Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resolución Actualizada No. 01-0106 del 4-11/11 Código DANE: 3110098701 REGISTRO
Código ICFES 132340 ¨A PATH TO PERMANENT EXCELLENCE¨, SINCE 1999 VERSIÓN 1
Para seleccionar los límites de clase que definirán los intervalos y la longitud de los mismos se
recomienda:
➢ Calcular el rango (R) incluido entre todos los datos, que es la medida de la dispersión de los
datos obtenidos de la muestra mediante la fórmula:
R = valor máximo - valor mínimo
➢Calcular el tamaño del intervalo (I) de cada intervalo mediante la fórmula:
Este ancho de clase se ajusta para abarcar todos los datos. Puede redondearse a una cifra decimal más
de la que tienen los datos, por ejemplo, si los datos son enteros un redondeó de 0.5 sería suficiente.
Para asegurarnos de que ningún valor queda afuera debemos definir un nuevo rango (NR) de los datos,
multiplicando el ancho de cada clase por el número de intervalos.
NR = I * (CL)
El nuevo Rango debe ser de igual o mayor tamaño que el rango original, si es mayor, el exceso se reparte
equitativamente antes del dato menor y después del dato mayor.
Al final, para obtener la frecuencia de cada clase se cuenta el número de datos que quedan entre sus
límites. En el caso de que un dato se encuentre en la frontera de una clase, se debe de contar en la
siguiente clase y no en la primera.
Ejemplo: Los siguientes datos corresponden a la estatura, medida en centímetros, de los alumnos de un
grupo de estudiantes.
7.1 Moda
Es un estadígrafo que puede definirse como el valor más frecuente o el valor de la variable que presenta
la mayor frecuencia absoluta.
Datos agrupados: en este caso no es fácil visualizar el valor con mayor frecuencia ya que se encuentra
Ejemplo: en la tabla se presenta el sueldo en miles de dólares al año, use la tabla 2 y calcule la moda
para datos agrupados.
7.2 Mediana
Es otra medida de posición o tendencia central. Se define como aquel valor de la variable que supera la
mitad de las observaciones y a su vez es superado por la otra mitad de ellas. Por esta razón, se la
considera como el valor central, ya que se divide a los datos en 2 grupos
Ejemplo: en la tabla se presenta el sueldo en miles de dólares al año, use la tabla 2 y calcule la mediana
para datos agrupados.
7.3 Media
Cuando los datos tienen más de una frecuencia, para obtener la media aritmética se agrega otra columna
a la tabla estadística con el producto de las observaciones y sus frecuencias. Es decir, si se cuenta con
una distribución de datos entonces se aplica la fórmula:
partes iguales. Los percentiles dan los valores correspondientes al 1%, 2%, 3%, 4%.......y al 99%
de los datos
8. Medidas de dispersión .
Esta medida nos da una idea del grado de indeterminación que se afronta en una situación donde está
presente el azar. En estos casos aun sabiendo que no se tiene la total certidumbre sobre un posible
resultado de la estimación de los datos, las medidas de dispersión ofrecen menores posibilidades de un
equívoco cuando la dispersión de una distribución es pequeña en medida.
Estas medidas abarcan la magnitud (o rango), la varianza y la desviación estándar. Los cuales describen
el grado de dispersión o variabilidad, de los datos. Los valores de estas medidas serán mayores cuando
los datos estén muy disgregados y, serán menores cuando los datos estén más cercanamente agrupados.
También son conocidas como medidas de variabilidad. Por ejemplo, la desviación típica es una medida de
variabilidad ya que nos dice si los valores de un conjunto de datos son muy dispares o no. Dos ejemplos
más sobre medidas de dispersión podrían ser la varianza y el rango estadístico.
8.1 Rango ®
El rango de una distribución es la diferencia entre el valor máximo (M) y el valor mínimo (m) de la variable
estadística. Para su cálculo, basta con al valor máximo (M) restarle el valor mínimo (m), R= V M - Vm.
Características del rango:
1. A medida que el rango es menor, el grado de representatividad de los valores centrales se
incrementa.
2. A medida que el rango es mayor, la distribución está menos concentrada o más dispersa.
3. Su cálculo es extremadamente sencillo.
4. Tiene gran aplicación en procesos de control de calidad.
5. Tiene el inconveniente de que sólo depende de los valores extremos. De esta forma basta que uno
de ellos se separe mucho para que el recorrido se vea sensiblemente afectado.
8.2 Desviación respecto a la media
La desviación respecto a la media di es un valor que se obtiene cuando a un valor xi se le resta la media de los datos.
d i=x i−x
8.3 Desviación media
La desviación media es la división de la sumatoria del valor absoluto de las distancias existentes entre
cada dato y su media aritmética y el número total de datos:
Este indicador muestra que tan disperso se encuentran un conjunto de datos con respecto a un punto de
concentración.
8.4 Varianza
La varianza mide la mayor o menor dispersión de los valores de la variable respecto a la media aritmética.
Cuanto mayor sea la varianza mayor dispersión existirá y por tanto, menor representatividad
tendrá la media aritmética. La varianza se expresa en las mismas unidades que la variable analizada,
pero elevadas al cuadrado.
La varianza de un conjunto de datos se define como el cuadrado de la desviación estándar y está dada
para datos no agrupados por:
n
∑ ( xi −x ) 2
σ 2= 1
n
∑ f ∗( x i−x )2
σ 2= 1
n
La desviación estándar es una medida estadística de la dispersión de un grupo o población. Una gran
desviación estándar indica que la población está muy dispersa respecto de la media. Una desviación
estándar pequeña indica que la población está muy compacta alrededor de la media. Para el caso de
datos agrupados, la desviación estándar se calcula por medio de:
Es la medida de separación con respecto a la media y, su valor numérico es la raíz cuadrada positiva de la
varianza. s=√s2.
Interpretación y Comprensión de la Desviación Estándar. La desviación estándar es una medida de
fluctuación (variabilidad) en los datos, se le ha definido como un valor que se calcula con fórmulas
específicas. Pero ¿cuál es su significado? Es una especie de “criterio de medición” mediante el cual puede
compararse un conjunto de datos con otro. Esta medida particular puede ser comprendida mejor
examinando dos enunciados; el Teorema de Chebyshev y la Regla Empírica.
Teorema de Chebyshev o Tchebycheff. La proporción de cualquier distribución situada dentro de k
desviaciones estándar de la media es, por lo menos, 1- (1/k2 ); en donde k es cualquier número positivo
mayor que 1. Este teorema es aplicable a cualquier distribución de datos.
El teorema establece que siempre habrá al menos un 75% de los datos (es decir, 75% o más)
dentro de dos desviaciones estándares de la media (k=2).
1-1/k2 =1-1/22 =1-1/4= 3/4 =0.75 ó 75%.
Este coeficiente, representa el porcentaje que la desviación estándar contiene a la media aritmética y por
lo tanto cuanto mayor es CV mayor es la dispersión y menor la representatividad de la media.
9. Diagrama de árbol y principio de multiplicación
Es una técnica de conteo que permite enumerar los resultados de un experimento que consta de
dos o más pasos. El diagrama de árbol es un método para graficar eventos secuenciales o
probabilidades totales, como se verá en el siguiente ejemplo:
Ej.: Se lanza una moneda cargada, de modo que P(cara) = 2/3 y P(sello) = 1/3 . Si sale cara, se escoge un
número al azar entre 1 y 9. Si sale sello se escoge un número al azar entre 1 y 5. Hallar la probabilidad de
escoger un número par.
Solución. El evento A: escoger un nº par. Puede suceder de 2 particiones posibles, dependiendo si
sucedió cara o sello. Por tanto, es una probabilidad total. En el siguiente diagrama muestra las
probabilidades según el caso:
Luego:
9.1convinatorio
Ej.: De un grupo de 20 personas, se designa un comité de 3. ¿De cuántas maneras es posible hacerlo?
Solución. No interesa el orden en que se escojan las 3 personas, por lo tanto, es una combinación
Ej.: Se tienen las letras a, b y c. ¿De cuántas maneras se pueden escoger 2 letras, pudiendo repetirlas y
sin importar el orden en que se dispongan? Solución :
Ellas son: aa, ab, ac, bb, bc, cc Notar que la dupla ab, es la misma que si la escribimos ba, por lo tanto, se
cuenta una sola vez.
9.2 Permutaciones y variación
Permutaciones sin elementos repetidos.
Al tomar todos los elementos de un conjunto finito y ordenarlos de todas las maneras posibles,
tendremos una permutación. Es decir, con “n” elementos, se ordenan de todas las maneras, sin dejar
ninguno fuera de la ordenación. Ej. Si se tiene las letras a, b y c, sus ordenaciones son:
abc, acb, bac, bca, cab, cba.
En total, 6 maneras de ordenar las 3 letras.
Para calcular sus valores, se efectúa el siguiente cálculo cuando la ordenación en forma lineal.
Pn = n! donde n! = 1 · 2 · 3 · ... · n
Ej.: ordenar 7 personas en una fila.
P7 = 7! = 1 · 2 · 3 · 4 · 5 · 6 ·7 = 5040 maneras
Si la ordenación de los n elementos en forma circular, su cálculo cambia a:
Pn = (n - 1)! donde (n – 1)! = 1 · 2 · 3 · ... · (n – 1)
¿de cuantas maneras distintas se pueden sentar 7 personas en una mesa
redonda?
(7 – 1)! = 1 · 2 · 3 · 4 · 5 · 6 = 720 maneras
Permutaciones con elementos repetidas.
En variadas situaciones se deben ordenar n elementos dentro de los cuales hay algunos repetidos. Si
se supone que de n elementos, hay p elementos iguales entre si, q elementos iguales entre si y r
elementos iguales entre si. La forma de ordenar estos n elementos es:
Ej.: ordenar en fila 7 fichas, de las cuales hay 2 fichas rojas, 4 azules y 1 amarilla.
Solución. Como deben ordenarse las 7 fichas, se concluye que es una permutación, pero con
elementos repetidos.
Ej.: Se toman 4 nombres de los 24 miembros de un club para ocupar los cargos de presidente,
vicepresidente, tesorero y secretario. ¿En cuántas formas diferentes puede hacerse?
Ej.: ¿Cuántos números de 7 cifras existen si se eligen de entre los dígitos 1, 2, 3, 4, 5, 6, 7 y todos
comienzan con 5?
un conjunto de resultados posibles de S. Podemos notar que un evento no es más que un subconjunto de
un espacio muestral.
A continuación, definimos los eventos que contienen uno y solo un elemento del espacio muestral, y que
serán utilizados de forma implícita cuando hablemos sobre la corriente clásica de probabilidad. Al evento
que consta de un solo elemento le llamaremos evento simple
10.1 suceso
10.2 evento
El espacio muestral fue denotado por S, los eventos con letras mayúsculas, A, B, C, etcétera, mientras
que los resultados del experimento que cumplen las condiciones del evento se representan con letras
minúsculas a, b, etcétera. Si el resultado a pertenecer al evento A, lo simbolizamos a∈ A ; en caso
contrario, por a ∉ A . Los eventos también se representan con llaves, dentro de las que se escriben sus
elementos (¡sin repetirlos!), o las propiedades que dichos elementos cumplen, por ejemplo:
A={x | x es el lado que queda arriba al lanzar un dado} evento por comprensión.
A={1, 2, 3, 4, 5, 6} evento por extensión.
Eventos mutuamente excluyentes
1. Sean los eventos A={a, e, i, o, u} y B={x | x es una consonante}; en este caso, A y B son mutuamente
excluyentes, ya que no existe ningún elemento que sea vocal y consonante al mismo tiempo.
2. Sean A = [2, 5] y B = [9, 20]; en este caso, A y B son mutuamente excluyentes.
115+ 84+ 41
P( A)=
500
240 24
P ( A )= =
500 50
12
P ( A )=
25
48
P ( A )=
100
P ( A )=48 %
Probabilidad Conjunta
Si bien hasta aquí no hemos definido el concepto de Probabilidad Conjunta, hemos estado trabajando con
él de manera implícita. La probabilidad conjunta de dos eventos A y B es simplemente la probabilidad de
que ambos sucedan al mismo tiempo.
Ejemplo 1:
Probabilidad Marginal
La Probabilidad Marginal es simplemente la probabilidad de ocurrencia de un evento A, sin pensar en la
existencia de otro evento B que suceda de modo simultáneo con A.
Ejemplo 2
Consideremos el Ejemplo 1. La probabilidad conjunta de los eventos A1 y A2 es:
Probabilidad Condicional
Cuando se trabaja con fenómenos aleatorios, muchas veces podemos contar con cierta información que
modificaría nuestra estimación de la probabilidad de este. En estos casos, se dice que la probabilidad del
evento en cuestión está condicionada a la ocurrencia de otro evento.
Ejemplo 3
Consideremos el lanzamiento de dos dados y los siguientes eventos: A1 = “el resultado del primer dado es dos” y A2= “el
resultado del segundo es tres”. La probabilidad marginal de cada uno de ellos es:
C. PRACTICO LO APRENDIDO
Actividad #2 Trabajo individual
2.1 Leo cada uno de los temas en la guía y escribo en mi cuaderno una síntesis de cada uno.
2.2 Señalo las palabras que no conozco el significado en los temas leídos, busco su significado y lo copio
en el cuaderno.
Actividad #3 Trabajo grupal
3.1 Con sus compañeras, desarrollo los ejercicios propuestos por el docente Alberto Solís.
D. PRACTICO EN CASA
Actividad #4 Trabajo individual
4.1 Realizo la evaluación tipo test opción múltiple única respuesta sobre los temas ecuación de la recta,
rectas paralelas y perpendiculares.
4.2 Realizo la evaluación tipo test opción múltiple única respuesta sobre aplicación de la teoría de
estadística
4.3 Repaso los temas de este período, la valoración final será el día__________.
BIBLIOGRAFIA
http://recursostic.educacion.es/descartes/web/materiales_didacticos/
EDAD_3eso_funciones_lineales/3eso_quincena10.pdf
https://matematicasiesoja.files.wordpress.com/2013/10/funciones-lineales.pdf
http://www.matematica.ciens.ucv.ve/labfg/mat3/ssmat3.pdf
https://www.frro.utn.edu.ar/repositorio/secretarias/sac/ingreso/archivos/Unidad_3_matematica.pdf
https://personales.unican.es/gonzaleof/Sociales_2/SistemasS2.pdf
http://www.uco.es/geometria/documentos/Tema2Biologia_Sistemas.pdf