SlideShare a Scribd company logo
1 of 21
Download to read offline
0 1 2 3 4 5 6 7 Ocho o más
Número de hijos
100
200
300
400
Recuento
419
255
375
215
127
54
24 23 17
20 40 60 80
Edad del encuestado
50
100
150
200
250
Recuento
 La Ciencia se ocupa en general de
fenómenos observables
 La Ciencia se desarrolla observando hechos,
formulando leyes que los explican y
realizando experimentos para validar o
rechazar dichas leyes Los modelos que crea la ciencia son de tipo
determinista o aleatorio
 La biometría se utiliza como tecnología al
servicio de las ciencias donde la variabilidad
y la incertidumbre forman parte de su
naturaleza
Planear
Hipótesis
Diseñar
Experimento
Recoger
datos y
Analizarlos
Obtener
Conclusiones
Estadística:
 Estadística
descriptiva:
Es la ciencia que se encarga de recolectar,
organizar, resumir y analizar datos para
después obtener conclusiones. Se divide en
Estadística Descriptiva y Estadística
Inferencial.
Se encarga de la
recolección, organización,
presentación y análisis de
los datos de una
población.
 Estadística inferencial:
Se encarga de analizar la información
presentada por la estadística descriptiva
mediante técnicas que nos ayuden a
conocer, con determinado grado de
confianza, a la población. Lo que nos
permite tomar decisiones.
 Población:
Al número de integrantes de la
población se llama tamaño de la
población y se representa con la letra
N.
Las poblaciones pueden ser finitas o
infinitas.
Conjunto definido de TODOS los
INDIVIDUOS, de donde se observa cierta
característica.
 Población Estadística:
 Muestra:
El número de individuos que integran la
muestra, llamado tamaño de la muestra
se representa con la letra n.
Conjunto de TODOS los DATOS que se
obtienen al realizar la medición de una
variable en los elementos de una población.
Subconjunto de una población, que
intenta reflejar las características de la
población lo mejor posible.
 Individuo:
 Variable:
Es el elemento de la población o de la
muestra que aporta información sobre lo que
se estudia.
Característica o propiedad de los
individuos que se desea estudiar y se
puede medir o calificar; cambia o varía
con el tiempo en un individuo dado, o
cambia o varía de elemento a elemento.
Ejem: Edad, peso, sexo, estado civil,
número de hijos, etc.
 Dato:
Valor que se obtiene al realizar la medición
de la característica de la variable en estudio.
Pueden ser univariados, bivariados o
multivariados.
 Datos Cuantitativos (números):
 Datos Cualitativos
(categorías):
Valores obtenidos al medir
peso, estatura, temperatura,
número de hijos.
Se obtienen al calificar la
característica en cuestión como
el sexo, estado civil, grado
máximo de estudios.
La naturaleza de los datos pueden ser datos
cuantitativos o datos cualitativos.
 Variable Dicotómica:
En la variable CUANTITATIVA se pueden
distinguir dos tipos: continua y discreta.
Sólo puede tomar dos valores (sí – no, 0 – 1,
hombre – mujer, bueno – malo, encendido –
apagado).
 Variable Continua:
 Variable Discreta:
Si la variable puede tomar cualquier
número real entre dos valores dados
(decimal o entero).
Ej. El peso de un individuo.
Si la variable sólo puede
tomar números enteros.
Ej. El número de hijos de un
individuo.
 Escala
Ordinal
 Escala de
Intervalo
 Escala de
Razón
 Escala
Nominal
 Escala Nominal:
Asociada a variables cualitativitas, Sus
valores no se pueden ordenar.
Ejemplo: sexo, código postal, estado
civil, número telefónico, número al
correr en un maratón, deporte favorito,
carrera a estudiar, etc.
 Escala Ordinal:
Ejemplo:
Pésimo – Malo – Regular – Bueno –
ExcelentePrimaria – Secundaria – Universitaria
Los valores se pueden ORDEN.
 Escala de Intervalo:
En ella existe un orden entre los valores de la
variable y además una NOCIÓN DE
DISTANCIA aunque no se puedan realizar
operaciones.
Ejemplo:
Escalas de temperatura, la
edad de nuestros animales,
etc.
El cero o punto de inicio no es único, es más
bien un punto de referencia.
 Encuesta:
 Experimento:
Recopilar los datos mediante
el uso de cuestionarios o
entrevistas.
Procedimiento utilizado en la
investigación científica para
obtener información que permita
conocer el comportamiento de
algún proceso.
 Investigación
Documental:
Procedimiento para
obtener datos mediante
la consulta de
información ya escrita y
concentrada en
documentos que se
localicen en libros o
revistas en bibliotecas,
hemerotecas, o en
 Redondeo:
El redondeo de datos es un procedimiento
que consiste en escribir un número que
representa a una cantidad con menos cifras
de las que tiene realmente para tener una
idea rápida de la cantidad.
 Es una manera de escribir en forma
breve cifras muy grandes o pequeñas.
La forma general es a x 10 , en donde
“a” es un número entre 1 y 9, “n” es un
número entero.
n
Ejemplo:
4
El número 25 000 se escribe 2.5 x 10
- 4
El número 0.00025 se escribe como 2.5 x 10
 A los dígitos exactos que se utilizan para
escribir una cifra, a parte de los ceros para
localizar el punto decimal, se les llama cifras
significativas.
Ejemplos:
◦ 3.22 tiene 3 cifras significativas.
-3
◦ 0.0032 = 3.2 x 10 tiene 2 cifras significativas.
-3
◦ 0.00320 = 3.20 x 10 tiene 3 cifras significativas.

More Related Content

What's hot (17)

Presentación1
Presentación1Presentación1
Presentación1
 
Apuntes unidad 1
Apuntes unidad 1Apuntes unidad 1
Apuntes unidad 1
 
Presentacion oliver
Presentacion oliverPresentacion oliver
Presentacion oliver
 
Estadística-Presentacion
Estadística-PresentacionEstadística-Presentacion
Estadística-Presentacion
 
Estadistica
EstadisticaEstadistica
Estadistica
 
definicion de variables de estadistica 1
definicion de variables de estadistica 1definicion de variables de estadistica 1
definicion de variables de estadistica 1
 
Escala de-medicion-grupo-2 (1)
Escala de-medicion-grupo-2 (1)Escala de-medicion-grupo-2 (1)
Escala de-medicion-grupo-2 (1)
 
Escala de medición
Escala de mediciónEscala de medición
Escala de medición
 
Conceptos tema 1
Conceptos tema 1Conceptos tema 1
Conceptos tema 1
 
Clase1
Clase1Clase1
Clase1
 
Clase 2 Estadistica organizacion de datos
Clase 2 Estadistica organizacion de datosClase 2 Estadistica organizacion de datos
Clase 2 Estadistica organizacion de datos
 
Jenny salobo
Jenny saloboJenny salobo
Jenny salobo
 
Diseños o metodologias de una investigaci n
Diseños o metodologias de una investigaci nDiseños o metodologias de una investigaci n
Diseños o metodologias de una investigaci n
 
Variables y representaciones
Variables y representacionesVariables y representaciones
Variables y representaciones
 
Poblacion y muestra
Poblacion y muestraPoblacion y muestra
Poblacion y muestra
 
EstadíStica Escala
EstadíStica EscalaEstadíStica Escala
EstadíStica Escala
 
Presentación Estadisticas
Presentación EstadisticasPresentación Estadisticas
Presentación Estadisticas
 

Similar to Biometria I

Separata estadistica general - aula virtual
Separata   estadistica general - aula virtualSeparata   estadistica general - aula virtual
Separata estadistica general - aula virtualMichael Cabrera
 
Elementos de estadistica_descriptiva
Elementos de estadistica_descriptivaElementos de estadistica_descriptiva
Elementos de estadistica_descriptivaCharle1966
 
Clase 1 estadística descriptiva duoc uc(39)
Clase 1 estadística descriptiva duoc uc(39)Clase 1 estadística descriptiva duoc uc(39)
Clase 1 estadística descriptiva duoc uc(39)victdiazm
 
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfBlog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfGabrielCastillolvare
 
Blog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdfBlog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdfTheManBehindTheSlaug1
 
Blog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdfBlog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdfssuserf6ab1c
 
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfBlog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfGabrielCastillolvare
 
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfBlog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfGabrielCastillolvare
 
Descriptivo y variables.
Descriptivo y variables.Descriptivo y variables.
Descriptivo y variables.patriciax
 
Terminos Basicos de Estadistica
Terminos Basicos de EstadisticaTerminos Basicos de Estadistica
Terminos Basicos de EstadisticaAndrés Mendoza
 
La medicion
La medicionLa medicion
La mediciondiego
 
Organización de datos
Organización de datosOrganización de datos
Organización de datosGreylenSarahi
 
Términos básicos en la estadística
Términos básicos en la estadísticaTérminos básicos en la estadística
Términos básicos en la estadísticamaria22344
 

Similar to Biometria I (20)

Separata estadistica general - aula virtual
Separata   estadistica general - aula virtualSeparata   estadistica general - aula virtual
Separata estadistica general - aula virtual
 
Elementos de estadistica_descriptiva
Elementos de estadistica_descriptivaElementos de estadistica_descriptiva
Elementos de estadistica_descriptiva
 
Elementos de estadistica_descriptiva
Elementos de estadistica_descriptivaElementos de estadistica_descriptiva
Elementos de estadistica_descriptiva
 
Presentacion daniel tovar
Presentacion daniel tovarPresentacion daniel tovar
Presentacion daniel tovar
 
Andres lopez
Andres lopezAndres lopez
Andres lopez
 
Clase 1 estadística descriptiva duoc uc(39)
Clase 1 estadística descriptiva duoc uc(39)Clase 1 estadística descriptiva duoc uc(39)
Clase 1 estadística descriptiva duoc uc(39)
 
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfBlog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
 
Blog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdfBlog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdf
 
Blog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdfBlog Excel avanzado y métodos estadísticos.pdf
Blog Excel avanzado y métodos estadísticos.pdf
 
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfBlog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
 
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdfBlog_Excel_avanzado_y_metodos_estadisticos.pdf
Blog_Excel_avanzado_y_metodos_estadisticos.pdf
 
Estadisticas
EstadisticasEstadisticas
Estadisticas
 
Descriptivo y variables.
Descriptivo y variables.Descriptivo y variables.
Descriptivo y variables.
 
Terminos Basicos de Estadistica
Terminos Basicos de EstadisticaTerminos Basicos de Estadistica
Terminos Basicos de Estadistica
 
Análisis de datos estadísticos
Análisis de datos estadísticosAnálisis de datos estadísticos
Análisis de datos estadísticos
 
Estadística
EstadísticaEstadística
Estadística
 
La medicion
La medicionLa medicion
La medicion
 
Organización de datos
Organización de datosOrganización de datos
Organización de datos
 
Presentacion estadistica
Presentacion  estadisticaPresentacion  estadistica
Presentacion estadistica
 
Términos básicos en la estadística
Términos básicos en la estadísticaTérminos básicos en la estadística
Términos básicos en la estadística
 

More from frankjonel

Metodología de webquest
Metodología de webquestMetodología de webquest
Metodología de webquestfrankjonel
 
Sociedad del conocimiento 2017
Sociedad del conocimiento 2017Sociedad del conocimiento 2017
Sociedad del conocimiento 2017frankjonel
 
Metodología de webquest - Calidad de Semen
Metodología de webquest - Calidad de SemenMetodología de webquest - Calidad de Semen
Metodología de webquest - Calidad de Semenfrankjonel
 
Sociedad del conocimiento
Sociedad del conocimientoSociedad del conocimiento
Sociedad del conocimientofrankjonel
 

More from frankjonel (7)

Practica 2
Practica 2Practica 2
Practica 2
 
Reproduccion
ReproduccionReproduccion
Reproduccion
 
Metodología de webquest
Metodología de webquestMetodología de webquest
Metodología de webquest
 
Capitulo I
Capitulo ICapitulo I
Capitulo I
 
Sociedad del conocimiento 2017
Sociedad del conocimiento 2017Sociedad del conocimiento 2017
Sociedad del conocimiento 2017
 
Metodología de webquest - Calidad de Semen
Metodología de webquest - Calidad de SemenMetodología de webquest - Calidad de Semen
Metodología de webquest - Calidad de Semen
 
Sociedad del conocimiento
Sociedad del conocimientoSociedad del conocimiento
Sociedad del conocimiento
 

Recently uploaded

DEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICA
DEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICADEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICA
DEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICAJulyDelPilarMorenoQu
 
Portafolio Stanley PT fichas Tecnicas.pptx
Portafolio Stanley PT fichas Tecnicas.pptxPortafolio Stanley PT fichas Tecnicas.pptx
Portafolio Stanley PT fichas Tecnicas.pptxdhernandeza2310
 
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIALFUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIALPamelaGranda5
 
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdfS03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdfroycordovabocanegra7
 
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADOIPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADOEdisonRebattaRojas1
 
Teoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizacionesTeoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizacionesCarlosRozo19
 
EJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOS
EJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOSEJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOS
EJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOSLuisLopez273366
 
PROBLEMAS RELACIONADOS RESUELTOS DE GENETICA
PROBLEMAS RELACIONADOS RESUELTOS DE GENETICAPROBLEMAS RELACIONADOS RESUELTOS DE GENETICA
PROBLEMAS RELACIONADOS RESUELTOS DE GENETICAMaxiMus221
 
Ecuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios ResueltosEcuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios ResueltosManuel Alejandro Vivas Riverol
 
INFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdf
INFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdfINFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdf
INFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdfsolidalilaalvaradoro
 
thinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msdsthinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msdsfioticona20395
 
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2ErnestoContreras39
 
Presentación GP Nº03.ppt reapso general maqinas electricas
Presentación GP Nº03.ppt  reapso general maqinas electricasPresentación GP Nº03.ppt  reapso general maqinas electricas
Presentación GP Nº03.ppt reapso general maqinas electricasANDREJEANPIERREMACHU
 
Parciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeñoParciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeñomonicabetancur29
 
Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............osoriosantiago887
 
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdfNOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdflinderlauradelacruz
 
gestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyectogestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyectoclopez37
 
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdfESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdffredyflores58
 
Trabajos en Altura - USO DEL ARNES .ppt
Trabajos en Altura  - USO DEL ARNES .pptTrabajos en Altura  - USO DEL ARNES .ppt
Trabajos en Altura - USO DEL ARNES .pptdantechaveztarazona
 
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdfTR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdfFRANCISCOJUSTOSIERRA
 

Recently uploaded (20)

DEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICA
DEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICADEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICA
DEFENSA ALIMENTARIA EN LA INDUSTRIA PLASTICA
 
Portafolio Stanley PT fichas Tecnicas.pptx
Portafolio Stanley PT fichas Tecnicas.pptxPortafolio Stanley PT fichas Tecnicas.pptx
Portafolio Stanley PT fichas Tecnicas.pptx
 
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIALFUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
 
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdfS03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
S03 - Perfil del ingeniero industrial UTP - DIAPOS.pdf
 
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADOIPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
IPERC INSTALACION DE EQUIPOS DE AIRE ACONDICIONADO
 
Teoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizacionesTeoría de la contingencia en las organizaciones
Teoría de la contingencia en las organizaciones
 
EJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOS
EJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOSEJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOS
EJERCICIOS DE PROPIEDADES INDICES DE MECÁNICA DE SUELOS
 
PROBLEMAS RELACIONADOS RESUELTOS DE GENETICA
PROBLEMAS RELACIONADOS RESUELTOS DE GENETICAPROBLEMAS RELACIONADOS RESUELTOS DE GENETICA
PROBLEMAS RELACIONADOS RESUELTOS DE GENETICA
 
Ecuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios ResueltosEcuacion Diferencial de Clairaut, Ejercicios Resueltos
Ecuacion Diferencial de Clairaut, Ejercicios Resueltos
 
INFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdf
INFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdfINFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdf
INFORME DE LA DE PROBLEMÁTICA AMBIENTAL 2 UNIDAD FINAL. PDF.pdf
 
thinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msdsthinner-acrilico-ac-205- ficha tecnica msds
thinner-acrilico-ac-205- ficha tecnica msds
 
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
DOCUMENTO DE MODELO DISEÑO DE MEZCLA 210 KG CM2
 
Presentación GP Nº03.ppt reapso general maqinas electricas
Presentación GP Nº03.ppt  reapso general maqinas electricasPresentación GP Nº03.ppt  reapso general maqinas electricas
Presentación GP Nº03.ppt reapso general maqinas electricas
 
Parciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeñoParciales y Semestral Profesor David cedeño
Parciales y Semestral Profesor David cedeño
 
Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............Wal-Mart batalla con RFID...............
Wal-Mart batalla con RFID...............
 
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdfNOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
NOJA-581-08 NOJA Power OSM15-27-38 Guia de Producto - es.pdf
 
gestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyectogestion y optimizacion de procesos proyecto
gestion y optimizacion de procesos proyecto
 
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdfESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
ESTADISTICA RESUELTO SAN JUAN SOLUCIONARIO CORRECTO.pdf
 
Trabajos en Altura - USO DEL ARNES .ppt
Trabajos en Altura  - USO DEL ARNES .pptTrabajos en Altura  - USO DEL ARNES .ppt
Trabajos en Altura - USO DEL ARNES .ppt
 
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdfTR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
TR-514 (3) - DOS COLUMNAS PASCUA 2024 3.4 8.4.24.pdf
 

Biometria I

  • 1. 0 1 2 3 4 5 6 7 Ocho o más Número de hijos 100 200 300 400 Recuento 419 255 375 215 127 54 24 23 17 20 40 60 80 Edad del encuestado 50 100 150 200 250 Recuento
  • 2.  La Ciencia se ocupa en general de fenómenos observables  La Ciencia se desarrolla observando hechos, formulando leyes que los explican y realizando experimentos para validar o rechazar dichas leyes Los modelos que crea la ciencia son de tipo determinista o aleatorio  La biometría se utiliza como tecnología al servicio de las ciencias donde la variabilidad y la incertidumbre forman parte de su naturaleza
  • 4. Estadística:  Estadística descriptiva: Es la ciencia que se encarga de recolectar, organizar, resumir y analizar datos para después obtener conclusiones. Se divide en Estadística Descriptiva y Estadística Inferencial. Se encarga de la recolección, organización, presentación y análisis de los datos de una población.
  • 5.  Estadística inferencial: Se encarga de analizar la información presentada por la estadística descriptiva mediante técnicas que nos ayuden a conocer, con determinado grado de confianza, a la población. Lo que nos permite tomar decisiones.
  • 6.  Población: Al número de integrantes de la población se llama tamaño de la población y se representa con la letra N. Las poblaciones pueden ser finitas o infinitas. Conjunto definido de TODOS los INDIVIDUOS, de donde se observa cierta característica.
  • 7.  Población Estadística:  Muestra: El número de individuos que integran la muestra, llamado tamaño de la muestra se representa con la letra n. Conjunto de TODOS los DATOS que se obtienen al realizar la medición de una variable en los elementos de una población. Subconjunto de una población, que intenta reflejar las características de la población lo mejor posible.
  • 8.  Individuo:  Variable: Es el elemento de la población o de la muestra que aporta información sobre lo que se estudia. Característica o propiedad de los individuos que se desea estudiar y se puede medir o calificar; cambia o varía con el tiempo en un individuo dado, o cambia o varía de elemento a elemento. Ejem: Edad, peso, sexo, estado civil, número de hijos, etc.
  • 9.  Dato: Valor que se obtiene al realizar la medición de la característica de la variable en estudio. Pueden ser univariados, bivariados o multivariados.
  • 10.  Datos Cuantitativos (números):  Datos Cualitativos (categorías): Valores obtenidos al medir peso, estatura, temperatura, número de hijos. Se obtienen al calificar la característica en cuestión como el sexo, estado civil, grado máximo de estudios. La naturaleza de los datos pueden ser datos cuantitativos o datos cualitativos.
  • 11.  Variable Dicotómica: En la variable CUANTITATIVA se pueden distinguir dos tipos: continua y discreta. Sólo puede tomar dos valores (sí – no, 0 – 1, hombre – mujer, bueno – malo, encendido – apagado).
  • 12.  Variable Continua:  Variable Discreta: Si la variable puede tomar cualquier número real entre dos valores dados (decimal o entero). Ej. El peso de un individuo. Si la variable sólo puede tomar números enteros. Ej. El número de hijos de un individuo.
  • 13.  Escala Ordinal  Escala de Intervalo  Escala de Razón  Escala Nominal
  • 14.  Escala Nominal: Asociada a variables cualitativitas, Sus valores no se pueden ordenar. Ejemplo: sexo, código postal, estado civil, número telefónico, número al correr en un maratón, deporte favorito, carrera a estudiar, etc.
  • 15.  Escala Ordinal: Ejemplo: Pésimo – Malo – Regular – Bueno – ExcelentePrimaria – Secundaria – Universitaria Los valores se pueden ORDEN.
  • 16.  Escala de Intervalo: En ella existe un orden entre los valores de la variable y además una NOCIÓN DE DISTANCIA aunque no se puedan realizar operaciones. Ejemplo: Escalas de temperatura, la edad de nuestros animales, etc. El cero o punto de inicio no es único, es más bien un punto de referencia.
  • 17.  Encuesta:  Experimento: Recopilar los datos mediante el uso de cuestionarios o entrevistas. Procedimiento utilizado en la investigación científica para obtener información que permita conocer el comportamiento de algún proceso.
  • 18.  Investigación Documental: Procedimiento para obtener datos mediante la consulta de información ya escrita y concentrada en documentos que se localicen en libros o revistas en bibliotecas, hemerotecas, o en
  • 19.  Redondeo: El redondeo de datos es un procedimiento que consiste en escribir un número que representa a una cantidad con menos cifras de las que tiene realmente para tener una idea rápida de la cantidad.
  • 20.  Es una manera de escribir en forma breve cifras muy grandes o pequeñas. La forma general es a x 10 , en donde “a” es un número entre 1 y 9, “n” es un número entero. n Ejemplo: 4 El número 25 000 se escribe 2.5 x 10 - 4 El número 0.00025 se escribe como 2.5 x 10
  • 21.  A los dígitos exactos que se utilizan para escribir una cifra, a parte de los ceros para localizar el punto decimal, se les llama cifras significativas. Ejemplos: ◦ 3.22 tiene 3 cifras significativas. -3 ◦ 0.0032 = 3.2 x 10 tiene 2 cifras significativas. -3 ◦ 0.00320 = 3.20 x 10 tiene 3 cifras significativas.