Definición de Software Estadístico

Definición de Software Estadístico

Un software estadístico es un programa informático que permite analizar datos estadísticos, realizar cualquier tipo de cálculo y resolver inconvenientes respecto a estadística, ya que se puede manejar bases de datos de gran tamaño para obtener un resultado estadístico. Son programas muy útiles e importantes para el desarrollo de diferentes aplicaciones y en función de la estadística, pues están bien estructurados y en muchas ocasiones requieren de conocimientos previos respecto al lenguaje para un uso más eficiente. Tiene funciones como recopilación de datos, modelos avanzados, validación de datos, análisis de valores, tablas y generación de gráficos que permiten al usuario un mayor control de los procedimientos ejecutados.

REFERENTES BIBLIOGRÁFICOS

-Cordero, G., Pulido, K., & Maestre, M. (2017). Paquetes estadísticos. Caracas: Instituto Universitario De Tecnología Del Oeste “Mariscal Sucre”.

-Enith N., Yilman M. C., Jimmy E.G., [23:06, 23/3/2021] modelamiento estadístico como herramienta didáctica informática basado en el software r para validar conceptos teóricos y manejar datos estadísticos, 3c tic (Edición 24) Vol.7 – Nº1 Marzo – junio’18, 47 – 61 Área de Innovación y Desarrollo, S.L. ISSN: 2254 – 6529.

-Torres, B. (10 de junio de 2015). Software Estadístico. Obtenido de Scribd: https://es.scribd.com/doc/268319411/Software-Estadistico.

Listado de software estadístico gratuito y de pago

 

Listado de software estadístico gratuito

Listado de software estadístico de pago

Stata: es un paquete de software estadístico creado en 1985 por StataCorp. Es utilizado principalmente por instituciones académicas y empresariales dedicadas a la investigación, especialmente en economía, sociología, ciencias políticas, biomedicina, geoquímica y epidemiología, etc.   Microsoft Office Excel: es una hoja de cálculo que sirve para manejar datos numéricos o alfanuméricos agrupados en filas y columnas también llamadas tablas de datos. Excel es una herramienta de gran utilidad a la hora de crear presupuestos, diseñar facturas, generar gráficos estadísticos, crear bases de datos y múltiples operaciones más.   Google Spreadsheet Es un servicio vía web de hojas de cálculo, realizado en tecnología AJAX. Las funciones que tiene la hoja de cálculo de Google en estadística son realmente buenas. De hecho, la hoja de cálculo está preparada para grandes datos (o big data) más que para pequeños datos. Y si es verdad, que todavía no tiene una gran aceptación en la comunidad universitaria. Esto tiene su razón de ser. Ni todo el mundo hace estadística, ni se conoce a fondo la herramienta. Además, en muchas universidades están empezando apostar por el programa R o hace tiempo que usan SPSS, que es el programa que hay en el párrafo siguiente.

Python: Se Puede utilizar Python para importar y exportar conjuntos de datos. Además, puede usarlo para manejar regresión lineal simple, regresión lineal múltiple y regresión polinomial. Esta herramienta es útil cuando desea limpiar o preparar sus datos. La limpieza y preparación de datos implica varios procesos, incluido el formato y el agrupamiento de datos. También incluye normalización de datos, identificación y tratamiento de valores perdidos. La agrupación de conjuntos de datos, la correlación y las estadísticas descriptivas.   Nvivo: La herramienta permite a los investigadores profundizar y analizar exhaustivamente sus datos. Permite almacenar y organizar sus datos en una plataforma. También es excelente para categorizar y analizar datos. Con esta herramienta, puede tabular y visualizar fácil y rápidamente sus hallazgos. Una vez que lo haga, podrá mapear ideas, intercambiar ideas y detectar relaciones entre variables. Además, los datos visualizados correctamente facilitan el descubrimiento de áreas que necesitan más investigación.   R. The R Project for Statistical Computing Es un lenguaje de programación muy popular y una de las mejores herramientas de análisis de datos. Presentar conjuntos de datos complejos, admite el aprendizaje automático y el análisis de datos avanzado. Este software inteligente permite a los investigadores incorporar gráficos de calidad superior en su trabajo. Este software, R es un software pensado sobre todo para hacer programación y obtener después resultados estadísticos. Es de código libre y aunque en los inicios cuesta un poco, una vez tienes el programa por la mano, no tienes grandes dificultades a la hora de manejarlo.

REFERENTES BIBLIOGRÁFICOS

-Canal Innova 2020 https://canalinnova.com/los-7-mejores-programas-de-software-estadistico/

-Juan-José Boté (2016). CURSO DE EXCEL. https://juanjobote.com/6-programas-estadistica-debes-conocer/

-Slideshare(2015). Huamán Brigitte. https://es.slideshare.net/Brigitte9/software-estadistico-55022572. Slideshare(2015). Huamán Brigitte. https://es.slideshare.net/Brigitte9/software-estadistico-55022572

Tipos de muestreo

 

REFERENTES BIBLIOGRÁFICOS

- Alperin, M., & Skorupka, C. (2014). Métodos de muestreo. Cátedra estadística. Recuperado de http://www. fcnym. unlp. edu. ar/catedras/estadistica/Procedimientos% 20de% 20muestreo, 20.

- Córdoba, L. (2017). Tipos de muestreo: Muestreo probabilístico y no probabilístico. Universidad del Istmo .

-Cuesta, M., & Herrero, F. (2010). Introducción al muestreo. Universidad de Oviedo. Dpto. Psicología.

-Hernández, C. E., & Carpio, N. (2019). Introducción a los tipos de muestreo. Alerta, Revista científica del Instituto Nacional de Salud, 2(1), 75-79.

-Otzen, T., & Manterola, C. (2017). Técnicas de Muestreo sobre una Población a Estudio. Int. J. Morphol, 227-232.

 

Definición de medida de dispersión

Definición propia de medida de dispersión

Las medidas de dispersión son esenciales dentro de la distribución y análisis de datos en un estudio determinado, por la posible presencia de dispersión en valores, tanto poblaciones como muéstrales. Estas medidas permiten evidenciar la variabilidad de una distribución, representándolo por medio de un número, el mismo que indica si una variable se mueve más o menos que otra. Además de cuantificar la variabilidad de un conjunto de datos o de una distribución, también es necesaria para completar la descripción de éstos.

 

REFERENTES BIBLIOGRÁFICOS

-Ruiz, J., Batanero, C., & Estepa, A. (2017). Síntesis de la investigación sobre variabilidad y dispersión en estadística. Trabajo Fin de Máster. Universidad de Granada.

-Rendón-Macías, M., Villasís-Keever, M., & Miranda-Novales, M. (2016). Descriptive statistics Estadística descriptiva. Revista Alegría México, 397-407.

-José Francisco López (15 de febrero, 2019). Medidas de dispersión. Economipedia.com 

Definiciones de media, mediana y moda

Definición propia de media

La media es comúnmente conocida como promedio, se considera como el valor que se obtiene al sumar todos los datos y dividir el resultado entre el número total de datos.

Definición propia de mediana

La mediana es un estadístico de posición central que parte la distribución de los datos, los datos deben estar ordenados, permitiendo conocer cuál es el valor a obtener, es decir, conocer la posición central de la distribución de los datos ordenados. Si el valor impar, posible que haya coincidencia con otro valor en caso de ser par, este puede no coincidir.

Definición propia de moda

La moda es el valor que más se repite, es la frecuencia que adquiere más importancia dentro de todos los resultados estadísticos (unimodal), sin embargo, dentro de una distribución puede existir más de una, de ser el caso toma el nombre de multimodal. Se puede hallar la moda en los siguientes pasos: 1.- Escribir la serie de datos a analizar. 2.- Ordenarlos de mayor a menor 3.-Observar las veces que se repiten e identificar cual se repite con mayor frecuencia. El valor que se repita con mayor frecuencia es señalado como moda.

REFERENTES BIBLIOGRÁFICOS

-Análisis de Datos y su Didáctica; GRANADA, (2001) Departamento de Didáctica de la Matemática Universidad de Granada ISBN: 84-699-4296-6

-Cobo, B. (2015). «Significado de las medidas de posición central para los estudiantes de secundaria». Tesis doctoral. Universidad de Granada.

-Educación Secundaria Obligatoria    Estadística, Combinatoria y Probabilidad (2015) https://proyectodescartes.org/iCartesiLibri/materiales_didacticos/IntroduccionEstadisticaProbabilidad/4ESO/Estadistica/5_3Moda.

-Francisco Javier Marco Sanjuán (20 de abril, 2019).Mediana. Economipedia.com https://economipedia.com/definiciones/mediana.html

-Introducción a la estadística (2017) https://scioteca.caf.com/bitstream/handle/123456789/527/69.pdf?sequence=1&isAllowed=y

-Matías Riquelme (2018) https://www.webyempresas.com/moda-estadistica/#%C2%BFQue_es_la_moda

-Matías Riquelme (2020) https://www.webyempresas.com/mediana-estadistica-definicion-y-formula/

-Molero del Río, A. J. (2017). Comprensión del concepto de media aritmética en los estudiantes de educación secundaria obligatoria. Granada: Tesis de maestría.

Ejercicios propuesto, tablas de frecuencias grupada y no agrupada.

 

Ejercicios de tablas de frecuencias no agrupada

EJERCICIO 1 ESTUDIANTE N° DE HERMANOS TABLA DE FRECUENCIA - NÚMERO DE HERMANOS DE LOS ESTUDIANTES DE LA CARRERA DE EDUCACIÓN BÁSICA 5/1 Italo 1 Dato X Frecuencia Absoluta fi Frecuencia Absoluta Acumulada Fi Frecuencia Relativa ni Frecuencia Relativa Acumulada Ni Frecuencia Porcentual P (%) Frecuencia Porcentual Acumulada Pa (%) Jessica 1 María Angel 1 María Borbor 1 Denisse 1 ni=fi/N Ni=Fi/N P=ni*100 Pa=Ni*100 Manuel 1 1 7 7 0,17948718 0,00460224 17,94871795 0,460223537 Jordi 1 2 7 14 0,17948718 0,35897436 17,94871795 35,8974359 Dariana 2 3 11 25 0,28205128 0,64102564 28,20512821 64,1025641 Elian 2 4 10 35 0,25641026 0,8974359 25,64102564 89,74358974 Ginger 2 5 2 37 0,05128205 0,94871795 5,128205128 94,87179487 Leticia 2 6 2 39 0,05128205 1 5,128205128 100 Noemí 2 N 39   1   100   Katherine 2 Josué 2 Joselyn 3 Anthony 3 Byron 3 Emily 3 Fátima 3 Josdy 3 Juan 3 Marielisa 3 Odalys 3 Alba 3 Annabel 3 Barbara 4 Kleber 4 María Azucena 4 William 4 Luis 4 María Carbajal 4 Adriana 4 Madelyn 4 Geliberth 4 Stefany 4 Thalia 5 Darwin 5 Angie 6 Karen 6   EJERCICIO 2 ESTUDIANTE N° DE FALTAS TABLA DE FRECUENCIA - NÚMERO DE HERMANOS DE LOS ESTUDIANTES DE LA CARRERA DE EDUCACIÓN BÁSICA 5/1 Katherine 0 Dato X Frecuencia Absoluta fi Frecuencia Absoluta Acumulada Fi Frecuencia Relativa ni Frecuencia Relativa Acumulada Ni Frecuencia Porcentual P (%) Frecuencia Porcentual Acumulada Pa (%) Anthony 0 Josdy 0 Marielisa 0 Alba 0 ni=fi/N Ni=Fi/N P=ni*100 Pa=Ni*100 Madelyn 0 0 7 7 0,17948718 0,00460224 17,94871795 0,460223537 Angie 0 1 0 7 0 0,17948718 0 17,94871795 Dariana 2 2 6 13 0,15384615 0,33333333 15,38461538 33,33333333 Elian 2 3 11 24 0,28205128 0,61538462 28,20512821 61,53846154 Ginger 2 4 9 33 0,23076923 0,84615385 23,07692308 84,61538462 Noemí 2 5 3 36 0,07692308 0,92307692 7,692307692 92,30769231 Josué 2 6 3 39 0,07692308 1 7,692307692 100 Emily 2 N 39   1   100   María Borbor 3 Denisse 3 Manuel 3 Jordi 3 Leticia 3 Joselyn 3 Byron 3 Fátima 3 Juan 3 Odalys 3 Annabel 3 Jessica 4 María Angel 4 Barbara 4 Kleber 4 William 4 Luis 4 Adriana 4 Gelliberth 4 Stefany 4 Italo 5 Thalia 5 Dawin 5 María Azucena 6 Karen 6 María Carbajal 6   EJERCICIO 3   ESTUDIANTE   TALLA DE CALZADO Adriana   36 Anthony   41 Dariana   38 TABLA DE FRECUENCIA -TALLA DE CALZADO DE LOS ESTUDIANTES DE LA CARRERA DE EDUCACIÓN BÁSICA 5/1 Denisse   37 Dato X Frecuencia Absoluta fi Frecuencia Absoluta Acumulada Fi Frecuencia Relativa ni Frecuencia Relativa Acumulada Ni Frecuencia Porcentual P (%) Frecuencia Porcentual Acumulada Pa (%) Gelliberth   39 Josdy   37 María Carbajal   38 Odalys   37 ni=fi/N Ni=Fi/N P=ni*100 Pa=Ni*100 William   39 36 6 6 0,15384615 0,15384615 15 15 Elian   40 37 11 17 0,28205128 0,43589744 28 43 Emily   37 38 9 26 0,23076923 0,66666667 23 66 Fátima   36 39 2 28 0,05128205 0,71794872 5 71 Ginger   37 40 6 34 0,15384615 0,87179487 15 87 Jordi   40 41 2 36 0,05128205 0,92307692 5 92 Kleber   40 42 3 39 0,07692308 1 8 100 Leticia   37   39   1   100   Luis   40 María Borbor   38 Noemí   38 Stefany   36 Italo   40 Josué   41 Madelyn   37 Manuel   40 María Angel   37 Angie   36 Annabel   36 Joselyn   38 Juan   42 Karen   38 Thalia   38 Barbara   38 Katherine   38 Alba   37 Jessica   36 María Azucena   37 Marielisa   37 Byron   42 Darwin   42

Ejercicios de tablas de frecuencias agrupada

Calificaciones 0 0 0 1 R = Xmax - Xmin TABLA DE FRECUENCIA AGRUPADA CALIFICACIONES DE LA PRUEBA DE ESTUDIOS SOCIALES DE LOS NIÑOS DE TERCER GRADO 1 R = 10-0 1 R = 10 Intervalos de clase X Marca de clase Frecuencia Absoluta fi Frecuencia Absoluta Acumulada Fi Frecuencia Relativa ni Frecuencia Relativa Acumulada Ni Frecuencia Porcentual P (%) Frecuencia Porcentual Acumulada Pa (%) 1 2 K = 1 + 3,322 * log N 2 K = 1 + 3,322 * log 20 long 34 3 K = 6,08 X´i=(Li+Ls)/2 ni=fi/N Ni=Fi/N P=ni*100 Pa=Ni*100 4 K = 6 0-2 1 7 7 0,20588235 0,15 20,5882353 15 4 2-4 2 3 10 0,08823529 0,35 8,82352941 35 4 A = R / K 4-6 5 7 17 0,20588235 0,45 20,5882353 45 5 A = 10/ 6 6-8 7 5 22 0,14705882 0,75 14,7058824 75 5 A = 1,64 8-10 9 12 34 0,35294118 1 35,2941176 100 5 A = 2 N   34   1   100   5 6 6 6 7 7 8 8 8 8 8 8 9 9 9 9 10 10   EJERCICIO 2 ESTUDIANTE EDAD Adriana 20 Anthony 20 Dariana 20 Denisse 20 R = Xmax - Xmin TABLA DE FRECUENCIA AGRUPADA CALIFICACIONES DE LA PRUEBA DE ESTUDIOS SOCIALES DE LOS NIÑOS DE TERCER GRADO Gelliberth 20 R = 35-20 Josdy 20 R = 15 Intervalos de clase X Marca de clase Frecuencia Absoluta fi Frecuencia Absoluta Acumulada Fi Frecuencia Relativa ni Frecuencia Relativa Acumulada Ni Frecuencia Porcentual P (%) Frecuencia Porcentual Acumulada Pa (%) María Carbajal 20 Odalys 20 K = 1 + 3,322 * log N William 20 K = 1 + 3,322 * log 20 long 39 Elian 21 K = 6,12 X´i=(Li+Ls)/2 ni=fi/N Ni=Fi/N P=ni*100 Pa=Ni*100 Emily 21 K = 6 20-23 1 31 31 0,79487179 0,15 79,4871795 15 Fátima 21 23-26 2 5 36 0,12820513 0,35 12,8205128 35 Ginger 21 A = R / K 26-29 3 0 36 0 0,45 0 45 Jordi 21 A = 15/ 6 29-32 4 2 38 0,05128205 0,75 5,12820513 75 Kleber 21 A = 2,5 32-35 5 1 39 0,02564103 1 2,56410256 100 Leticia 21 A = 3 N   39   1   100   Luis 21 María Borbor 21 Noemí 21 Stefany 21 Italo 22 Josué 22 Madelyn 22 Manuel 22 María Angel 22 Angie 23 Annabel 23 Joselyn 23 Juan 23 Karen 23 Thalia 23 Barbara 24 Katherine 24 Alba 25 Jessica 25 María Azucena 26 Marielisa 30 Byron 32 Darwin 35   EJERCICIO 3 ESTUDIANTE peso (kg) Adriana 60 Anthony 66 Dariana 64 Denisse 61 TABLA DE FRECUENCIA AGRUPADA CALIFICACIONES DE LA PRUEBA DE ESTUDIOS SOCIALES DE LOS NIÑOS DE TERCER GRADO Gelliberth 66 Josdy 66 Intervalos de clase X Marca de clase Frecuencia Absoluta fi Frecuencia Absoluta Acumulada Fi Frecuencia Relativa ni Frecuencia Relativa Acumulada Ni Frecuencia Porcentual P (%) Frecuencia Porcentual Acumulada Pa (%) María Carbajal 71 Odalys 70 William 69 Elian 70 X´i=(Li+Ls)/2 ni=fi/N Ni=Fi/N P=ni*100 Pa=Ni*100 Emily 65 (60-65) 63 9 9 0,23076923 0.23076923 23.077 23.077 Fátima 62 (66-70) 68 13 22 0,33333333 0,56410256 33.333 56.410 Ginger 63 (71-75) 73 11 33 0,28205128 0,84615385 28.205 84.051 Jordi 62 (76-80) 78 6 39 0,15384615 1 15.385 100 Kleber 71     39   1   100   Leticia 70 Luis 68 María Borbor 72 Noemí 72 Stefany 63 Italo 74 Josué 74 Madelyn 70 Manuel 65 María Angel 70 Angie 68 Annabel 66 Joselyn 74 Juan 78 Karen 71 Thalia 72 Barbara 76 Katherine 77 Alba 72 Jessica 69 María Azucena 75 Marielisa 76 Byron 78 Darwin 79