Guia - Estadistica 10 - 1p - Parte2

Gimnasio las Palmas Santa Fe de Bogota COLOMBIA CÓDIGO PP -21
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
GUÍA DE APRENDIZAJE PÁGINA 1 / 18
Docente ALBERTO SOLIS

ASIGNATURA Algebra PERIODO I
CADENA
GRADO 10 GUÍA Nº 01
ESTUDIANTE 1
FECHA 28 Marzo
FECHA INICIO Febrero
FINAL 2024
2024
1. Analizar, Clasificar y definir los tipos de medidas de tendencia central,
dispersión y medidas de Posición.
COMPETENCI 2. realiza ejercicios y talleres usando los métodos solución para cada sistema de
A medida.
3. aplica los conceptos del periodo en contexto de la vida cotidiana para tomar
decisiones argumentadas en datos estadísticos y notación de probabilidad.
DESEMPEÑO Tomo decisiones argumentadas en datos estadísticos y probabilísticos.
7. Medidas de tendencia central para datos agrupados
7.1 Moda
7.2 Mediana
7.3 Media
8. Medidas dispersión
8.1 rango
8.2 desviación respecto a la media
8.3 desviación media
8.4 varianza
SABERES 8.5 desviación típica
(TEMAS) 8.6 coeficiente de variación
9. Diagrama de árbol y principio de multiplicación
9.1convinatorio
9.2 variación
9.3 principio de multiplicación
10. Probabilidad de un suceso
10.1 suceso
10.2 evento
10.3 probabilidad de un evento
10.4 leyes o propiedades de la probabilidad
DESCRIPCIÓN
A. DEMUESTRO MIS SABERES
Actividad #1 Trabajo individual
Recuerdo lo que me han contado mis profesores y contesto en mi cuaderno:
1.1 ¿Cómo se construye una tabla de datos?
1.2 ¿Qué es una dispersión en un gráfico estadístico?
1.3 ¿Cómo se realiza una regresión con los datos en tablas? Justifico mi respuesta.
B. AMPLIO MIS CONOCIMIENTOS
7. Medidas de tendencia central para datos agrupados.
Este tipo de distribución se utiliza cuando la cantidad de valores distintos es mayor a diez. En este caso
recomendable agrupar los datos por intervalos o clases de tal manera que la totalidad de los datos queden
concentrados en un mínimo de cinco intervalos y en un máximo de diez, aunque se puede perder
precisión
en la información.
Aquí hay libertad para elegir el número de clase y los valores extremos de las mismas.
Algunas recomendaciones para elaborar una distribución de frecuencia para datos agrupados:
❖ Los intervalos, en general, deben tener el mismo ancho.
❖ A la tabla de la distribución de frecuencia se le debe agregar otra columna, la cual corresponde al
punto medio de cada clase, llamado marca de clase (X).
Ya sabes que existen dos maneras de determinar el número de intervalos o de clases (CL) adecuados
para datos agrupados, dependiendo del número de datos (N):
● Cuando son hasta cien datos: El valor entero más próximo a √N,
CL = √N.
● Cuando son más de cien datos: Se usa la regla de Sturges
CL = 1+ 3.32 log N
“Educación gestora de paz para el campo y la ciudad”

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

dentro de un intervalo. Para buscar la moda se usa la siguiente fórmula:
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:
7.4 Medidas posición

Las medidas de posición dividen un conjunto de datos en grupos con el mismo número de individuos: Se
utilizan para mostrar la localización de un dato específico en relación con otros datos de la muestra.
Las medidas de posición de posición son:
• Cuartiles: Son los tres valores de la variable que dividen a un conjunto de datos ordenados en 4
partes iguales. Q1, Q2, Q3 determinan los valores correspondientes al 25%, al 50% y al 75% de
los datos.
• Deciles: Son los nueve valores que dividen la serie de datos en 10 partes iguales. Los deciles dan
los valores correspondientes al 10%, 20%, 30%.......y al 90% de los datos.
• Percentiles: Los centiles o percentiles son los 99 valores que dividen la serie de datos en 100

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
Para datos agrupados:

n
∑ f ∗( x i−x )2
σ 2= 1
n

8.5 Desviación típica o estándar

La desviación estándar o desviación típica se define como la raíz cuadrada de los cuadrados de las
desviaciones de los valores de la variable respecto a su media. Para el caso de datos no agrupados, la
desviación estándar se calcula por medio de:
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%.

8.6 Coeficiente de variación

Este diagrama consiste en una serie de segmentos de recta que unen los puntos cuyas abscisas son los
Cuando se quiere comparar el grado de dispersión de dos distribuciones que no vienen dadas en las
mismas unidades o que las medias no son iguales se utiliza el coeficiente de variación de Pearson que se
define como el cociente entre la desviación estándar y el valor absoluto de la media aritmética:
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

Combinaciones sin elementos repetidos.

De un total de n elementos se escogen k formando grupos de orden k. Cada grupo se diferencia de otro si
tienen elementos distintos, pero no por el orden en que están dispuestos. Su cálculo se hace a través:
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
Combinaciones con elementos repetidos.

De un total de n elementos se escogen k de ellos de los cuales algunos están repetidos. El orden en que
están dispuestos los elementos dentro de un grupo no interesa. Su cálculo es a través de:
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.
Variaciones sin elementos repetidos.

Se dispone de un elemento, pero se escogen k (algunos) de ellos. Se llama variación de orden k, a cada
grupo que se pone de k elementos escogidos de un total, se tienen algún elemento distinto o al orden en
que están ubicados es diferente. Su cálculo es:

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?
Variaciones con elementos repetidos.

De un total de n elementos, se deben escoger k de ellos para formar un grupo, pero en este caso, algunos
elementos están repetidos.
Cada grupo difiere de otro por los elementos que lo componen o por el orden en que están ubicados. Es
decir, interesa el orden de los elementos dentro del grupo. Su cálculo se efectúa a través de:
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?
9.3 principio de multiplicación

Si una operación consta de 2 pasos, de los cuales el primero puede efectuarse de n1 formas y para
cada una de éstas el segundo puede realizarse de n2 formas, entonces toda la operación se lleva a
cabo de n1· n2 maneras.
10. Probabilidad de un suceso

Al conjunto de todos los resultados posibles de un experimento probabilístico lo llamaremos espacio
muestral del experimento y lo denotaremos por S. A su vez, a los elementos de un espacio muestral los
llamaremos puntos muestrales. Los espacios muestrales forman una parte primordial en el desarrollo de
la teoría de las probabilidades, Dado un experimento aleatorio y su espacio muestral S, se llama evento a

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.
Unión entre eventos:

La unión de los eventos A y B, correspondientes a un mismo experimento, constituye, en sí mismo, otro
evento formado por los resultados que pertenecen al evento A o al evento B o a ambos. La unión la
simbolizaremos por A ∪ B (A unión B). A_B= {x/ x_ A o x_ B } la unión de los eventos A y B.
La representación general de la unión, por medio de diagramas de Venn-Euler, se ilustra en la parte
sombreada de la figura
Intersección entre eventos:

La intersección entre los eventos A y B, correspondientes a un mismo experimento, es otro evento
formado por los elementos que pertenecen a ambos eventos. La intersección la simbolizaremos de la
siguiente manera: A ∩ B (A intersección B). A_B={x /x_ A y x_ B} la intersección entre los eventos A y
B. La representación general de la intersección mediante diagramas de Venn-Euler, corresponde al área
Diferencia entre eventos:

La diferencia del evento A menos el evento B, correspondientes a un mismo experimento, es otro evento
formado por los elementos del evento A y que no pertenecen al evento B. La diferencia la simbolizaremos
de la siguiente manera: A − B (A menos B). A−B={x/ x_ A y x_ B} la diferencia del conjunto A menos

B. La representación general de la diferencia, mediante diagramas de Venn-Euler, se ilustra en el área

Evento complementario o complemento de un evento:

El complemento del evento A es otro evento formado por los resultados del experimento que pertenecen
al espacio muestral, pero que no pertenecen al evento A. El complemento del evento A, lo simbolizaremos
como Ac o A' o Ā (complemento de A). Ac ={x/ x_S y x_ A} el evento complementario de A. La
representación general del complemento de un evento mediante diagramas de Venn-Euler se ilustra en el
área sombreada de
la figura
Leyes del álgebra de eventos

Trabajar con eventos basándose en la definición de sus operaciones o propiedades resulta bastante
tedioso. La solución de problemas relacionados con los eventos también se puede hacer de manera fácil e
intuitiva por medio de los diagramas de Venn-Euler, pero este método carece de un fundamento sólido
teórico para cualquier caso en general. Por lo anterior, se introducen las siguientes leyes de la teoría de
eventos, llamadas “Leyes o propiedades del álgebra de eventos”. Sean S el espacio muestral y A una
familia de eventos en S, con A, B y C, eventos cualesquiera de S, que pertenecen a A, llamaremos Leyes
del algebra de eventos a las siguientes propiedades.
10.3 probabilidad de un evento

Regla de la Probabilidad. En un espacio muestral que contiene puntos muéstrales que son igualmente probables
de ocurrir; la probabilidad P (A) de un evento A, es la razón del número de puntos que satisfacen la definición
del evento A; n(A) con respecto al número de puntos muéstrales que hay en todo el espacio muestral; n(S). Es
decir.

Usando la frecuencia absoluta
115+ 84+ 41
P( A)=
500
240 24
P ( A )= =
500 50
12
P ( A )=
25
48
P ( A )=
100
P ( A )=48 %
10.4 leyes o propiedades de la probabilidad

Todas las definiciones anteriores están íntimamente ligadas a la parte experimental de la Estadística. Sin
embargo, en los últimos años, la Teoría de la Probabilidad ha evolucionado de manera sorprendente y las
definiciones se han hecho más rigurosas desde un punto de vista matemático.
En este contexto, el ruso Andrei Kolmogorov (1933) definió la medida o función de probabilidad mediante
una serie de axiomas. Éstos, si bien son válidos para cualquiera de las definiciones de probabilidad
expuestas anteriormente, amplían la definición incluyendo a cualquier medida que los verifique.

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.

Eventos Estadísticamente Independientes

Lógicamente, puede suceder que tengamos información sobre la ocurrencia de un evento determinado B ,
y sin embargo la probabilidad marginal de ocurrencia del evento A no se vea alterada. Esto quiere decir,
que la ocurrencia de B no tiene ninguna influencia sobre el evento A , es decir, que los eventos son
estadísticamente independientes.
De las definiciones de probabilidad condicional y eventos independientes, se desprende la regla del

producto de probabilidades de eventos independientes.
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
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
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

Guia - Estadistica 10 - 1p - Parte2

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guia - Estadistica 10 - 1p - Parte2

Cargado por

Copyright:

Formatos disponibles

Gimnasio las Palmas Santa Fe de Bogota COLOMBIA CÓDIGO PP -21

GUÍA DE APRENDIZAJE PÁGINA 1 / 18

Docente ALBERTO SOLIS

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 2 / 18

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 3 / 18

dentro de un intervalo. Para buscar la moda se usa la siguiente fórmula:

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 4 / 18

7.4 Medidas posición

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 5 / 18

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 6 / 18

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 7 / 18

Para datos agrupados:

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 8 / 18

8.5 Desviación típica o estándar

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 9 / 18

8.6 Coeficiente de variación

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 10 / 18

Combinaciones sin elementos repetidos.

Combinaciones con elementos repetidos.

Variaciones sin elementos repetidos.

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 11 / 18

Variaciones con elementos repetidos.

9.3 principio de multiplicación

10. Probabilidad de un suceso

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 12 / 18

Unión entre eventos:

Intersección entre eventos:

Diferencia entre eventos:

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 13 / 18

B. La representación general de la diferencia, mediante diagramas de Venn-Euler, se ilustra en el área

Evento complementario o complemento de un evento:

Leyes del álgebra de eventos

10.3 probabilidad de un evento

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 14 / 18

Usando la frecuencia absoluta

10.4 leyes o propiedades de la probabilidad

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 15 / 18

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 16 / 18

Eventos Estadísticamente Independientes

De las definiciones de probabilidad condicional y eventos independientes, se desprende la regla del

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 17 / 18

“Educación gestora de paz para el campo y la ciudad”

GUÍA DE APRENDIZAJE PÁGINA 18 / 18

“Educación gestora de paz para el campo y la ciudad”

También podría gustarte