Reporte integrado
Describir el caso, ajustarle una distribución y decidir con sus límites
Tema T11 · Unidad II · Probabilidad y distribuciones
Reporte integrado
Describir el caso, ajustarle una distribución y decidir con sus límites
¿Cómo convertir tus números en una decisión?
De qué trata este tema
Éste es el cierre de la Unidad II. En la Unidad I aprendiste a describir datos: población, muestra, variables, tablas, medidas y gráficas. En esta unidad aprendiste a modelar la incertidumbre: probabilidad, binomial, Poisson y normal. Hoy vas a juntar las dos cosas en un reporte integrado: el documento que un ingeniero en biosistemas entrega al productor. Primero dice qué pasó en los datos; después usa una distribución para estimar lo que puede pasar, y deja claro hasta dónde se puede confiar.
Necesitas Unidad I completa y los temas T01 a T09 (T10 es opcional)
Este tema T11 · Reporte integrado
Sigue Unidad III · Inferencia y experimentación
Al terminar el tema podrás:
- Plantear la pregunta de un reporte y describir población, muestra y variables, con una limitación.
- Presentar una tabla de frecuencias, un resumen descriptivo y una gráfica, numeradas y con título.
- Elegir una distribución, estimar sus parámetros y compararla con los datos.
- Redactar una conclusión que responda la pregunta, separe lo observado de lo estimado y no afirme más de lo que muestran los datos.
Palabras clave reporte pregunta método resultados tabla y figura numeradas modelo de probabilidad parámetros comparar modelo y datos conclusión limitación descripción frente a causa referencia
1. Un problema para empezar: el informe que nadie entiende
Un rancho de cría destetó 36 becerros. El encargado le pidió a un practicante «un informe del peso» para decidir cuántas hembras retener y cómo negociar con el comprador, que paga mejor a partir de 220 kg. El año que entra destetará unos 40 becerros y quiere saber si puede comprometer al menos 15 de ese peso. El practicante entregó cinco hojas de Excel con fórmulas, un promedio de 211.4 y una gráfica de pastel con 36 rebanadas.
Los cálculos estaban bien, pero el encargado no pudo contestar sus preguntas: ¿cuántos becerros pasaron de 220 kg?, ¿las hembras pesan menos que los machos?, ¿hay algún animal que preocupe?, ¿qué puede esperar el próximo año? Un buen análisis no sirve si no se comunica. El reporte convierte los números en respuestas.
2. Por qué no basta con lo que ya sabes
Cada tema te dio una herramienta para una pregunta concreta. Pero quien lee un reporte no estuvo en clase: necesita saber qué se preguntó, de dónde salieron los datos, qué se encontró y qué tanto se puede confiar. Hay tres riesgos que aparecen justo al escribir: llenar el reporte de números sin interpretarlos, afirmar causas que no se midieron, y tratar lo que dice un modelo como si fuera un hecho.
3. Dónde vas a usar esto
- Asesoría técnica. El informe de un ciclo agrícola o de la engorda de un lote, con lo que se puede esperar del siguiente.
- Crédito y seguro. Las financieras y aseguradoras piden diagnósticos con datos de rendimiento, pesos o daños, y estimaciones de riesgo.
- Asociaciones y módulos de riego. Los reportes a socios resumen rendimientos, superficies y uso de agua.
- Investigación y tesis. La sección de resultados empieza con la descripción de los datos.
- Las Unidades III y IV. Sus reportes usan esta misma estructura, con más herramientas.
4. Cómo se arma un reporte integrado
4.1 La estructura
| Sección | Qué lleva |
|---|---|
| 1. Portada | Institución, asignatura, título informativo, nombre, grupo y fecha. |
| 2. Introducción | Qué biosistema es, dónde, para qué se registraron los datos y por qué importa la variable. Termina con la pregunta del reporte. |
| 3. Datos y método | Población, muestra (n), unidad de observación, cómo se obtuvieron los datos, tabla de variables (nombre, tipo, unidad), software y una limitación. |
| 4. Resultados descriptivos | Tabla 1 (frecuencias), Tabla 2 (resumen descriptivo) y Figura 1 (gráfica), cada una con dos o tres líneas que digan qué muestra. |
| 5. Modelo de probabilidad | Qué distribución se eligió y por qué, sus parámetros, cómo se compara con los datos y qué se estima con ella. |
| 6. Conclusión | Responde la pregunta con valores y unidades; separa lo observado de lo estimado; menciona un dato que merezca revisión y lo que no puede concluirse. |
| 7. Referencias | Al menos tres fuentes actualizadas, citadas en el texto. |
| Anexo | El archivo de Excel con las fórmulas visibles. |
4.2 La pregunta manda
La pregunta decide qué tabla, qué medidas, qué gráfica y qué modelo van en el reporte. Debe ser concreta y contestable con los datos:
| Pregunta débil | Pregunta que sí guía el análisis |
|---|---|
| ¿Cómo está el rancho? | ¿Cómo es el peso al destete de la temporada, qué proporción alcanzó 220 kg y qué se puede esperar del próximo destete? |
| ¿Es bueno el maíz? | ¿Cómo se distribuye el rendimiento de las 32 parcelas, cómo cambia con el riego y qué proporción de parcelas se esperaría arriba de 12 t/ha? |
| ¿Qué pasa con los peces? | ¿Qué estanque tiene los peces más parejos y qué proporción alcanzaría los 300 g que pide el restaurante? |
4.3 Tablas y figuras
- Se numeran (Tabla 1, Figura 1) y se citan en el texto: «como muestra la Figura 1…».
- El título dice qué, de quién y cuándo: «Peso al destete de 36 becerros, temporada 2025».
- Las columnas y los ejes llevan unidades; debajo va la fuente de los datos.
- Cada tabla y figura se acompaña de dos o tres líneas que digan lo importante. Una tabla sin comentario obliga al lector a hacer el análisis.
4.4 Cómo se escribe un resultado
Número + unidad + a qué se refiere + comparación o contexto
«La mediana del peso al destete fue 216.8 kg» es mejor que «la mediana es 216.75». Y mejor aún: «La mediana fue 216.8 kg, por debajo de los 220 kg que prefiere el comprador».
Con dos o tres medidas bien elegidas basta: una de centro, una de variación y, si importa, un porcentaje. No hace falta copiar todas las columnas del Excel.
4.5 Describir no es explicar la causa
Un reporte dice qué pasó en las unidades observadas. No puede decir por qué: si los machos pesan más que las hembras, eso se observa; si se dice que «la dieta del corral 2 hace que crezcan más», se afirma una causa que no se comprobó. Para hablar de causas hace falta un experimento con tratamientos asignados, que verás en la Unidad III. Tampoco se generaliza fuera de la población estudiada: 36 becerros de un rancho no describen a todos los ranchos de Sonora.
4.6 Elegir una distribución
El modelo depende de qué tipo de variable se quiere estudiar y de cómo se ven los datos:
| Qué se quiere estudiar | Distribución | Parámetros | Ejemplo | Tema |
|---|---|---|---|---|
| Una medida** continua, más o menos simétrica** | Normal | μ ≈ x̄, σ ≈ s | Peso al destete, rendimiento | T08 y T09 |
| Cuántos de n** cumplen algo, con probabilidad constante e independencia** | Binomial | n dado, p ≈ proporción observada | De 40 becerros, cuántos pasan de 220 kg | T06 |
| Un conteo por unidad, sin máximo, repartido al azar | Poisson | λ ≈ media (revisar varianza ≈ media) | Malezas por m², partos por noche | T07 |
| Pocos valores, sin forma conocida | La distribución de los propios registros | p(x) ≈ frecuencia relativa | Crías por parto | T05 |
Los parámetros se estiman con los datos, y eso se dice en el reporte: «se usó x̄ = 211.4 kg como estimación de μ». Ninguna variable «es» normal por naturaleza: el modelo es una aproximación que hay que revisar.
Prueba ¿Qué distribución le queda? Ocho situaciones que no están en el Excel. Elige el modelo y lee por qué.
4.7 Comparar el modelo con los datos
Antes de usar un modelo para estimar, se comprueba que describa bien lo que ya pasó. Tres revisiones sencillas:
- La forma. ¿El histograma se parece a la curva? En la normal, ¿media y mediana están cerca, y la caja es simétrica?
- Las proporciones. Calcula con el modelo la proporción de un intervalo importante y compárala con la que hay en los datos.
- Los extremos. Calcula z (T09) de los datos más alejados: si hay valores con |z| > 3, revísalos y coméntalos.
Con una muestra chica, modelo y datos nunca coinciden exactamente. Si la diferencia es notable, no se esconde: se reporta, se dice hacia dónde se equivoca el modelo y qué implica para la decisión. Eso también es un resultado.
4.8 Conclusión débil y conclusión adecuada
| Conclusión | |
|---|---|
| Débil | «El E2 es el mejor estanque porque tiene mejor manejo.» |
| Adecuada | «En las 40 tilapias revisadas (10 por estanque), el E2 tuvo los peces más parejos: mediana de 310 g y desviación estándar de 17.3 g (CV 5.6 %), con todos sus peces entre 274 y 332 g; es el indicado para el primer pedido del restaurante. E3 y E4 tuvieron los peces más pesados (mediana cercana a 339 g), pero E4 fue el más desigual (CV 20.8 %) y el de más lesiones (6 de 10 peces). El pez F-33 (176 g, lesiones moderadas) se conservó y se señala para revisión. Estos datos describen a los peces muestreados; no explican por qué difieren los estanques, porque no se midieron el agua, la densidad ni el alimento. Con un modelo normal (μ = 323.7 g, σ = 44.9 g) se estima que 70% de los peces alcanza 300 g; en la muestra fue 80%, así que el modelo es sólo una aproximación y vale si las condiciones se repiten.» |
La adecuada responde la pregunta, usa valores con unidades, compara, señala un dato a revisar, separa lo observado de lo estimado y dice lo que no se puede concluir.
4.9 Referencias
Las referencias dan el contexto técnico (por qué importa el peso al destete, qué rendimiento es normal en la región) y respaldan lo que afirmas. Sirven manuales técnicos de INIFAP o SADER, publicaciones de FAO, artículos de revistas y libros de estadística. Se citan en el texto (autor, año) y se listan al final. «Internet», una página sin autor o un chat no son referencias.
4.10 Ejemplo resuelto: el reporte de las tilapias en una página
Pregunta: ¿qué estanque tiene los peces más parejos para el primer pedido del restaurante y qué proporción de peces alcanzaría los 300 g que pide?
Datos y método: población, los peces de los cuatro estanques al final de la engorda; muestra, 40 peces capturados con red, 10 por estanque. Variables: peso (g, cuantitativa continua) y lesiones (Ninguna, Leves, Moderadas; cualitativa ordinal). Cálculos en Excel. Limitación: una sola biometría y 10 peces por estanque.
| Estanque | n | Mediana (g) | Q1 – Q3 (g) | Desv. est. (g) | CV | Con lesiones |
|---|---|---|---|---|---|---|
| E1 | 10 | 305.5 | 303.3 – 320.5 | 24.5 | 7.9 % | 1 (10 %) |
| E2 | 10 | 310.0 | 302.8 – 323.8 | 17.3 | 5.6 % | 2 (20 %) |
| E3 | 10 | 338.5 | 318.0 – 369.8 | 45.4 | 13.1 % | 3 (30 %) |
| E4 | 10 | 339.0 | 299.5 – 377.8 | 68.5 | 20.8 % | 6 (60 %) |
Tabla 1. Peso y lesiones de 40 tilapias por estanque. Fuente: biometría del productor, 2026. El E2 tiene la menor desviación estándar y el E4 la mayor, además de 6 de 10 peces con lesiones.
Modelo de probabilidad. El peso es una medida continua; con todos los peces, media y mediana están cerca (323.7 y 316.5 g). Se probó una normal con μ = 323.7 g y σ = 44.9 g, estimadas con los 40 peces.
| Intervalo | Cómo se calcula | Modelo | Datos |
|---|---|---|---|
| 300 g o más | =1-DISTR.NORM.N(300,323.7,44.9,VERDADERO) |
0.701 | 0.800 (32 de 40) |
| Más de 350 g | =1-DISTR.NORM.N(350,323.7,44.9,VERDADERO) |
0.279 | 0.250 (10 de 40) |
El modelo se acerca, pero subestima los peces de 300 g o más. El pez F-33 (176 g) tiene z = −3.29: es un dato para revisar, y por sí solo baja la media y aumenta σ. Para qué se usa: si el restaurante pide 20 peces tomados al azar, con p = 0.70 se esperan 20 × 0.70 ≈ 14 peces de 300 g o más (binomial, T06).
Conclusión: «En las 40 tilapias revisadas (10 por estanque), el E2 tuvo los peces más parejos: mediana de 310 g y desviación estándar de 17.3 g (CV 5.6 %), con todos sus peces entre 274 y 332 g; es el indicado para el primer pedido del restaurante. E3 y E4 tuvieron los peces más pesados (mediana cercana a 339 g), pero E4 fue el más desigual (CV 20.8 %) y el de más lesiones (6 de 10 peces). El pez F-33 (176 g, lesiones moderadas) se conservó y se señala para revisión. Estos datos describen a los peces muestreados; no explican por qué difieren los estanques, porque no se midieron el agua, la densidad ni el alimento. Con un modelo normal (μ = 323.7 g, σ = 44.9 g) se estima que 70% de los peces alcanza 300 g; en la muestra fue 80%, así que el modelo es sólo una aproximación y vale si las condiciones se repiten.»
4.11 Lo que se gana y lo que se pierde
Un reporte obliga a elegir: no todo lo que calculaste va en él, sólo lo que contesta la pregunta. Lo que se gana es que otra persona pueda decidir con tus números y estimar lo que todavía no pasa. A cambio, un modelo es una simplificación, sus parámetros vienen de una muestra y sólo vale si las condiciones se repiten. Por eso todavía falta algo: cuánta incertidumbre tienen esas estimaciones. Eso, y comparar tratamientos en un experimento, es la Unidad III.
Prueba Revisa tu reporte con la rúbrica Marca lo que ya tiene tu reporte. Cada criterio se completa cuando cumple todos sus puntos; tus marcas se guardan sólo en este navegador.
¿Lo entendiste? Cuatro preguntas rápidas No cuentan para la calificación. Elige una respuesta para ver la explicación; puedes volver a intentar.
1. ¿Cuál es la mejor pregunta para un reporte de los becerros?
- ¿Cómo está el rancho?
- ¿Qué proporción de los becerros destetados en 2025 alcanzó 220 kg y qué se puede esperar del próximo destete?
- ¿Son buenos los becerros?
Una buena pregunta es concreta y se contesta con las columnas de la base. «¿Cómo está el rancho?» no dice qué medir.
2. ¿Cuál de estas conclusiones afirma una causa que no se midió?
- Los machos tuvieron una mediana 19.8 kg mayor que las hembras
- Los machos pesan más porque toman más leche
- El becerro B-28 fue el más ligero (148.5 kg)
La primera y la tercera describen lo observado. La segunda explica por qué, y eso no se midió: se puede proponer como algo a revisar, no afirmar.
3. El modelo normal da 36 % de becerros con 220 kg o más; los datos, 44 %. ¿Qué se hace?
- Se reporta la diferencia y se dice hacia dónde se equivoca el modelo
- Se borran los datos que no coinciden
- Se oculta: el modelo debe coincidir
Un modelo es una aproximación. Con pocos datos nunca coincide exactamente; decir dónde falla también es un resultado. Un dato real nunca se borra para que el modelo quede mejor.
4. «El próximo año saldrán 14 becerros de 220 kg o más.» ¿Qué le falta?
- Nada
- Decir que es una estimación que vale si las condiciones se repiten
- Agregar la media
Un modelo estima, no adivina. Hay que separar lo observado de lo estimado y decir bajo qué supuestos vale.
5. Lo que harás
Excel del Tema T11 · 2 hojas
Guárdalo como U2-T11_Apellido_Nombre.xlsx y escribe sólo en las celdas amarillas.
Revisar un borrador de reporte (hoja 1_Revisar_borrador)
Caso: un borrador sobre las tilapias. Un compañero escribió un reporte de las 40 tilapias con once fragmentos que tienen problemas, y siete conclusiones que no todas se sostienen.
Para qué te sirve. La rúbrica de tu reporte tiene los mismos criterios. Encontrar los errores en un texto ajeno es la mejor práctica para no cometerlos en el tuyo.
- Escribe tu nombre y la fecha.
- Para cada fragmento elige el criterio de la rúbrica que no cumple, escribe el problema en una línea y cómo lo corregirías.
- Para cada conclusión elige Sí o No en «¿Se sostiene?» y, si no, explica por qué con las secciones 4.5 y 4.7.
Preparar el reporte de los becerros (hoja 2_Reporte_Excel)
Caso: 36 becerros al destete. Es el problema de la sección 1. La base ya está ordenada por sexo: primero las hembras y después los machos. Vas a hacer todo lo que necesita el reporte; la redacción final la terminas después.
- Paso 1 · Plan. Escribe la pregunta, la población, la muestra, la unidad de observación, las variables y una limitación.
- Paso 2 · Tabla 1 (frecuencias). El primer intervalo ya tiene
=CONTAR.SI.CONJUNTO($E$7:$E$42,">="&140,$E$7:$E$42,"<"&160). Cópiala hacia abajo, cambia los dos límites en cada renglón (160 y 180, 180 y 200…) y completa el porcentaje y el porcentaje acumulado. - Paso 3 · Tabla 2 (resumen). La columna «Todos» ya tiene las fórmulas. Cópialas a «Hembras» (rango E7:E24) y «Machos» (rango E25:E42).
- Paso 4 · Modelo contra datos. Usa una normal con μ = I19 y σ = I25. La primera fila ya tiene
=1-DISTR.NORM.N(220,$I$19,$I$25,VERDADERO). Completa las otras dos filas, modelo y datos. - Paso 5 · Usar el modelo. Calcula cuántos becerros se esperan de los próximos 40, la probabilidad binomial de tener al menos 15 con cada estimación de p, el peso del 10 % más pesado y la z del B-28.
- Paso 6 · Figura 1. Selecciona B6:B42 y E6:E42 (con Ctrl presionado) → Insertar → Gráfico estadístico → Cuadro y bigotes, con «Mediana inclusiva». Título, eje y fuente.
- Paso 7 · Responde las Preguntas 1 a 6: son los párrafos de tu reporte.
Tu Excel puede usar punto y coma ( ; ) en lugar de coma ( , ). En inglés: CONTAR.SI.CONJUNTO = COUNTIFS, DISTR.NORM.N = NORM.DIST, INV.NORM = NORM.INV, DISTR.BINOM.N = BINOM.DIST, VERDADERO = TRUE.
El reporte se entrega en Word o PDF junto con tu Excel. Puedes usar el caso de los becerros o el de las 32 parcelas de maíz; las dos bases están en las bases del reporte (Excel). Las instrucciones y la rúbrica están en las instrucciones y la rúbrica (PDF).
6. Antes de entregar
Marca cada punto conforme lo revises. Tus marcas se guardan sólo en este navegador.

