Mapa Mental
GUILLERMO RODRIGUEZ TLILAYATZI
Created on October 24, 2024
Over 30 million people build interactive content in Genially.
Check out what others have designed:
Transcript
UNIVERSIDAD VIRTUAL DEL ESTADO DE GUANAJUATO LICENCIATURA EN PEDAGOGÍA MÓDULO: Estadística para las ciencias sociales v1 UNIDAD 1 NOMBRE DEL RETO 1: Conceptos básicos de la estadística en las Ciencias Sociales MATRÍCULA: 22026199 NOMBRE DEL ALUMNO: GUILLERMO RODRÍGUEZ TLILAYATZI NOMBRE DEL ASESOR: Gregorio Daniel Ramírez Beltrán FECHA: 24 de octubre DEL 2024
Lorem ipsum dolor sit
Lorem ipsum dolor sit
TIPOS DE ESTADISTICA
Descriptiva: Abarca las formas de organización y presentar los datos con propósito de informar. Esta rama se enfoca en la presentación y resumen de datos. Involucra métodos para describir las características básicas de un conjunto de datos, como la media (promedio), la mediana (valor del medio), la moda (valor más común), la desviación estándar (medida de dispersión), entre otros. La estadística descriptiva ayuda a comprender la distribución y la tendencia central de los datos. Inferencial: Abarca las formas de establecer un atributo de una población a partir de la información de una fuerza de la misma. Esta rama se centra en hacer inferencias o conclusiones sobre una población más grande basándose en muestras más pequeñas de datos observados. Utiliza métodos como pruebas de hipótesis, intervalos de confianza y regresión para hacer estimaciones y tomar decisiones sobre propiedades desconocidas de la población en función de los datos recopilados.
TIPOS DE MEDICION EN ESTADISTICA
En estadística, las mediciones se clasifican en cuatro niveles de medición, que describen la naturaleza de los datos y determinan qué operaciones matemáticas y estadísticas son apropiadas para analizarlos. Los cuatro niveles de medición son: Medición Nominal: En este nivel de medición, las observaciones se clasifican en categorías o grupos sin ningún orden inherente. Las variables nominales son cualitativas y no tienen un valor numérico inherente. Ejemplos de variables nominales incluyen el género, la nacionalidad, el color de ojos, etc. En este nivel, se pueden calcular frecuencias y porcentajes para cada categoría, pero no se pueden realizar operaciones matemáticas adicionales como promedios o diferencias. Medición Ordinal: En este nivel, las observaciones se clasifican en categorías con un orden específico, pero las diferencias entre las categorías no son necesariamente uniformes o significativas. Las variables ordinales indican la posición o el rango relativo de una observación. Ejemplos de variables ordinales incluyen niveles de satisfacción (como "insatisfecho", "neutral", "satisfecho") o rangos educativos (como "primaria", "secundaria", "terciaria"). Se pueden calcular medianas y percentiles, pero no se pueden realizar operaciones matemáticas más avanzadas. Medición de Intervalo: En este nivel, las observaciones se miden en una escala numérica con intervalos iguales entre los valores, pero no hay un punto de referencia absoluto (cero real). Ejemplos de variables de intervalo incluyen la temperatura Celsius y la puntuación en una prueba estandarizada (donde el punto cero es arbitrario). Se pueden realizar operaciones matemáticas como suma, resta y promedio, pero no es apropiado hablar de relaciones proporcionales o de punto cero absolutos. Medición de Proporción: Este nivel es similar a la medición de intervalo, pero tiene un punto de referencia absoluto (cero real). En las variables de proporción, se pueden realizar todas las operaciones matemáticas, incluidas las relaciones de proporción y las operaciones de multiplicación y división. Ejemplos de variables de proporción son la altura, el peso, la edad y el ingreso.
RECOLECCION DE DATOS
La recolección de datos es un proceso fundamental en la investigación y el análisis estadístico. Implica la recopilación de información específica y relevante sobre un fenómeno, variable o evento con el fin de analizar, interpretar y tomar decisiones informadas. Algunos pasos y consideraciones clave en el proceso de recolección de datos: Definición de Objetivos y Preguntas de Investigación: Antes de comenzar la recolección de datos, es esencial tener claridad sobre los objetivos de la investigación y las preguntas que se buscan responder. Esto ayudará a determinar qué datos son necesarios y cómo deben ser recopilados. Diseño de la Investigación: Decide si llevarás a cabo un estudio observacional (observar y registrar datos existentes) o un estudio experimental (manipular variables y observar los efectos). Diseña un plan que establezca qué datos necesitas, cómo los obtendrás y cómo evitarás sesgos. Selección de la Muestra: Si no es posible recopilar datos de toda la población, selecciona una muestra representativa. Esto implica determinar el tamaño de la muestra y cómo se seleccionarán los participantes o unidades de estudio. Elección de Métodos de Recolección de Datos: Hay varias técnicas para recopilar datos, como encuestas, entrevistas, observaciones directas, análisis de documentos, experimentos controlados y más. Creación de Instrumentos de Recolección: Diseña cuestionarios, formularios de encuesta, guiones de entrevistas u otros instrumentos necesarios para recopilar información de manera coherente y estructurada. Recolección de Datos: Lleva a cabo el proceso de recopilación de datos siguiendo los métodos y los instrumentos definidos. Asegúrate de seguir procedimientos consistentes y de mantener la calidad de los datos. Validación y Control de Calidad: Verifica que los datos recopilados sean precisos y confiables. Realiza pruebas piloto, verifica que los cuestionarios estén claros y asegúrate de que los procedimientos de recopilación se sigan correctamente. Almacenamiento y Organización: Guarda los datos de manera segura y organízalos de manera que sean fáciles de manejar y analizar posteriormente. Utiliza software y herramientas adecuadas para la gestión de datos. Análisis y Uso de Datos: Una vez recopilados los datos, realiza el análisis estadístico correspondiente utilizando técnicas apropiadas según los objetivos de la investigación. Los resultados de este análisis te ayudarán a responder tus preguntas de investigación y a sacar conclusiones.
DISTRIBUCION DE FRECUENCIAS
Este proceso ayuda a visualizar la distribución de los datos y proporciona una descripción clara de cómo se distribuyen las diferentes categorías o valores en una variable. Definición: La distribución de frecuencias es una tabla o gráfico que muestra la frecuencia de cada valor o intervalo en un conjunto de datos. Pasos para Crear una Distribución de Frecuencias:
- Identificar cada valor único en el conjunto de datos.
- Contar cuántas veces aparece cada valor (frecuencia).
- Organizar los valores y sus frecuencias en una tabla.
TABLAS DE FRECUENCIAS CON INFORMACION RELATIVA
Estas medidas, como las frecuencias relativas y las frecuencias acumuladas relativas, proporcionan una perspectiva proporcional de la distribución de datos. Frecuencia Relativa (f %): La frecuencia relativa de un valor es el porcentaje de veces que ese valor aparece en relación con el total de observaciones. Se calcula dividiendo la frecuencia absoluta de un valor entre el total de observaciones y multiplicando por 100. Frecuencia Acumulada Relativa: La frecuencia acumulada relativa en un punto específico es el porcentaje acumulado de observaciones hasta ese punto en la tabla. Se calcula sumando las frecuencias relativas hasta el valor o intervalo actual. Construcción de una Tabla de Frecuencias con Información Relativa: Además de las columnas típicas que incluyen los valores y sus frecuencias absolutas, se añaden columnas para las frecuencias relativas y las frecuencias acumuladas relativas. La columna de frecuencias relativas se calcula dividiendo cada frecuencia absoluta entre el total de observaciones y multiplicando por 100. La columna de frecuencias acumuladas relativas se calcula sumando las frecuencias relativas a medida que avanzamos a través de la tabla. Ejemplo: Si estamos registrando las calificaciones de estudiantes en una escala de 1 a 10, una tabla de frecuencias con información relativa incluiría columnas para las calificaciones, las frecuencias absolutas, las frecuencias relativas y las frecuencias acumuladas relativas.
POBLACION Y MUESTRA EN ESTADISTICA
En estadística, los términos "población" y "muestra" se utilizan para describir conjuntos de datos que son fundamentales en el proceso de recopilación y análisis de información. Población: La población en estadística se refiere al conjunto completo de elementos o individuos que comparten una característica común y son de interés para el estudio. Es el grupo total que se desea investigar o sobre el cual se desea obtener información. La población puede ser grande o pequeña, dependiendo del alcance del estudio. Sin embargo, en muchos casos, no es práctico o posible analizar y recopilar datos de toda la población debido a limitaciones de tiempo, recursos y accesibilidad. Por ejemplo, si estás interesado en estudiar la estatura de todos los estudiantes de una escuela en particular, la población sería el conjunto completo de estudiantes matriculados en esa escuela. Muestra: Una muestra en estadística es un subconjunto seleccionado de la población total. La idea detrás del muestreo es que, al estudiar una muestra representativa de la población, se pueden hacer inferencias y conclusiones sobre la población en su conjunto sin necesidad de examinar cada individuo en la población. El proceso de selección de una muestra se llama "muestreo". Siguiendo con el ejemplo anterior, si seleccionas aleatoriamente un grupo de estudiantes de la escuela y mides sus estaturas, ese grupo de estudiantes sería tu muestra. La idea es que, si la muestra es representativa y seleccionada de manera adecuada, los resultados obtenidos de la muestra podrán generalizarse a toda la población de estudiantes en la escuela.
TIPOS DE ESTADISTICA EN SU FUNCION SU ALCANCE
En función de su alcance y objetivo, la estadística se puede dividir en dos tipos principales: estadística descriptiva y estadística inferencial. Estos tipos se enfocan en diferentes aspectos de los datos y se utilizan para diferentes propósitos en el análisis estadístico. Estadística Descriptiva: La estadística descriptiva se concentra en describir, resumir y presentar los datos de manera organizada. Su objetivo principal es proporcionar una visión general de las características básicas de un conjunto de datos sin hacer inferencias más allá de los datos en sí. Algunos conceptos clave de la estadística descriptiva incluyen: Medidas de tendencia central, como la media, la mediana y la moda. Medidas de dispersión, como la desviación estándar y el rango. Gráficos y diagramas para visualizar la distribución de datos, como histogramas y diagramas de dispersión. Resúmenes numéricos, como percentiles y cuartiles. Estadística Inferencial: La estadística inferencial se centra en hacer inferencias o generalizaciones sobre una población más amplia basándose en muestras de datos. Su objetivo es sacar conclusiones más allá de los datos observados en la muestra y estimar propiedades de la población en su conjunto. Algunos conceptos clave de la estadística inferencial incluyen: Pruebas de hipótesis: Evaluación de afirmaciones sobre una población basada en la evidencia de la muestra. Intervalos de confianza: Rangos de valores que proporcionan una estimación de un parámetro poblacional desconocido. Regresión y correlación: Análisis de relaciones entre variables y predicción de resultados futuros. Distribuciones de probabilidad: Modelos matemáticos que describen la probabilidad de diferentes resultados en un experimento. Muestreo y teorema del límite central: Métodos para seleccionar muestras representativas y comprender cómo se comportan las distribuciones muestrales.
TIPOS DE ESTADISTICA EN FUNCION DE SU PROPISITO
En función de su propósito y enfoque, la estadística se puede dividir en dos categorías principales: estadística aplicada y estadística matemática. Estas categorías se diferencian por su enfoque en la práctica y la teoría estadística, respectivamente. Estadística Aplicada: La estadística aplicada se centra en la aplicación práctica de métodos y técnicas estadísticas para resolver problemas del mundo real en diversas disciplinas. Su objetivo principal es utilizar herramientas estadísticas para recopilar, analizar e interpretar datos con el fin de tomar decisiones informadas y resolver problemas específicos en campos como la ciencia, la industria, la economía, la medicina, la ingeniería, las ciencias sociales y más. Algunos ejemplos de áreas de estadística aplicada incluyen: Análisis de Datos Empresariales: Utilización de estadísticas para tomar decisiones comerciales y estratégicas. Estadística Médica: Aplicación de métodos estadísticos en la investigación clínica y estudios de salud. Estadística Ambiental: Análisis de datos relacionados con el medio ambiente y la ecología. Análisis de Encuestas: Interpretación de datos de encuestas y estudios de opinión pública.
FRECUENCIA ACOMULADA
La frecuencia acumulada: Es una medida estadística utilizada en la construcción de distribuciones de frecuencia. Representa la suma acumulativa de las frecuencias absolutas o relativas en una distribución. En el contexto de clases o intervalos, la frecuencia acumulada absoluta es la suma de las frecuencias absolutas de todas las clases anteriores más la frecuencia absoluta de la clase actual. De manera similar, la frecuencia acumulada relativa es la suma de las frecuencias relativas de todas las clases anteriores más la frecuencia relativa de la clase actual. La frecuencia acumulada proporciona una perspectiva acumulativa de cómo se distribuyen las observaciones en una variable. Puede representarse gráficamente mediante una curva de frecuencia acumulada, ofreciendo una visualización más completa de la acumulación de datos a lo largo de la distribución.
FRECUENCIA RELATIVA
La frecuencia relativa es una medida estadística que expresa la proporción o porcentaje de veces que un valor específico o intervalo ocurre en relación con el total de observaciones en una distribución de datos. Se calcula dividiendo la frecuencia absoluta de un valor entre el total de observaciones y multiplicando por 100 para expresar el resultado en términos de porcentaje. La frecuencia relativa proporciona una perspectiva proporcional de la distribución de datos, indicando la importancia relativa de diferentes categorías. Se puede visualizar gráficamente, por ejemplo, mediante gráficos circulares, y su suma total en una distribución siempre es igual a 1 o 100%. La frecuencia relativa es esencial para entender la proporción de ocurrencia de distintos valores y facilita comparaciones entre conjuntos de datos, siendo una herramienta fundamental en el análisis estadístico.
Conceptos básicos de la estadística en las Ciencias Sociales
SU IMPORTANCIA PARA LAS CIENCIAS SOCIALES
La estadística desempeña un papel fundamental en las ciencias sociales debido a su capacidad para proporcionar métodos y herramientas objetivas para analizar y comprender los fenómenos sociales. Algunas razones clave y ejemplos por las cuales la estadística es importante en las ciencias sociales: Validación de Teorías: La estadística permite a los investigadores probar hipótesis y teorías en el campo de las ciencias sociales. Al recopilar y analizar datos numéricos, los investigadores pueden determinar si las relaciones y patrones observados son consistentes con las predicciones teóricas. Generalización y Representatividad: En las ciencias sociales, no siempre es posible estudiar a toda una población debido a limitaciones de tiempo, recursos y accesibilidad. La estadística proporciona métodos para seleccionar muestras representativas que permitan hacer inferencias válidas sobre toda la población. Identificación de Patrones Sociales: La estadística permite identificar patrones y tendencias en datos sociales. Esto puede incluir patrones de comportamiento humano, cambios demográficos, movimientos migratorios, cambios en la opinión pública y más.
¿QUE ES LA ESTADISTICA ?
La estadística: Es una disciplina que se ocupa de recopilar, organizar, analizar e interpretar datos numéricos para obtener información significativa y tomar decisiones informadas. Se utiliza en una amplia variedad de campos, desde la investigación científica y la industria hasta la toma de decisiones gubernamentales y comerciales.
EJEMPLOS DE LA ESTADISTICA EN LAS CIENCIAS SOCIELES
Algunos ejemplos de la aplicabilidad de la estadística de las ciencias sociales Deserción escolar: Se busca encontrar causas y motivos del por qué dejan los estudios y se intenta dar una solución a esto. Infecciones intrahospitalarias: Se busca prevenir infecciones que atenten a la población. Hábitos alimenticios: Se busca que se conozca sobre hábitos alimenticios que con lleven a una alimentación sana, evitar enfermedades como anorexia, bulimia, etc.
¿QUE ES LA PROBABILIDAD?
La probabilidad: Es una medida numérica que cuantifica la posibilidad de que un evento ocurra. En otras palabras, es la medida de la certeza o incertidumbre asociada a los resultados posibles de un experimento o evento. La probabilidad se expresa generalmente en términos de números entre 0 y 1, donde 0 representa la certeza de que un evento no ocurrirá y 1 representa la certeza de que un evento ocurrirá. Además de que también es una descripción de la posibilidad de ocurrencia de un evento. Esta va de cero (imposible de ocurrencia) a uno (total certeza de ocurrencia) “Porcentaje” VARIABLES Cualitativas: es un atributo que no es medible, por ejemplo, el sexo o el estado civil de una persona; sin embargo, estas (las variables cualitativas) sí se pueden conectar. Cuantitativas: son las que se pueden medir de forma numérica. Discretas (es aquella que puede tomar determinados valores sin poder medir las cantidades intermedias entre ellos. Y continuas (pueden tomar cualquier valor en un intervalo determinado).
TIPOS DE VARIABLE
En estadística y análisis de datos, las variables se dividen en diferentes tipos según sus propiedades y características. Los tipos principales de variables son: Variables Cualitativas (Nominales): Estas variables representan categorías o atributos que no tienen un orden inherente. Ejemplos incluyen el género, el estado civil, la nacionalidad, el color de ojos, etc. Se pueden codificar numéricamente, pero no tiene sentido decir que una categoría es "mayor" o "menor" que otra. Variables Cualitativas Ordinales: A diferencia de las variables nominales, estas tienen un orden específico. Sin embargo, la distancia o diferencia entre las categorías no es necesariamente constante o significativa. Ejemplos incluyen niveles de satisfacción (como "insatisfecho", "neutral", "satisfecho"), niveles de educación (como "primaria", "secundaria", "terciaria"), etc. Variables Cuantitativas (Numéricas): Estas variables representan valores numéricos que se pueden medir y cuantificar. Se dividen en dos subtipos: - Variables Cuantitativas Discretas: Estas variables toman valores específicos y a menudo son el resultado de contar. Ejemplos incluyen el número de hijos en una familia, el número de automóviles en un estacionamiento, etc. - Variables Cuantitativas Continuas: Estas variables pueden tomar cualquier valor en un rango continuo. Generalmente son el resultado de medir y se representan en términos de fracciones o decimales. Ejemplos incluyen la altura, el peso, la temperatura, etc. Variables Dependientes e Independientes: Estos términos se utilizan comúnmente en el contexto de análisis de regresión y experimentos. Una variable independiente (o predictor) es aquella que se considera como una posible causa o influencia en otra variable, que se llama variable dependiente (o respuesta). Por ejemplo, en un estudio sobre el rendimiento académico, la cantidad de horas de estudio (independiente) podría influir en las calificaciones obtenidas (dependiente). Variables Aleatorias: En el contexto de la probabilidad y la estadística, una variable aleatoria es una variable que puede tomar diferentes valores según el resultado de un evento aleatorio. Las variables aleatorias pueden ser discretas o continuas. Variables Controladas y Extrínsecas: En experimentos, una variable controlada es aquella que se mantiene constante para evitar que influya en los resultados. Las variables extrínsecas son aquellas que no están relacionadas directamente con el experimento, pero podrían influir en los resultados. Variables Dependientes e Independientes: Estos términos se utilizan comúnmente en el contexto de análisis de regresión y experimentos. Una variable independiente (o predictor) es aquella que se considera como una posible causa o influencia en otra variable, que se llama variable dependiente (o respuesta). Por ejemplo, en un estudio sobre el rendimiento académico, la cantidad de horas de estudio (independiente) podría influir en las calificaciones obtenidas (dependiente). Variables Aleatorias: En el contexto de la probabilidad y la estadística, una variable aleatoria es una variable que puede tomar diferentes valores según el resultado de un evento aleatorio. Las variables aleatorias pueden ser discretas o continuas. Variables Controladas y Extrínsecas: En experimentos, una variable controlada es aquella que se mantiene constante para evitar que influya en los resultados. Las variables extrínsecas son aquellas que no están relacionadas directamente con el experimento, pero podrían influir en los resultados.
CONSTRUCCION DE UNA DISTRIBUCION DE FRECUENCIA
La construcción de una distribución de frecuencia: Es un proceso clave en estadística para organizar y presentar la frecuencia de ocurrencia de cada valor en un conjunto de datos. Inicia identificando valores únicos y determinando el rango de datos. Luego, se eligen clases o intervalos, estableciendo límites para agrupar los valores. Se cuentan las frecuencias absolutas de cada intervalo y se construye una tabla que incluye estos valores, así como límites de clase y, opcionalmente, frecuencias relativas y acumuladas. Esta tabla proporciona una visión estructurada de la distribución de datos. Posteriormente, se pueden realizar representaciones gráficas, como histogramas. La interpretación de la distribución permite identificar patrones y características notables. Es crucial validar los cálculos y verificar la precisión de la construcción para garantizar la confiabilidad de los resultados. Este proceso facilita la exploración y análisis de datos de manera organizada y efectiva.
TABLAS DE FRECUENCIA
Una tabla de frecuencias: Es una presentación tabular que muestra la frecuencia de ocurrencia de cada valor o intervalo en un conjunto de datos. Elementos de una Tabla de Frecuencias: Clases o Categorías: Los valores únicos o intervalos en los que se dividen los datos. Frecuencia Absoluta (f): La cantidad de veces que aparece cada valor. Frecuencia Relativa (f %): El porcentaje de veces que aparece cada valor en relación con el total de observaciones. Frecuencia Acumulada: La suma acumulativa de las frecuencias. Pasos para Construir una Tabla de Frecuencias: Identificar los valores únicos o intervalos en el conjunto de datos. Contar cuántas veces aparece cada valor o cae dentro de cada intervalo. Organizar los valores y sus frecuencias en una tabla, incluyendo las frecuencias relativas y acumuladas. Tipos de Tablas de Frecuencias. Tablas de Frecuencias Simples: Presentan la frecuencia de cada valor individual en el conjunto de datos. Tablas de Frecuencias Agrupadas: Agrupan los valores en intervalos para manejar conjuntos de datos más extensos.
GRAFICO DE FRECUENCIAS , GRAFICAS DE BARRA,CIRCULAR Y POLIGONO DE FRECUENCIAS
Gráfico de Frecuencias: Un gráfico de frecuencias es una representación visual de la distribución de frecuencias de un conjunto de datos. Se utiliza para visualizar la frecuencia de ocurrencia de cada valor o intervalo en una variable. Puede tomar diversas formas, siendo comúnmente representado mediante histogramas, polígonos de frecuencias o gráficos de barras. Gráfico de Barras: El gráfico de barras es una representación visual en la que las frecuencias de distintas categorías o valores se muestran mediante barras rectangulares. La longitud de cada barra es proporcional a la frecuencia correspondiente. Este tipo de gráfico es efectivo para comparar cantidades entre diferentes categorías y es especialmente útil para datos categóricos o discretos. Gráfico Circular (o Gráfico de Pastel): El gráfico circular, también conocido como gráfico de pastel, representa las frecuencias de diferentes categorías como sectores en un círculo. Cada sector corresponde a una categoría y su tamaño relativo refleja la proporción de la frecuencia en relación con el total. Es adecuado para representar datos categóricos y permite visualizar la participación de cada categoría en el conjunto de datos. Polígono de Frecuencias: El polígono de frecuencias es un gráfico que representa la distribución de frecuencias mediante líneas conectando los puntos correspondientes a los valores del eje horizontal con las frecuencias en el eje vertical. Se utiliza comúnmente en conjunción con histogramas para proporcionar una representación suave de la distribución. Es especialmente útil para datos cuantitativos
DIAGRAMA DE FRECUENCIA
Definición: El diagrama de frecuencia acumulada es una representación gráfica que ilustra la suma acumulativa de las frecuencias absolutas o relativas en una distribución de datos. Puede adoptar la forma de una línea o escalera, mostrando cómo se acumulan las observaciones a medida que avanzamos en la escala de valores. Construcción: Para construir un diagrama de frecuencia acumulada, se comienzan por ordenar los datos en orden ascendente. Luego, se suma acumulativamente cada frecuencia absoluta o relativa, y estas sumas se representan en el gráfico. Interpretación: El diagrama de frecuencia acumulada proporciona información sobre la distribución acumulativa de los datos, indicando cuántas observaciones caen por debajo o son iguales a un determinado valor. También es útil para identificar puntos de corte y percentiles en la distribución. Tipos: Puede haber diagramas de frecuencia acumulada ascendente, donde la línea se mueve hacia arriba a medida que se acumulan las frecuencias, o descendente, donde la línea se mueve hacia abajo desde el total acumulado al principio. Punto Final: El punto final del diagrama de frecuencia acumulada coincide con el total de observaciones en la distribución, ya que representa la acumulación completa de frecuencias. Aplicación: Se utiliza en estadística para visualizar la distribución acumulativa de datos y para realizar comparaciones y análisis en términos de percentiles y puntos de corte.
Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.
Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.
Lorem ipsum dolor sit amet, consectetuer adipiscing elit, sed diam nonummy nibh euismod tincidunt ut laoreet dolore magna aliquam erat volutpat.
Referencias:1.- Guerra, B (2003). Estadística: (ed.). Editorial Félix Varela. Recuperado el 23 de octubre 2024 de: https://elibro.net/es/ereader/bibliotecauveg/71785?page=1 2.- UVEG. (2023). Estadística para las ciencias sociales: Lección 1. Conceptos básicos de estadística3.- UVEG. (2023).Estadística para las ciencias sociales: Lección 2. Tipos de variables y tipos de medición.4.- UVEG. (2023). Estadística para las ciencias sociales: Lección 3. Importancia de la estadística para el estudio de las Ciencias Sociales5.- UVEG. (2023). Estadística para las ciencias sociales: Lección 4. Tipos de estadística.6.- UVEG. (2023). Estadística para las ciencias sociales: Lección 5. Descripción de un conjunto de datos