Chuletas y apuntes de Matemáticas

Introducción a la Geometría y Trigonometría

La Trigonometría comenzó con los babilonios y los egipcios, quienes establecieron las medidas en grados, minutos y segundos. Hiparco construyó una tabla de cuerdas para resolver triángulos.

La Geometría abarca conocimientos de longitudes, áreas y volúmenes. La invención de la rueda y los trabajos de Euler y Gauss condujeron a la topología y la geometría diferencial.

Conceptos Fundamentales de Geometría

• Punto: La parte más pequeña que se puede dibujar.
• Recta: La distancia entre dos puntos; es derecha, sin grosor ni extremos.
• Plano: Es ilimitado, continuo y sin grosor.
• Puntos colineales: Son puntos que están en la misma recta.
• Puntos coplanares: Son puntos que se encuentran en el mismo plano.

1. Fundamentos de Estadística

1) ¿Qué es estadística descriptiva?
Es la rama que organiza y resume datos mediante tablas, gráficas y medidas como la media y la desviación estándar.

2) ¿Qué es estadística inferencial?
Es la rama que usa datos de una muestra para hacer estimaciones o tomar decisiones sobre una población.

3) ¿Qué es población?
Conjunto total de elementos que se desean estudiar.

4) ¿Qué es muestra?
Subconjunto de la población utilizado para el estudio.

5) ¿Qué es una muestra representativa?
Es aquella que refleja correctamente las características de la población sin sesgos.

2. Técnicas de Muestreo

6) Diferencia entre muestreo probabilístico y no probabilístico:

• Probabilístico: Todos los elementos tienen una probabilidad

Variables Aleatorias Discretas

Ejemplos de Cálculo de Probabilidades

Cuanto mucho 3 líneas están en uso:

P(X≤3) = p(0) + p(1) + p(2) + p(3) = 0,10 + 0,15 + 0,20 + 0,25 = 0,70

Menos de 3 líneas están en uso:

P(X

Entre 2 y 5 líneas, inclusive, están en uso:

P(2≤X≤5) = p(2) + p(3) + p(4) + p(5) = 0,20 + 0,25 + 0,20 + 0,06 = 0,71

Por lo menos 4 líneas no están en uso:

P(X≤2) = p(0) + p(1) + p(2) = 0,10 + 0,15 + 0,20 = 0,45

Sería todos para arriba sin el 1:

P(X>1) = p(2) + p(3) + p(4) + p(5) + p(6) + p(7) + p(8) = 4/8 = 1/2

Entre 2 y 5:

P(2

Ejercicios Adicionales

1) Se sacan dos bolas de manera sucesiva de una urna que contiene 4 bolas rojas y 3 negras. Los valores x de la variable aleatoria X, donde X es el número de bolas rojas son: RR=... Continuar leyendo "Probabilidad y Estadística: Conceptos y Ejercicios Resueltos" »

Fases del Proceso de Investigación

Fase 1. Ruptura

• 1.1 Selección del problema de investigación.
• 1.2 Exploración y búsqueda de información.
• 1.3 Definición del problema.

Fase 2. Construcción

• 2.1 Conceptualización y formulación de hipótesis.
• 2.2 Operacionalización de conceptos.
• 2.3 Diseño metodológico: muestra, técnicas y análisis.

Fase 3. Comprobación

• 3.1 Trabajo de campo: recogida de datos.
• 3.2 Análisis e interpretación de resultados.
• 3.3 Conclusiones.

Práctica y Conceptos Clave

El proceso práctico incluye: problema de investigación, objetivo, hipótesis, variable independiente, variable dependiente, operacionalización, población, muestra, técnica (encuesta, entrevista…), trabajo de campo, análisis de resultados y conclusiones.... Continuar leyendo "Metodología de la Investigación Social: Fases, Variables y Técnicas" »

Desarrollo Conceptual del Número en la Infancia

Los niños comienzan a trabajar el concepto de número desde los 2 años, pero no lo comprenden plenamente hasta alrededor de los 7 años. La experiencia de contar es clave para construir esta comprensión.

1. Desarrollo del Dominio de la Secuencia Numérica

Según Castro et al. (1987), los niños avanzan por 5 niveles en el dominio de la secuencia numérica:

1. Nivel cuerda: Recitan la secuencia empezando en 1, pero sin diferenciar bien los términos.
2. Nivel cuerda irrompible: Recitan desde 1 con términos ya diferenciados.
3. Nivel cadena rompible: Pueden empezar a contar desde cualquier número.
4. Nivel cadena numerable: Pueden contar $n$ términos desde un número inicial y dar el último como respuesta.

Medidas de tendencia central

Las medidas de tendencia central son parámetros estadísticos que informan sobre el centro de la distribución de la muestra o población estadística.

Conceptos Clave en Estadística e Inferencia

Fundamentos de ANOVA y Regresión

• 1. En ANOVA, ¿a qué tipo de variación corresponde la suma cuadrática SCTR? - Entre tratamientos.
• 2. En un modelo de regresión lineal, obtuvimos un p-valor de 0,5 en el contraste de hipótesis para B0: - El término independiente del modelo no es significativo.
• 8. ¿Cuál de las siguientes no es una prueba post-hoc de análisis de la varianza? - Levene.
• 13. La hipótesis de la homogeneidad de las varianzas en ANOVA se comprueba mediante: - La prueba de Levene.
• 15. En las predicciones obtenidas utilizando el modelo de regresión lineal, tenemos que tener en cuenta que: - Son aproximaciones de los valores reales.
• 22. Las variables que intervienen en un análisis de regresión

Técnicas de Imputación para Valores Faltantes (NA)

El tratamiento de valores faltantes (NA) es crucial, especialmente cuando su proporción es alta y no queremos descartar los registros. En estos casos, nos interesa conservar los datos. Para ello, reemplazamos estos valores faltantes por aproximaciones, un proceso conocido como imputación de datos.

Consejo práctico: Para calcular la media ignorando los valores NA en lenguajes como R, se utiliza el argumento na.rm = TRUE en la función correspondiente.

Pregunta de Repaso

Cuando se realiza imputación por media en una variable numérica con valores faltantes, ¿cuál de las siguientes afirmaciones es verdadera?

• A. Aumenta la correlación entre la variable imputada y las demás.
• B. Reduce la variabilidad

Conceptos Fundamentales en Modelos de Regresión

1. Multicolinealidad y Varianza

Si existe una fuerte correlación entre las variables explicativas de un modelo de regresión múltiple, esto implica que las varianzas de los parámetros estimados son muy altas.

Verdadero. Una fuerte correlación entre las variables independientes (X) aumenta la varianza de los estimadores, V(β̂). Considerando el modelo Y = β₀ + β₁x₁ + β₂x₂ + U, la varianza se define como:

V(β̂₁) = σ² / [Σx₁²(1 - r₁₂²)]

2. Sesgo de Especificación y Test RESET

Para analizar si un modelo de regresión presenta sesgo de especificación, debo estimar un modelo de variables dicotómicas, considerando un quiebre donde creo que está el sesgo.

Falso. Se debe... Continuar leyendo "Fundamentos y Diagnóstico en Modelos de Regresión Múltiple" »

1. Estadística Descriptiva

La Estadística Descriptiva es la rama de la Estadística que se encarga de describir y analizar series de datos correspondientes a una población o muestra. Su objetivo es organizar la información y resumirla mediante diferentes técnicas y medidas, para facilitar su interpretación y obtener conclusiones útiles.

2. Población y Muestreo

Definiciones Clave

• Población: Es el conjunto total de individuos o elementos que son objeto de estudio.
• Muestra: Es una parte seleccionada de la población, utilizada cuando esta es muy amplia.

Requisito de Representatividad

Para que la muestra sea representativa, todos los elementos de la población deben tener la misma probabilidad de ser elegidos.

Tipos de Muestreo

El muestreo es el... Continuar leyendo "Conceptos Fundamentales de Estadística Descriptiva: Población, Variables y Medidas Clave" »