
c) ESTADISTICO
d) VARIABLE
e) POBLACION
5) En los tres (3) ejemplos siguientes, determinar en cada uno de ellos ¿Cuál es la población?; ¿Cuál es la muestra?;¿cuál es la unidad?;
¿Cuál es la característica?; ¿Cuál es cualitativa o cuantitativa?; ¿Cuál de las variables es discreta o continua?
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
a) SE REALIZA UN ESTUDIO EN 350 HOGARES DE LA CLASE MEDIA DE LA CIUDAD DE CUCUTA PARA CONOCER EL TIPO DE
ACEITE O GRASA USADA EN LA COCINA. LOS RESULTADOS FUERON: 130 HOGARES UTILIZAN EL AJONJOLI,; MAIZ EN 90
HOGARES; GIRASOL EN 75 HOGARES; ETC
c) EN UN PLANTEL DE 800 NIÑOS DE AMBOS SEXOS, DE 5 A 12 AÑOS DE EDAD, SE REALIZO UN TEST DE ACEPTACION A 20
NIÑOS, UTILIZANDO UNA ESCALA DE 10 PUNTOS PARA MEDIR EL GRADO DE ACEPTACION DE UN NUEVO PRODUCTO QUE
FABRICA LA COMPAÑÍA CHOCOLATERA LA AVISPA S.A.
Objetivo:
Conceptualizar libre y espontáneamente, los siguientes parámetros relacionados con la guía de trabajo
¿Qué es estadística?
¿Cómo se divide?
¿Qué es un Dato?
¿Investigar los tipos de fuentes de Información y como se clasifican?
De 10 ejemplos de Variable Discreta y de Variable continua.
¿Para qué cree Ud., es importante esta asignatura en su rol laboral?
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
TALLER EN CLASE
Longitud
Peso en Kg
Consumo de cigarrillos por marca
Número de alumnos por universidad en Colombia
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
3. Determine si las siguientes características son cualitativas o cuantitativas o si son discretas o continuas.
Almacenes de la localidad de acuerdo a la especialidad (ropa, zapatos, etc)
La cantidad de artículos para el hogar comprado en el mes, por 30 hogares
El número de unidades por marca, comprado por las amas de casa en un barrio de la ciudad.
Ocupación de los familiares y amigos
Pagos mensuales en servicios por los propietarios en un conjunto residencial.
PROGRAMA: SEMESTRE
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Metodología Educativa:
ASIGNATURA:
ESTADISITCA DESCRIPTIVA Presencial: Distancia: Mod. Virtual:
X
TITULO DE LA UNIDAD DE APRENDIZAJE:
Total de Horas: 15
Horas Presenciales: 15
MANEJO DE DATOS
Horas de Trabajo Independiente 30
8. PRESENTACIÓN: (Contiene una descripción corta y concreta del contenido de la unidad, responde a las siguientes preguntas: ¿qué se va aprender? ¿Cómo se va
aprender? y ¿para qué se aprende en función personal y de la proyección social según el PPA?)
Todo profesional dentro de cualquier ámbito empresarial está sujeto a la toma de decisiones que delega su responsabilidad como personal idóneo, capaz de
seleccionar y proponer las situaciones optimas que garanticen el desarrollo y bienestar corporativo.
Por tal razón, la Estadística Inferencial proporciona las técnicas y procedimientos adecuados para garantizar mediante el nivel de confianza aceptado la ejecución
de una acción relacionada con un problema de incertidumbre específico.
9. COMPETENCIA ESPECÍFICA UNIDAD DE APRENDIZAJE: (Referido con la competencia de la unidad de aprendizaje según el cuadro matriz de
competencias y el Microcurrículo)
Suministrar herramientas para recolectar, procesar, caracterizar y presentar la información, de acuerdo a las técnicas estadísticas, para el
tratamiento de datos pertenecientes a variables reales que afectan y determinan las decisiones de una organización o investigación
Conocer y aplicar métodos estadísticos que sirvan para el estudio y posterior análisis de datos agrupados o no agrupados,
descripción, resumen y comprensión de datos y variables determinados como parte de un trabajo investigativo.
Desarrollo destreza para elaborar cuadros de Plantear y resolver situaciones cotidianas que
distribución de frecuencia involucren conceptos estadísticos
Interpreta y maneja las Técnicas de
agrupación de Frecuencias Desarrollo destreza para interpretar y elaborar Análisis y presentación de resultados a través
histogramas, polígonos de frecuencias y ojivas de tablas, cuadros y gráficos.
.
ACTIVIDADES DE APRENDIZAJE-EVALUACION
(Enunciar las estrategia pedagógica, ¿QUÉ HCER? y describir el proceso respectivo, ¿CÓMO HACERLO? CONTENIDOS TEMÁTICOS
tanto para la horas presenciales / como de trabajo independiente (Temas y subtemas) a nivel
FECHAS En las horas presenciales enunciar y desarrollar las actividades de aprendizaje –evaluación de conformidad con conceptual, procedimentales y
los momentos del acto pedagógico: INICIACION-DESARROLLO-FINALIZACIÓN actitudinal.
¿QUE HACER?:
Lectura de la guía de aprendizaje
¿CÓMO HACERLO? (Descripción de pasos) CONCEPTO DE TABLAS DE
FRECUENCIAS Y SUS
Por medio de talleres PROPIEDADES
Orientación y Socialización de ejemplos planteados.
¿QUE HACER?:
Desarrollar la guía de aprendizaje
¿CÓMO HACERLO? (Descripción de pasos)
ORGANIZAR DATOS CUALITATIVOS
Y CUANTITATIVOS EN TABLAS.
Socialización en clase - explicación y elaboración de ejercicios planteados
en la guía de aprendizaje.
ELABORACION DE TABLAS DE
FRECUENCIAS Y GRAFICAS, PARA
¿QUE HACER?: VARIABLES DISCRETAS Y
CONTINUAS
Identificar los conceptos y desarrollar la guía de apoyo académico
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
¿CÓMO HACERLO?
(Descripción de pasos)
Lectura de guías – Orientación docente – Explicación de ejercicios
planteados – Debate al interior del Aula - Se Finaliza con un taller práctico
Glosario.
Marca de clase
Histograma
Variable continua
Polígono
Tabulación
CONCEPTOS GENERALES
DISTRIBUCION DE FRECUENCIAS
Es un método para organizar y resumir datos. Bajo este método los datos que componen una serie se clasifican y ordenan
indicándose el número de veces que se repite.
Unas veces, se investigan todas las unidades o elementos de la población; en otras ocasiones, solo se toma una parte con la cual
se obtiene información, que requiere ser organizada y presentada en cuadros y graficas.
Cuando se toman todas las unidades o elementos de la población, se habla de una investigación exhaustiva o censo. Si solo se
investiga una parte, se le considera como investigación parcial o muestra.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
La muestra para que sea representativa de la población, requiere que las unidades o elementos sean seleccionadas al azar, en tal
forma que cada una de ellas tenga la misma posibilidad de ser seleccionada.
Para los símbolos utilizados en poblaciones se utilizan letras mayúsculas o griegas, en cambio para las muestras se emplean letras
minúsculas.
Los caracteres de los elementos de una población pueden ser cualitativos o cuantitativos. Los datos cualitativos denominados
también atributos son todos aquellos elementos que pueden ser descritos cualitativamente, es decir mediante palabras; son
ejemplos de atributos: la clasificación de los alumnos de una universidad por lugar de origen, clasificación de un grupo de personas
por ocupación, por cargo, por sexo, etc.
Las variables se dividen en DISCRETAS Y CONTINUAS. Es de tener en cuenta que esta clasificación tiene más valor teórico que
practico.
Las variables DISCRETAS son aquellas que admiten solamente valores enteros, es decir, no tienen valores intermedios. Ejemplo:
el número de hijos por familia será discreta, ya que no se podrá decir que una familia tiene dos hijos y medio; el número de
empleados por departamento en una empresa, etc.
Las variables CONTINUAS son aquellas que admiten valores fraccionarios, pudiéndose establecer intervalos. Ejemplo: la estatura
de una persona que mide un metro con setenta centímetros, que pesa sesenta kilos, una libra y cuatro onzas, etc.
1. VARIABLE
n = TamañoDISCRETA
de la muestra.
N = Tamaño de la población o universo de donde se extraen las muestras.
XiLos símbolos que utilizaremos tanto para la variable discreta como para la variable continua.
i = Identificación para cada valor de las variables.
ni = Frecuencias absolutas. Es el número de veces que se repite cada valor de la variable
Yi = Simboliza los valores que toman la variable
hi = Frecuencia relativa, valor porcentual, obtenido al dividir la frecuencia absoluta por n.
Ni = Frecuencia absoluta acumulada.
Hi = Frecuencia relativa acumulada.
Yi = Marca de clase, en la variable continua.
m = Numero de intervalos para la variable continua.
C = Amplitud
Yi-1 = Límite Inferior
Yi = Limite Superior
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Ejemplo:
Supongamos que se tiene una población constituida por 2000 cajas y deseamos examinarlas, con el fin de determinar el
número de piezas defectuosas que contiene cada caja. Por diferentes razones, se desea que la investigación no sea
exhaustiva, es decir, no examinar la totalidad de las 2000 cajas o universo sino, por el contrario, seleccionar una
muestra de tamaño 20, correspondiente a una investigación parcial.
N= 2000 n= 20
El resultado de esta encuesta, se nota a continuación. Siendo X, la primera caja examinada y 3 el número de piezas
defectuosas encontradas en esa caja y así sucesivamente:
En la anterior información o conjunto de datos, se observa que no están organizados que se denomina datos
originales o no ordenados.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Se hace necesario el ordenamiento o la clasificación de esos datos mediante un proceso que llamaremos tabulación o
procesamiento de datos.
En primer lugar se determina los valores que toma la variable en cuanto al número de piezas defectuosas, siendo en
este caso de 0 -1 -2- 3- 4. También se hubieran podido determinar los valores extremos (0 y 4) y luego los valores
intermedios (1, 2, 3); procedemos en seguida al conteo, a fin de determinar cuántas veces se repite cada valor de la
variable, resultado que denominaremos frecuencias o frecuencias absolutas.
Yi ni hi Ni Hi
0 2 0,10 2 0,10
1 3 0,15 5 0,25
2 5 0,25 10 0,50
3 6 0,30 16 0,80
4 4 0,20 20 1,00
Ʃ 20 1,00 - -
0˂ hi˂1
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
h1 = n1 h 2 = n2
n n
Las frecuencias Absolutas Acumuladas y las frecuencias Relativas Acumuladas se van sumando porque son
acumulativas y se obtienen:
DIAGRAMA DE FRECUENCIAS
ni
6
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
5
Cajas
4
0 1 2 3 4 Yi
# Piezas defectuosas
Ni
20
18
16
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
14
12
10
0 1 2 3 4 Yi
# Piezas defectuosas
2. VARIABLE CONTINUA:
Ejemplo:
Tenemos como ejemplo una muestra de 20 alumnos a fin de conocer su peso en kilos, para facilitar el trabajo
redondeamos las cifras.
El primer paso calcular el valor máximo y el valor mínimo, es decir el Rango o recorrido
R = Xmáx - Xmin R = 94 – 47 = 47
Segundo paso calculamos el número de intervalos y la Amplitud del intervalo y sus símbolos son m y C
Donde:
Se incrementó en cuanto al rango en 3 unidades. Esta se puede restar al límite inferior o aumentarse al límite
superior. En este caso le sumamos el valor más alto al limite superior y le restamos el valor bajo al límite inferior, es
decir, sumamos 2 al límite superior (94) y restamos 1 al límite inferior(47), quedando el límite superior en 96 y el límite
inferior en 46.
En la variable continua. Se designa con Yi – 1 --- Yi lo que significa el primero límite inferior y el segundo limite
superior.
Yi = 94 + 2 = 96
Yi-1 = 47 - 1 = 46
R= 96 – 46 = 50
La Marca de clase (Yi) se obtiene de la siguiente forma: Se calcula la primera, luego se le va sumando la amplitud y
así sucesivamente.
Y1 = Yi -1 + Yi = 46 + 56 = 51
2 2
Y2 = 51 + 10 = 61 Y3 = 61 + 10 = 71
Representación Gráfica:
La representación grafica para las frecuencias relativas y absolutas en variables continuas se hace mediante
histogramas de frecuencias. En el eje de las abscisas se señalan los intervalos que constituyen la base del
rectángulo, y el eje vertical u ordenada corresponde a las frecuencias absolutas o numero proporcional de ellas,
formando la altura del rectángulo.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
En el eje horizontal van los valores que toma la variable y en el eje vertical van las frecuencias.
ni
alumnos
4
Yi-1 - Yi
0 46 56 66 76 86 96
El peso en Kg
2. POLIGONO DE FRECUENCIAS: En la variable continua es bastante utilizado este diagrama, fijando puntos,
utilizando las marcas de clase y las frecuencias, luego se unen dando una línea poligonal tomada. Si en el
histograma de frecuencias unimos los puntos medios de la parte superior de cada rectángulo, obtenemos el
polígono de frecuencias.
ni
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
8 POLIGONO
4 HISTOGRAMA
Yi-1 - Yi
0 46 56 66 76 86 96
El peso en Kg
51 61 71 81 91 Yi
3. OJIVA: la representación gráfica para las frecuencias absolutas y relativas acumuladas en una variable
continua se hace a través de una ojiva ascendente.
Ni
25
20
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
15
10
Yi-1 - Yi
0 46 56 66 76 86 96
El peso en Kg
La mejor forma de realizar un análisis es lo que reflejan las graficas. En este caso del ejemplo podemos concluir
que la mayoría de los estudiantes tienen un peso entre 62 y 70 kgs.
EJERCICIO
Las estaturas (en centímetros de los socios de un club juvenil de Colombia) son los siguientes:
153 123 129 132 147 138 137 134 131 147
138 128 134 148 125 139 146 145 148 135
152 124 146 143 138 138 122 146 137 151
145 128 132 138 144 141 137 142 138 146
152 136 160 159 157 150 160 146 148 130
Se pide:
a) Agrupar los datos en una tabla de frecuencias con 6 intervalos
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Se incrementó en 4 unidades Xmax= 160 + 2 = 162 ӯ= 7015 = 140,3 Me= 140,46 Mo= 138,37 Cr= 141
Xmin = 122 – 2 = 120 50
R= 162 – 120 = 42 S² = 86,24 S= 9,287 CV=6,62%
TALLER #. 2
1. La siguiente tabla muestra los diámetros en pulgadas de nuestra muestra de 60 cojines de bolas fabricados por una
compañía.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
2. Homero Willis, capitán de un barco pesquero de Salter Path (North Carolina) tiene la creencia de que la pesca mínima para
recuperar la inversión debe ser de 5000 libras por viaje. A continuación, tenemos los datos de una muestra de la pesca de
20 salidas al mar que el barco de Homero ha hecho recientemente:
Tomando 4 clases y con una amplitud de 2000, construya una tabla de distribución de frecuencias y una ojiva que le ayude a
contestar las siguientes preguntas:
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
a. ¿Aproximadamente qué proporción de los viajes recupera y sobrepasa la inversión según Homero?
b. ¿Qué pescas del barco de Willis superan el 20%?
Sol:
a. Aproximadamente 0,675
b. Aproximadamente 4300 libras.
3. A continuación, se ofrece una distribución de frecuencia del peso de 150 personas que utilizaron un elevador cierto día.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
4. Una compañía fabrica 12 productos básicos. La compañía conserva el registro del número de cada producto fabricado por
mes, a fin de examinar los niveles relativos de producción. Los registros muestran que los siguientes números de cada
producto fueron fabricados por ella en el último mes de 20 días laborables:
Sol:
(1) Entre 7 y 8 productos
(2) Aproximadamente 9919 unidades.
5. Si los siguientes grupos de edad están incluidos en las proporciones indicadas. ¿Cuántos individuos de cada grupo deben ser
incluidos en una muestra de 2500 personas para que la muestra sea representativa?
PROGRAMAS: SEMESTRE
Metodología Educativa:
ASIGNATURA:
ESTADISITCA DESCRIPTIVA
X Presencial: Distancia: Mod. Virtual:
TITULO DE LA UNIDAD DE APRENDIZAJE:
Total de Horas: 15
Horas Presenciales: 15
MEDIDAS DE POSICION, DE DISPERSION
Horas de Trabajo Independiente 30
15. PRESENTACIÓN: (Contiene una descripción corta y concreta del contenido de la unidad, responde a las siguientes preguntas: ¿qué se va aprender? ¿Cómo se va aprender?
y ¿para qué se aprende en función personal y de la proyección social según el PPA?)
Todo profesional dentro de cualquier ámbito empresarial está sujeto a la toma de decisiones que delega su responsabilidad como personal idóneo, capaz de
seleccionar y proponer las situaciones optimas que garanticen el desarrollo y bienestar corporativo.
Por tal razón, la Estadística Inferencial proporciona las técnicas y procedimientos adecuados para garantizar mediante el nivel de confianza aceptado la ejecución de
una acción relacionada con un problema de incertidumbre específico.
16. COMPETENCIA ESPECÍFICA UNIDAD DE APRENDIZAJE: (Referido con la competencia de la unidad de aprendizaje según el cuadro matriz de
competencias y el Microcurrículo)
La finalidad es de describir el comportamiento de un hecho o de un conjunto de observaciones , mediante la elaboración de cuadros, gráficas y
la aplicación de medidas de posición y de dispersión para determinar un valor respecto a un conjunto de datos y así llegar a un análisis
completo.
Conocer y aplicar métodos estadísticos que sirvan para el estudio y posterior análisis de datos agrupados o no agrupados,
descripción, resumen y comprensión de datos y variables determinados como parte de un trabajo investigativo.
motrices)
Describir el comportamiento de un conjunto de
observaciones, mediante la aplicación de medidas Plantear y resolver situaciones cotidianas que
de posición y de dispersión, para determinar un involucren conceptos estadísticos
Interpreta y analiza el comportamiento de valor considerado como normal
las medidas de tendencia central o Análisis y presentación de resultados a través de
promedios y la dispersión de los datos Desarrollo y destreza para interpretar los tablas, cuadros y gráficos, la aplicación de las
resultados de los cálculos de las medidas y de medidas de posición y de dispersión.
otras medidas .
ACTIVIDADES DE APRENDIZAJE-EVALUACION
(Enunciar las estrategia pedagógica, ¿QUÉ HCER? y describir el proceso respectivo, ¿CÓMO HACERLO? CONTENIDOS TEMÁTICOS
tanto para la horas presenciales / como de trabajo independiente (Temas y subtemas) a nivel
FECHAS En las horas presenciales enunciar y desarrollar las actividades de aprendizaje –evaluación de conformidad con conceptual, procedimentales y
los momentos del acto pedagógico: INICIACION-DESARROLLO-FINALIZACIÓN actitudinal.
¿QUE HACER?:
Lectura de la guía de aprendizaje
¿CÓMO HACERLO? (Descripción de pasos) CONCEPTO DE CADA UNA DE LAS
Por medio de talleres MEDIDAS DE POSICION
Orientación y Socialización de ejemplos planteados.
¿QUE HACER?:
Desarrollar la guía de aprendizaje
¿CÓMO HACERLO? (Descripción de pasos)
APLICACIÓN DE CADA UNA DE ELLAS,
EN VARABLE CONTINUA.
Socialización en clase - explicación y elaboración de ejercicios planteados
en la guía de aprendizaje.
¿CÓMO HACERLO?
(Descripción de pasos)
Lectura de guías – Orientación docente – Explicación de ejercicios
planteados – Debate al interior del Aula - Se Finaliza con un taller práctico
Glosario.
Promedio
Media
Centro recorrido
Las medidas de tendencia central nos permiten determinar posición de un valor respecto a un conjunto de datos,
el cual consideramos como representativo para el total de las observaciones.
Estas medidas aplicadas a las características de las unidades en una muestra se les denomina estimadores o
estadígrafos. En cambio, aplicadas a las características de los elementos de una población se les conoce como
parámetros o valores estadísticos de la población.
1. Media aritmética
2. Mediana
3. Moda
4. Centro recorrido
1. MEDIA ARITMETICA ( ȳ ): Es la medida de posición mas utilizada, la más conocida y sencilla de calcular, de
gran estabilidad en el muestreo y sus formulas admiten tratamientos algebraicos.
Ejemplo:
Vamos a utilizar el del peso en Kg de los 20 alumnos de variable cuantitativa continua
Yi-1 - Yi ni hi Ni Hi Yi Yi * ni
46 ---- 56 3 0,15 3 0,15 51 153
56,1 --- 66 5 0,25 8 0,40 61 305
66,1 --- 76 7 0,35 15 0,75 71 497
76,1 --- 86 3 0,15 18 0,90 81 243
86,1 --- 96 2 0,10 20 1,00 91 182
Ʃ 20 1,00 ---- --- --- 1380
2. MEDIANA (Me): Se define como aquel valor de la variable que supera a no más de la mitad de las
observaciones y al mismo tiempo es superado por no más de la mitad de las observaciones. La mediana es el
valor central
3. MODA (Mo): Llamada también valor modal, es aquel valor de la variable que presenta mayor frecuencia.
ni +1 = Dato posterior
ni –1 = Dato anterior
4. CENTRO RECORRIDO (Cr) : Se define como la media aritmética de los valores extremos de la variable. En
una distribución cualquiera se toman los extremos, se suman y se dividen por dos
OTRAS MEDIDAS
CUARTILES
Q1 Q2 Q3
25% 75%
Me
D5
P50
50%
Kn Ni-1
4
CUARTILES: Qĸ = Yi-1 + C ni =
1(20) = 5 POSICION
4
Cuartil Dos
2(20) = 10 POSICION
4
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
3(20) = 15
4
Kn Ni-1
DECILES: Dĸ = Yi-1 + C 10
ni
Kn Posición
10
K= 1………9
D4= 66
Kn Ni-1
PERCENTILES: Pĸ = Yi-1 + C 100
ni
Kn Posición
100
K= 1…...99
P8 = 51.3
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Calcular el Decil 6
12 8
D6= 66 + 10 = 71,71 El 60% de los alumnos pesan 71,71 o más Kilogramos
7
Calcular el Percentil 80
MEDIDAS DE DISPERSION
1.VARIANZA (S²): De todas las medidas de dispersión la más importante, más conocida y usada es la varianza.
Se define como la media aritmética de los cuadrados de las desviaciones respecto a su media.
2. DESVIACION ESTANDAR O TIPICA (S): Es la raíz cuadrada de la varianza, considerada siempre con signo
positivo.
3. COEFICIENTE DE VARIACION: En ocasiones nos interesa comparar la variabilidad de dos series de datos.
Generalmente podemos encontrar, al hacerlo, que ambas series están expresadas en diferentes unidades.
Puede darse el caso de que estén expresadas en la misma unidad, pero nos interesa determinar la variación
respecto a una base. Para resolver los anteriores problemas se usa el coeficiente de variación.
El coeficiente de variacion se expresa en terminos porcentuales.
TALLER # 3
1. Suponga que se administra un test de aptitud a todos los aspirantes a puestos oficiales de una región. Se
elige al azar una muestra de 50 aspirantes y estos son los resultados:
a) Las medidas de tendencia central que siempre existen son _________ y ________.
b) Cuando existen datos extremos no es adecuado el empleo de la ___________ como medida de tendencia central.
c) La medida de variabilidad que es adecuada calcular cuando las medias de los grupos difieren es ______________.
e) La clase ________es aquella dónde la frecuencia es mayor.
e) La varianza indica la distancia promedio de cualquier observación del conjunto de datos con respecto a
_______________.
f) La diferencia entre el valor más alto de un conjunto de datos y el mínimo se conoce como ____________.
3) Se les pidió a un grupo de estudiantes de la Universidad que hiciera una valoración global de la vida en una residencia
universitaria. El dueño de la residencia quisiera alojar sólo a hombres porque piensa que éstos son mucho menos exigentes
que las mujeres. Los resultados promedios obtenidos en una encuesta de valoración de la residencia entre 1(baja) y
10(alta), fueron los siguientes.
Hombres: 6,8 ; 9,1 ; 8,0 8,8 ; 8,8 ; 9,59 ; 7,90 ; 8,0 ; 8,0 ; 8,3 ; 10,0 ; 6,0 ; 6,5
Mujeres: 7,0 ; 7,1 ; 7,4 ; 7,3 ; 7,0 ; 7,5 ; 7,2 ; 7,15 ; 6,9 ; 6,8 ; 7,0 ; 7,3
Realice un análisis descriptivo de los datos que incluya gráficos y las medidas descriptivas adecuadas para investigar si
realmente el dueño tiene razón en lo planteado.
PROGRAMAS: SEMESTRE
Metodología Educativa:
ASIGNATURA:
ESTADISITCA DESCRPTIVA Presencial: Distancia: Mod. Virtual:
X
TITULO DE LA UNIDAD DE APRENDIZAJE:
Total de Horas: 10
Horas Presenciales: 10
TEORIAS DE PROBABILIDAD
Horas de Trabajo Independiente 20
22. PRESENTACIÓN: (Contiene una descripción corta y concreta del contenido de la unidad, responde a las siguientes preguntas: ¿qué se va aprender? ¿Cómo se va aprender?
y ¿para qué se aprende en función personal y de la proyección social según el PPA?)
Todo profesional dentro de cualquier ámbito empresarial está sujeto a la toma de decisiones que delega su responsabilidad como personal idóneo, capaz de
seleccionar y proponer las situaciones optimas que garanticen el desarrollo y bienestar corporativo.
Por tal razón, la Estadística proporciona las técnicas y procedimientos adecuados para garantizar mediante el nivel de confianza aceptado la ejecución de una acción
relacionada con un problema de incertidumbre específico.
23. COMPETENCIA ESPECÍFICA UNIDAD DE APRENDIZAJE: (Referido con la competencia de la unidad de aprendizaje según el cuadro matriz de
competencias y el Microcurrículo)
El propósito de esta asignatura es lograr que el estudiante adquiera las competencias necesarias en la identificación de estudios que le permitan
analizar y tomar decisiones como aportes al proyecto de investigación
Desarrollar métodos probabilísticos para la toma de decisiones y aplicar pruebas para estimación de parámetros a partir de datos muestrales
25. INDICADORES DE DESEMPEÑO DE LA UNIDAD DE APRENDIZAJE(equivalentes a los resultados de aprendizaje y escritos en
tercera persona como comportamientos o desempeños a observar en el estudiante: define,(sabe-saber) realiza (saber-hacer)
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
asume (saber-ser)
SABER-HACER SABER-SER
SABER-SABER
(Habilidades mentales o procedimientos cognitivos y destrezas
(Conceptos, teorías, principios, leyes, datos, )
motrices)
(Actitudes – comportamientos- valores)
Interpreta y maneja los conceptos Desarrollar operaciones probabilísticas para que Relaciona el concepto con precisión y claridad en
generales de probabilidades las aplique en proyecciones de mercadeo de un su entorno para adecuar y desarrollar proyectos.
producto o servicio.
ACTIVIDADES DE APRENDIZAJE-EVALUACION
(Enunciar las estrategia pedagógica, ¿QUÉ HCER? y describir el proceso respectivo, ¿CÓMO HACERLO? CONTENIDOS TEMÁTICOS
tanto para la horas presenciales / como de trabajo independiente (Temas y subtemas) a nivel
FECHAS En las horas presenciales enunciar y desarrollar las actividades de aprendizaje –evaluación de conformidad con conceptual, procedimentales y
los momentos del acto pedagógico: INICIACION-DESARROLLO-FINALIZACIÓN actitudinal.
¿QUE HACER?:
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
EVALUACIÓN
Glosario.
Probabilidad
Teorema de Bayes
evento
INTRODUCCIÓN
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
El concepto de probabilidad puede ser interpretado como algo indefinible, pero utilizado para expresar, de algún modo, un grado de
creencia que uno tiene de la ocurrencia de un suceso; nos referimos a algo que puede suceder con base en la experiencia que se tenga.
Con frecuencia observamos o escuchamos el estado de tiempo, o sea los pronósticos meteorológicos sobre la posibilidad de buen tiempo o
la presencia de lluvias fuertes o ligeras, gran nubosidad, vientos fuertes o en calma, etc. Los hinchas de los diferentes equipos de futbol
discuten frecuentemente sobre la posibilidad de clasificación o de ganar el campeonato; algo similar ocurre con los que juegan lotería o
apuestan en las carreras de caballos; el mismo alumno cuando se refiere a la posibilidad que tiene de ganar o de perder una asignatura;
todos ellos son pronósticos que hacemos con la esperanza que suceda.
Se puede hablar de POSIBILIDADES y de PROBABILIDADES el primero hace referencia a la comparación entre el numero de resultados
favorables con los desfavorables. En el segundo es el cuociente entre el numero favorable sobre el total de casos posibles
N° de defectuosos N° defectuosos
P= P=
N° de no defectuosos Total, de casos posibles
CONCEPTO
Se puede decir que la probabilidad es una creencia basada en la experiencia. La probabilidad se puede definir bajo varios puntos de vista:
a) métodos axiomáticos: el cual concibe la probabilidad de ocurrencia de un suceso, como un número comprendido entre 0 y 1. Este
concepto tiene que ver directamente con la noción de frecuencia relativas, donde 0 < hi <1.
b) método empírico o practico: considera la probabilidad de un suceso, como aquel numero al cual se aproxima cada vez más la
frecuencia relativa de la ocurrencia de un suceso, cuando las veces que se repite el experimento que origina ese suceso es lo bastante
grande.
c) método clásico: considera la probabilidad como el cociente de dividir al número de casos favorables o éxitos que pueden ocurrir en
una prueba, por el total de casos posible.
PROBABILIDAD A PRIORI: es aquella que se puede determinar de ante mano, sin necesidad de realizar el experimento. EJ: la
probabilidad que aparezca cara en el lanzamiento de una moneda, se sabe de antemano que es igual a 0,5 es decir ½.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
PROBABILIDAD EMPÍRICAS: se determina mediante una serie de experimentos, es el caso, de determinar el éxito de una operación
quirúrgica practicada por un determinado medico, será: número de casos favorables, dividido por el toral de operaciones practicadas.
EXPERIMENTO (U): es el conjunto de pruebas realizadas en las mismas condiciones. Ej. Lanzamos una moneda correcta, lo natural del
resultado será obtener cara o sello. U= [c, s]
ESPACIO MUESTRAL: es el conjunto de todos los resultados posibles asociados a un experimento determinado. Simbólicamente U es el
conjunto de resultados posibles asociados a un experimento.
EVENTO: es un conjunto de 1 o más puntos muéstrales. Ej.: al lanzar un dado, se tendrá, que 1, 2, 3, 4, 5,6, son seis elementos; si se pide
la aparición de un número impar el elemento estará constituido por 1, 3,5.
ESPERANZA (esperanza matemática): si p es la probabilidad de éxito de un suceso en un solo ensayo, el número esperado de sucesos o
la esperanza de ese suceso en n ensayos estará dado por el producto de n y la probabilidad de éxito.
E= n*p
Ejemplo: en el lanzamiento 900 veces de dos dados, ¿Cuál es la esperanza de q la suma de sus caras sea un valor menor a 6?
(1,1) (1,2) (2,1) (2,2) (2,3) (3,1) (3,2) (1,3) (1,4) (4,1)
6² = 36 P= 10
36
E= n*p = 900 10
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
36
= 9000 = 250
36
Es la esperanza de que en 250 de los 900 lanzamientos, la suma de sus caras sea menor a 6.
1) Experimento. Lanzamos una moneda, Lo natural del resultado será obtener Cara o Sello
U= {1, 2, 3, 4, 5, 6}
3) Experimento. Elige al azar un alumno del curso de Estadística en la Facultad de Ingeniería. Total de alumnos 35
U= { 1, 2, 3, 4, 5,………………..35}
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
U= {cc ss cs sc}
5) Experimento. Al lanzar dos dados. Al lanzar dos monedas Al lanzar tres monedas
6²= 36 2² = 4 2³ = 8
Cada uno que conforma el espacio muestral se llama punto muestral, es decir HHH; HHM……
1. Al lanzar un dado:
2. Al lanzar 3 monedas:
5. Tres corredores A, B y C compiten entre ellos frecuentemente; han ganado el 60%, el 30% y el 10% de las competiciones
respectivamente. En la próxima carrera.
¿Cuál será el espacio muestral?
¿Qué valores podríamos asignar a los puntos muéstrales?
¿Cuál es la probabilidad de que A pierda?
6. En la serie mundial, supongamos que un equipo sea más fuerte que otro y tenga una probabilidad de 2/3 de ganar el juego
independientemente de los acontecimientos de cualquier otro juego. Bajo estos supuestos, es posible demostrar que las probabilidades de
que la serie finalice al cabo de 4, 5, 6 o 7 juegos son respectivamente: 0,21; 0,30; 0,27 y 0,22. Hallar el número esperado de juegos en la
serie, bajo estos supuestos.
BARAJA ESPAÑOLA: En
total son 40
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
REGLAS DE PROBABILIDADES
1. REGLA DE LA ADICION
Sucesos Mutuamente Excluyentes: Si dos o más sucesos son tales que solamente uno de ellos puede ocurrir en un solo ensayo, se
dice que son mutuamente excluyentes. De acuerdo a lo anterior significa que solamente un solo suceso o evento puede ocurrir, o sea
que los demás no se pueden presentar al mismo tiempo.
FORMULA:
Ejemplos:
P
P (A
(A oo B)
B) == P(A)
P(A) ++ P
P (B)
(B) P
P (A
(A oo B
B oo C)
C) == P(A)
P(A) ++ P
P (B)
(B) ++ P(C)
P(C)
La probabilidad de obtener un AS o un REY, sacando una sola carta de una baraja española de 40 cartas. Si uno de los casos aparece,
queda excluido el otro.
P(A)
P(A) == 44 == 11 (As)
(As) P
P (B)
(B) == 44 == 11 P(A
P(A oo B)
B) == P(A)
P(A) ++ P
P (B)
(B) == 11 ++ 11 == 22 == 1/5
1/5
40
40 10
10 40
40 10
10 10 10
10 10 10 10
Sucesos No Mutuamente Excluyentes o Compatibles: se dice que dos sucesos son compatibles cuando la posibilidad de que ocurra
un suceso no impide la ocurrencia del otro.
FORMULA:
P(A
P(A oo B)
B) == P(A)
P(A) ++ P
P (B)
(B) –– P(A
P(A yy B)
B)
EJEMPLO: En una baraja de 40 cartas se extrae una carta y se desea saber ¿cuál es la probabilidad de que la carta extraída sea AS o
COPAS?
2. REGLA DE LA MULTIPLICACION
Sucesos independientes: se dice que dos o más sucesos son independientes, si la probabilidad de presentación de ninguno de ellos
queda influenciada por la presentación del otro. En caso contrario se dicen que son dependientes, es decir, si el resultado de un suceso
no afecta al otro.
Formula:
P(A
P(A yy B)
B) == P(A)
P(A) ** P
P (B)
(B) P(A
P(A yy B
B yy C)
C) == P(A)
P(A) ** P
P (B)
(B) ** P(C)
P(C)
Ejemplo: ¿qué probabilidad tendremos de obtener dos reyes sacando una carta de una baraja y la otra de una segunda baraja?
P= 4 * 4 = 16 = 1/100
40 40 1600
40
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Sucesos Dependientes: se dice que los sucesos son dependientes o eventos compuestos, si la ocurrencia o no ocurrencia de un
evento en cualquier prueba afecta la probabilidad de otros eventos en otras pruebas, es decir que la probabilidad del segundo suceso
depende del primer suceso, el del tercero de lo que haya sucedido en el primero y segundo y así sucesivamente.
Formula:
P(A
P(A yy B)
B) == P
P (A)
(A) ** P
P (B/A)
(B/A) P(A
P(A yy B
B yy C)
C) == P
P (A)
(A) ** P
P (B/A)
(B/A) ** P
P (C/A
(C/A yy B)
B)
1. Ejemplo: Probabilidad de obtener 3 Ases, sacando sucesivamente 3 cartas de una baraja española, sin volverlas a incluir (sin reposición)
en el montón.
P1 = 4 ; P2 = 3 ; P3 = 2
40 39 38
P= 4 x 3 x 2 = 1
40 39 38 2470
2. Ejemplo: Cuatro personas sacan sucesivamente una carta de un mazo de 40 cartas sin reposición. ¿Cuál es la probabilidad de que la
primera persona saque el AS de espadas, la segunda el REY de copas, la tercera un REY y la cuarta un AS?
P= 1 1 3 3 9
40 * 39 * 38 * 37 = 2193360 = 0,0000041
3. Ejemplo: Dos equipos de balompié revuelven sus camisetas, once son de color verde y las restantes 11 rojas. Se van a extraer 2
camisetas. ¿Cuál es la probabilidad de que las dos sean rojas? Sin reposición
P (V Ո A) = 11 10 0,2381
22 * 21 =
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
2. Tenemos en una caja con 16 bolas de cuatro colores diferentes: 3 bolas azules, 6 bolas negras, 2 bolas blancas, 5 bolas verdes. ¿qué
probabilidad tenemos de ganar o perder si las premiadas son las blancas y azules?
3. En un grupo de estudiantes la probabilidad de que tengan computador es de 0,60; auto 0,30, y que tengan ambos 0,25. ¿cuál es la
probabilidad de que un estudiante tenga computador o auto o ambas cosas?
4. Suponga que se tienen 30 fichas de tres colores así: amarillo 15 fichas, negro 10 fichas y azul 5 fichas. Al mezclarlas ¿cuál es la
probabilidad, al sacar una de ellas, de que sea: a) azul, b) azul o negra, c) amarilla o negra.
5. En una baraja de 40 cartas, al extraer una carta, ¿Cuál es la probabilidad de obtener una figura o copas?
6. En un grupo de estudiantes la probabilidad de obtener un puntaje bajo es de 0,20; que se haya graduado en la universidad es 0.5 y que
se den ambos es de 0,05. ¿Cuál es la probabilidad de que un estudiante obtenga un puntaje bajo o se haya graduado en la
universidad?
7. Juan y Grisel estudian en un mismo curso. La probabilidad de que Juan no pierda ninguna materia es de 0,8 y que Grisel obtenga el
mismo resultado es de 0,90. ¿Cuál es la probabilidad (a) de que los dos no pierdan ninguna materia, (b) que Juan pierda por lo menos
una y Grisel ninguna, (c) que los dos pierdan?
9. Cuatro amigos que se dirigen a un lugar, toman cuatro rutas diferentes de acuerdo al riesgo que se corra de tener algún accidente. Si se
le asignan las probabilidades de riesgo para cada ruta: 0,2; 0,15; 0,25; 0,10. ¿Encuentre la probabilidad: a) de que ninguno sufra
dificultades? b) que los cuatro sufran accidentes? c) los dos primeros sufran accidentes y los restantes no?
10.En una bolsa hay 6 bolitas blancas y cinco amarillas, se sacan de una en una sin reposición. ¿Cuál es la probabilidad de que la primera
sea blanca, la segunda amarilla, la tercera blanca y así sucesivamente?
11.¿Cuál es la probabilidad de obtener 3 ases, sacando sucesivamente 3 cartas de una baraja de 40 cartas, sin volverlas a incluir en el
mazo (montón)?
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
12. Una maquina que produce un determinado articulo fue adquirida bajo la condición de que el 3% de los artículos producidos son
defectuoso. Si el proceso se realiza bajo control, es decir independiente, ¿Cuál es la probabilidad de que: a) dos artículos seguidos
sean defectuosos? b) dos artículos seguidos no sean defectuosos? c) un articulo defectuoso y el otro bueno, en cualquier orden, d) tres
artículos seguidos sean buenos?
P (A/B) = P (A y B) P (A Ո B) Ո= Intersección / = quiere decir: dado que, sabiendo que, sí se sabe que, sí tal cosa
P (B) = P (B)
Elemento común de ambos conjuntos
Ejemplos
1. Se encuentra en una facultad que del 70% de los alumnos matriculados, el 70% son mujeres y el 18%, mujeres estudiantes de
economía. Si elegimos un estudiante al azar y resulta que es mujer, ¿Cuál es la probabilidad de que esté estudiando economía?
2. El 18% de las familias de un barrio tienen vehículo propio, el 20% tiene vivienda de su propiedad y el 12%, vivienda y vehículo. ¿Cuál es
la probabilidad de tener vivienda SÏ se tiene vehículo?
B B̕ Total
A 0,12 0,06 0,18
A̕ 0,08 0,74 0,82
Total 0,20 0,80 1,00
P (A y B) ȏ P (A Ո B) Ո= Intersección
P (total) = P (total)
Ejemplos:
P = P (B̕ Ո A)
P (total)
P = 0,12 = 0,12
1,00
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
P = P (B ̕ Ո A) = 0,06 = 0,06
P (total) 1,00
P = P (B ̕ Ո A ̕ ) = 0,74
P (total) 1,00
PROBABILDAD MARGINAL: No tiene formula. Como lo dice la palabra todo lo que va al margen a los extremos.
P ( B ̕ ) = 0,80
P (A) = 0,18
P(A̕ ) = 0,82
4. ¿Cuál es la probabilidad de tener vivienda?
P (B) = 0,20
P ( H / F ) = P ( H y F ) = 150
P(F) 270
P ( F / H ) = P ( F Ո H ) = 150
P(H) 600
P ( H ) = 600
1000
P (H y F) = P ( H Ո F ) = 150
P (total) 1000
P (C) = 230 =
1000
TEOREMA DE BAYES
El matemático inglés Thomas Bayes (1763), en el siglo XVII desarrolló una fórmula para resolver problemas de probabilidades,
cuando se formulan hipótesis a posteriori sobre la probabilidad a priori de eventos ya ocurridos. Supongamos que en control de
calidad examinemos un lote de unidades producidas y al extraer una de ellas obtener la posibilidad de que sea defectuosa: Ahora,
consideremos que en realidad la unidad relacionada si lo fue, podemos hacernos una pregunta en sentido inverso. ¿Cuál es la
probabilidad de que esta unidad defectuosa haya sido producida por una de las 5 máquinas en actividad?
Este teorema establece, que si sucede cierto evento, que depende de la ocurrencia de los eventos A o B o C correspondientes a un
conjunto de sucesos mutuamente excluyentes, la probabilidad de que E haya ocurrido a consecuencia de A, lo cual expresamos: P
(A/E), corresponda al producto de las probabilidades individuales del evento A y del evento E. dividido por la probabilidad
alternativa del evento E con respecto a cada uno de los eventos independientes de A, B y C.
EJEMPLOS: Supongamos que se tienen dos recipientes A1 y A2 en la primera se tienen 26 bolitas, de las cuales 10 son
azules y 16 verdes, y en la segunda son 26 distribuidas así: 6 azules y 20 verdes. Si se elige al azar una urna y de ella se extrae
una bolita. ¿Cuál es la probabilidad de que sea Verde?
URNA 1 URNA 2
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
10 Azules 6 Azules
A1 = 16 Verdes A2 = 20 Verdes
26 26
1 16
P (A1 / V) = P (A1)* P (V/A1) = 2 26 = 0,446
P (V) 0.69
1 20
P (A2 / V) = P (A2) * P (V/A2) = 2 26 = 0.385 = 0,558
P(V) 0.69 0.69
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
SEGUNDO EJEMPLO
Se tienen tres máquinas A, B, C producen el 45%, 30% y 25% respectivamente, del total de las piezas producidas en una fábrica.
Los porcentajes de producción defectuosa de éstas máquinas son del 3%, 4% y 5%
A. P( D ) = P (A) * P (D/A) + P (B) * P (D/B) + P(C) * P (D/C) = 0.45 *0.03 + 0.30 * 0.04 + 0.25 * 0.05 = 0.038
La que tiene mayor probabilidad de haber producido la citada pieza defectuosa proviene de la maquina A
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
TECNICAS DE CONTEO
En el cálculo de las probabilidades es necesario conocer ciertos mecanismos que nos permitan obtener el número de veces de
ocurrencia de un suceso, en forma rápida y con un mínimo de riesgo a equivocaciones.
Las siguientes técnicas de conteo son:
¡Se simboliza por Pn = n! o también como n Pn = n! Se lee como permutaciones de n elementos tomados de n en n. ¡El símbolo n! se
lee n factorial y se desarrolla de la siguiente manera: 8! = 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1
Ejemplos:
En la primera línea del salón de clases se tienen colocados 8 pupitres y se quiere sentar a 8 alumnos; ¿de cuantas maneras se
podrán colocar?
Supongamos que se tienen los siguientes números naturales 1, 2, 3, 4 y se quiere formar cifras de 4 dígitos
4P4 = ó P4 = 4! = 4 x 3 x 2 x1 = 24
P4 = 4! = 4 x 3 x 2 x 1 = 24
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
¿De cuantas maneras distribuiríamos 3 monedas de $50 y 4 monedas de $100 en una misma línea?
P7( r: 3, 4 ) =
7! = 35
3! * 4!
Con la palabra BARRANQUILLA ¿Cuántas palabras se pueden formar?
b) VARIACIONES: Son permutaciones en las que implica orden en la colocación de los elementos, pero con la diferencia a las
permutaciones, de que se toma únicamente una parte de los elementos del conjunto.
n
FORMULA: n Vr = ó nPr = ó Vr Son los diferentes símbolos, que pueden utilizarse y que se leen como variaciones o
permutaciones de n elementos tomados de r en r.
4P3 = 4! = 4! = 24
(4 – 3)! 1!
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
c) COMBINACIONES: Son un arreglo de los elementos sin importar el orden en que se dispongan
FORMULA: ¡nCr = n!
(n – r)! *r!
Ejemplo: Cuántos comités diferentes pueden seleccionarse entre 7 hombres y 4 mujeres, si deben constituirse de:
a) 3 hombres y 2 mujeres
b) 5 personas de las cuales por lo menos tres deben ser hombres.
b) 7C3 * 4C2 + 7C4 * 4C1 + 7C5 * 4C0 = 35* 6 + 35 * 4 + 21 = 210 + 140 + 21= 371
Segundo Ejemplo: ¿De cuántas maneras se pueden sacar dos manzanas de una caja que contiene 8 manzanas?
Solución: 8C2 = 8! = 28
(8 – 2)! * 2!
Tercer Ejemplo: Es necesario elegir un comité de 10 personas entre 6 abogados, 8 economistas y 5 ingenieros. Si el comité debe estar
integrado por 4 abogados, 3 economistas y 3 ingenieros
d) DIAGRAMA DE ARBOL: Es una forma muy sencilla de mostrar o listar la secuencia de las operaciones que pueden realizar
Ejemplo:
Al lanzar dos veces la moneda. Cuál es la probabilidad de que caigan ambas caras.
Resultados
Posibles
2 Lanzamiento
C ½ S CS ½ * ½ = ¼ = 0.25
½
½ C SC ½ * ½ = ¼ = 0.25
½ S
½ S SS ½ * ½ = ¼ = 0.25
1.00
Se tienen tres máquinas A, B, C producen el 45%, 30% y 25% respectivamente, del total de las piezas producidas en una fábrica. Los
porcentajes de producción defectuosa de éstas máquinas son del 3%, 4% y 5%
0.45
D 0.30 * 0.04 = 0.012
0.04
0.30
B
0.96 ND 0,30 * 0,96 = 0,288
0.25
D 0.25 * 0.05 = 0.0125
0.05
C
0.95
ND 0,25 * 0,95 = 0,2375
Tercer ejemplo:
Suponga que el observatorio meteorológico clasifica cada día según las condiciones del viento, como ventoso o en calma; según la
cantidad de lluvia caída, en húmedo o seco y según la temperatura como caluroso, normal o frio. ¿Qué espacio muestral es necesario
para caracterizar un día? ¿Qué valores se pueden asignar a los puntos muestrales?
1.00
P = 1 = 0.0833 = 8.33%
12
Cuarto ejemplo:
1ª Facultad
0.4 Hombre
0.4 Hombre
P (M) = 0.6
P(1ªF/M) = 0.3
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
TALLER DE PROBABILIDADES
1. Una carta se extrae aleatoriamente de una baraja de 52. Encontrar la probabilidad de que sea:
a. Un as
b. Diez de corazones
c. Un 3 de tréboles o un 6 de diamantes
d. Un corazón
e. Un 10 o una pica
f. Ni un 4 ni un trébol
Sol: 1/13
Sol: 1/52
Sol: 1/26
Sol: 1/ 4
Sol: 4/13
Sol: 9/13
2. Una caja contiene 10 esferas rojas, 30 blancas, 20 azules y 15 naranjas, si se extrae aleatoriamente una de ellas determinar:
a. La probabilidad de que sea naranja o roja
b. La probabilidad de que sea blanca, roja o azul
Sol: 1/3
Sol: 4/5
3. Con los mismos datos del problema anterior, suponer que se extraen 2 esferas sucesivamente de la caja y que hay reemplazamiento
de la esfera extraída después de cada extracción para determinar:
a. La probabilidad de que ambas sean blancas
b. La probabilidad de que la 1era sea roja y la 2da sea blanca
c. La probabilidad de que sean rojas o blancas o de ambos colores ( rojas y blancas)
Sol: 4/25
Sol: 4/75
Sol: 64/225
4. Se hacen 2 extracciones de una baraja de 52 cartas. Hallar la probabilidad de que las 2 cartas extraídas sean ases, siendo las
extracciones sin reemplazamiento.
Sol: 1/221
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
5. Se extraen sucesivamente 3 esferas de una caja que contiene 6 esferas rojas, 4 blancas y 5 azules. Hallar la probabilidad de que
sean extraídas en el orden roja, blanca y azul, si las extracciones son:
a. Con reemplazamiento
b. Sin reemplazamiento
Sol: 8/225
Sol: 4/91
6. Susana Rivero es una consultora de una compañía publicitaria que lanzó recientemente una campaña para un nuevo restaurante.
Susana acaba de instalar 4 anuncios panorámicos en la carretera a la entrada de la ciudad, y sabe, por su experiencia, la probabilidad
de que cada anuncio sea visto por un conductor escogido aleatoriamente. La probabilidad de que el 1° anuncio sea visto por un
conductor es de 0,75. La probabilidad de que el 2° sea visto es de 0,82; la probabilidad para el 3° es de 0,87 y la del 4° es de 0,9.
Suponiendo que el evento, consistente en que un conductor vea cualquiera de los anuncios, es independiente de si ha visto o no los
demás. Calcular la probabilidad de que:
a. Los 4 anuncios sean vistos por un conductor escogido aleatoriamente
b. El 1° y el 4° anuncio sean vistos, sin que el 2° y el 3° sean notados
c. Exactamente uno de los anuncios sea visto
d. Ninguno de los anuncios sea visto
Sol: 0,481545
Sol: 0,015795
Sol: 0,0316
Sol. 0,000585
8. Un transportista de productos tiene 10000 cajas de plátanos que vienen de Ecuador y de Honduras. Una inspección de la carga ha
arrojado la información siguiente: # de cajas con: # de cajas Fruta dañada Fruta muy madura
a. ¿Cuál es la probabilidad de que una caja seleccionada al azar contenga fruta dañada?
b. ¿Cuál es la probabilidad de que una caja seleccionada al azar sea ecuatoriana o de
¿Honduras?
c. Dado que una caja seleccionada al azar contiene fruta muy madura, ¿cuál es la probabilidad de que venga de Honduras?
d. Si tener fruta dañada y fruta muy madura son eventos mutuamente excluyentes. ¿Cuál es la probabilidad de que una caja contenga
fruta dañada o fruta muy madura?
Sol: 0,0565; 1; 0,2599; 0,17 respectivamente.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
9. Un terapeuta físico que trabaja en la universidad sabe que el equipo de fútbol jugará 40% de sus juegos en campos con pasto
artificial en la presente temporada. También sabe que las posibilidades de que un jugador de fútbol sufra una lesión en la rodilla son
50% más altas si juega en pasto artificial en lugar de hacerlo en pasto natural.
Si la probabilidad de que un jugador sufra una lesión en la rodilla mientras juega en pasto artificial es de 0,42.
a. ¿Cuál es probabilidad de que un jugador elegido aleatoriamente sufra una lesión en la rodilla? Sol: 0,336
b. ¿Cuál es la probabilidad de que un jugador elegido aleatoriamente con lesión en la rodilla haya sufrido ésta mientras jugaba en un
campo con pasto natural? Sol: 0,5
10.Un vendedor ambulante cuyo puesto está ubicado frente a un edificio de oficinas, tiene que determinar si en el día de hoy vende
refrescos o helados; pues considera que la utilidad que realice en el día dependerá del clima. Adjunto se muestra la tabla de
rendimiento:
El vendedor, con base a su experiencia, sabe que en esta época del año la probabilidad de que haga un clima cálido es de un 60%.
Determine cuál de los dos bienes debe vender.
Sol: helados.
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
DISTRIBUCION DE PROBABILIDADES
VARIABLE DISCRETA:
DISTRIBUCION BINOMIAL
DISTRIBUCION POISSON
VARIABLE CONTINUA:
DISTRIBUCION NORMAL
DISTRIBUCION BINOMIAL
x n-x
FORMULA: P (X=) = nCx P Q
nCx = Combinación
P = Probabilidad de Éxito
Q = Probabilidad de Fracaso
n = Tamaño de muestra
Q=1-P
P + Q = 1 o 100%
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Ejemplo: En una facultad, la probabilidad de que un alumno apruebe el semestre es del 80%. Si consideramos 8
alumnos. ¿Cuál es la probabilidad de que?:
a) Dos ganen
b) Dos Pierdan
n= 8 P= 0,2 Q= 0,8 X= 2 3 4 5 6 7 8
P(X= 2, 3, 4, 5, 6, 7, 8)
01 2345678
P1 + P2 = 1 o 100%
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
0 8
P(X= 0) = 8C0 * (0,2) * (0,8) = 0,1677
1 7
P(X= 1) = 8C1 * (0,2) * (0,8) = 0,3355
P1 = 0,5032
7 1
P(x=7) = 8C7 * (0,8) * (0,2) = 0,3355
8 0
P(X=8) = 8C8 * (0,8) * (0,2) = 0,1677
P2 = 0,5032
DISTRIBUCION POISSON
x -ƛ
P(x=) = ƛ * e
X!
ƛ = Landa ƛ= n * p
e = Euler = 2,71828
X ! = Lo que pide el ejercicio
EJERCICIO:
Si el 1% de las bombillas fabricadas por una compañía son defectuosas, hallar la probabilidad de que, en
una muestra de 100 bombillas, 3 sean defectuosas .
3 -1
ƛ= n * p P (x= 3) = 1 * e = 0.06131
ƛ= 100 * 0.01 =1 3!
X=3
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
SEGUNDO EJERCICIO
Suponga que en una empresa aérea, en promedio, uno de cada 150 vuelos se retrasan mas de una hora, si
se programan 1500 vuelos en un mes.
P= 1/150 = 0.006666
3 -10
ƛ= n * p P (x= 3) = 10 * e = 0.0075666
ƛ= 1500 * 0.0067 = 10 3!
X=3
b) Cuál es la probabilidad de que más de tres vuelos se retrasen más de una hora?
X= 0, 1, 2, 3 4 5 6 7 8, ……………1500
P1 + P2 = 1
0 -10
P(x=0) = 10 * e = 0.00004539
0!
1 -10
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
P(x=1) = 10 * e = 0.000453
1!
2 -10
P(X=2) = 10 * e = 0.00227
2!
3 -10
P(X=3)= 10 * e = 0.00757
3!
P1 = 0.0107
P2 = 1 – 0.0107= 0.9893
X= 0 1 2 3 4
4 -10
P(X=4) = 10 * e = 0.0189
4!
DISTRIBUCION NORMAL
La tabla de la distribución normal presenta los valores de probabilidad para una variable estándar Z, con
media igual a 0 y varianza igual a 1.
Para usar la tabla, siempre debemos estandarizar la variable por medio de la expresión:
Z =X-µ
µ=n*p σ
σ = √ n*p*q
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Siendo el valor de interés; la media de nuestra variable y su desviación estándar. Recordemos que, y
corresponden a parámetros, o sea valores en el universo, que generalmente no conocemos, por lo que
debemos calcular Z usando los datos de nuestra muestra.
En general, el valor de Z se interpreta como el número de desviaciones estándar que están comprendidas
entre el promedio y un cierto valor de variable x. En otras palabras, se puede decir que es la diferencia entre
un valor de la variable y el promedio, expresada esta diferencia en cantidad de desviaciones estándar.
EJEMPLO
Supongamos un conjunto de personas con edad promedio 25 años y desviación estándar 3,86. Nuestro
valor de interés (x) es 30 años. El valor de Z correspondiente será:
P(X˃30) = 0,0968
(A) 04032
25 30 X
0 1,3 Z
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
Este valor de Z nos dice que la edad de 30 años está a 1,30 desviaciones estándar sobre el promedio.
Segundo ejemplo
En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución normal,
con media y desviación típica .
Calcular el número de días del mes en los que se espera alcanzar máximas entre y .
P (21˂ X ˂ 27) n= 30 días del mes de JUNIO
(A) 0.2881
(A) 0,1554
21 23 27
- 0,4 0 0,8
TERCER EJEMPLO
La media de los pesos de estudiantes de un colegio es y la desviación típica .
Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan:
1. Entre y .
2. Más de .
3. Menos de .
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
4. .
5. o menos.
(A) 0,4525
(A)04996
60 70 75 X
Z
-3,3 0 1,67
SEGUNDO PUNTO
70 90 x 0
z
0 6,67
Z = X - µ = 90 – 70 = 20 = 6,6666 = 6,67 (A) 0,5000
σ 3 3
P= 0,5000 - 0,5000 = 0
Multiplicando la probabilidad por obtenemos E= n * p = 500 * 0 = 0
(A) 04772
64 70 X
Z
-2 0
CUARTO PUNTO.
P= .
Cuando la distribución es continua, la probabilidad de que la variable tenga un valor exacto siempre es nula (
). Por lo tanto
.
QUINTO PUNTO.
o menos.
MUESTREO
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
n = Z² σ²
E²
1)
95 / 2 = 0.4750
(A) 0.4750 1.96
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
n = Z² P Q
E²
n=?
n= (1.64)² (0.72) (0.28) = 150.6 151
NC = 0,90 (0.06)²
E = 0.06
P = 0.72
Q = 0.28
90 / 2 = 0.4500
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
n = Z² P Q
E²
90 / 2 = 0.4500
(A) 0.4500 1.64
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON
UNIVERSIDAD FRANCISCO DE PAULA SANTANDER
DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA
GUÍA DE APRENDIZAJE
Profesora: MARITZA PORRAS CHACON