1

CONCEPTOS DE PROGRAMACIÓN Y MÉTODOS ESTADÍSTICOS

JORGELIS PRIMERA, MARÍA JOSÉ D’CROZ, ANDERSON GÓMEZ,

ALEJANDRO LÓPEZ Y NICOLÁS TORRES

ÁREA DE TECNOLOGIA E INFORMATICA

DOCENTE GUILLERMO MONDRAGÓN

INSTITUCIÓN EDUCATIVA LICEO DEPARTAMENTAL

SANTIAGO DE CALI

2023
 2

Tabla De Contenido

1. Métodos estadísticos, Población, Muestra…………………………………..……………3

2. Distribución de frecuencias………………….…………………………………………..12

3. Taller de estructuras básicas aplicando pseint…………………………………………...18

4. Representación del algoritmo usando el programa Pseint en modo flexible y muestra del

diagrama de flujo…………………….…………..………………………………………22

5. Laboratorio………………………………………………………………………….…...29

6. Conclusiones………………………………………………………………………….…29

7. Webgrafía…………………………………………………………………………….….30

8. Blogs de los integrantes del grupo………………………………………………….…...31

9. Evidencias del trabajo en grupo…………………………………………………………31

 3

1. Métodos Estadísticos, Población, Muestra.

Población: En estadística, el término "población" se refiere al conjunto completo de individuos,

objetos, eventos o medidas que se está estudiando. En otras palabras, la población es el universo

total de lo que se quiere investigar.

En la mayoría de los casos, la población es demasiado grande para poder examinar todos sus

elementos. Por lo tanto, se selecciona una muestra representativa de la población para realizar

inferencias sobre toda la población. Esto se hace utilizando técnicas estadísticas de muestreo.

Es importante tener en cuenta que la definición de población puede variar según el contexto y el

problema específico que se esté abordando. En algunos casos, la población puede ser una entidad

física claramente definida, como la población de un país. En otros casos, la población puede ser

más abstracta, como la población de posibles clientes de una empresa o la población de

estudiantes de una escuela. En cualquier caso, la población es un concepto fundamental en

estadística ya que es el punto de partida para realizar cualquier análisis de datos y obtener

conclusiones válidas.

Muestra: En estadística, una muestra es un subconjunto representativo de la población completa

que se selecciona para ser analizado con el fin de hacer inferencias sobre la población en su

totalidad. La muestra debe ser seleccionada de forma cuidadosa y estratégica para que sea

representativa de la población y permita obtener resultados precisos y confiables.

Para seleccionar una muestra representativa, se pueden utilizar diversos métodos de muestreo,

como el muestreo aleatorio simple, el muestreo estratificado, el muestreo por conglomerados y

 4

el muestreo sistemático, entre otros. Cada uno de estos métodos tiene sus ventajas y desventajas,

y se utilizan en función de las características de la población y los objetivos del estudio.

Una muestra representativa es importante ya que permite hacer inferencias sobre la población

completa a partir de la información obtenida de la muestra. Si la muestra no es representativa, es

decir, si no refleja adecuadamente las características de la población, los resultados obtenidos

pueden ser inexactos o engañosos.

En resumen, la muestra es un subconjunto de la población que se selecciona para su análisis en

estadística, y su selección cuidadosa y representatividad son esenciales para la obtención de

resultados precisos y confiables sobre la población completa.

Hipótesis: En estadística, una hipótesis es una afirmación o suposición que se hace sobre un

fenómeno o una relación entre variables, y que se somete a prueba empírica. En general, una

hipótesis se presenta en forma de una declaración que afirma algo sobre las características de

una población o sobre la relación entre dos o más variables.

En la investigación estadística, se utilizan dos tipos de hipótesis: la hipótesis nula y la hipótesis

alternativa. La hipótesis nula (H0) es la afirmación que se quiere probar falsa y que se sostiene

hasta que se rechaza con pruebas estadísticas. Por otro lado, la hipótesis alternativa (Ha) es la

afirmación contraria a la hipótesis nula, que se acepta si se rechaza la hipótesis nula.

Por ejemplo, si se quiere probar si el promedio de edad de los estudiantes de una universidad es

diferente de 25 años, se podría formular la hipótesis nula de que el promedio de edad es igual a

25 años, y la hipótesis alternativa de que el promedio de edad es diferente de 25 años. Luego, se

 5

pueden recolectar datos y realizar pruebas estadísticas para determinar si se acepta o rechaza la

hipótesis nula.

Es importante tener en cuenta que la formulación adecuada de una hipótesis es crucial para la

validez de los resultados de la investigación estadística. Una hipótesis debe ser clara, precisa y

estar basada en la teoría o la evidencia previa. Además, la hipótesis debe ser sometida a pruebas

empíricas rigurosas y validadas con técnicas estadísticas apropiadas para obtener conclusiones

válidas y confiables.

Variable: En estadística, una variable es una característica o atributo que se mide, se observa o

se manipula en un estudio o experimento. Las variables pueden ser de diversos tipos,

dependiendo de su naturaleza y su función en la investigación.

Las variables se clasifican en dos tipos principales: variables cualitativas y variables

cuantitativas.

Las variables cualitativas son aquellas que describen o clasifican un fenómeno o una población

en función de sus características no numéricas. Las variables cualitativas pueden ser nominales o

ordinales. Las variables nominales no tienen un orden lógico, como por ejemplo el género o la

ciudad de nacimiento, mientras que las variables ordinales sí tienen un orden lógico, como por

ejemplo la escala de satisfacción (muy insatisfecho, insatisfecho, neutral, satisfecho, muy

satisfecho).

Las variables cuantitativas son aquellas que miden cantidades numéricas. Las variables

cuantitativas pueden ser continuas o discretas. Las variables continuas pueden tomar cualquier
 6

valor en un intervalo dado, como por ejemplo la altura o el peso, mientras que las variables

discretas sólo pueden tomar valores enteros, como por ejemplo el número de hijos o el número

de estudiantes en una clase.

Es importante tener en cuenta que las variables son fundamentales en la estadística, ya que

permiten medir y analizar los fenómenos de interés en un estudio o experimento. Además, el tipo

de variable y la forma de medirla son importantes para determinar las técnicas estadísticas

apropiadas para su análisis.

Datos: En estadística, un dato es un valor numérico o un conjunto de valores que se obtienen de

una observación, medición o experimento. Los datos son la materia prima de la estadística y se

utilizan para realizar análisis y tomar decisiones informadas sobre los fenómenos que se

estudian.

Los datos pueden ser de diversos tipos, dependiendo de su naturaleza y su función en el estudio:

Datos cualitativos: Son aquellos que describen o clasifican un fenómeno en función de sus

características no numéricas. Por ejemplo, el género, la profesión, el nivel educativo, etc.

Datos cuantitativos: Son aquellos que miden cantidades numéricas. Los datos cuantitativos

pueden ser de dos tipos:

Datos discretos: Son aquellos que sólo pueden tomar valores enteros. Por ejemplo, el número de

hijos, la cantidad de estudiantes en una clase, etc.

 7

Datos continuos: Son aquellos que pueden tomar cualquier valor en un intervalo dado. Por

ejemplo, la altura, el peso, la temperatura, etc.

Una vez que se tienen los datos, se pueden realizar diversos análisis estadísticos para obtener

información relevante y útil sobre los fenómenos que se estudian. Algunos de los análisis más

comunes son la descripción de los datos mediante medidas de tendencia central (como la media,

la mediana o la moda), la variabilidad (como la desviación estándar o el rango intercuartil) y la

relación entre variables (como la correlación o la regresión).

Población: En estadística, la población se refiere al conjunto completo de todos los elementos o

individuos que comparten una característica común y que se desea estudiar. En otras palabras, es

el universo total de lo que se quiere investigar.

La población puede ser de diferentes tipos, como por ejemplo, personas, animales, objetos,

eventos o cualquier cosa que se desee estudiar. Algunos ejemplos de poblaciones podrían ser:

todas las mujeres mayores de 30 años en un país determinado, todas las plantas de una especie

en una región geográfica específica, todas las empresas de un sector económico en un país, entre

otras.

Es importante tener en cuenta que la población en estadística puede ser finita o infinita. En el

primer caso, la población tiene un número finito de elementos que se pueden enumerar o contar,

mientras que en el segundo caso, la población es infinita y, por lo tanto, es imposible contar

todos sus elementos.

 8

En cualquier caso, la población en estadística es fundamental, ya que a partir de ella se puede

definir la muestra y realizar inferencias sobre las características de interés. Por lo tanto, es

necesario tener un conocimiento preciso y completo de la población para que los resultados

obtenidos sean representativos y confiables.

Muestra: En estadística, una muestra es un subconjunto representativo de la población que se

selecciona con el fin de realizar un estudio o una investigación. En otras palabras, es un grupo de

individuos, elementos o unidades que se eligen de manera aleatoria o sistemática para

representar la población de interés.

La muestra es importante en estadística porque permite hacer inferencias acerca de la población

completa a partir de los datos recolectados en la muestra. Por ejemplo, si se desea conocer la

opinión de todos los estudiantes de una universidad sobre un tema determinado, no es posible

entrevistar a todos los estudiantes debido a las limitaciones de tiempo y recursos. En su lugar, se

puede seleccionar una muestra representativa de estudiantes y hacer inferencias sobre la opinión

de todos los estudiantes a partir de los resultados obtenidos en la muestra.

La selección de la muestra es un proceso crítico en la investigación estadística, y existen diversas

técnicas para hacerlo, como el muestreo aleatorio simple, el muestreo estratificado, el muestreo

por conglomerados, entre otros. Es importante asegurarse de que la muestra sea representativa de

la población, es decir, que refleje las características y la diversidad de la población de interés.

Nivel de medición nominal: El nivel de medición nominal es el nivel más básico de medición

de variables en estadística. En este nivel, las variables se categorizan o se clasifican en distintas

categorías, pero no se pueden ordenar de forma jerárquica.

 9

Las variables nominales no tienen ningún tipo de ordenamiento natural entre las categorías, sino

que simplemente se usan para distinguir entre diferentes grupos o categorías. Ejemplos comunes

de variables nominales pueden ser el género, la religión, la nacionalidad, el tipo de animal, el

color de ojos, entre otras.

En este nivel de medición, se pueden realizar análisis estadísticos básicos, como la frecuencia de

cada categoría, el porcentaje de cada categoría en la muestra, y las tablas de contingencia para

analizar la relación entre dos variables nominales.

Sin embargo, las variables nominales no se pueden utilizar para realizar análisis estadísticos más

avanzados, como la media, la desviación estándar, la correlación, entre otros, porque no hay

ningún ordenamiento jerárquico en las categorías que permita realizar estas operaciones. Por lo

tanto, es importante identificar correctamente el nivel de medición de las variables en un estudio

para poder elegir las técnicas y herramientas estadísticas adecuadas para el análisis.

1.2. Averigua: qué es la estadística, sus ramas y de qué trata cada una

La estadística es una rama de las matemáticas que se ocupa de la recopilación, análisis,

interpretación y presentación de datos numéricos. Su objetivo es resumir y describir la

información para facilitar la toma de decisiones basadas en datos.

 10

Las ramas principales de la estadística son las siguientes:

● Estadística descriptiva: esta rama se ocupa de la recopilación, organización y resumen

de datos. Su objetivo es describir y resumir los datos de una manera que sea fácil de

entender.

● Estadística inferencial: esta rama se ocupa de la estimación y predicción de

características de una población a partir de una muestra de datos. Utiliza técnicas como la

teoría de la probabilidad, la distribución de muestras y la regresión para hacer inferencias

sobre la población.

● Estadística aplicada: esta rama se ocupa de aplicar los principios estadísticos a

situaciones prácticas. Incluye áreas como la estadística empresarial, la estadística médica

y la estadística social.

● Estadística matemática: esta rama se ocupa del desarrollo matemático de los principios

estadísticos y su relación con otras áreas de las matemáticas. Incluye áreas como la teoría

de la probabilidad y la inferencia estadística.

● Estadística computacional: esta rama se ocupa del desarrollo de métodos y algoritmos

para la implementación de técnicas estadísticas en la computadora.

Cada una de estas ramas de la estadística trata de diferentes aspectos de la disciplina y se utiliza

en diferentes contextos y aplicaciones.

 11

1.2.3. Aplicaciones de la estadística (educación, contaduría, administración, deporte)

La estadística tiene una amplia gama de aplicaciones en diferentes áreas, algunas de ellas son:

● Educación: la estadística se utiliza para analizar los resultados de exámenes, evaluar

programas educativos y realizar estudios de investigación en el campo de la educación.

● Contaduría: la estadística se aplica en la contabilidad para realizar análisis financieros,

como calcular ratios financieros, hacer pronósticos de ventas y gastos, y analizar

tendencias.

● Administración: la estadística se utiliza en la gestión de empresas para tomar decisiones

informadas, realizar estudios de mercado, analizar el desempeño de los empleados y

predecir el comportamiento de los clientes.

● Deporte: la estadística se utiliza para analizar el desempeño de los jugadores y equipos,

pronosticar los resultados de los partidos y evaluar el rendimiento de los deportistas.

Estas son solo algunas de las aplicaciones de la estadística, pero la verdad es que esta disciplina

es utilizada en prácticamente todos los campos donde se requiere la recopilación, análisis e

interpretación de datos para la toma de decisiones informadas.

 12

2. Distribución De Frecuencias: Nombre de la variable, Frecuencia absoluta, Frecuencia

relativa porcentual, Equivalencia en grados.

Distribución de frecuencias: La distribución de frecuencias es una forma de organizar y

resumir datos en estadística. Consiste en contar la frecuencia de cada valor o categoría de una

variable y presentarla en una tabla. Para construir una distribución de frecuencias, se siguen los

siguientes pasos: Se recopilan los datos de la variable de interés, se determina el rango de la

variable, es decir, el valor mínimo y máximo que puede tomar la variable, se determina la

amplitud del intervalo o clase, que es la diferencia entre los límites superiores e inferiores de

cada intervalo. Los intervalos deben ser mutuamente excluyentes y exhaustivos, se divide el

rango de la variable en intervalos o clases de igual amplitud, se cuentan las frecuencias de cada

intervalo o clase, es decir, se cuenta la cantidad de observaciones que caen dentro de cada

intervalo , se presenta la información en una tabla de distribución de frecuencias, que incluye los

límites superiores e inferiores de cada intervalo, la frecuencia de cada intervalo, la frecuencia

acumulada y la frecuencia relativa.

La distribución de frecuencias es una herramienta útil para analizar y resumir grandes conjuntos

de datos. Permite identificar patrones y características de los datos, como la moda, la mediana y

la media, y también puede ser utilizada para construir histogramas y gráficos de barras que

ayuden a visualizar los datos de manera más clara.

Nombre de la variable: En una distribución de frecuencias, el nombre de la variable se coloca

en la columna de la izquierda de la tabla. Por lo general, el nombre de la variable se escribe en

una línea separada y encima de la columna, de manera que sea fácilmente visible.
 13

El nombre de la variable debe ser descriptivo y específico, para que el lector pueda entender

rápidamente el tipo de datos que se están presentando. Por ejemplo, si se está analizando la edad

de los estudiantes de una escuela, el nombre de la variable podría ser "edad" o "edad de los

estudiantes".

Es importante que el nombre de la variable sea claro y conciso, para que los lectores puedan

entender fácilmente los datos que se presentan en la distribución de frecuencias.

Frecuencia absoluta: La frecuencia absoluta en una distribución de frecuencias es el número de

veces que se observa un determinado valor o intervalo de valores de una variable. En una tabla

de distribución de frecuencias, la frecuencia absoluta se presenta en la columna central de la

tabla, al lado de cada valor o intervalo de valores.

Por ejemplo, si se está analizando la altura de los estudiantes de una clase y se ha dividido en

intervalos de 5 centímetros, se puede tener una distribución de frecuencias como la siguiente:

Altura (cm) Frecuencia absoluta

150 - 154 3

155 - 159 5
 14

160 - 164 7

165 - 169 4

170 - 174 1

En esta tabla, la frecuencia absoluta para el intervalo de altura de 155 a 159 cm es de 5, lo que

significa que hay 5 estudiantes que tienen una altura entre 155 y 159 centímetros.

La frecuencia absoluta es importante en la construcción de distribuciones de frecuencia porque

permite contar el número de veces que se observa cada valor o intervalo de valores y, por lo

tanto, ayuda a resumir y analizar grandes conjuntos de datos de manera más eficiente.

Frecuencia relativa porcentual: La frecuencia relativa porcentual es el porcentaje que

representa la frecuencia absoluta de cada valor o intervalo de valores con respecto al total de

observaciones en una distribución de frecuencias. En una tabla de distribución de frecuencias, la

frecuencia relativa porcentual se presenta en la columna de la derecha, al lado de cada valor o

intervalo de valores.

La fórmula para calcular la frecuencia relativa porcentual es:

Frecuencia relativa porcentual = (Frecuencia absoluta / Total de observaciones) x 100%

 15

Por ejemplo, si se tiene una distribución de frecuencias de los grados de los estudiantes de una

escuela con 1000 estudiantes, se puede tener una tabla como la siguiente:

Grado Frecuencia absoluta Frecuencia relativa porcentual

6 150 15%

7 300 30%

8 350 35%

9 200 20%

En esta tabla, la frecuencia relativa porcentual para el grado 7 es del 30%, lo que significa que el

30% de los estudiantes están en el grado 7.

La frecuencia relativa porcentual es útil porque permite comparar fácilmente la frecuencia de

cada valor o intervalo de valores con el total de observaciones, y así tener una idea clara de la

proporción de observaciones en cada categoría. Además, al expresarse en porcentajes, es fácil de

entender y comunicar.
 16

Equivalencia en grados: La equivalencia en grados en una distribución de frecuencias se utiliza

cuando se está trabajando con variables angulares, como por ejemplo en el caso de la dirección

del viento, la orientación de una construcción o la posición de un objeto.

Para realizar una distribución de frecuencias de variables angulares, se divide el círculo en una

serie de sectores, generalmente de 360 grados, y se cuenta el número de observaciones que caen

en cada sector. Cada sector representa un rango de valores angulares, y la frecuencia absoluta se

registra en la tabla de distribución de frecuencias.

Por ejemplo, si se está estudiando la dirección del viento en una ciudad y se ha registrado la

dirección en grados para cada medición, se puede tener una tabla de distribución de frecuencias

como la siguiente:

Dirección del viento (grados) Frecuencia absoluta

0 - 45 12

46 - 90 8

91 - 135 15
 17

136 - 180 10

181 - 225 9

226 - 270 14

271 - 315 11

316 - 360 13

En esta tabla, se han dividido los grados en ocho sectores de 45 grados cada uno, y se ha

registrado el número de observaciones que caen en cada sector.

La equivalencia en grados es importante para poder contar y clasificar las observaciones

angulares de manera adecuada, y así poder analizarlas y presentarlas de manera útil y clara.
 18

3. Taller De Estructuras Básicas Aplicando Pseint.

Averigua los siguientes conceptos: ¿Qué diferencia hay entre un contador y un acumulador?

¿Cómo declarar una variable en pseint? los lenguajes pueden ser de tres tipos, favor explique

cada uno, java-python y c++ ¿que representan?

● ¿Qué diferencia hay entre un contador y un acumulador?

Tanto los contadores como los acumuladores son variables utilizadas en programación para

almacenar y actualizar información en función de ciertos eventos o condiciones. Aunque a

menudo se usan en situaciones similares, hay una diferencia fundamental entre ellos.

Un contador se utiliza para contar el número de veces que ocurre un evento o condición

específica. Por ejemplo, un contador puede ser utilizado para contar el número de veces que un

usuario hace clic en un botón en una interfaz gráfica, o el número de veces que un bucle se

ejecuta en un programa. El contador se inicializa con un valor inicial, y cada vez que ocurre el

evento o condición, se incrementa en una unidad.

Por otro lado, un acumulador se utiliza para almacenar una cantidad que cambia gradualmente

en función de ciertos eventos o condiciones. Por ejemplo, un acumulador puede ser utilizado

para sumar una serie de valores, como el total de ventas de un negocio durante un período de

tiempo determinado. El acumulador también se inicializa con un valor inicial, y cada vez que

ocurre un evento o condición relevante, se agrega o resta un valor al acumulador.

En resumen, la principal diferencia entre un contador y un acumulador es que un contador se

utiliza para contar el número de veces que ocurre un evento o condición, mientras que un
 19

acumulador se utiliza para almacenar una cantidad que cambia gradualmente en función de

ciertos eventos o condiciones.

● ¿Cómo declarar una variable en pseint?

Para declarar una variable en PSeInt, debes seguir los siguientes pasos:

1. Elegir un nombre para la variable que sea significativo y fácil de recordar.

2. Indicar el tipo de dato que va a almacenar la variable. PSeInt soporta los siguientes tipos

de datos:

● Entero (representa un número entero)

● Real (representa un número decimal)

● Carácter (representa un único carácter)

● Cadena (representa una secuencia de caracteres)

● Lógico (representa un valor de verdadero o falso)

3. Utilizar la palabra reservada "Definir" seguida del nombre de la variable, dos puntos y el

tipo de dato que se va a utilizar. Por ejemplo, si se desea declarar una variable de tipo

entero con el nombre "edad", la declaración de la variable quedaría de la siguiente forma:

Aquí se está definiendo la variable "edad" como un número entero.

 20

Es importante recordar que las variables deben ser declaradas antes de ser utilizadas en el

programa. De lo contrario, el programa puede generar errores o comportarse de manera

inesperada

● los lenguajes pueden ser de tres tipos, favor explique cada uno

En informática, los lenguajes de programación se clasifican en tres tipos principales:

1. Lenguajes de programación de bajo nivel (lenguajes de máquina y lenguajes

ensambladores): Estos lenguajes son utilizados por el hardware de la computadora para

ejecutar instrucciones a nivel de circuitos. Son muy eficientes en términos de velocidad y

uso de recursos, pero su sintaxis y complejidad hacen que sean difíciles de entender y

utilizar por los programadores.

2. Lenguajes de programación de nivel intermedio (lenguajes compilados y lenguajes

interpretados): Estos lenguajes están diseñados para ofrecer un equilibrio entre la

facilidad de programación y la eficiencia en la ejecución. Los lenguajes compilados

(como C, C++, Fortran) son traducidos a lenguaje de máquina antes de su ejecución,

mientras que los lenguajes interpretados (como Python, Ruby, JavaScript) son traducidos

a medida que se ejecutan. Estos lenguajes ofrecen una sintaxis más fácil de entender y

utilizar que los lenguajes de bajo nivel, pero pueden ser menos eficientes en términos de

velocidad y uso de recursos.

3. Lenguajes de programación de alto nivel (lenguajes de scripting): Estos lenguajes son

diseñados para ofrecer una sintaxis más sencilla y cercana al lenguaje natural, lo que los

hace fáciles de aprender y utilizar por los programadores. Los lenguajes de scripting
 21

(como PHP, Perl, Bash) se utilizan principalmente para la automatización de tareas y el

desarrollo de aplicaciones web, pero también se pueden utilizar para desarrollar

aplicaciones de escritorio. Estos lenguajes son generalmente interpretados y no son tan

eficientes como los lenguajes de nivel intermedio, pero son muy populares debido a su

facilidad de uso y flexibilidad.

Cada tipo de lenguaje de programación tiene sus propias ventajas y desventajas, y se utilizan en

diferentes situaciones según las necesidades del proyecto.

● java-python y c++ ¿que representan?

Java, Python y C++ son lenguajes de programación de nivel intermedio que se utilizan

comúnmente en la industria del software y la programación.

Java es un lenguaje de programación orientado a objetos desarrollado por Sun Microsystems

(ahora propiedad de Oracle). Se utiliza comúnmente en la programación de aplicaciones

empresariales, aplicaciones móviles, juegos y software de servidor. Java se ejecuta en una

máquina virtual Java (JVM), lo que significa que el código se puede ejecutar en cualquier

plataforma que tenga una JVM instalada.

Python es un lenguaje de programación interpretado y de alto nivel. Es conocido por su sintaxis

clara y concisa, lo que lo hace fácil de aprender y utilizar para los principiantes. Python se utiliza

comúnmente en la ciencia de datos, la inteligencia artificial, la automatización de tareas, la

creación de scripts y el desarrollo web. Python es un lenguaje interpretado, lo que significa que

el código se puede ejecutar directamente sin necesidad de compilarlo previamente.

 22

C + + es un lenguaje de programación de propósito general y de alto rendimiento desarrollado

por Bjarne Stroustrup. Se utiliza comúnmente en la programación de sistemas, la creación de

videojuegos, la programación de dispositivos embebidos y la programación de aplicaciones de

escritorio. C + + es un lenguaje compilado, lo que significa que el código se debe compilar antes

de que se pueda ejecutar.

Cada uno de estos lenguajes de programación tiene sus propias fortalezas y debilidades, y se

utilizan en diferentes situaciones según las necesidades del proyecto.

4. Represente El Algoritmo Usando El Programa Pseint En Modo Flexible y Muestre

El Diagrama De Flujo, Hacer Las Capturas De Pantalla.

● Toma 2 números, hacer la resta, la multiplicación y la división; muestre el resultado.

● Resta
 23

Ejecución

● Multiplicación
 24

Ejecución

● División
 25

Ejecución

● Calcular el promedio de 4 calificaciones o el promedio de 4 notas.

 26

● Hacer un programa que muestre el área y perímetro de un triángulo.

Ejecución
 27

● Hacer un programa que muestre el área y perímetro de un círculo.

● Hacer un programa para convertir una temperatura ingresada de Celsius a Fahrenheit.

 28

● Hacer un programa para convertir una longitud ingresada en pulgadas a pies.

● Ingresar por teclado el nombre y la edad de cualquier persona e imprima tanto el nombre
como la edad.
 29

5. Laboratorio

Completa el laboratorio: cuadro de frecuencias de la variable/ lanzamiento de un dado no

cargado en 25 ocasiones.

6. Conclusiones

● Para concluir, principalmente tomamos como referencia la aplicación de los

conocimientos adquiridos en el aula de clases puestos en práctica en esta actividad. Es

decir, el desarrollo de habilidades de pensamiento y el reconocimiento de las estructuras

básicas de programación junto a los conceptos de estadística. A su vez, realizando todo lo

anterior haciendo uso de los diferentes materiales de apoyo anexados al classroom y

utilizando la herramienta de programación básica “Pseint”.

 30

● Recapitulando, este trabajo nos ha permitido conocer y profundizar en el uso de Pseint,

una herramienta de software muy útil para comenzar a aproximarse al lenguaje de

programación en código, y que puede ser la piedra angular para ser capaces de

trasladarlos algoritmos que diseñamos mentalmente a un lenguaje que sea comprensible

por un procesador. Todos los conceptos que investigamos son necesarios y recurrentes en

la programación, por lo que es importante tenerlos presentes, pues estos varían muy poco

o casi nada entre los distintos lenguajes de programación, que aún siendo más complejos

que el que usamos en Pseint, siguen teniendo bases muy similares. Además, tener

conocimientos básicos de programación nos sirven no solo para seguir avanzando en el

aprendizaje de esta, sino también para hallar mejores maneras de afrontar los problemas

que se nos presentan en nuestro día a día.

7. Webgrafía

● https://www.gestiopolis.com/que-es-estadistica-tipos-y-objetivos/

● https://www.lifeder.com/ramas-estadistica/

● https://medium.com/10-goto-10/algoritmos-variables-contadores-y-acumuladores-6d8f7d

1bfbc7

● https://pseint.sourceforge.net/pseudocodigo.php

● https://www.alegsa.com.ar/Dic/variable.php
 31

8. Blogs de los integrantes del grupo

● Jorgelis Primera: https://informaticabycarolina.blogspot.com/?m=1

● María José D’croz: https://guanabanof.blogspot.com/

● Alejandro López: https://latecla07.blogspot.com

● Anderson Gómez: https://polly2023.blogspot.com/

● Nicolás Torres: https://hawk906.blogspot.com/

9. Evidencias del trabajo en grupo