You are on page 1of 47

.

Definicin de estadstica
La Estadstica es una disciplina que utiliza recursos matemticos para
organizar y resumir una gran cantidad de datos obtenidos de la realidad, e
inferir conclusiones respecto de ellos. Por ejemplo, la estadstica interiene
cuando se quiere conocer el estado sanitario de un pas, a tra!s de ciertos
parmetros como la tasa de morbilidad o mortalidad de la poblacin. En este
caso la estadstica describe la muestra en t!rminos de datos organizados y
resumidos, y luego infiere conclusiones respecto de la poblacin. "plicada a
la inestigacin cientfica, tambi!n infiere cuando proee los medios
matemticos para establecer si una #iptesis debe o no ser rec#azada. La
estadstica puede aplicarse a cualquier mbito de la realidad, y por ello es
utilizada en fsica, qumica, biologa, medicina, astronoma, psicologa,
sociologa, ling$stica, demografa, etc.
%. Poblacin y muestra
Puesto que la estadstica se ocupa de una gran cantidad de datos, debe
primeramente definir de cules datos se a a ocupar. El conjunto de datos de
los cuales se ocupa un determinado estudio estadstico se llama poblacin.
&o debe confundirse la poblacin en sentido demogrfico y la poblacin en
sentido estadstico. La poblacin en sentido demogrfico es un conjunto de
indiiduos 'todos los #abitantes de un pas, todas las ratas de una ciudad(,
mientras que una poblacin en sentido estadstico es un conjunto de datos
referidos a determinada caracterstica o atributo de los indiiduos 'las edades
de todos los indiiduos de un pas, el color de todas las ratas de una ciudad(.
)ncluso una poblacin en sentido estadstico no tiene porqu! referirse a
muc#os indiiduos. *na poblacin estadstica puede ser tambi!n el conjunto
de calificaciones obtenidas por un indiiduo a lo largo de sus estudios
uniersitarios. Los datos de la totalidad de una poblacin pueden obtenerse a
tra!s de un censo. +in embargo, en la mayora de los casos no es posible
obtenerlos por razones de esfuerzo, tiempo y dinero, razn por la cual se
e,trae, de la poblacin, una muestra, mediante un procedimiento llamado
muestreo. +e llama muestra a un subconjunto de la poblacin,
preferiblemente representatio de la misma. Por ejemplo, si la poblacin es
el conjunto de todas las edades de los estudiantes de la proincia de -uenos
"ires, una muestra ser conjunto de edades de %... estudiantes de la
proincia de -uenos "ires tomados al azar.
/. Datos indiiduales y datos estadsticos
*n dato indiidual es un dato de un solo indiiduo, mientras que un dato
estadstico es un dato de una muestra o de una poblacin en su conjunto.
Por ejemplo, la edad de 0uan es un dato indiidual, mientras que el promedio
de edades de una muestra o poblacin de personas es un dato estadstico.
Desde ya, puede ocurrir que ambos no coincidan1 la edad de 0uan puede ser
/2 a3os, y el promedio de edades de la muestra donde est includo 0uan es
%/ a3os. Por esta razn un dato estadstico nada dice respecto de los
indiiduos, porque solamente describe la muestra o poblacin. Los datos
estadsticos que describen una muestra suelen llamarse estadsticos 'por
ejemplo, el promedio de ingresos mensuales de las personas de una
muestra(, mientras que los datos estadsticos descriptores de una poblacin
suelen llamarse parmetros 'por ejemplo, el promedio de ingresos
mensuales de las personas de una poblacin(.
4. Estructura del dato
Los datos son la materia prima con que trabaja la estadstica, del mismo
modo que la madera es la materia prima con que trabaja el carpintero. "s
como este procesa o transforma la madera para obtener un producto 5til, as
tambi!n el estadstico procesa o transforma los datos para obtener
informacin 5til. 6anto los datos como la madera no se inentan1 se e,traen
de la realidad7 en todo caso el secreto est en recoger la madera o los datos
ms adecuados a los objetios del trabajo a realizar. De una manera general,
puede definirse t!cnicamente dato como una categora asignada a una
ariable de una unidad de anlisis. Por ejemplo, 8Luis tiene 9.2. metros de
estatura: es un dato, donde ;Luis< es la unidad de anlisis, ;estatura< es la
ariable, y ;9.2. metros< es la categora asignada. =omo puede apreciarse,
todo dato tienen al menos tres componentes1 una unidad de anlisis, una
ariable y una categora. La unidad de anlisis es el elemento del cual se
predica una propiedad y caracterstica. Puede ser una persona, una familia,
un animal, una sustancia qumica, o un objeto como una dentadura o una
mesa. La ariable es la caracterstica, propiedad o atributo que se predica de
la unidad de anlisis. Por ejemplo puede ser la edad para una persona, el
grado de co#esin para una familia, el niel de aprendizaje alcanzado para
un animal, el peso especfico para una sustancia qumica, el niel de ;salud<
para una dentadura, y el tama3o para una mesa. Pueden entonces tambi!n
definirse poblacin estadstica 'o simplemente poblacin( como el conjunto
de datos acerca de unidades de anlisis 'indiiduos, objetos( en relacin a
una misma caracterstica, propiedad o atributo 'ariable(. +obre una misma
poblacin demogrfica pueden definirse arias poblaciones de datos, una
para cada ariable. Por ejemplo, en el conjunto de #abitantes de un pas
'poblacin demogrfica(, puede definirse una poblacin referida a la ariable
edad 'el conjunto de edades de los #abitantes(, a la ariable ocupacin 'el
conjunto de ocupaciones de los #abitantes(, a la ariable se,o 'el conjunto
de condiciones de se,o de los #abitantes(. La categora es cada una de las
posibles ariaciones de una ariable. =ategoras de la ariable se,o son
masculino y femenino, de la ariable ocupacin pueden ser arquitecto,
m!dico, etc, y de la ariable edad pueden ser 9. a3os, 99 a3os, etc. =uando
la ariable se mide cuantitatiamente, es decir cuando se e,presa
num!ricamente, a la categora suele llamrsela alor. En estos casos, el dato
incluye tambi!n una unidad de medida, como por ejemplo a3os, cantidad de
#ijos, grados de temperatura, cantidad de piezas dentarias, centmetros, etc.
El alor es, entonces, cada una de las posibles ariaciones de una ariable
cuantitatia.
>. La medicin
Los datos se obtienen a tra!s un proceso llamado medicin. Desde este
punto de ista, puede definirse medicin como el proceso por el cual
asignamos una categora 'o un alor( a una ariable, para determinada
unidad de anlisis. Ejemplo1 cuando decimos que ?artn es arn, estamos
#aciendo una medicin, porque estamos asignando una categora 'arn( a
una ariable 'se,o( para una unidad de anlisis '?artn(. +e pueden #acer
mediciones con mayor o menor grado de precisin. =uanto ms precisa sea
la medicin, ms informacin nos suministra sobre la ariable y, por tanto,
sobre la unidad de anlisis. &o es lo mismo decir que una persona es alta, a
decir que mide 9,@/ metros. Los diferentes grados de precisin o de
contenido informatio de una medicin se suelen caracterizar como nieles
de medicin. 6picamente se definen cuatro nieles de medicin, y en cada
uno de ellos la obtencin del dato o resultado de la medicin ser diferente1
Ejemplos de datos en diferentes nieles de medicin &iel de medicin &iel
nominal &iel ordinal &iel cuantitatio discreto &iel cuantitatio continuo
D"6A ?artn es electricista Elena termin la secundaria 0uan tiene /%
dientes ?ara tiene 2. pulsaciones por minuto *nidad de anlisis ?artn
Elena 0uan ?ara Bariable Aficio &iel de instruccin =antidad de piezas
dentarias Crecuencia cardaca =ategora o alor Electricista +ecundaria
completa /% 2. *nidad de medida DDDDDDDDDDDDD DDDDDDDDDDDD Diente Pulsaciones
por minuto
En el niel nominal, medir significa simplemente asignar un atributo a una
unidad de anlisis '?artn es electricista(. En el niel ordinal, medir significa
asignar un atributo a una unidad de anlisis cuyas categoras pueden ser
ordenadas en una serie creciente o decreciente 'la categora ;secundaria
completa< puede ordenarse en una serie, pues est entre ;secundaria
incompleta< y ;uniersitaria incompleta<(. En el niel cuantitatio, medir
significa adems asignar un atributo a una unidad de anlisis de modo tal
que la categora asignada permita saber ;cunto< mayor o menor es respecto
de otra categora, es decir, especifica la distancia o interalo entre categoras
'la categora 2. es el doble de la categora />(. Las ariables medibles en el
niel cuantitatio pueden ser discretas o continuas. *na ariable discreta es
aquella en la cual, dados dos alores consecutios, no puede adoptar ning5n
alor intermedio 'por ejemplo entre /% y // dientes, no puede #ablarse de
/%.> dientes(. En cambio, una ariable es continua cuando, dados dos
alores consecutios, la ariable puede adoptar muc#os alores intermedios
'por ejemplo entre 9 y % metros, puede #aber muc#as longitudes posibles(.
E. =lasificaciones de la estadstica
E,isten arias formas de clasificar los estudios estadsticos.
9( +eg5n la etapa.D Fay una estadstica descriptia y una estadstica
inferencial. La primera etapa se ocupa de describir la muestra, y la segunda
etapa infiere conclusiones a partir de los datos que describen la muestra 'por
ejemplo con respecto a la poblacin(.
%( +eg5n el tiempo considerado.D Dentro de la estadstica descriptia se
distingue la estadstica esttica o estructural, que describe la poblacin en un
momento dado 'por ejemplo la tasa de nacimientos en determinado censo(, y
la estadstica dinmica o eolutia, que describe como a cambiando la
poblacin en el tiempo 'por ejemplo el aumento anual en la tasa de
nacimientos(.
/( +eg5n la cantidad de ariables estudiada.D Desde este punto de ista #ay
una estadstica uniariada 'estudia una sola ariable, como por ejemplo la
inteligencia, en una muestra(, una estadstica biariada 'estudia como estn
relacionadas dos ariables, como por ejemplo inteligencia y alimentacin(, y
una estadstica multiariada 'que estudia tres o ms ariables, como por
ejemplo como estn relacionados el se,o, la edad y la alimentacin con la
inteligencia(.
El razonamiento estadstico
El razonamiento estadstico opera a tra!s de los siguientes pasos1 G +e
plantea un problema de estudio.
G +e realiza un muestreo consistente en la recoleccin de datos referentes al
fenmeno o ariable que deseamos estudiar.
G +e propone un modelo de probabilidad, cuyos parmetros se estiman
mediante estadsticos a partir de los datos de muestreo. +in embargo, se
mantiene lo que se denominan 8#iptesis sostenidas: 'que no son sometidas
a comprobacin(
G +e alida el modelo comparndolo con lo que sucede en la realidad. +e
utiliza m!todos estadsticos conocidos como test de #iptesis y prueba de
significacin
G +e utiliza el modelo alidado para tomar decisiones o predecir
acontecimientos futuros. Definiciones bsicas
G Poblacin1 =onjunto de todos los elementos incluidos en cierto estudio
estadstico.
G ?uestra1 +ubconjunto de la poblacin.
G Elemento1 *nidad mnima de la que se compone la poblacin. Hamas
+e distinguen bsicamente dos ramas en la Estadstica1
G Estadstica clsica, tambi!n llamada frecuentista
G Estadstica bayesiana
La diferencia bsica consiste en que la estadstica clsica utiliza solamente
la informacin proista por la muestra, mientras que la estadstica bayesiana
permite utilizar adicionalmente el conocimiento subjetio que se tenga.
6ipos
En funcin del rea a la cual se enfoque, se puede considerar1 G Estadstica
poltica G Estadstica industrial G Estadstica social G Econometra G
-ioestadstica G Csica estadstica G Ieoestadstica G Estadstica cuntica G
Estadstica descriptia G Estadstica terica G Estadstica aplicada
de pJKo,fcojesusLmadrid9J#otmail.com para la comunidad tecnologica
Conceptos Bsicos:
Estadstica:
La estadstica es comnmente considerada como una
coleccin de hechos numricos expresados en
trminos de una relacin sumisa, y que han sido
recopilado a partir de otros datos numricos.
Kendall y Buckland (citados por Gini . Glas ! "ulian
#. $tanley, %&'() de*inen la estadstica como un +alor
resumido, calculado, como ,ase en una muestra de
o,ser+aciones que -eneralmente, aunque no por
necesidad, se considera como una estimacin de
par.metro de determinada po,lacin/ es decir, una
*uncin de +alores de muestra.
0La estadstica es una tcnica especial apta para el
estudio cuantitati+o de los *enmenos de masa o
colecti+o, cuya mediacin requiere una masa de
o,ser+aciones de otros *enmenos m.s simples
llamados indi+iduales o particulares0. (Gini, %&12.
3urria 4. $pie-el, (%&&%) dice5 0La estadstica estudia
los mtodos cient*icos para reco-er, or-ani6ar,
resumir y anali6ar datos, as como para sacar
conclusiones +.lidas y tomar decisiones ra6ona,les
,asadas en tal an.lisis.
0La estadstica es la ciencia que trata de la recoleccin,
clasi*icacin y presentacin de los hechos su7etos a una
apreciacin numrica como ,ase a la explicacin,
descripcin y comparacin de los *enmenos0. (8ale y
Kendal, %&19).
#ualquiera sea el punto de +ista, lo *undamental es la
importancia cient*ica que tiene la estadstica, de,ido
al -ran campo de aplicacin que posee.
Poblacin:
:l concepto de po,lacin en estadstica +a m.s all. de
lo que comnmente se conoce como tal. ;na po,lacin
se precisa como un con7unto *inito o in*inito de
personas u o,7etos que presentan caractersticas
comunes.
0;na po,lacin es un con7unto de todos los elementos
que estamos estudiando, acerca de los cuales
intentamos sacar conclusiones0. Le+in < 4u,in (%&&=).
0;na po,lacin es un con7unto de elementos que
presentan una caracterstica comn0. #adenas (%&>9).
:7emplo5
Los miem,ros del #ole-io de ?n-enieros del :stado
#o7edes.
:l tama@o que tiene una po,lacin es un *actor de
suma importancia en el proceso de in+esti-acin
estadstica, y este tama@o +ienen dado por el nmero
de elementos que constituyen la po,lacin, se-n el
nmero de elementos la po,lacin puede ser *inita o
in*inita. #uando el nmero de elementos que inte-ra la
po,lacin es muy -rande, se puede considerar a esta
como una po,lacin in*inita, por e7emplo/ el con7unto
de todos los nmeros positi+os. ;na po,lacin *inita es
aquella que est. *ormada por un limitado nmero de
elementos, por e7emplo/ el nmero de estudiante del
Acleo $an #arlos de la ;ni+ersidad Aacional
:xperimental $imn 4odr-ue6.
#uando la po,lacin es muy -rande, es o,+io que la
o,ser+acin de todos los elementos se di*iculte en
cuanto al tra,a7o, tiempo y costos necesario para
hacerlo. Bara solucionar este incon+eniente se utili6a
una muestra estadstica.
:s a menudo imposi,le o poco pr.ctico o,ser+ar la
totalidad de los indi+iduos, so,re todos si estos son
muchos. :n lu-ar de examinar el -rupo entero llamado
poblacin o universo, se examina una peque@a
parte del -rupo llamada muestra.
Muestra:
0$e llama muestra a una parte de la po,lacin a
estudiar que sir+e para representarla0. 3urria 4.
$pie-el (%&&%).
0;na muestra es una coleccin de al-unos elementos
de la po,lacin, pero no de todos0. Le+in < 4u,in
(%&&=).
0;na muestra de,e ser de*inida en ,ase de la
po,lacin determinada, y las conclusiones que se
o,ten-an de dicha muestra solo podr.n re*erirse a la
po,lacin en re*erencia0, #adenas (%&>9).
:7emplo/
:l estudio reali6ado a 1( miem,ros del #ole-io de
?n-enieros del :stado #o7edes.
:l estudio de muestras es m.s sencillo que el estudio
de la po,lacin completa/ cuesta menos y lle+a menos
tiempo. Bor ltimo se apro,ado que el examen de una
po,lacin entera toda+a permite la aceptacin de
elementos de*ectuosos, por tanto, en al-unos casos, el
muestreo puede ele+ar el ni+el de calidad.
;na muestra representati+a contiene las
caractersticas rele+antes de la po,lacin en las
mismas proporciones que est.n incluidas en tal
po,lacin.
Los expertos en estadstica reco-en datos de una
muestra. ;tili6an esta in*ormacin para hacer
re*erencias so,re la po,lacin que est. representada
por la muestra. :n consecuencia muestra y po,lacin
son conceptos relati+os. ;na po,lacin es un todo y
una muestra es una *raccin o se-mento de ese todo.
Muestreo:
:sto no es m.s que el procedimiento empleado para
o,tener una o m.s muestras de una po,lacin/ el
muestreo es una tcnica que sir+e para o,tener una o
m.s muestras de po,lacin.
:ste se reali6a una +e6 que se ha esta,lecido un marco
muestral representati+o de la po,lacin, se procede a
la seleccin de los elementos de la muestra aunque hay
muchos dise@os de la muestra.
Cl tomar +arias muestras de una po,lacin, las
estadsticas que calculamos para cada muestra no
necesariamente seran i-uales, y lo m.s pro,a,le es
que +ariaran de una muestra a otra.
Ejemplo;
#onsideremos como una po,lacin a los estudiantes de
educacin del Acleo $an #arlos de la ;A:$4,
determinando por lo menos dos caracteres ser
estudiados en dicha po,lacin/
4eli-in de los estudiantes
$exo.
Tipos de muestreo
:xisten dos mtodos para seleccionar muestras de
po,laciones/ el muestreo no aleatorio o de 7uicio y el
muestreo aleatorio o de pro,a,ilidad. :n este ltimo
todos los elementos de la po,lacin tienen la
oportunidad de ser esco-idos en la muestra. ;na
muestra seleccionada por muestreo de 7uicio se ,asa
en la experiencia de al-uien con la po,lacin. Cl-unas
+eces una muestra de 7uicio se usa como -ua o
muestra tentati+a para decidir como tomar una
muestra aleatoria m.s adelante. Las muestras de 7uicio
e+itan el an.lisis estadstico necesarios para hacer
muestras de pro,a,ilidad.
Variables !tributos:
Las +aria,les, tam,in suelen ser llamados caracteres
cuantitati+os, son aquellos que pueden ser expresados
mediante nmeros. $on caracteres suscepti,les de
medicin. #omo por e7emplo, la estatura, el peso, el
salario, la edad, etc.
$e-n, 3urray 4. $pie-el, (%&&D) 0una +aria,le es un
sm,olo, tal como E, 8, Fx, que puede tomar un +alor
cualquiera de un con7unto determinado de ellos,
llamado dominio de la +aria,le. $i la +aria,le puede
tomar solamente un +alor, se llama constante.0
Godos los elementos de la po,lacin poseen los
mismos tipos de caracteres, pero como estos en
-eneral no suelen representarse con la misma
intensidad, es o,+io que las +aria,les toman distintos
+alores. Bor lo tanto estos distintos nmeros o
medidas que toman los caracteres son los 0+alores de
la +aria,le0. Godos ellos 7untos constituyen una
+aria,le.
Los atri,utos tam,in llamados caracteres cualitati+os,
son aquellos que no son suscepti,les de medicin, es
decir que no se pueden expresar mediante un nmero.
?;G?A (%&&>). 04eci,en el nom,re de +aria,les
cualitati+as o atri,utos, aquellas caractersticas que
pueden presentarse en indi+iduos que constituyen un
con7unto.
La *orma de expresar los atri,utos es mediante
pala,ras, por e7emplo/ pro*esin, estado ci+il, sexo,
nacionalidad, etc. Buede notar que los atri,utos no se
presentan en la misma *orma en todos los elementos.
:stas distintas *ormas en que se presentan los
atri,utos reci,en el nom,re de 0modalidades0.
:7emplo/
:l estado ci+il de cada uno de los estudiantes del curso
de estadsticas ?, no se presenta en la misma
modalidad en todos.
"ormas de #bservar la Poblacin:
%. Ctendiendo a la *uente se clasi*ican en directa o
indirecta$
o #bservacin directa 5 es aquella donde se
tienen un contacto directo con los elementos o
caracteres en los cuales se presenta el *enmeno que se
pretende in+esti-ar, y los resultados o,tenidos se
consideran datos estadsticos ori-inales. Bara :rnesto
4i+as Gon6.le6 (%&&>) 0?n+esti-acin directa, es
aquella en que el in+esti-ador o,ser+a directamente
los casos o indi+iduos en los cuales se produce el
*enmeno, entrando en contacto con ellos/ sus
resultados se consideran datos estadsticos ori-inales,
por esto se llama tam,in a esta in+esti-acin
primaria0.
Ejemplo/ el se-uimiento de la
po,lacin a-rcola por a@o,
lle+ado en una determinada
-ran7a.
o #bservacin %ndirecta: es aquella donde
la persona que in+esti-a hace uso de datos estadsticos
ya conocidos en una in+esti-acin anterior, o de datos
o,ser+ados por un tercero (persona o entidad). #on el
*in de deducir otros hechos o *enmenos.
Ejemplo/ si un in+esti-ador
pretende estudiar la produccin por
a@os de una -ran7a a+cola, en sus
ltimos cinco a@os de produccin,
tendra que hacer un se-uimiento, a
tal *in recurrira a las o,ser+aciones
que posee la o*icina administrati+a
de la -ran7a durante estos cinco
a@os, o diri-irse a la o*icina de
estadstica, lle+ada en el ministerio
de produccin y comercio (3.B.#)
de la localidad donde est. re-istrada
dicha -ran7a. :s de notar que el
in+esti-ador se +ale de
o,ser+aciones reali6adas por
terceros.
%. Ctendiendo a la periodicidad, puede ser
continua, peridica o circunstancial$
o ;na observacin continua/ como su
nom,re lo indica es aquella que se lle+a aca,o de un
modo permanente.
Ejemplo: la conta,ilidad
comercial, lle+ada en cuanto a
compras, +entas y otras operaciones
que se +an re-istrando a medida
que +an producindose.
o ;na observacin peridica/ es aqulla
que se lle+a a ca,o a tra+s de perodos de tiempo
constantes. :stos perodos de tiempos pueden ser
semanas, trimestres, semestres, a@os, etc. Lo que
de,emos destacar es que los perodos de tiempo
tomados como unidad de,en tomarse constantes en
los posi,le.
Ejemplo/ el re-istro lle+ado por la
H*icinas de #ontrol de :studios de
la ;A:$4, en cuanto a la
inscripcin de los estudiantes por
semestre.
o La observacin circunstancial, es aquella
que se e*ecta en *orma ocasional o espor.dica, esta
o,ser+acin hecha m.s por una necesidad
moment.nea, que de car.cter re-ular o permanente.
Ejemplo/ la o,tencin de nmeros
de aulas utili6adas y no utili6adas en
los cole-ios pertenecientes al
municipio $an #arlos del :stado
#o7edes.
%. Ctendiendo a la co,ertura/ pueden ser
e&'austiva, parcial o mi&ta
o #bservacin E&'austiva . #uando la
o,ser+acin es e*ectuada so,re la totalidad de los
elementos de la po,lacin se ha,la de una o,ser+acin
exhausti+a.
o #bservacin Parcial . Iados que las
po,laciones en -eneral son -randes, la o,ser+acin de
todos sus elementos se +e imposi,ilitada. La solucin
para superar este incon+eniente es o,ser+ar una parte
de esta po,lacin.
o #bservacin Mi&ta . :n este tipo de
o,ser+acin se com,inan adecuadamente la
o,ser+acin exhausti+a con la o,ser+acin parcial. Bor
lo -eneral, este tipo de o,ser+aciones se lle+a a ca,o de
tal manera que los caracteres que se consideran
,.sicos se o,ser+an exhausti+amente y los otros
mediante una muestra/ o ,ien cuando la po,lacin es
muy -rande, parte de ella se o,ser+a parcialmente.
Censo:
$e entiende por censo aquella numeracin que se
e*ecta a todos y cada uno de los caracteres
componentes de una po,lacin.
Bara Le+in < 4u,in (%&&=) 0Cl-unas +eces es posi,le y
pr.ctico examinar a cada persona o elemento de la
po,lacin que deseamos descri,ir. C esto lo llamamos
una numeracin completa o censo. ;tili6amos el
muestre cuando no es posi,le contar o medir todos los
elementos de la po,lacin.
$i es posi,le listar (o enumerar) y o,ser+ar cada
elemento de la po,lacin, los censos se utili6an rara
+e6 porque a menudo su compilacin es ,astante
di*cil, consume mucho tiempo por lo que resulta
demasiado costoso.
Encuesta:
$e entiende por encuesta las o,ser+aciones reali6adas
por muestreo, es decir son o,ser+aciones parciales.
:l dise@o de encuestas es exclusi+o de las ciencias
sociales y parte de la premisa de que si queremos
conocer al-o so,re el comportamiento de las personas,
lo me7or, m.s directo y simple es pre-unt.rselo
directamente a ellas. (#adenas, %&>9).
$e-n Cntonio Aapolitano 0La encuesta, es un mtodo
mediante el cual se quiere a+eri-uar. $e e*ecta a
tra+s de cuestionarios +er,ales o escritos que son
aplicados a un -ran nmero de personas0.
Estadstica (escriptiva:
Gienen por o,7eto *undamental descri,ir y anali6ar las
caractersticas de un con7unto de datos, o,tenindose
de esa manera conclusiones so,re las caractersticas de
dicho con7unto y so,re las relaciones existentes con
otras po,laciones, a *in de compararlas. Ao o,stante
puede no solo re*erirse a la o,ser+acin de todos los
elementos de una po,lacin (o,ser+acin exhausti+a)
sino tam,in a la descripcin de los elementos de una
muestra (o,ser+acin parcial).
:n relacin a la estadstica descripti+a, :rnesto 4i+as
Gon6.les dice/ 0Bara el estudio de estas muestras, la
estadstica descripti+a nos pro+ee de todos sus
medidas/ medidas que cuando quieran ser aplicadas al
uni+erso total, no tendr.n la misma exactitud que
tienen para la muestra, es decir al estimarse para el
uni+erso +endr. dada con cierto mar-en de error/ esto
si-ni*ica que el +alor de la medida calculada para la
muestra, en el oscilar. dentro de cierto lmite de
con*ian6a, que casi siempre es de un &1 a &&J de los
casos.
Estadstica %nductiva:
:st. *undamentada en los resultados o,tenidos del
an.lisis de una muestra de po,lacin, con el *in de
inducir o in*erir el comportamiento o caracterstica de
la po,lacin, de donde procede, por lo que reci,e
tam,in el nom,re de ?n*erencia estadstica.
$e-n Berenson y Le+ine/ :stadstica ?n*erencial son
procedimientos estadsticos que sir+en para deducir o
in*erir al-o acerca de un con7unto de datos numricos
(po,lacin), seleccionando un -rupo menor de ellos
(muestra).
:l o,7eti+o de la in*erencia en in+esti-acin cient*ica y
tecnol-ica radica en conocer clases numerosas de
o,7etos, personas o e+entos a partir de otras
relati+amente peque@as compuestas por los mismos
elementos.
:n relacin a la estadstica descripti+a y la in*erencial,
Le+in < 4u,in (%&&=) citan los si-uientes e7emplos
para ayudar a entender la di*erencia entre las dos.
$upn-ase que un pro*esor calcula la cali*icacin
promedio de un -rupo de historia. #omo la estadstica
descri,e el desempe@o del -rupo pero no hace nin-una
-enerali6acin acerca de los di*erentes -rupos,
podemos decir que el pro*esor est. utili6ando
estadstica descripti+a. Gra*icas, ta,las y dia-ramas
que muestran los datos de manera que sea m.s *.cil su
entendimiento son e7emplos de estadstica descripti+a.
$upn-ase ahora que el pro*esor de historia decide
utili6ar el promedio de cali*icaciones o,tenidos por
uno de sus -rupos para estimar la cali*icacin
promedio de las die6 unidades del mismo curso de
historia. :l proceso de estimacin de tal promedio
sera un pro,lema concerniente a la estadstica
in*erencial.
Los estadsticos se re*ieren a esta rama como
in*erencia estadstica, esta implica -enerali6aciones y
a*irmaciones con respecto a la pro,a,ilidad de su
+alide6.
)*%(!( %%
Medicin de Caracteres
Medicin
Existen di+ersas de*iniciones del termino 0medicin0,
pero estas dependen de los di*erentes puntos de +ista
que se puedan tener al a,ordar el pro,lema de la
cuanti*icacin y el proceso mismo de la construccin
de una escala o instrumento de medicin.
:n -eneral, se entiende por medicin la asi-nacin de
nmeros a elementos u o,7etos para representar o
cuanti*icar una propiedad. :l pro,lema ,.sico est.
dado por la asi-nacin un numeral que represente la
ma-nitud de la caracterstica que queremos medir y
que dicho nmeros pueden anali6arse por
manipulaciones de acuerdo a ciertas re-las. Bor medio
de la medicin, los atri,utos de nuestras percepciones
se trans*orman en entidades conocidas y mane7a,les
llamadas 0nmeros0. :s e+idente que el mundo
resultara catico si no pudiramos medir nada. :n
este caso ca,ra pre-untarse de que le ser+ira la *sico
sa,er que el hierro tiene una alta temperatura de
*usin.
*iveles o Escalas de mediciones
Escala *ominal:
La escala de medida nominal, puede considerarse la
escala de ni+el m.s ,a7o, y consiste en la asi-nacin,
puramente ar,itraria de nmeros o sm,olos a cada
una de las di*erentes cate-oras en las cuales podemos
di+idir el car.cter que o,ser+amos, sin que puedan
esta,lecerse relaciones entre dichas cate-oras, a no
ser el de que cada elemento pueda pertenecer a una y
solo una de estas cate-oras.
$e trata de a-rupar o,7etos en clases, de modo que
todos los que pertene6can a la misma sean
equi+alentes respecto del atri,uto o propiedad en
estudio, despus de lo cual se asi-nan nom,res a tales
clases, y el hecho de que a +eces, en lu-ar de
denominaciones, se le atri,uyan nmeros, puede ser
una de las ra6ones por las cuales se le conoce como
0medidas nominales0.
Bor e7emplo, podemos estar interesados en clasi*icar
los estudiantes de la ;A:$4 Acleo $an #arlos de
acuerdos a la carrera que cursan.
=arrera &5mero asignada a la
categora
Educacin 9
"dministracin %
$e ha de tener presente que los nmeros asi-nados a
cada cate-ora sir+en nica y exclusi+amente par
identi*icar la cate-ora y no poseen propiedades
cuantitati+as.
Escala #rdinal:
:n caso de que puedan detectarse di+ersos -rados de
un atri,uto o propiedad de un o,7eto, la medida
ordinal es la indicada, puesto que entonces puede
recurrirse a la propiedad de 0orden0 de los nmeros
asi-n.ndolo a los o,7etos en estudio de modo que, si la
ci*ra asi-nada al o,7eto C es mayor que la de B, puede
in*erirse que C posee un mayor -rado de atri,uto que
B.
La asi-nacin de nmeros a las distintas cate-oras no
puede ser completamente ar,itraria, de,e hacerse
atendiendo al orden existente entre stas.
Los caracteres que posee una escala de medida ordinal
permiten, por el hecho mismo de poder ordenar todas
sus cate-oras, el c.lculo de las medidas estadsticas de
posicin, como por e7emplo la mediana.
Ejemplo:
Cl asi-nar un nmero a los pacientes de una consulta
mdica, se-n el orden de lle-ada, estamos lle+ando
una escala ordinal, es decir que al primero en lle-ar
ordinal, es decir que al primeo en lle-ar le asi-namos
el nK %, al si-uiente el nK D y as sucesi+amente, de esta
*orma, cada nmero representar. una cate-ora en
-eneral, con un solo elemento y se puede esta,lecer
relaciones entre ellas, ya que los nmeros asi-nados
-uardan la misma relacin que el orden de lle-ada a la
consulta.
Escalas de intervalos i+uales:
la escala de inter+alos i-uales, est. caracteri6ada por
una unidad de medida comn y constante que asi-na
un nmero i-ual al nmero de unidades equi+alentes a
la de la ma-nitud que posea el elemento o,ser+ado. :s
importante destacar que el punto cero en las escalas de
inter+alos i-uales es ar,itrario, y no re*le7a en nin-n
momento ausencia de la ma-nitud que estamos
midiendo. :sta escala, adem.s de poseer las
caractersticas de la escala ordinal, encontramos que la
asi-nacin de los nmeros a los elemento es tan
precisa que podemos determinar la ma-nitud de los
inter+alos (distancia) entre todos los elementos de la
escala. $in lu-ar a dudas, podemos decir que la escala
de inter+alos es la primera escala +erdaderamente
cuantitati+a y a los caracteres que posean esta escala
de medida pueden calcul.rsele todas las medidas
estadsticas a excepcin del coe*iciente de +ariacin.
Ejemplo:
:l lapso transcurrido entre %&&'L%&&& es i-ual al que
transcurri entre D(((LD((%.
Escala de coe,icientes o -a.ones:
:l ni+el de medida m.s ele+ado es el de cocientes o
ra6ones, y se di*erencia de las escalas de inter+alos
i-uales nicamente por poseer un punto cero propio
como ori-en/ es decir que el +alor cero de esta escala
si-ni*ica ausencia de la ma-nitud que estamos
midiendo. $i se o,ser+a una carencia total de
propiedad, se dispone de una unidad de medida para
el e*ecto. C i-uales di*erencias entre los nmeros
asi-nados corresponden i-uales di*erencias en el -rado
de atri,uto presente en el o,7eto de estudio. Cdem.s,
siendo que cero ya no es ar,itrario, sino un +alor
a,soluto, podemos decir que C. Giene dos, tres o
cuatro +eces la ma-nitud de la propiedad presente en
B.
Ejemplo:
:n una encuesta reali6ada en un ,arrio de esta
localidad se o,ser+ que hay *amilias que no tienen
hi7os, otras tienen = hi7os que es exactamente el do,le
de hi7os que aquellas que tienen 2 hi7os.
/as variables su medicin:
;na +aria,le es un sm,olo, tal como E, 8, F, x B,
que pueden tomar un con7unto pre*i7ado de +alores,
llamado dominio de esa +aria,le. Bara 3urray 4.
$pie-el (%&&%) 0una +aria,le que puede tomar
cualquier +alor entre dos +alores dados se dice que es
una +aria,le continua en caso contrario diremos que la
+aria,le es discreta0.
Las +aria,les, tam,in llamadas caracteres
cuantitati+os, son aquellas cuyas +ariaciones son
suscepti,les de ser medidas cuantitati+amente, es
decir, que pueden expresar numricamente la
ma-nitud de dichas +ariaciones. Bor intuicin y por
experiencia sa,emos que pueden distin-uirse dos tipos
de +aria,les/ las continuas y las discretas
/as variables continuas se caracteri6an por el
hecho de que para todo para de +alores siempre se
puede encontrar en +alor intermedio, (el peso, la
estatura, el tiempo empleado para reali6ar un tra,a7o,
etc.)
;na +aria,le es continua, cuando puede tomar
in*initos +alores intermedios dentro de dos +alores
consecuti+os. Bor e7emplo, la estatura, el peso, la
temperatura.
Bara +er el -r.*ico seleccione la opcin 0Iescar-ar0 del
men superior
Ejemplo:
:n el preescolar Blanca de Bre6, u,icado en la
ur,ani6acin 3onse@or Badilla de esta ciudad se
procedi a reco-er las medidas de talla y peso de los
ni@os que a este asisten.
Ai@o Beso Galla
"os %',2(( %,%1
"ulio D(,1(( %,D(
Bedro %&,((( %,%(
Luis %',>1( %,%'
$/as variables discretas ser.n aquellas que pueden
tomar solo un nmero limitado de +alores separados y
no continuos/ son aquellas que solo toman un
determinado nmeros de +alores, porque entre dos
+alores consecuti+os no pueden tomar nin-n otro/
por e7emplo el nmero de estudiantes de una clase es
una +aria,le discreta ya que solo tomar. los +alores %,
D, 2, 9... ntese que no encontramos +alor como %,1
estudiantes
)*%(!( %%%
Estadsticas Primarias
(atos Estadsticos:
Los datos estadsticos no son otra cosa que el producto
de las o,ser+aciones e*ectuadas en las personas y
o,7etos en los cuales se produce el *enmeno que
queremos estudiar. Iicho en otras pala,ras, son los
antecedentes (en ci*ras) necesarios para lle-ar al
conocimiento de un hecho o para reducir las
consecuencias de este.
Los datos estadsticos se pueden encontrar de *orma
no ordenada, por lo que es muy di*cil en -eneral,
o,tener conclusiones de los datos presentados de esta
manera. Bara poder o,tener una precisa y r.pida
in*ormacin con propsitos de descripcin o an.lisis,
estos de,en or-ani6arse de una manera sistem.tica/ es
decir, se requiere que los datos sean clasi*icados. :sta
clasi*icacin u or-ani6acin puede muy ,ien hacerse
antes de la recopilacin de los datos.
:7emplo5
$i se quiere conocer las caractersticas de los
estudiantes del Acleo $an #arlos de la ;A:$4, que
solicitan prstamo a la ,i,lioteca de dicha
;ni+ersidad, la recoleccin de la in*ormacin de,e
clasi*icar a cada estudiante so,re la ,ase de5 #arrera
que estudia, edad, semestre de estudios, etc. emos
pues que la clasi*icacin marca la pauta de la clase de
datos que de,e ser o,tenido.
Clasi,icacin de los datos
Los datos estadsticos pueden ser clasi*icados en
cualitati+os, cuantitati+os, cronol-icos y -eo-r.*icos.
(atos Cualitativos: cuando los datos son
cuantitati+os, la di*erencia entre ellos es de clase y no
de cantidad.
:7emplo5
$i deseamos clasi*icar los estudiantes que cursan la
materia de estadstica ? por su estado ci+il, o,ser+amos
que pueden existir solteros, casados, di+orciados,
+iudos.
(atos cuantitativos: cuando los +alores de los datos
representan di*erentes ma-nitudes, decimos que son
datos cuantitati+os.
:7emplo5
$e clasi*ican los estudiantes del Acleo $an #arlos de
la ;A:$4 de acuerdo a sus notas, o,ser+amos que los
+alores (nota) representan di*erentes ma-nitudes.
(atos cronol+icos5 cuando los +alores de los datos
+aran en di*erentes instantes o perodos de tiempo,
los datos son reconocidos como cronol-icos.
:7emplo5
Cl re-istrar los promedios de notas de los Clumnos del
Acleo $an #arlos de la ;A:$4 en los di*erentes
semestres.
(atos +eo+r,icos5 cuando los datos est.n re*eridos
a una localidad -eo-r.*ica se dicen que son datos
-eo-r.*icos.
:7emplo
:l nmero de estudiantes de educacin superior en las
distintas re-iones del pas.
"uentes de datos Estadsticos:
Los datos estadsticos necesarios para la comprensin
de los hechos pueden o,tenerse a tra+s de *uentes
primarias y *uentes secundarias.
"uentes de datos primarias5 es la persona o
institucin que ha recolectado directamente los datos.
"uentes secundarias5 son las pu,licaciones y
tra,a7os hechos por personas o entidades que no han
recolectado directamente la in*ormacin.
Las *uentes primarias m.s con*ia,les, son las
e*ectuadas por o*icinas -u,ernamentales encar-adas
de tal *in.
:n la pr.ctica, es aconse7a,le utili6ar *uentes de datos
primarias y en ltima instancia cuando estas no
existan, usar estadsticas de *uentes secundarias. #on
este ltimo tipo no de,emos pasar por alto que la
calidad de las conclusiones estadsticas dependen en
-rado sumo de la exactitud de los datos que se
reca,en. Ie anda ser+ira usar tcnicas estadsticas
precisas y re*inadas para lle-ar a conclusiones
+alederas, si estas tcnicas no son aplicadas a datos
adecuados o con*ia,les.
#uando un in+esti-ador quiere o,tener datos
estadsticos relati+o a un estudio que desea e*ectuar,
puede ele-ir entre una *uente primaria o en su de*ecto,
una secundaria. H recopilar los datos por s mismo. La
posi,ilidad mencionada en ltimo termino podr.
de,erse ,ien a la inexistencia de los datos o ,ien a que
esto no se encuentran discriminados en la *orma
requerida.
:7emplo5
$i un in+esti-ador quiere conocer el nmero de
alumnos repitientes en educacin media, clasi*icados
por ciclos, para los ltimos die6 a@os, el in+esti-ador
puede usar una *uente primaria, tal como la memoria y
cuenta el 3inisterio de :ducacin cada a@o.
M0todo para la recoleccin de datos:
:n estadstica se emplean una +ariedad de mtodos
distintos para o,tener in*ormacin de los que se desea
in+esti-ar. Iiscutiremos aqu los mtodos m.s
importantes, incluyendo las +enta7as y limitaciones de
estos.
La entre+ista personal5 los datos estadsticos
necesarios para una in+esti-acin, se renen
*recuentemente mediante un proceso que consiste en
en+iar un entre+istador o a-ente, directamente a la
persona in+esti-ada. :l in+esti-ador e*ectuar. a esta
persona una serie de pre-untas pre+iamente escritas
en un cuestionario o ,oleta, donde anotar. las
respuestas correspondientes. :ste procedimiento que
se conoce con el nom,re de entre+ista personal,
permite o,tener una in*ormacin m.s +era6 y
completa que la que proporcionan otros mtodos,
de,ido a que al tener contacto directo con la persona
entre+istada, el entre+istador podr. aclarar cualquier
duda que se presente so,re el cuestionario o
in+esti-acin.
Htra +enta7a es la posi,ilidad que tienen los
entre+istadores de adaptar el len-ua7e de las pre-untas
al ni+el intelectual de las personas entre+istadas.
;na de las des+enta7as de este mtodo se de,e a que si
el entre+istador no o,ra de ,uena * o no tiene un
entrenamiento adecuado, puede alterar las respuestas
por las personas entre+istadas.
Htra des+enta7a es su alto costo, ya que resulta
,astante oneroso el entrenamiento de los a-entes o
entrenadores y los super+isores de estos, so,re todo si
se trata de una in+esti-acin extensa.
#uestionarios por correo5 consiste en en+iar por correo
el cuestionario acompa@ado por el instructi+o
necesario, dando en este no solo las instrucciones
pertinentes para cada una de las pre-untas, sino
tam,in una ,re+e explicacin del o,7eto de la
encuesta con el *in de e+itar interpretaciones errneas.
;na de las +enta7as es que tienen un costo muy in*erior
al anterior procedimiento, puesto que no hay que
incluir -astos de entrenamiento de personal, el nico
-asto sera el de *ranqueo postal.
Ientro de las des+enta7as de este procedimiento
podemos se@alar que solo un porcenta7e ,astante ,a7o
de estos es de+uelto, en al-unos casos no estamos
se-uros de que los *ormularios hayan sido reci,idos
por sus destinatarios y que hayan sido respondido por
ellos mismos. Lo que trae como consecuencia que la
in*ormacin se o,ten-a con una serie de errores
di*ciles de precisar por el in+esti-ador.
Entrevista por tel0,ono5 como lo indica su nom,re,
este mtodo consiste en tele*onear a la persona a
entre+istar y hacerle una serie de pre-untas. :ste
mtodo es ,astante simple y econmico, ya que el
entrenamiento y super+isin de las personas
encar-adas de e*ectuar las pre-untas es siempre *.cil.
:ntre las limitaciones que presenta este mtodo
podemos se@alar el nmero de pre-untas que pueden
*ormularse es relati+amente limitado/ adem.s las
in+esti-aciones e*ectuadas por este mtodo tienen un
car.cter selecti+o, de,ido a que muchas de las
personas que potencialmente podran ser in+esti-adas
no posee ser+icio tele*nico, por lo que quedan sin la
posi,ilidad de ser entre+istados.
%nstrumentos para la recoleccin de datos:
Cuestionarios:
#ualquiera que sea el mtodo por el que se decida el
in+esti-ador para reca,ar in*ormacin, es necesario
ela,orar un estudio de pre-untas.
Los cuestionarios en -eneral, constan de las si-uientes
partes5
a. /a identi,icacin del cuestionario5 nom,re
del patrocinante de la encuesta, (o*icial o pri+ada),
nom,re de la encuesta, nmero del cuestionario,
nom,re del encuestador, lu-ar y *echa de la
entre+ista.
,. (atos de identi,icacin de carcter social
del encuestado: apellidos, nom,res, cdula de
identidad, nacionalidad, sexo, edad o *echa de
nacimiento, estado ci+il, -rado de instruccin,
ocupacin actual, in-resos, etc.
c. (atos propios de la investi+acin, son los
datos que interesa conocer para construir el
propsito de la in+esti-acin.
#omo es natural, estas partes, as como las pre-untas,
+aran de acuerdo a la *inalidad de la encuesta. :n
al-unos tipos de in+esti-acin, la parte re*erente a los
datos personales es eliminada por no tener nin-n tipo
de inters para el estudio.
Consideraciones 1ue debemos tomar en
cuenta:
:l cuestionario de,e ser conciso/ tratar en los
posi,le de que con el menor nmero de pre-untas, se
o,ten-a la me7or in*ormacin.
#laridad de la redaccin/ e+itar pre-untas
am,i-uas o que su-ieran respuestas incorrectas, por lo
que de,en estar *ormuladas las pre-untas de la *orma
m.s sencilla.
Iiscrecin5 un cuestionario hecho a conciencia,
no de,e tener pre-untas indiscretas o curiosas, so,re
datos personales que puedan o*ender al entre+istado.
Macilidad de contestacin5 se de,en e+itar, en lo
posi,le, las pre-untas de respuestas li,res o a,iertas y
tam,in la *ormulacin de pre-untas que requieran
c.lculos numricos por parte del entre+istado.
Hrden de las pre-untas5 estas de,en tener una
secuencia y un orden l-ico, a-ruparlas procurando
que se relacionen unas con otras.
2eries o distribuciones estadsticas:
Cnteriormente hemos se@alado que la estadstica, no
se encar-a del estudio de un hecho aislado, sino que
tienen por o,7eto de los colecti+os. Bues ,ien cuando
se reali6a una in+esti-acin se o,tiene una masa de
datos que de,en ser or-ani6ados para disponerlos en
un orden, arre-lo o secuencia l-ica, con el *in de
*acilitar el an.lisis de los mismos esta coleccin de
datos numricos o,tenidos de la o,ser+acin, que se
clasi*ican y ordenan se-n un determinado criterio, se
denominan 0series estadsticas0, tam,in conocidas
como 0distri,ucin estadstica0.
#lasi*icacin de las series estadsticas5
9. 2eries temporales o cronol+icas / estas se
de*inen como una masa o con7unto de datos
producto de la o,ser+acin de un *enmeno
indi+idual o colecti+o, cuanti*ica,le en sucesi+os
instantes o periodos de tiempo.
:7emplo5
Broduccin nacional de madera en 4ola en mN
4olli6os (periodo %&&2 O %&&')
"3os Produccin 'mM rollizos(
9NN/ 9.9E9..E9,4>4
9NN4 N@9.EE@,E%E
9NN> 9..@2.N%E,94%
9NNE 9.44../.E,%>.
9NN2 9.E9@..2>,...
9NN@ 9..%2.922,@2E
Muente5 3C4A O I.G.$ 4ecurso Morestal. %&&&
#G O B4HMH4#C
:s importante resaltar que cuando se trata de
series temporales o cronol-icas, se de,e
especi*icar el instante o el periodo de tiempo a los
que se re*ieren los caracteres en estudio.
#uando nos re*erimos a instantes de tiempo, por el
hecho de que la o,ser+acin se hace en un
momento espec*ico de tiempo.
Ejemplo:
Blantaciones *orestales e7ecutadas a ni+el nacional,
al 2% de diciem,re de cada a@o entre %&&> O D((%.
D. 2eries atemporales / cuando las o,ser+aciones
de un *enmeno se hacen re*eridas al mismo
instante o inter+alo de tiempo, nos encontramos
ente una serie atemporal. Cqu el tiempo no +a
incluido a cada o,ser+acin, puesto que es el
mismo tiempo para todas ellas. :ste tipo de
o,ser+acin proporciona una 0+isin instant.nea0
de los *enmenos o caracteres de los componentes
del colecti+o en estudio.
:7emplo5
Las notas de las participantes en la materia
de estadstica ? en el periodo acadmico que
termin en septiem,re del D((%.
D.%) series de ,recuencia/ cuando
reali6amos un estudio de cada uno
de los elementos que componen la
po,lacin o muestra ,a7o an.lisis,
o,ser+amos que en -eneral, hay un
nmero de +eces en que aparece
repetido un mismo +alor de una
+aria,le, o ,ien repeticiones de la
misma modalidad de un atri,uto.
:ste nmero de repeticiones de un
resultado, reci,e el nom,re de
*recuencia a,soluta o simplemente
*recuencia.
:l procedimiento mediante el cual
se reali6a el conteo, para as
determinar el nmero de +eces que
cada dato se repite, reci,e el
nom,re de ta,ulacin.
Ejemplo5
#onsideremos las edades de D(
ni@os, pertenecientes al Breescolar
Blanca de Bre6, u,icado en la
ur,ani6acin 3onse@or Badilla
> E > 4 /
E / 4 > 4
/ 4 E > /
4 / E 4 E
Ga,ulando los datos tenemos
Ai@os distri,uidos por edades5
Edad 'ariable( &O de ni3os 'Crecuencia(
/ >
4 E
> 4
E >
6otal P %.
Cl a-rupar los resultados de las
o,ser+aciones en trmino de las
+eces que stos se repiten, da lu-ar
a las llamadas 0series de
*recuencias0 o distri,uciones de
*recuencias/ las cuales se di+iden a
su +e6 en series de *recuencia
cualitati+as y cuantitati+as, se-n
que los caracteres de estudio se
re*ieran a atri,utos o +aria,les
respecti+amente.
D.D.%) 2eries de
,recuencia
acumulativa5 son
comnmente llamadas
series de *recuencia de
atri,utos o caracteres
cualitati+os y las *ormas de
representar un atri,uto
reci,e el nom,re de
modalidades.
#uando se o,ser+an y se
o,tienen los elementos
que deseamos estudiar con
respecto a un car.cter de
tipo cualitati+o y se
procede a a-ruparlos
se-n las distintas
modalidades que toma el
atri,uto, 0*recuencia
cualitati+a0.
Ejemplo:
C-rupamos los resultados
o,tenidos al o,ser+ar los
21 estudiantes de la
materia estadstica ?,
respecto a su estado ci+il.
:studiantes de la materia
:stadsticas ?, clasi*icados
por su estado ci+il.
Estado ciil &O de Estudiantes 'frecuencia(
+olteros 9@
=asados 9%
Biudos 9
Diorciados 4
D.%.D) 2eries de
,recuencias
cualitativas5 es el
resultado del
a-rupamiento de los
+alores que se repiten
(*recuencia) al ser
o,ser+ada una +aria,le.
:7emplo5
Gomamos nue+amente los
21 estudiantes de la
materia estadstica ?,
respecto a su edad.
Edad 'en a3os( &O de estudiantes 'frecuencia(
9N 9%
%. %
%> @
%@ E
/% 4
4% /
6otal P />
D.D) series especiales o +eo+r,icas5 es
aquella que est. *ormada por los +alores que
toman una +aria,le en *uncin del espacio
-eo-r.*ico.

La estadstica es una ciencia con base matemtica referente a la recoleccin,
anlisis e interpretacin de datos, que busca e,plicar condiciones regulares en
fenmenos de tipo aleatorio. Es transersal a una amplia ariedad de
disciplinas, desde la fsica #asta las ciencias sociales, desde las ciencias de la
salud #asta el control de calidad, y es usada para la toma de decisiones en
reas de negocios e instituciones gubernamentales.
La Estadstica se diide en dos ramas1
La estadstica descriptiva, que se dedica a los mtodos de recoleccin,
descripcin, visualizacin y resumen de datos originados a partir de los
fenmenos en estudio. Los datos pueden ser resumidos numrica o grficamente.
Ejemplos bsicos de descriptores numricos son la media y la desviacin
estndar. !lgunos ejemplos grficos son "istograma, pirmide poblacional,
clusters, etc.
La inferencia estadstica, que se dedica a la generacin de los modelos,
inferencias y predicciones asociadas a los fenmenos en cuestin teniendo en
cuenta la aleatoriedad de las observaciones. #e usa para modelar patrones en los
datos y e$traer inferencias acerca de la poblacin bajo estudio. Estas inferencias
pueden tomar la forma de respuestas a preguntas si%no &prueba de "iptesis',
estimaciones de caractersticas numricas &estimacin', pronsticos de futuras
observaciones, descripciones de asociacin &correlacin' o modelamiento de
relaciones entre variables &anlisis de regresin'. (tras tcnicas de
modelamiento incluyen !)(*!, series de tiempo y minera de datos.
"mbas ramas 'descriptia e inferencial( comprenden la estadstica aplicada.
Fay tambi!n una disciplina llamada estadstica matemtica, la cual se refiere a
las bases tericas de la materia. La palabra estadsticas tambi!n se refiere al
resultado de aplicar un algoritmo estadstico a un conjunto de datos, como en
estadsticas econmicas, estadsticas criminales, etc.
=ontenido
+ocultar,
- Etimologa
. (rgenes en probabilidad
/ Estado actual
0 1todos estadsticos
o 0.- Estudios e$perimentales y observacionales
o 0.. )iveles de medicin
o 0./ 2cnicas estadsticas
3 4isciplinas especializadas
5 6omputacin estadstica
7 6rticas a la estadstica
8 Estadsticos famosos
9 )otas
-: ;ibliografa
-- Enlaces e$ternos
Etimologa [editar]
La palabra QestadsticaQ procede del latn statisticum collegium 'Qconsejo de
EstadoQ( y de su deriado italiano statista 'Q#ombre de EstadoQ o QpolticoQ(. El
t!rmino alemn Statistik, que fue primeramente introducido por Iottfried
"c#enRall '924N(, designaba originalmente el anlisis de datos del Estado, es
decir, Qla ciencia del EstadoQ 'tambi!n llamada Qaritm!tica polticaQ de su
traduccin directa del ingl!s(. &o fue #asta el siglo S)S cuando el t!rmino
estadstica adquiri el significado de recolectar y clasificar datos. Este concepto
fue introducido por el ingl!s 0o#n +inclair.
En su origen, por tanto, la estadstica estuo asociada a datos, a ser utilizados
por el gobierno y cuerpos administratios 'a menudo centralizados(. La
coleccin de datos acerca de estados y localidades contin5a ampliamente a
tra!s de los sericios de estadstica nacionales e internacionales. En
particular, los censos suministran informacin regular acerca de la poblacin.
Desde los comienzos de la ciilizacin #an e,istido formas sencillas de
estadstica, pues ya se utilizaban representaciones grficas y otros smbolos en
pieles, rocas, palos de madera y paredes de cueas para contar el n5mero de
personas, animales o ciertas cosas. Facia el a3o /... a. =. los babilnicos
usaban ya peque3as tablillas de arcilla para recopilar datos en tablas sobre la
produccin agrcola y de los g!neros endidos o cambiados mediante trueque.
Los egipcios analizaban los datos de la poblacin y la renta del pas muc#o
antes de construir las pirmides en el siglo S) a. =. Los libros bblicos de
&5meros y =rnicas incluyen, en algunas partes, trabajos de estadstica. El
primero contiene dos censos de la poblacin de )srael y el segundo describe el
bienestar material de las diersas tribus judas. En =#ina e,istan registros
num!ricos similares con anterioridad al a3o %... a. =. Los griegos clsicos
realizaban censos cuya informacin se utilizaba #acia el >N4 a. =. para cobrar
impuestos.
Orgenes en probabilidad [editar]
Los m!todos estadstico matemticos emergieron desde la teora de
probabilidad, la cual data desde la correspondencia ciertamente entre Pierre
de Cermat y -laise Pascal '9E>4(. =#ristian Fuygens '9E>2( da el primer
tratamiento cientfico que se conoce a la materia. El "rs =onjectandi 'pstumo,
929/( de 0aKob -ernoulli y la Doctrina de Posibilidades '929@( de "bra#am de
?oire estudiaron la materia como una rama de las matemticas.
9
En la era
moderna, el trabajo de Tolmogro #a sido un pilar en la formulacin del
modelo fundamental de la 6eora de Probabilidades, el cual es usado a tra!s
de la estadstica.
La teora de errores se puede remontar a la Opera Miscellanea 'pstuma,
92%%( de Hoger =otes y al trabajo preparado por 6#omas +impson en 92>>
'impreso en 92>E( el cual aplica por primera ez la teora de la discusin de
errores de obseracin. La reimpresin '92>2( de este trabajo incluye el a,ioma
de que errores positios y negatios son igualmente probables y que #ay unos
ciertos lmites asignables dentro de los cuales se encuentran todos los errores7
se describen errores continuos y una cura de probabilidad.
PierreD+imon Laplace '9224( #ace el primer intento de deducir una regla para la
combinacin de obseraciones desde los principios de la teora de
probabilidades. Laplace represent la ley de probabilidades de errores
mediante una cura y dedujo una formula para la media de tres obseraciones.
6ambi!n, en 9@29, obtiene la formula para la ley de facilidad del error 't!rmino
introducido por Lagrange, 9244( pero con ecuaciones inmanejables. Daniel
-ernoulli '922@( introduce el principio del m,imo producto de las
probabilidades de un sistema de errores concurrentes.
El m!todo de mnimos cuadrados, el cual fue usado para minimizar los errores
en mediciones, fue publicado independientemente por "drienD?arie Legendre
'9@.>(, Hobert "drain '9@.@(, y =arl Criedric# Iauss '9@.N(. Iauss #aba
usado el m!todo en su famosa prediccin de la localizacin del planeta enano
=eres en 9@.9. Pruebas adicionales fueron escritas por Laplace '9@9., 9@9%(,
Iauss '9@%/(, 0ames )ory '9@%>, 9@%E(, Fagen '9@/2(, Criedric# -essel
'9@/@(, U.C. DonKin '9@44, 9@>E(, 0o#n Fersc#el '9@>.( y ?organ =rofton
'9@2.(. Atros contribuidores fueron Ellis '9@44(, "ugustus De ?organ '9@E4(,
Ilais#er '9@2%( y Iioanni +c#iaparelli '9@2>(. La frmula de Peters para r, el
probable error de una obseracin simple es bien conocido.
El siglo S)S incluye autores como Laplace, +ilestre Lacroi, '9@9E(, LittroR
'9@//(, Hic#ard DedeKind '9@E.(, Felmert '9@2%(, Fermann Laurent '9@2/(,
Liagre, Didion y Tarl Pearson. "ugustus De ?organ y Ieorge -oole mejoraron
la presentacin de la teora. "dolp#e Vuetelet '92NED9@24(, fue otro importante
fundador de la estadstica y quien introdujo la nocin del Q#ombre promedioQ
'l'homme moyen( como un medio de entender los fenmenos sociales
complejos tales como tasas de criminalidad, tasas de matrimonio o tasas de
suicidios.
Estado actual [editar]
Durante el siglo SS, la creacin de instrumentos precisos para asuntos de
salud p5blica 'epidemiologa, bioestadstica, etc.( y propsitos econmicos y
sociales 'tasa de desempleo, econometra, etc.( necesit de aances
sustanciales en las practicas estadsticas.
Foy el uso de la estadstica se #a e,tendido ms all de sus orgenes como un
sericio al Estado o al gobierno. Personas y organizaciones usan la estadstica
para entender datos y tomar decisiones en ciencias naturales y sociales,
medicina, negocios y otras reas. La estadstica es entendida generalmente no
como un subDrea de las matemticas sino como una ciencia diferente QaliadaQ.
?uc#as uniersidades tienen departamentos acad!micos de matemticas y
estadstica separadamente. La estadstica se ense3a en departamentos tan
diersos como psicologa, educacin y salud p5blica.
<egresin lineal = >rficos de dispersin en estadstica
"l aplicar la estadstica a un problema cientfico, industrial o social, se
comienza con un proceso o poblacin a ser estudiado. Esta puede ser la
poblacin de un pas, de granos cristalizados en una roca o de bienes
manufacturados por una fbrica en particular durante un periodo dado.
6ambi!n podra ser un proceso obserado en arios instantes y los datos
recogidos de esta manera constituyen una serie de tiempo.
Por razones prcticas, en lugar de compilar datos de una poblacin entera,
usualmente se estudia un subconjunto seleccionado de la poblacin, llamado
muestra. Datos acerca de la muestra son recogidos de manera obseracional o
e,perimental. Los datos son entonces analizados estadsticamente lo cual
sigue dos propsitos1 descripcin e inferencia.
El concepto de correlacin es particularmente alioso. "nlisis estadsticos de
un conjunto de datos puede reelar que dos ariables 'esto es, dos
propiedades de la poblacin bajo consideracin( tienden a ariar
conjuntamente, como si #ubiera una cone,in entre ellas. Por ejemplo un
estudio del ingreso anual y la edad de muerte entre personas podra resultar en
que personas pobres tienden a tener idas ms cortas que personas de mayor
ingreso. Las dos ariables se dicen a ser correlacionadas. +in embargo, no se
pude inferir inmediatamente la e,istencia de una relacin de causalidad entre
las dos ariables. El fenmeno correlacionado podra ser la causa de un
tercero, preiamente no considerado, llamado ariable confundida.
+i la muestra es representatia de la poblacin, inferencias y conclusiones
#ec#as en la muestra pueden ser e,tendidas a la poblacin completa. *n
problema mayor es el de determinar que tan representatia es la muestra
e,trada. La estadstica ofrece medidas para estimar y corregir por aleatoriedad
en la muestra y en el proceso de recoleccin de los datos, as como m!todos
para dise3ar e,perimentos robustos como primera medida, er dise3o
e,perimental.
El concepto matemtico fundamental empleado para entender la aleatoriedad
es el de probabilidad. La estadstica matemtica 'tambi!n llamada teora
estadstica( es la rama de las matemticas aplicadas que usa la teora de
probabilidades y el anlisis matemtico para e,aminar las bases tericas de la
estadstica.
El uso de cualquier m!todo estadstico es lido solo cuando el sistema o
poblacin bajo consideracin satisface los supuestos matemticos del m!todo.
El mal uso de la estadstica puede producir serios errores en la descripcin e
interpretacin, afectando las polticas sociales, la prctica m!dica y la calidad
de estructuras tales como puentes y plantas de reaccin nuclear.
)ncluso cuando la estadstica es correctamente aplicada, los resultados pueden
ser difcilmente interpretados por un no e,perto. Por ejemplo, el significado
estadstico de una tendencia en los datos, que mide el grado al cual la
tendencia puede ser causada por una ariacin aleatoria en la muestra, puede
no estar de acuerdo con el sentido intuitio. El conjunto de #abilidades
estadsticas bsicas 'y el escepticismo( que una persona necesita para
manejar informacin en el da a da se refiere como cultura estadstica.
?!todos estadsticos [editar]
Estudios experimentales y observacionales
[editar]
*n objetio com5n para un proyecto de inestigacin estadstica es inestigar
la causalidad, y en particular e,traer una conclusin en el efecto que algunos
cambios en los alores de predictores o ariables independientes tienen sobre
una respuesta o ariables dependientes. Fay dos grandes tipos de estudios
estadsticos para estudiar causalidad1 estudios e,perimentales y
obseracionales. En ambos tipos de estudios, el efecto de las diferencias de
una ariable independiente 'o ariables( en el comportamiento de una ariable
dependiente es obserado. La diferencia entre los dos tipos es la forma en que
el estudio es conducido. =ada uno de ellos puede ser muy efectio.
*n estudio e,perimental enuele el tomar mediciones del sistema bajo
estudio, manipular el sistema y luego tomar mediciones adicionales usando el
mismo procedimiento para determinar si la manipulacin #a modificado los
alores de las mediciones. En contraste, un estudio obseracional no necesita
manipulacin e,perimental. Por el contrario, los datos son recogidos y las
correlaciones entre predictores y la respuesta son inestigadas.
*n ejemplo de un estudio e,perimental es el famoso e,perimento de
FaRt#orne el cual pretenda probar cambios en el ambiente de trabajo en la
planta FaRt#orne de la Uestern Electric =ompany. Los inestigadores estaban
interesados en si al incrementar la iluminacin en un ambiente de trabajo, la
produccin de los trabajadores aumentaba. Los inestigadores primero
midieron la productiidad de la planta y luego modificaron la iluminacin en un
rea de la planta para er si cambios en la iluminacin afectaran la
productiidad. La productiidad mejor bajo todas las condiciones
e,perimentales. +in embargo, el estudio fue muy criticado por errores en los
procedimientos e,perimentales, especficamente la falta de un grupo control y
seguimiento.
*n ejemplo de un estudio obseracional es un estudio que e,plora la
correlacin entre fumar y el cncer de pulmn. Este tipo de estudio
normalmente usa una encuesta para recoger obseraciones acerca del rea de
inter!s y luego produce un anlisis estadstico. En este caso, los inestigadores
recogeran obseraciones de fumadores y no fumadores y luego miraran los
casos de cncer de pulmn en ambos grupos.
Los pasos bsicos para un e,perimento son1
?laneamiento estadstico de la investigacin, lo cual incluye encontrar fuentes de
informacin, seleccin de material disponible en el rea y consideraciones ticas
para la investigacin y el mtodo propuesto. #e plantea un problema de estudio,
4ise@ar el e$perimento concentrndose en el modelo y la interaccin entre
variables independientes y dependientes. #e realiza un muestreo consistente en
la recoleccin de datos referentes al fenmeno o variable que deseamos estudiar.
#e propone un modelo de probabilidad, cuyos parmetros se estiman mediante
estadsticos a partir de los datos de muestreo. #in embargo, se mantiene lo que se
denominan A"iptesis sostenidasA &que no son sometidas a comprobacin'. #e
valida el modelo comparndolo con lo que sucede en la realidad. #e utiliza
mtodos estadsticos conocidos como test de "iptesis y prueba de significacin.
#e producen estadsticas descriptivas.
Bnferencia estadstica. #e llega a un consenso acerca de qu dicen las
observaciones acerca del mundo que observamos.
#e utiliza el modelo validado para tomar decisiones o predecir acontecimientos
futuros. #e produce un reporte final con los resultados del estudio.
Niveles de medicin [editar]
Fay cuatro tipos de mediciones o escalas de medicin en estadstica. Los
cuatro tipos de nieles de medicin 'nominal, ordinal, interalo y razn( tienen
diferentes grados de uso en la inestigacin estadstica. Las medidas de razn,
en donde un alor cero y distancias entre diferentes mediciones son definidas,
dan la mayor fle,ibilidad en m!todos estadsticos que pueden ser usados para
analizar los datos. Las medidas de interalo tienen distancias interpretables
entre mediciones, pero un alor cero sin significado 'como las mediciones de
coeficiente intelectual o temperatura en grados =elsius(. Las medidas ordinales
tienen imprecisas diferencias entre alores consecutios, pero un orden
interpretable para sus alores. Las medidas nominales no tienen ning5n rango
interpretable entre sus alores.
La escala de medida nominal, puede considerarse la escala de niel ms bajo.
+e trata de agrupar objetos en clases. La escala ordinal, por su parte, recurre a
la propiedad de 8orden: de los n5meros. La escala de interalos iguales est
caracterizada por una unidad de medida com5n y constante. Es importante
destacar que el punto cero en las escalas de interalos iguales es arbitrario, y
no refleja en ning5n momento ausencia de la magnitud que estamos midiendo.
Esta escala, adems de poseer las caractersticas de la escala ordinal, permite
determinar la magnitud de los interalos 'distancia( entre todos los elementos
de la escala. La escala de coeficientes o Hazones es el niel de medida ms
eleado y se diferencia de las escalas de interalos iguales 5nicamente por
poseer un punto cero propio como origen7 es decir que el alor cero de esta
escala significa ausencia de la magnitud que estamos midiendo. +i se obsera
una carencia total de propiedad, se dispone de una unidad de medida para el
efecto. " iguales diferencias entre los n5meros asignados corresponden
iguales diferencias en el grado de atributo presente en el objeto de estudio.
Tcnicas estadsticas [editar]
"lgunos tests y procedimientos para inestigacin de obseraciones bien
conocidos son1
?rueba t de #tudent
?rueba de CD
!nlisis de varianza &!)(*!'
E de 1ann=F"itney
!nlisis de regresin
6orrelacin
Bconografa de las correlaciones
?rueba de la diferencia menos significante de Gis"er
6oeficiente de correlacin producto momento de ?earson
6oeficiente de correlacin de rangos de #pearman
!nlisis factorial e$ploratorio
!nlisis factorial confirmatorio
Disciplinas especializadas [editar]
"lgunos campos de inestigacin usan la estadstica tan e,tensamente que
tienen terminologa especializada. Estas disciplinas incluyen1
6iencias actuariales
Gsica estadstica
Estadstica industrial
Estadstica Espacial
1atematicas Estadstica
Estadstica en 1edicina
Estadstica en )utricin
Estadstica en !gronoma
Estadstica en ?lanificacin
Estadstica en Bnvestigacin
Estadstica en 4erec"o
Estadstica en <estauracin de (bras
Estadstica en Literatura
Estadstica en !stronoma
Estadstica en la !ntropologa &!ntropometra'
Estadstica 1ilitar
>eoestadstica
;ioestadstica
Estadsticas de )egocios
Estadstica 6omputacional
Estadstica en las 6iencias de la #alud
Bnvestigacin de (peraciones
Estadsticas de 6onsultora
Estadstica de la educacin, la ense@anza, y la formacin
Estadstica en la comercializacin o mercadotecnia
6ienciometra
Estadstica del 1edio !mbiente
Estadstica en Epidemiologa
1inera de datos &aplica estadstica y reconocimiento de patrones para el
conocimiento de datos'
Estadstica econmica &Econometra'
Estadstica en Bngeniera
>eografa y #istemas de informacin geogrfica, ms especficamente en
!nlisis espacial
4emografa
Estadstica en psicologa &?sicometra'
6alidad y productividad
Estadsticas sociales &para todas las ciencias sociales'
6ultura estadstica
Encuestas por 1uestreo
!nlisis de procesos y quimiometra &para anlisis de datos en qumica analtica
e ingeniera qumica'
6onfiabilidad estadstica
?rocesamiento de imgenes
Estadsticas 4eportivas
La estadstica es una #erramienta bsica en negocios y produccin. Es usada
para entender la ariabilidad de sistemas de medicin, control de procesos
'como en control estadstico de procesos o +P= '=EP((, para compilar datos y
para tomar decisiones. En estas aplicaciones es una #erramienta clae, y
probablemente la 5nica #erramienta disponible.
=omputacin estadstica [editar]
El rpido y sostenido incremento en el poder de clculo de la computacin
desde la segunda mitad del siglo SS #a tenido un sustancial impacto en la
prctica de la ciencia estadstica. Biejos modelos estadsticos fueron casi
siempre de la clase de los modelos lineales. "#ora, complejos computadores
junto con apropiados algoritmos num!ricos, #an causado un renacer del inter!s
en modelos no lineales 'especialmente redes neuronales y rboles de decisin(
y la creacin de nueos tipos tales como modelos lineales generalizados y
modelos multiniel.
El incremento en el poder computacional tambi!n #a lleado al crecimiento en
popularidad de m!todos intensios computacionalmente basados en
remuestreo, tales como tests de permutacin y de bootstrap, mientras t!cnicas
como el muestreo de Iibbs #an #ec#o los m!todos bayesianos ms
accesibles. La reolucin en computadores tiene implicaciones en el futuro de
la estadstica, con un nueo !nfasis en estadsticas Qe,perimentalesQ y
QempricasQ. *n gran numero de paquetes estadsticos est a#ora disponible
para los inestigadores. Los +istemas dinmicos y teora del caos, desde #ace
una d!cada, empezaron a interesar en la comunidad #ispana, pues en la
anglosajona de Estados *nidos estaba ya establecida la conducta catica en
sistemas dinmicos no lineales con />. libros para 9NN2 y empezaban algunos
trabajos en los campos de las =iencias +ociales y en aplicaciones de la Csica.
6ambi!n se estaba contemplando su uso en analtica.
=rticas a la estadstica [editar]
Fay una percepcin general de que el conocimiento estadstico es intencionada
y demasiado frecuentemente mal usado, encontrando formas de interpretar los
datos que sean faorables al presentador. *n dic#o famoso, al parecer de
-enjamin Disraeli,
%
es QFay tres tipos de mentiras W mentiras, grandes
mentiras y estadsticasQ. El popular libro How to Lie with Statistics 'Q=mo
?entir con EstadsticasQ( de Darrell Fuff discute muc#os casos de mal uso de
la estadstica, con !nfasis en grficas malintencionadas. "l escoger 'o rec#azar
o modificar( una cierta muestra, los resultados pueden ser manipulados7
eliminando outliers por ejemplo. Este puede ser el resultado de fraudes o
sesgos intencionales por parte del inestigador. El Decano de Farard
LaRrence LoRell escribi en 9N.N que las estadsticas, Qcomo algunos
pasteles, son buenas si se sabe ui!n las hi"o y se est seguro de los
ingredientes.Q
"lgunos estudios contradicen resultados obtenidos preiamente, y la poblacin
comienza a dudar en la eracidad de tales estudios. +e podra leer que un
estudio dice 'por ejemplo( que Q#acer S reduce la presin sanguneaQ, seguido
por un estudio que dice que Q#acer S no afecta la presin sanguneaQ, seguido
por otro que dice que Q#acer S incrementa la presin sanguneaQ. " menudo los
estudios se #acen siguiendo diferentes metodologas, o estudios en muestras
peque3as que prometen resultados maraillosos que no son obtenibles en
estudios de mayor tama3o. +in embargo, muc#os lectores no notan tales
diferencias, y los medios de comunicacin simplifican la informacin alrededor
del estudio y la desconfianza del p5blico comienza a crecer.
+in embargo, las crticas ms fuertes ienen del #ec#o que la apro,imacin de
pruebas de #iptesis, ampliamente usada en muc#os casos requeridos por ley
o reglamentacin, obligan una #iptesis a ser XfaorecidaX 'la #iptesis nula(, y
puede tambi!n e,agerar la importancia de peque3as diferencias en estudios
grandes. *na diferencia que es altamente significatia puede ser de ninguna
significancia prctica.
Vase tambin crticas de prueba de hiptesis y controversia de la hiptesis
nula.
En los campos de la psicologa y la medicina, especialmente con respecto a la
aprobacin de nueas drogas por la Cood and Drug "dministration, crticas de
la apro,imacin de prueba de #iptesis se #an incrementado en los a3os
recientes. *na respuesta #a sido un gran !nfasis en el pDalor en ez de
simplemente reportar si la #iptesis fue rec#azada al niel de significancia Y
dado. De nueo, sin embargo, esto resume la eidencia para un efecto pero no
el tama3o del efecto. *na posibilidad es reportar interalos de confianza,
puesto que estos indican el tama3o del efecto y la incertidumbre. Esto ayuda a
interpretar los resultados, como el interalo de confianza para un Y dado
indicando simultneamente la significancia estadstica y el efecto de tama3o.
El p alor y los interalos de confianza son basados en los mismos clculos
fundamentales como aquellos para las correspondientes pruebas de #iptesis.
Los resultados son presentados en un formato ms detallado, en lugar del siDoD
no de las pruebas de #iptesis y con la misma metodologa estadstica.
*na muy diferente apro,imacin es el uso de m!todos bayesianos. Esta
apro,imacin #a sido, sin embargo, tambi!n criticada. El fuerte deseo de er
buenas drogas aprobadas y el de er drogas peligrosas o de poco uso siendo
rec#azadas crea tensiones y conflictos 'errores tipo ) y )) en el lenguaje de
pruebas de #iptesis(.
Estadsticos famosos [editar]
2"omas
;ayes
?afnuti
6"ebys"ov
>eorge
4antzig
<en
4escartes
F. EdHards
4eming
#ir <onald
Gis"er
#ir Grancis
>alton
6arl Griedric"
>auss
Filliam #ealy
>osset
!ndri
Iolmogrov
!bra"am 4e
1oivre
#ir Bsaac
)eHton
Jerzy )eyman
;laise ?ascal
>eorge ;o$
Iarl ?earson
!dolp"e
Kuetelet
Falter
#"eH"art
6"arles
#pearman
Jo"n 2uLey
&otas [editar]
-. M *er el trabajo de Ban NacLing en The Emergence of Probability para una
"istoria del desarollo del concepto de probabilidad matemtica.
.. M 6f. A4amned Lies and #tatistics Entangling )umbers from t"e 1edia,
?oliticians, and !ctivistsA by Joel ;est. El profesor ;est atribuye este dic"o a
4israeli, y no a 1arL 2Hain u otros autores como se cree popularmente.
-ibliografa [editar]
;est, Joel (2!". #amned $ies and %tatistics& 'ntangling (umbers from the
)edia* Politicians* and +ctivists. Eniversity of 6alifornia ?ress. B#;) :=3.:=
.-978=/.
4esrosiOres, !lain (2,". The Politics of $arge (umbers& + -istory of
%tatistical .easoning, 2rans. 6amille )ais", Narvard Eniversity ?ress. B#;) :=
570=589/.=-.
NacLing, Ban (!//". The Taming of 0hance. 6ambridge Eniversity ?ress. B#;)
:=3.-=/8880=8.
Lindley, 4.*. (!/12". )a3ing #ecisions, .nd ed., Jo"n Filey P #ons. B#;) :=
07-=9:8:8=8.
#tigler, #tep"en 1. (!//". The -istory of %tatistics& The )easurement of
'ncertainty before !/. ;elLnap ?ress%Narvard Eniversity ?ress. B#;) :=570=
0:/0-=Q.
2ijms, NenL (2,". 'nderstanding Probability& 0hance .ules in Everyday life.
6ambridge Eniversity ?ress. B#;) :=3.-=8//.9=9.
*olle, 1ic"el (!/1,". $e mtier de statisticien, .nd ed., Economica. B#;) .=
7-78=:8.0=8.
Medidas de posicin central
Las medidas de posicin nos facilitan informacin sobre la
serie de datos que estamos analizando. Estas medidas
permiten conocer diersas caractersticas de esta serie de
datos.
Las medidas de posicin son de dos tipos1
a) edidas de posicin central1 informan sobre
los alores medios de la serie de datos.
b) edidas de posicin no centrales1 informan
de como se distribuye el resto de los alores de
la serie.
a) edidas de posicin central
Las principales medidas de posicin central son las
siguientes1
!"# edia1 es el alor medio ponderado de la
serie de datos. +e pueden calcular diersos tipos
de media, siendo las ms utilizadas1
a) edia aritmtica$ se calcula
multiplicando cada alor por el n5mero
de eces que se repite. La suma de
todos estos productos se diide por el
total de datos de la muestra1
Qm R
&Q- S n-' T &Q. S n.' T &Q/ S n/' T .....T &Qn=- S nn=-' T &Qn S nn'
=======================================================================================
n
b) edia geomtrica$ se elea cada
alor al n5mero de eces que se #a
repetido. +e multiplican todo estos
resultados y al producto fiinal se le
calcula la raz QnQ 'siendo QnQ el total de
datos de la muestra(.
+eg5n el tipo de datos que se analice
ser ms apropiado utilizar la media
aritm!tica o la media geom!trica.
La media geom!trica se suele utilizar
en series de datos como tipos de
inter!s anuales, inflacin, etc., donde el
alor de cada a3o tiene un efecto
multiplicatio sobre el de los a3os
anteriores. En todo caso, la media
aritm!tica es la medida de posicin
central ms utilizada.
Lo ms positio de la media es que en
su clculo se utilizan todos los alores
de la serie, por lo que no se pierde
ninguna informacin.
+in embargo, presenta el problema de
que su alor 'tanto en el caso de la
media aritm!tica como geom!trica( se
puede er muy influido por alores
e,tremos, que se aparten en e,ceso
del resto de la serie. Estos alores
anmalos podran condicionar en gran
medida el alor de la media, perdiendo
!sta representatiidad.
%"# ediana1 es el alor de la serie de datos que
se sit5a justamente en el centro de la muestra
'un >.Z de alores son inferiores y otro >.Z son
superiores(.
&o presentan el problema de estar influido por
los alores e,tremos, pero en cambio no utiliza
en su clculo toda la informacin de la serie de
datos 'no pondera cada alor por el n5mero de
eces que se #a repetido(.
&"# oda1 es el alor que ms se repite en la
muestra.
E'emplo$ amos a utilizar la tabla de distribucin de
frecuencias con los datos de la estatura de los alumnos que
imos en la leccin %[.
Variable Frecuencias absolutas Frecuencias relativas
(Valor) Simple Acumulada Simple Acumulada
$ $ $ $ $
-,.: - - /,/U /,/U
-,.- 0 3 -/,/U -5,5U
-,.. 0 9 -/,/U /:,:U
-,./ . -- 5,5U /5,5U
-,.0 - -. /,/U 0:,:U
-,.3 . -0 5,5U 05,5U
-,.5 / -7 -:,:U 35,5U
-,.7 / .: -:,:U 55,5U
-,.8 0 .0 -/,/U 8:,:U
-,.9 / .7 -:,:U 9:,:U
-,/: / /: -:,:U -::,:U
Bamos a calcular los alores de las distintas posiciones
centrales1
!"# edia aritmtica$
Qm R
&-,.:S-' T &-,.-S0' T &-,.. S 0' T &-,./ S .' T ......... T &-,.9 S /' T &-,/:
S /'
==========================================================================================
========
/:
Luego1
Qm R -,.3/
Por lo tanto, la estatura media de este grupo de
alumnos es de 9,%>/ cm.
%"# edia geomtrica$
Q R &&-,.:V -' S &-,.-V0' S &-,..V 0' S .....S &-,.9V/'S &-,/:V/'' V &-%/:'
Luego1
Qm R -,.3/
En este ejemplo la media aritm!tica y la media
geom!trica coinciden, pero no tiene siempre por
qu! ser as.
&"# ediana$
La mediana de esta muestra es 9,%E cm, ya que
por debajo est el >.Z de los alores y por arriba
el otro >.Z. Esto se puede er al analizar la
columna de frecuencias relatias acumuladas.
En este ejemplo, como el alor 9,%E se repite en
/ ocasiones, la media se situara e,actamente
entre el primer y el segundo alor de este grupo,
ya que entre estos dos alores se encuentra la
diisin entre el >.Z inferior y el >.Z superior.
("# oda$
Fay / alores que se repiten en 4 ocasiones1 el
9,%9, el 9,%% y el 9,%@, por lo tanto esta seria
cuenta con / modas.
media$
Nmero calculado mediante ciertas operaciones a partir de los elementos de un
conjunto de nmeros, x1,x2,,xn, y que sirve para representar a ste.
?s informacin media | Arigen

You might also like