PORTAFOLIO DE

ESTADÍSTICAS
SEGUNDO
PARCIAL

Estudiante: Anchaluisa Aranea Alexis Paúl

Curso: SIN-S-MA-3-5
Docente: Ing. David Ramos
ÍNDICE

INTRODUCCIÓN……………..………………………………………………………………………. 1

IDENTIFICACIÓN DEL PROBLEMA ………………………………………………………………. 2

OBJETIVO GENERAL ……………………………………………………………………………….. 2

OBJETIVOS ESPECÍFICOS …………………………………………………………………………..2

MARCO TEÓRICO ……………………………………………………………………………………..3

MARCO METODOLÓGICO ………………………………………………………………………… 41

CONCLUSIONES …………………………………………………………………………………… 42

RECOMENDACIONES ……………………………………………………………………………… 42

BIBLIOGRAFÍAS ……………………………………………………………………………………….43

ANEXOS …………………………………………………………………………………………………44
INTRODUCCIÓN

En esta herramienta de evaluación incluye todos los temas tratados en el

segundo parcial de la asignatura Estadísticas I con ello aprenderlo de forma
práctica mediante ejercicios realizados en clases y así conseguir un mayor
aprovechamiento de la información empresarial con los datos investigados
en la clase.

Se analiza el estudio de estadística descriptiva con el fin de transformer

datos que están en bruto o no agrupados en alguna forma significativo,
es necesario organizarlos en una distribución de frecuencia, la cual se
representa en forma gráfica en un histograma o polígono de frecuencia
lo que nos ayudará a visualizar valores y datos.

Los temas que se verán en este parcial relacionado al estudio de la

estadística descriptiva son diagrama de puntos, gráfico de tallo y hojas,
percentiles, diagramas de caja, etc.
También todo concepto relacionado a las probabilidades, distribución de
probabilidades discretas y continuas, teorema de Bayes, etc.

Todos estos temas del semestre de la materia Estadísticas I nos permitirá

resolver problemas de negocio y de investigación en nuestro campo laboral
e incluso en la vida cotidiana.

1
IDENTIFICACIÓN DEL PROBLEMA

Como estudiante de la asignatura de Estadísticas I tuve una falencia respecto

al reconocer cuales son las medidas de tendencia central o para hallar datos
en los diagramas de puntos pues en ciertos casos el diagrama tenía más
puntos de lo que el intervalo permite o no sabría en que punto exacto estaba
ubicado el punto pues no daba detalles la gráfica y por decimales o confusión
el resultado variaba.

OBJETIVO GENERAL

Repasar todos los temas aprendidos en este segundo parcial, de forma

cronológica ya que cada tema es consecutivo y tener una base para adquirir
aprendizajes de estadística como el reconocer datos en una gráfica o saber
posibilidades en el ámbito estadístico o cotidiano, además de tener una noción
para nuestro campo laboral como la ingeniería en sistemas de una empresa.

OBJETIVOS ESPECÍFICOS

• Investigar en más fuentes que profundice o explique el tema sobre mi

falencia del reconocer datos en gráficas.

• Identificar definiciones estadísticas que me permitan aplicar las

probabilidades en ejercicios prácticos o reales de empresas y
así entender más acerca del campo laboral de mi carrera.

 Implementar los conocimientos adquiridos sobre el nuevo aprendizaje

de probabilidades mediante fórmulas aplicadas en estadística.

2
MARCO TEÓRICO

UNIDAD 4
En la unidad 4 del segundo parcial de la asignatura de Estadísticas I vimos
todo acerca de la descripción, presentación y análisis de datos.

Diagrama de puntos
Un diagrama de puntos es una gráfica utilizada para ilustrar un número
reducido de datos, la cual permite identificar con facilidad dos características.
La localización de datos.
La variabilidad de los datos.
Los diagramas de puntos sirven para presentar gráficamente tablas en las
cuales se consideran únicamente una variable y una cantidad asociada a cada
valor de la misma.
Ejemplo: Se desea saber cuantos libros se leyeron 10 estudiantes en el verano.

 Lo primero es organizar los datos de menor a mayor, sin importar que se

repitan.
0; 1; 1; 2; 2; 2; 3; 5; 5; 8.

 Segundo trazamos una recta numérica con los números del cero
(número menor) hasta el ocho (número mayor).
3
  Tercero en la recta numérica colocamos un punto en cada uno de los
números que aparecen el primer paso, colocando en el cero un punto,
en el uno dos puntos, en el dos tres puntos, en el tres un punto, el
número cuatro no se le ponen puntos y así sucesivamente.

Gráficas de tallo y hojas

Otra técnica que se utiliza para representar información cuantitativa en forma
condensada es el diagrama de tallo y hojas. Una ventaja de este diagrama
sobre la distribución de frecuencias consiste en que no se pierde la identidad
de cada observación. En el ejemplo anterior, no se conoce la identidad de los
valores en la clase de 90 a 100. Para ilustrar la forma de construir un diagrama
de tallo y hojas a partir de la cantidad de espacios publicitarios comprados,
suponga que las siete observaciones en la clase del 90 a 100 son: 96, 94, 93,
94, 95, 96 y 97. El valor de tallo es el dígito o dígitos principales, en este caso
9. Las hojas son los dígitos secundarios. El tallo se coloca a la izquierda de una
línea vertical y los valores de las hojas a la derecha.
El diagrama de tallo y hojas permite obtener simultáneamente una distribución
de frecuencias de la variable y su representación gráfica. Para construirlo basta
separar en cada dato el último dígito de la derecha (que constituye la hoja) del
bloque de cifras restantes (que formará el tallo).
Esta representación de los datos es semejante a la de un histograma pero
además de ser fáciles de elaborar, presentan más información que estos.

Otras medidas de posición

La desviación estándar es la medida de dispersión que más se utiliza. No
obstante, existen otras formas de describir la variación o dispersión de un
conjunto de datos. Un método consiste en determinar la ubicación de los
valores que dividen un conjunto de observaciones en partes iguales. Estas
medidas incluyen los cuartiles, deciles y percentiles.

• De igual manera, los cuartiles dividen a un conjunto de observaciones en

cuatro partes iguales.

• El primer cuartil, que se representa mediante Q1, es el valor debajo del

cual se presenta 25% de las observaciones, y el tercer cuartil, que
simboliza Q3, es el valor debajo del cual se presenta 75% de las
observaciones.

• Lógicamente, Q2 es la mediana. Q1 puede considerarse como la

mediana de la mitad inferior de los datos y Q3 como la mediana de la
parte superior de los datos.

Asimismo, los deciles dividen un conjunto de observaciones en 10 partes

iguales y los percentiles en 100 partes iguales.

Cuartiles, deciles y percentiles

Para formalizar el proceso de cálculo, suponga que Lp representa la ubicación
de cierto percentil que se busca. De esta manera, si quiere encontrar el
trigésimo tercer percentil, utilizaría L33; y si buscara la mediana, el percentil
50o., entonces L50. El número de observaciones es n; por lo tanto, si desea
localizar la mediana, su posición se encuentra en (n 1)/2, o podría escribir esta
expresión como (n 1)(P/100), en la que P representa el percentil que busca.

Sesgo
Otra característica de un conjunto de datos es la forma. Hay cuatro formas:
simétrica, con sesgo positive, con sesgo negative y bimodal. En un conjunto
simétrico de observaciones la media y la mediana son iguales, y los valores de
datos se dispresan uniformemente en torno a estos valores, Los valores de
datos debajo de la media y de la mediana constituyen una imagen specular de
los datos arriba de estas medidas. Un conjunto de valores se encuentra
sesgado a la derecha o positivamente sesgado si existe un solo pico y los
valores se extienden mucho más allá a la derecha del pico que a la izquierda
de éste. En este caso la media es más grande que la mediana. En una
distribución negativamente sesgada existe un solo pico, pero las observaciones
se extienden más a la izquierda, en dirección negaiva. En una distribución
negativamente sesgada, la media es menor que la mediana.
 UNIDAD 5
Conceptos de probabilidad
La capacidad para predecir algo es muy usada en estadística y se
llama probabilidad, un cálculo matemático que evalúa qué tan posible es
que suceda algo.
La probabilidad es un método por el cual se obtiene la frecuencia de un
acontecimiento determinado mediante la realización de un experimento
aleatorio, del que se conocen todos los resultados posibles, bajo
condiciones suficientemente estables.
  Es común que una probabilidad sea expresada en forma decimal, como
0.70, 0.27 o 0.50.

 No obstante, también se da en forma de fracción, como 7/10, 27/100 o

1/2. Se puede suponer cualquier número de 0 a 1, inclusive.

 Cuanto más próxima se encuentre una probabilidad a 0, más improbable

es que el evento suceda. Cuanto más próxima se encuentre la
probabilidad a 1, más seguro es que suceda

De manera similar, preguntar a 500 estudiantes universitarios si comprarían un

nuevo sistema de cómputo Dell a cierto precio constituye un experimento. Si se
lanza una moneda, un resultado particular es cara. El otro posible resultado es
cruz. En el experimento de la compra de la computadora, un posible resultado
es que 273 estudiantes indiquen que les gustaría comprar la computadora. Otro
es que 317 estudiantes la compren. Todavía hay otro resultado, que 423
estudiantes indiquen que la comprarían. Cuando se observan uno o más
resultados en los experimentos, constituyen un evento.
Enfoques para asignar probabilidades

Existen dos perspectivas para asignar probabilidades: los enfoques objetivos y

subjetivos.
La probabilidad objetiva se subdivide en probabilidad clásica y probabilidad
empírica.

Probabilidad clásica
La probabilidad clásica parte del supuesto de que los resultados de un
experimento son igualmente posibles. De acuerdo con el punto de vista clásico,
la probabilidad de un evento que se está llevando a cabo se calcula dividiendo
el número de resultados favorables entre el número de posibles resultados.
Probabilidad empírica
La probabilidad empírica o frecuencia relativa, el segundo tipo de probabilidad,
se basa en el número de veces que ocurre el evento como proporción del
número de intentos conocids.
Probabilidad subjetiva
Si se cuenta con poca o ninguna experiencia o información con la cual
sustentar la probabilidad, es possible aproximarla en forma subjetiva. En
esencia, esto significa que un individuo evalúa las opiniones e información
disponible y luego calcula o asigna la probabilidad. Esta probabilidad se
denomina adecuadamente probabilidad subjetiva.
En el caso de la expresión P(A o B), la conjunción o sugiere que puede ocurrir
A o puede ocurrir B. Esto también incluye la posibilidad de que A y B ocurran.
Tal uso de o a veces se denomina inclusivo. También es posible escribir P(A o
B o ambos) para hacer hincapié en el hecho de que la unión de dos eventos
incluye la intersección de A y B.

Reglas de la multiplicación
La regla especial de la multiplicación require que dos eventos, A y B, sean
independientes, y lo son si el hecho de que uno ocurra no altera la probabilidad
de que el otro suceda.
Tablas de contingencia

Una tabla de contingencia es una herramienta utilizada en la rama de la

estadística, la cual consiste en crear al menos dos filas y dos columnas para
representar datos categóricos en términos de conteos de frecuencia.
Esta herramienta, que también se conoce como tabla cruzada o como tabla de
dos vías, tiene el objetivo de representar en un resumen, la relación entre
diferentes variables categóricas.
La tabla de contingencia es una de las herramientas analíticas más útiles y un
pilar de la industria de la investigación de mercados.
Diagrama de árbol

Un diagrama de árbol es un esquema que permite establecer relaciones, de

manera jerarquizada, entre conceptos. Es uno de los gráficos más utilizados en
estadística, por lo que es importante conocer cómo hacer uno e interpretarlo.

Un diagrama de árbol es un tipo de gráfico utilizado en estadística

inferencial para representar, visualmente, las posibles consecuencias o
resultados de una acción. Se suele usar en el análisis de probabilidades y, por
esta razón, también se le conoce como árbol de probabilidad. En este caso, se
realizan cálculos porcentuales de la probabilidad de que se obtenga uno u otro
resultado.
El concepto de diagrama de árbol también se puede definir como
una representación gráfica de un proceso o de un concepto mediante unidades
que, relacionadas, constituyen un área de estudio o que juegan un papel en
alguna labor.
Se incluye dentro de los tipos de gráficos denominados dendrogramas, los
cuales se caracterizan por su apariencia similar a un árbol, y en donde las
unidades se ordenan de manera jerárquica. Entre este tipo de gráficos también
se puede incluir el cuadro sinóptico, en el cual se establece una jerarquía de
conceptos.

La utilidad de un diagrama de árbol radica en su capacidad de representar la

relación de causas y efectos de un experimento y, por lo tanto, facilitar su
comprensión e interpretación en una investigación. Su objetivo es brindar
un panorama del comportamiento de unas variables en un determinado
contexto.

En estadística inferencial, sirve para obtener una visión amplia de todos los
posibles resultados de un evento. En la labor deductiva de una investigación
enmarcada en esta rama de la estadística, un gráfico de este tipo favorece
la capacidad analítica para realizar conclusiones, pues se puede conseguir
información de manera rápida.
Aunque son mayormente mencionados en los estudios estadísticos, por su
carácter visual también es utilizado en otros ámbitos. Una de sus funciones en
el campo empresarial o administrativo es exponer un proceso y las partes que
lo conforman. En este aspecto es similar al diagrama de Ishikawa, pues los dos
se pueden utilizar en la identificación de las causas que afectan directamente la
productividad.
Árbol de decisiones

Un árbol de decisión es un diagrama en forma de árbol que muestra la

probabilidad estadística o determina un curso de acción. Muestra a los
analistas y, a los que toman las decisiones, qué pasos deben tomar y cómo las
diferentes elecciones podrían afectar todo el proceso. Todo ello soportado en
datos.
Un árbol de decisión es una especie de mapa en que se muestra cada
una de las opciones de decisión posibles y sus resultados. Este es
tremendamente útil para aquellas personas que tienen que tomar
decisiones en un negocio, ya que te permite comparar diferentes
decisiones y acciones según sus costos, probabilidades y beneficios.
Este diagrama acaba teniendo una forma similar a la de un árbol, de ahí
su nombre de “diagrama de árbol de decisión”.
Los árboles de decisión comienzan con un nodo, del cual salen otros en
función de las opciones que se presenten, y de cada una de estas, otros.
Existen tres tipos diferentes de nodos:
 Nodos de decisión.
Se le representa con un cuadrado y muestra una decisión que se
tomará.
 Nodos de probabilidad.
Está representado por un círculo y muestra las probabilidades de ciertos
resultados.
 Nodos terminales.
Son de forma triangular, y muestra el resultado definitivo de una ruta de
decisión.
Teorema de Bayes

Los eventos A1 y A2 son mutuamente excluyentes y colectivamente

exhaustivos, y Ai se refiere al evento A1 o a A2. De ahí que en este caso A1 y
A2 sean complementos.
Principios de conteo

Si la cantidad de posibles resultados de un experimento es pequeña, resulta

relativamente fácil contarlas. Por ejemplo, existen seis posibles resultados del
lanzamiento de un dado, a saber:

Sin embargo, si hay un número muy grande de resultados, tal como el número
de caras y cruces en un experimento con 10 lanzamientos de una moneda,
sería tedioso contar todas las posibilidades. Todos podrían ser caras, una cruz
y nueve cras, dos caras y ocho cruces, y así sucesivamente. Para facilitar la
cuenta, ase analizarán tres fórmulas para contar: la fórmula de la multiplicación
(no se confunda con la regla de la multiplicación descrita en el capítulo), la
fórmula de las permutaciones y la fórmula de las combinaciones.
Fórmula de las permutaciones
Como se ve, la fórmula de la multiplicación se aplica para determinar el número
de posibles disposiciones de dos o más grupos. La fórmula de las
permutaciones se aplica para determinar el número posible de disposiciones
cuando sólo hay un grupo de objetos. He aquí algunos ejemplos de esta clase
de problemas.

 Tres piezas electrónicas se van a montar en una unidad conectable a un

aparato de televisión.

 Las piezas se pueden montar en cualquier orden. La pregunta es: ¿de

cuántas formas pueden montarse tres partes?
Fórmula de las combinaciones
Si el orden de los objetos seleccionados no es importante, cualquier selección
se denomina combinación. La formula para contar el número de r
combinaciones de objetos de un conjunto de n objetos es:
 UNIDAD 6
Distribuciones de probabilidad discreta
Una distribución de probabilidad muestra los posibles resultados de un
experimento y la probabilidad de que cada uno se presente.

Algunas características:

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

• Si cuenta el número de empleados ausentes en el turno matutino del lunes, el

número puede ser 0, 1, 2, 3,… El número de ausencias es una variable
aleatoria.

• Si pesa cuatro lingotes de acero, los pesos pueden ser de 2 492 libras, 2 497
libras, 2 506 libras, etc. El peso es una variable aleatoria.
• Si lanza dos monedas y cuenta el número de caras, puede caer cero, una o
dos caras. Como el número de caras que resulta de este experimento se debe
al azar, el número de caras que caen es una variable aleatoria.

Variable aleatorio continua

Si mide algo, como la anchura de una recámara, la estatura de una persona o
la presión de la llanta de un automóvil, se trata de una variable aleatoria
continua. Se puede suponer una infinidad de valores, con ciertas limitaciones.
Por ejemplo:
• Los tiempos de los vuelos comerciales entre Atlanta y Los Ángeles son de
4.67 horas, 5.13 horas, etc. La variable aleatoria es la cantidad de horas.
• La presión, medida en libras por pulgada cuadrada (psi), de un nuevo
neumático Chevy Trail-blazer puede ser de 32.78 psi, 31.62 psi, 33.07 psi, etc.
En otras palabras, es razonable que se presente cualquier valor entre 28 y 35.
La variable aleatoria es la presión dela llanta.
Por lógica, si organiza un conjunto de posibles valores de una variable aleatoria
en una distribución de probabilidad, el resultado es una distribución de
probabilidad. Así, ¿cuál es la diferencia entre una distribución de probabilidad y
una variable aleatoria? Una variable aleatoria representa el resultado particular
de un experimento.

Por lo general, una distribución discreta es el resultado de contar algo, como:

El número de caras que se presentan en tres lanzamientos de una moneda.
• El número de estudiantes que obtienen A en clase.
• El número de empleados de producción que se ausentaron hoy en el segundo
turno.
• El número de comerciales de 30 segundos que pasan en la NBC de las 8 a
las 11 de la noche.
Las distribuciones continuas son el resultado de algún tipo de medición, como:
• La duración de cada canción en el último álbum de Linkin Park.
• El peso de cada estudiante de esta clase.
La temperatura ambiente en el momento en que usted lee este libro.
• La suma de dinero que gana cada uno de los 750 jugadores actuales en la
lista de los equipos de la Liga Mayor de Béisbol.

Media, varianza y desviación estándar

de una distribución de probabilidad discreta

Media
La media constituye un valor típico para representar la posición central de una
distribución de probabilidad. También es el valor promedio a la larga de la
variable aleatoria. La media de una distribución de probabilidad también recibe
el nombre de valor esperado.

Varianza y desviación estándar

Distribución de probabilidad binomial

Para que una variable aleatoria se considere que sigue una distribución
binomial, tiene que cumplir las siguientes propiedades:

 En cada ensayo, experimento o prueba solo son posibles dos resultados

(éxito o fracaso).
 La probabilidad del éxito ha de ser constante. Esta se representa
mediante la letra p. La probabilidad de que salga cara al lanzar una
moneda es 0,5 y esta es constante dado que la moneda no cambia en
cada experimento y las probabilidades de sacar cara son constantes.
 La probabilidad de fracaso ha de ser también constate. Esta se
representa mediante la letra q = 1-p. Es importante fijarse que mediante
esa ecuación, sabiendo p o sabiendo q, podemos obtener la que nos
falte.
 El resultado obtenido en cada experimento es independiente del
anterior. Por lo tanto, lo que ocurra en cada experimento no afecta a los
siguientes.
 Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir
los 2 al mismo tiempo. No se puede ser hombre y mujer al mismo tiempo
o que al lanzar una moneda salga cara y cruz al mismo tiempo.
 Los sucesos son colectivamente exhaustivos, es decir, al menos uno de
los 2 ha de ocurrir. Si no se es hombre, se es mujer y, si se lanza una
moneda, si no sale cara ha de salir cruz.
 La variable aleatoria que sigue una distribución binomial se suele
representar como X~(n,p), donde n representa el número de ensayos o
experimentos y p la probabilidad de éxito.
La fórmula para calcular la distribución normal es:

Donde:

n = Número de ensayos/experimentos

x = Número de éxitos

p = Probabilidad de éxito

q = Probabilidad de fracaso (1-p)

Es importante resaltar que la expresión entre corchetes no es una expresión

matricial, sino que es un resultado de una combinatoria sin repetición. Este se
obtiene con la siguiente formula:

El signo de exclamación en la expresión anterior representa el símbolo de

factorial.
Distribución de probabilidad de Poisson
La distribución de probabilidad de Poisson describe el número de veces que se
presenta un evento durante un intervalo específico. El intervalo puede ser de
tiempo, distancia, área o volumen.

La distribución se basa en dos supuestos. El primero consiste en que la

probabilidad es
proporcional a la longitud del intervalo. El segundo supuesto consiste en que
los intervalos son independientes. En otras palabras, cuanto más grande sea el
intervalo, mayor será la probabilidad; además, el número de veces que se
presenta un evento en un intervalo no influye en los demás intervalos.

En resumen, una distribución de probabilidad de Poisson posee tres

características:
Distribución de probabilidad hipergeométrica
Recuerde que uno de los criterios relacionados con la distribución binomial
estriba en que la probabilidad de éxito debe permanecer igual en todos los
ensayos. Como la probabilidad de éxito no es la misma en todos los ensayos
cuando se realiza un muestreo sin reemplazo en una población relativamente
pequeña, no debe aplicarse la distribución binomial. En lugar de ésta se aplica
la distribución hipergeométrica. Por lo tanto, 1) si se selecciona una muestra de
una población finita sin reemplazo y 2) si el tamaño de la muestra n es mayor
que 5% del tamaño de la población N, se aplica la distribución hipergeométrica
para determinar la probabilidad de un número específico de éxitos o fracasos.
Esto resulta especialmente apropiado cuando el tamaño de la población es
pequeño.

La fórmula de la distribución de probabilidad hipergeométrica es la siguiente:

Familia de distribuciones de probabilidad normal
La distribución de probabilidad normal, también conocida como distribución
gaussiana, es una de las distribuciones de probabilidad más importantes en
estadística y matemáticas. Esta distribución es continua y está caracterizada
por su simetría alrededor de un valor central y su forma de campana.
La distribución de probabilidad normal es importante porque muchos
fenómenos naturales y sociales siguen una distribución normal, lo que permite
hacer predicciones y estimaciones con un alto grado de precisión. Por ejemplo,
la estatura y el peso de las personas, las calificaciones en los exámenes, los
tiempos de respuesta en una prueba, entre otros, pueden ser descritos por una
distribución normal.
La distribución de probabilidad normal se puede representar por su media (μ) y
su desviación estándar (σ). La media indica el valor central alrededor del cual
se distribuyen los datos, mientras que la desviación estándar indica la cantidad
de variabilidad en los datos.
MARCO METODOLÓGICO

TALLERES Y TRABAJOS COLABORATIVOS, LECCION Y PROYECTO DE

CAMPO

https://ugye-my.sharepoint.com/:f:/g/personal/
ronny_choezm_ug_edu_ec/
EjIkJCL8ptBKhsk97TYKVD8BMlAnVczArk5Oe1IT6otliQ?e=P9fEWZ

LECCION ANCHALUISA ALEXIS ESTADISTICA I

41
 CONCLUSIONES

 Los conceptos de estadística son fundamentales para tener una

organización sobre los datos de una muestra o poder sacar hallar
probabilidades mediante el análisis.

• Tener una gráfica podrá ayudarnos a visualizar más fácil y rápido los
datos que nos dicta algún problema estadístico y poder realizar los
procesos correspondientes sin error alguno para una empresa.

• La estadística también existe en la vida cotidiana de una persona y por

ese motivo además del laboral todos debemos aprenderlo
correctamente para solucionar problemas que conlleven aspectos
cualitativas de una situación y poder predecir algún evento para el
mejoramiento de cualquier ciscunstancia.

RECOMENDACIONES

• Recomiendo que cuando existan preguntas sobre algún ejercicio sea

con el término que nos haya enseñado pues es confuso cuando quiera
responderla porque pienso que es otro tema que no nos ha enseñado.

• En los trabajos colaborativos podría enviar un ejercicio para cada

integrante y no exista problemas para la distribución de cada
tema.

• En los ejercicios explicados en clases podrían poner el proceso de

operaciones que den el resultado ya que hay veces que podría no
entender algún resultado, pero con el proceso de la operación
sabría porque salió ese número.
42
BIBLIOGRAFÍAS

https://formacion.intef.es/pluginfile.php/246707/mod_resource/content/1/
grfica_de_puntos.html

https://www.universoformulas.com/estadistica/descriptiva/diagrama-tallo-hojas/

https://concepto.de/probabilidad/

https://support.minitab.com/es-mx/minitab/21/help-and-how-to/probability-
distributions-random-data-and-resampling-analyses/supporting-topics/basics/
continuous-and-discrete-probability-distributions/#:~:text=libras%20es%20cero.-,
%C2%BFQu%C3%A9%20es%20una%20distribuci%C3%B3n%20discreta
%3F,lista%20de%20enteros%20no%20negativos.

https://www.sage.com/es-es/blog/varianza-que-es-y-como-se-calcula/#:~:text=Qu
%C3%A9%20es%20la%20varianza,de%20las%20desviaciones%20en%20s
%C3%AD.

https://economipedia.com/definiciones/sesgo-estadistico.html

43

ANEXOS
Ejercicios

44
EJERCICIO
 IMAGEN

Realizando el Portafolio de Estadísticas I

Diagrama de puntos ejemplo

 La tabla siguiente muestra los datos de longitud en milímetros de un

conjunto de cables que serán utilizados en un estudio de resistencia a la

tensión:

Arboles

Una moneda tiene en sus caras un gato y un perro. Se lanza 2

veces la moneda, calcular:

a) la probabilidad de obtener 2 gatos.

b) la probabilidad de obtener solo 1 gato.

Tallos y Hojas

Supongamos la siguiente distribución de frecuencias

Ordenamos y obtenemos de la siguiente forma

Tablas de Contingencia