REPBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN LICEO NACIONAL BOLIVARIANO ALEJANDRO FEBRES LAS

VEGAS ESTADO COJEDES

FACILITADOR PARTICIPANTE Prof. Mara Noguera jas Yonder (21)

Ro

LAS VEGAS, JUNIO DE 2012 NDICE Pg. INTRODUCCIN 3 1.- POBLACIN Y MUESTRA 4 2.- VARIABLE 6 2.1. TIPOS DE VARIABLE ESTADSTICAS 6 3.- DATOS ESTADSTICOS 5 3.1. DATOS INDIVIDUALES Y DATOS ESTADSTICOS 5 3.2. ESTRUCTURA DEL DATO 6 3.3. ORGANIZACIN DE DATOS 7 4.- FRECUENCIAS ABSOLUTAS Y RELATIVAS 9 5.- DISTRIBUCIN DE FRECUENCIAS 12 5.1. DISTRIBUCIN DE FRECUENCIA PARA DATOS NO AGRUPADOS 13 5.2. DISTRIBUCIN DE FRECUENCIA DE CLASE O DE DATOS AGRUPADOS 5.3. COMPONENTES DE UNA DISTRIBUCIN DE FRECUENCIA DE CLASE 6.- REPRESENTACIONES GRFICAS 15 6.1. DIAGRAMA DE BARRAS Y POLGONO DE FRECUENCIAS 16 6.2. HISTOGRAMA Y POLGONO DE FRECUENCIAS 16 6.3. DIAGRAMA DE SECTORES 17 7.- PARMETROS ESTADSTICOS 19 7.1. MEDIDAS DE POSICIN 19 7.1.1. Centro-recorrido 20 7.1.2. Moda 20 7.1.3. Mediana 20 7.1.4. La media aritmtica 20 CONCLUSIONES 21 REFERENCIAS BIBLIOGRFICAS 23

13 14

INTRODUCCIN Desde los comienzos de la civilizacin han existido formas sencillas de estadsticas , pues ya se utilizaban representaciones grficas y otros smbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el nmero de personas, animales o ciertas cosas. Hacia el ao 3000 A.C. los babilonios usaban ya pequeas tablillas d e arcilla para recopilar datos en tablas sobre la produccin agrcola y de los gneros vendidos o cambiados mediante trueque. Los egipcios analizaban los datos de la poblacin y la renta del pas mucho antes de construir las pirmides en el siglo XXXI a.C. Los libros bblicos de Nmeros y Crnicas incluyen, en algunas partes, trabajos de estadstica. El primero contiene dos cen sos de la poblacin de Israel y el segundo describe el bienestar material de las d iversas tribus judas. En China existan registros numricos similares con anteriorida d al ao 2000 A.C. Los griegos clsicos realizaban censos cuya informacin se utilizab a hacia el ao 594 A.C. para cobrar impuestos. El Imperio romano fue el primer gobierno que recopil una gran cantidad de datos s obre la poblacin, superficie y renta de todos los territorios bajo su control. Du rante la edad media slo se realizaron algunos censos exhaustivos en Europa. Los r eyes carolingios Pipino el Breve y Carlomagno ordenaron hacer estudios minucioso s de las propiedades de la Iglesia en los aos 758 y 762 respectivamente. Despus de la conquista normanda de Inglaterra en 1066, el rey Guillermo I de Ingl aterra encarg un censo. La informacin obtenida con este censo, llevado a cabo en 1 086, se recoge en el Domesday Book. El registro de nacimientos y defunciones com enz en Inglaterra a principios del siglo XVI, y en 1662 apareci el primer estudio estadstico notable de poblacin, titulado Observations on the London Bills of Morta lity (Comentarios sobre las partidas de defuncin en Londres). Un estudio similar sobre la tasa de mortalidad en la ciudad de Breslau, en Alema nia, realizado en 1691, fue utilizado por el astrnomo ingls Edmund Halley como bas e para la primera tabla de mortalidad. En el siglo XIX, con la generalizacin del mtodo cientfico para estudiar todos los fenmenos de las ciencias naturales y social es, los investigadores aceptaron la necesidad de reducir la informacin a valores numricos para evitar la ambigedad de las descripciones verbales. En nuestros das, la estadstica se ha convertido en un mtodo efectivo para describir con exactitud los valores de los datos econmicos, polticos, sociales, psicolgicos, biolgicos y fsicos, y sirve como herramienta para relacionar y analizar dichos da tos. El trabajo del experto estadstico no consiste ya slo en reunir y tabular los datos, sino sobre todo el proceso de interpretacin de esa informacin. El desarroll o de la teora de la probabilidad ha aumentado el alcance de las aplicaciones de l a estadstica. Muchos conjuntos de datos se pueden aproximar, con gran exactitud, utilizando determinadas distribuciones probabilsticas; los resultados de stas se p ueden utilizar para analizar datos estadsticos. La probabilidad es til para compro bar la fiabilidad de las inferencias estadsticas y para predecir el tipo y la can tidad de datos necesarios en un determinado estudio estadstico.

1.- CONCEPTOS BSICOS La estadstica descriptiva es una ciencia que analiza series de datos (por ejemplo , edad de una poblacin, altura de los estudiantes de una escuela, temperatura en los meses de verano, entre otros) y trata de extraer conclusiones sobre el compo rtamiento de estas variables. Cuando se estudia el comportamiento de una variabl e hay que distinguir los siguientes conceptos: Individuo: cualquier elemento que porte informacin sobre el fenmeno que se estudia . As, si estudiamos la altura de los nios de una clase, cada alumno es un individu o; si estudiamos el precio de la vivienda, cada vivienda es un individuo. Poblacin: conjunto de todos los individuos (personas, objetos, animales, entre ot ros) que porten informacin sobre el fenmeno que se estudia. Por ejemplo, si estudi

amos el precio de la vivienda en una ciudad, la poblacin ser el total de las vivie ndas de dicha ciudad. Cuando se realiza un estudio de investigacin, se pretende generalmente inferir o generalizar resultados de una muestra a una poblacin. Se estudia en particular a un reducido nmero de individuos a los que tenemos acceso con la idea de poder gen eralizar los hallazgos a la poblacin de la cual esa muestra procede. Este proceso de inferencia se efecta por medio de mtodos estadsticos basados en la probabilidad . La poblacin representa el conjunto grande de individuos que deseamos estudiar y g eneralmente suele ser inaccesible. Es, en definitiva, un colectivo homogneo que r ene unas caractersticas determinadas. La muestra es el conjunto menor de individuos (subconjunto de la poblacin accesib le y limitado sobre el que realizamos las mediciones o el experimento con la ide a de obtener conclusiones generalizables a la poblacin). El individuo es cada uno de los componentes de la poblacin y la muestra. La muestra debe ser representati va de la poblacin y con ello queremos decir que cualquier individuo de la poblacin en estudio debe haber tenido la misma probabilidad de ser elegido. Las razones para estudiar muestras en lugar de poblaciones son diversas y entre ellas podemos sealar: 1. Ahorrar tiempo. Estudiar a menos individuos es evidente que lleva menos tiempo. 2. Como consecuencia del punto anterior ahorraremos costes. 3. Estudiar la totalidad de los pacientes o personas con una caracterstica d eterminada en muchas ocasiones puede ser una tarea inaccesible o imposible de re alizar. 4. Aumentar la calidad del estudio. Al disponer de ms tiempo y recursos, las observaciones y mediciones realizadas a un reducido nmero de individuos pueden s er ms exactas y plurales que si las tuvisemos que realizar a una poblacin. 5. La seleccin de muestras especficas nos permitir reducir la heterogeneidad d e una poblacin al indicar los criterios de inclusin y/o exclusin. 1.1. Tipos de datos Lo que estudiamos en cada individuo de la muestra son las variables (edad, sexo, peso, talla, tensin arterial sistlica, entre otros). Los datos son los valores qu e toma la variable en cada caso. Lo que vamos a realizar es medir, es decir, asi gnar valores a las variables incluidas en el estudio. Deberemos adems concretar l a escala de medida que aplicaremos a cada variable. La naturaleza de las observa ciones ser de gran importancia a la hora de elegir el mtodo estadstico ms apropiado para abordar su anlisis. Con este fin, clasificaremos las variables, a grandes ra sgos, en dos tipos: variables cuantitativas o variables cualitativas. Variables cuantitativas. Son las variables que pueden medirse, cuantificarse o expresarse numricamente. Las variables cuantitativas pueden ser de dos tipos: Variables cuantitativas continuas, si admiten tomar cualquier valor dentro de un rango numrico determinado (edad, peso, talla). Variables cuantitativas discretas, si no admiten todos los valores intermedios e n un rango. Suelen tomar solamente valores enteros (nmero de hijos, nmero de parto s, nmero de hermanos, entre otras). Variables cualitativas. Este tipo de variables representan una cualidad o atrib uto que clasifica a cada caso en una de varias categoras. La situacin ms sencilla e s aquella en la que se clasifica cada caso en uno de dos grupos (hombre/mujer, e nfermo/sano, fumador/no fumador). Son datos dicotmicos o binarios. Como resulta o bvio, en muchas ocasiones este tipo de clasificacin no es suficiente y se requier e de un mayor nmero de categoras (color de los ojos, grupo sanguneo, profesin, entre otras). En el proceso de medicin de estas variables, se pueden utilizar dos escalas: Escalas nominales: sta es una forma de observar o medir en la que los datos se aj ustan por categoras que no mantienen una relacin de orden entre s (color de los ojo s, sexo, profesin, presencia o ausencia de un factor de riesgo o enfermedad, entr e otras). Escalas ordinales: en las escalas utilizadas, existe un cierto orden o jerarqua e

ntre las categoras (grados de disnea, estadiaje de un tumor, entre otras). Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la vivienda de una ciudad, lo normal ser no recoger informacin sobre todas las viviendas de la ciudad (sera una labor muy compleja), sino que se suele seleccio nar un subgrupo (muestra) que se entienda que es suficientemente representativo. 1.2. Distribucin de frecuencia La distribucin de frecuencia es la representacin estructurada, en forma de tabla, de toda la informacin que se ha recogido sobre la variable que se estudia. Variable (Valor) Simple x x X1 n1 X2 n2 ... ... Xn-1 nn-1 Xn nn Frecuencias absolutas Acumulada Simple x x x n1 f1 = n1 / n n1 + n2 f2 = n2 / n ... ... ... n1 + n2 +...+ nn-1 S n fn = nn / n Frecuencias relativas Acumulada f1 f1 + f2 fn-1 = nn-1 / n f1 + f2 +...+fn-1 S f

Siendo X los distintos valores que puede tomar la variable. Siendo n el nmero de veces que se repite cada valor. Siendo f el porcentaje que la repeticin de cada valor supone sobre el total Veamos un ejemplo: Medimos la altura de los nios de una clase y obtenemos los siguientes resultados (cm): Alumno Estatura Alumno Estatura Alumno Estatura x x x x x x Alumno 1 1,25 Alumno 11 1,23 Alumno 21 1,21 Alumno 2 1,28 Alumno 12 1,26 Alumno 22 1,29 Alumno 3 1,27 Alumno 13 1,30 Alumno 23 1,26 Alumno 4 1,21 Alumno 14 1,21 Alumno 24 1,22 Alumno 5 1,22 Alumno 15 1,28 Alumno 25 1,28 Alumno 6 1,29 Alumno 16 1,30 Alumno 26 1,27 Alumno 7 1,30 Alumno 17 1,22 Alumno 27 1,26 Alumno 8 1,24 Alumno 18 1,25 Alumno 28 1,23 Alumno 9 1,27 Alumno 19 1,20 Alumno 29 1,22 Alumno 10 1,29 Alumno 20 1,28 Alumno 30 1,21 Si presentamos esta informacin estructurada obtendramos la siguiente tabla de frec uencia: Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple Acumulada Simple Acumulada x x x x x 1,20 1 1 3,3% 3,3% 1,21 4 5 13,3% 16,6% 1,22 4 9 13,3% 30,0% 1,23 2 11 6,6% 36,6% 1,24 1 12 3,3% 40,0% 1,25 2 14 6,6% 46,6% 1,26 3 17 10,0% 56,6% 1,27 3 20 10,0% 66,6% 1,28 4 24 13,3% 80,0% 1,29 3 27 10,0% 90,0% 1,30 3 30 10,0% 100,0% Si los valores que toma la variable son muy diversos y cada uno de ellos se repi te muy pocas veces, entonces conviene agruparlos por intervalos, ya que de otra manera obtendramos una tabla de frecuencia muy extensa que aportara muy poco valor a efectos de sntesis. (tal como se ver en la siguiente leccin). 2.- REPRESENTACIN GRFICA DE DATOS En los anlisis estadsticos, es frecuente utilizar representaciones visuales comple mentarias de las tablas que resumen los datos de estudio. Con estas representaci

ones, adaptadas en cada caso a la finalidad informativa que se persigue, se tran smiten los resultados de los anlisis de forma rpida, directa y comprensible para u n conjunto amplio de personas. 2.1. Tipos de representaciones grficas Cuando se muestran los datos estadsticos a travs de representaciones grficas, se ha de adaptar el contenido a la informacin visual que se pretende transmitir. Para ello, se barajan mltiples formas de representacin: Diagramas de barras: muestran los valores de las frecuencias absolutas sobre un sistema de ejes cartesianos, cuando la variable es discreta o cualitativa. Histogramas: formas especiales de diagramas de barras para distribuciones cuanti tativas continuas. Polgonos de frecuencias: formados por lneas poligonales abiertas sobre un sistema de ejes cartesianos. Grficos de sectores: circulares o de tarta, dividen un crculo en porciones proporc ionales segn el valor de las frecuencias relativas. Pictogramas: o representaciones visuales figurativas. En realidad son diagramas de barras en los que las barras se sustituyen con dibujos alusivos a la variable . Cartogramas: expresiones grficas a modo de mapa. Pirmides de poblacin: para clasificaciones de grupos de poblacin por sexo y edad. Diagramas de barras e histogramas Los diagramas de barras se usan para representar grficamente series estadsticas de valores en un sistema de ejes cartesianos, de manera que en las abscisas se ind ica el valor de la variable estadstica y en las ordenadas se seala su frecuencia a bsoluta. Estos grficos se usan en representacin de caracteres cualitativos y cuantitativos discretos. En variables cuantitativas continuas, se emplea una variante de los m ismos llamada histograma. Diagrama de barras. Histograma. Polgonos de frecuencias Para construir polgonos de frecuencias, se trazan las frecuencias absolutas o rel ativas de los valores de la variable en un sistema de ejes cartesianos y se unen los puntos resultantes mediante trazos rectos. Con ello se obtiene una forma de lnea poligonal abierta. Los polgonos de frecuencias se utilizan preferentemente en la presentacin de carac teres cuantitativos, y tienen especial inters cuando se indican frecuencias acumu lativas. Se usan en la expresin de fenmenos que varan con el tiempo, como la densid ad de poblacin, el precio o la temperatura. Grficos de sectores En los diagramas de sectores, tambin llamados circulares o de tarta, se muestra e l valor de la frecuencia de la variable sealada como un sector circular dentro de un crculo completo. Por ello, resultan tiles particularmente para mostrar compara ciones entre datos, sobre todo en forma de frecuencias relativas de las variable s expresadas en forma de porcentaje. Pictogramas y cartogramas Para aligerar la presentacin de datos estadsticos, con frecuencia se recurre a imge nes pictricas representativas del valor de las variables. Dos formas comunes de e xpresin grfica de los datos son: Los pictogramas, que muestran diagramas figurativos con figuras o motivos que al uden a la distribucin estadstica analizada (por ejemplo, una imagen antropomrfica p ara indicar tamaos, alturas u otros). Los cartogramas, basados en mapas geogrficos que utilizan distintas tramas, color es o intensidades para remarcar las diferencias entre los datos. Pirmide de poblacin Otra forma corriente de presentacin visual de datos estadsticos es la llamada pirmi de de poblacin. Las pirmides de poblacin se utilizan en la expresin de informaciones demogrficas, ec

onmicas o sociales, y en ellas se clasifican comnmente los datos de la poblacin del grupo de muestra considerado en diferentes escalas de edad y diferenciada por s exo. Ejemplo de una pirmide de poblacin. Polgono de frecuencias. Polgono de frecuencias acumulativas. Grfico de sectores. Re presentacin de datos estadsticos en un pictograma. 2.2. Tablas de doble entrada Los estudios estadsticos que se centran en el anlisis de una sola variable se llam an unidimensionales. Sin embargo, en las situaciones reales es corriente que se tenga que investigar la combinacin de dos variables estadsticas, en lo que se cono ce por distribucin bidimensional. En este campo, se utilizan presentaciones de lo s datos en tablas de doble entrada, con grficas de nube de puntos que interrelaci onan las variables. 2.3. Distribuciones bidimensionales Cuando se realizan estudios estadsticos de dos variables, el modelo resultante re cibe el nombre de distribucin bidimensional. Algunos ejemplos de este tipo de dis tribucin son las tablas de altura-peso de un colectivo de poblacin, la relacin puls o-temperatura de un grupo de enfermos y la grfica de ingresos y gastos de una emp resa. En estas distribuciones se manejan variables estadsticas bidimensionales, que con stituyen pares de valores de cada una de las variables elementales que intervien en, denotados por (xi, yj). Ejemplo de un grfico de dispersin (nube de puntos), que relaciona dos variables de una distribucin bidimensional. 2.4. Tablas de doble entrada y de contingencia Las variables bidimensionales suelen expresarse en forma de tablas de doble entr ada, del estilo de la siguiente: Este tipo de tabla no resulta cmodo para el trabajo, por lo que a menudo se abrev ia mediante la definicin de las llamadas frecuencias bidimensionales. Se define f recuencia absoluta bidimensional como el nmero de veces que aparece en la tabla c ada par (xi, yj) de las variables elementales. Si se divide la frecuencia absolu ta bidimensional por el nmero total de pares, se obtiene la frecuencia relativa b idimensional correspondiente. Para simplificar la expresin de una distribucin bidimensional, se usan con frecuen cia tablas de doble entrada especiales, donde se indican las frecuencias corresp ondientes a cada par. Estas disposiciones se denominan tablas de contingencia. Frecuencias marginales y condicionadas Cuando en una tabla de doble entrada se suman las frecuencias absolutas por fila s y por columnas, se obtiene un nuevo parmetro denominado frecuencia absoluta mar ginal. Con este parmetro se relaciona otro valor de inters en distribuciones bidim ensionales: la frecuencia relativa marginal, que se obtiene como el cociente ent re la frecuencia absoluta marginal y el nmero total de observaciones. Por otra parte, se llama frecuencia relativa condicionada al valor expresado en tanto por ciento de una variable de la distribucin bidimensional condicionada a c ada valor de la otra variable. Nubes de puntos Las distribuciones bidimensionales se representan con frecuencia en grficas de di spersin o de nube de puntos sobre un par de ejes cartesianos, donde una de las va riables se indica en las abscisas y la otra en las ordenadas. Los puntos de la g rfica tienen, as, como coordenadas el par de valores de cada una de las variables. En el manejo de las grficas de nube de puntos puede obtenerse una lnea recta repre sentativa que se usa como mtodo de ajuste de los valores de las variables. El pro cedimiento ms comn de ajuste de una nube de puntos mediante una recta utiliza como puntos de referencia los que poseen como coordenadas las medias aritmticas de ca da variable, es decir, ( ).

Ejemplo de ajuste de una grfica de dispersin mediante una recta. 3.- MEDIDAS DE POSICIN CENTRAL Las medidas de posicin nos facilitan informacin sobre la serie de datos que estamo s analizando. Estas medidas permiten conocer diversas caractersticas de esta seri e de datos. Las medidas de posicin son de dos tipos: a) Medidas de posicin central: informan sobre los valores medios de la serie de d atos. b) Medidas de posicin no centrales: informan de como se distribuye el resto de lo s valores de la serie. a) Medidas de posicin central Las principales medidas de posicin central son las siguientes: 1.- Media: es el valor medio ponderado de la serie de datos. Se pueden calcular diversos tipos de media, siendo las ms utilizadas: a) Media aritmtica: se calcula multiplicando cada valor por el nmero de veces que se repite. La suma de todos estos productos se divide por el total de datos de l a muestra: Xm = (X1 * n1) + (X2 * n2) + (X3 * n3) +.....+ (Xn-1 * nn-1) + (Xn * nn) -------------------------------------------------------------------------------------n b) Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido. Se m ultiplican todo estos resultados y al producto final se le calcula la raz "n" (si endo "n" el total de datos de la muestra). Segn el tipo de datos que se analice ser ms apropiado utilizar la media aritmtica o la media geomtrica. La media geomtrica se suele utilizar en series de datos como tipos de inters anual es, inflacin, entre otros, donde el valor de cada ao tiene un efecto multiplicativ o sobre el de los aos anteriores. En todo caso, la media aritmtica es la medida de posicin central ms utilizada. Lo ms positivo de la media es que en su clculo se utilizan todos los valores de la serie, por lo que no se pierde ninguna informacin. Sin embargo, presenta el problema de que su valor (tanto en el caso de la media aritmtica como geomtrica) se puede ver muy influido por valores extremos, que se a parten en exceso del resto de la serie. Estos valores anmalos podran condicionar e n gran medida el valor de la media, perdiendo sta representatividad. 2.- Mediana: es el valor de la serie de datos que se sita justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son superiores). No presentan el problema de estar influido por los valores extremos, pero en cam bio no utiliza en su clculo toda la informacin de la serie de datos (no pondera ca da valor por el nmero de veces que se ha repetido). 3.- Moda: es el valor que ms se repite en la muestra. Ejemplo: vamos a utilizar la tabla de distribucin de frecuencias con los datos de la estatura de los alumnos que vimos en la leccin 2. Variable Frecuencias absolutas Frecuencias relativas (Valor) Simple Acumulada Simple Acumulada x x x x x 1,20 1 1 3,3% 3,3% 1,21 4 5 13,3% 16,6% 1,22 4 9 13,3% 30,0% 1,23 2 11 6,6% 36,6% 1,24 1 12 3,3% 40,0% 1,25 2 14 6,6% 46,6% 1,26 3 17 10,0% 56,6% 1,27 3 20 10,0% 66,6% 1,28 4 24 13,3% 80,0% 1,29 3 27 10,0% 90,0% 1,30 3 30 10,0% 100,0% Vamos a calcular los valores de las distintas posiciones centrales:

1.- Media aritmtica: Xm = (1,20*1) + (1,21*4) + (1,22 * 4) + (1,23 * 2) +......... + (1,29 * 3) + (1,30 * 3) --------------------------------------------------------------------------------------------30 Luego: Xm = 1,253 Por lo tanto, la estatura media de este grupo de alumnos es de 1,253 cm. 2.- Media geomtrica: X = ((1,20^ 1) * (1,21^4) * (1,22^ 4) *.....* (1,29^3)* (1,30^3)) ^ (1/30) Luego: Xm = 1,253 En este ejemplo, la media aritmtica y la media geomtrica coinciden, pero no tiene siempre por qu ser as. 3.- Mediana: La mediana de esta muestra es 1,26 cm, ya que por debajo est el 50% de los valore s y por arriba el otro 50%. Esto se puede ver al analizar la columna de frecuenc ias relativas acumuladas. En este ejemplo, como el valor 1,26 se repite en 3 ocasiones, la media se situara exactamente entre el primer y el segundo valor de este grupo, ya que entre esto s dos valores se encuentra la divisin entre el 50% inferior y el 50% superior. 4.- Moda: Hay 3 valores que se repiten en 4 ocasiones: el 1,21, el 1,22 y el 1,28, por lo tanto esta seria cuenta con 3 modas.

CONCLUSIONES La estadstica es un potente auxiliar de muchas ciencias y actividades humanas: so ciologa, sicologa, geografa humana, economa, entre otras. Es una herramienta indispe nsable para la toma de decisiones. Tambin es ampliamente empleada para mostrar lo s aspectos cuantitativos de una situacin. La estadstica est relacionada con el estudio de proceso cuyo resultado es ms o meno s imprescindible y con la finalidad de obtener conclusiones para tomar decisione s razonables de acuerdo con tales observaciones. El resultado de estudio de dich os procesos, denominados procesos aleatorios, puede ser de naturaleza cualitativ a o cuantitativa y, en este ltimo caso, discreto o contina. Son muchas las predicciones de tipo socilogo, o econmico, que pueden hacerse a par tir de la aplicacin exclusiva de razonamientos probabilsticos a conjuntos de datos objetivos como son, por ejemplo, los de naturaleza demogrfica. Las predicciones estadsticas, difcilmente hacen referencia a sucesos concretos, pe ro describen con considerable precisin en el comportamiento global de grandes con juntos de sucesos particulares. Son predicciones que, en general, no acostumbran resultar tiles. Para saber quien, de entre los miembros de una poblacin importante, va a encontra r trabajo o a quedarse sin l; o en cuales miembros va a verse aumentada o disminu ida una familia concreta en los prximos meses. Pero que, en cambio puede proporci onar estimaciones fiables del prximo aumento o disminucin de la taza de desempleo referido al conjunto de la poblacin; o de la posible variacin de os ndices de natal

idad o mortalidad.

BIBLIOGRAFA Dawson-Saunders B, Trapp RG. Estadstica Bsica. 2 ed. Mxico: Editorial el Manual Mode rno; 1996. Milton JS, Tsokos JO. Estadstica. Madrid: Interamericana McGraw Hill; 2001. Martn Andrs A, Luna del Castillo JD. Estadstica para las ciencias de la salud. 4 ed. Madrid: NORMA; 1993.