Definiciones de la Estadstica

Qu es la Estadstica?

Sir John Sinclair, introdujo la recoleccin y clasificacin de datos a la Estadstica.

Despus de haber conocido el origen y desarrollo de la Estadstica como ciencia as como su influencia y
aplicaciones en la sociedad actual, toca turno de definir y comprender qu es la Estadstica.

Si bien, existen diversas definiciones acerca de esta ciencia, considero preciso el comenzar por aclarar
elorigen etimolgico, a pesar de que como ya vimos, fue Godofredo Achenwall quien en 1760,
acu la palabra Estadstica.
As pues, Estadstica proviene del trmino alemn Statistik que se traduce como La ciencia
del Estado, por lo que designaba originalmente el anlisis de datos del Estado. En el siglo
XIX cuando el militar britnico Sir John Sinclair (1754-1835) introdujo al trmino estadstica el
significado de recolectar y clasificar datos. Tambin se sabe proviene del latn statisticum
collegium (consejo de Estado) y su derivado italiano statista (hombre de Estado o
poltico).
Ahora bien, despus de haber dado a conocer el significado etimolgico, es preciso el saber cul es la
definicin conceptual del trmino en cuestin. Para ello, he decidido tomar la definicin que el autor Ignacio
M. Lizrraga Gaudry hace respecto a esta ciencia, pues la considero una respuesta completa y concreta
para definirla de manera generalizada. Entonces, el seor Lizrraga considera la Estadstica como:
La rama de
las matemticas que recopila, organiza, analiza e interpreta losdatos obtenidos
un problema

estadstico,

para

obtener conocimiento de

loshechos

de
pasados,

para prever situaciones futuras y tomar decisiones en base a las experiencias.

Ahora, a pesar de ser la anterior una respuesta entendible y completa, es necesario el exponer otras
interesantes definiciones acerca del tema, tales como las siguientes:

1.

Es una rama de las matemticas que se ocupa de reunir, organizar y analizar datos
numricos y que ayuda a resolver problemas como el diseo de experimentos y la toma
de decisiones.

2.

[6]

Es el recuento, ordenacin y clasificacin de los datos obtenidos por las observaciones,

para poder hacer comparaciones y sacar conclusiones.

3.

[12]

Es un conjunto de mtodos cientficos ligados a la toma, organizacin, recopilacin,

presentacin y anlisis de datos, tanto para la deduccin de conclusiones como para
tomar decisiones razonables de acuerdo con tales anlisis.

4.

[13]

Es la ciencia cuyo objetivo es reunir una informacin cuantitativa concerniente a

individuos, grupos, series de hechos, etc. y deducir de ello gracias al anlisis de estos
datos unos significados precisos o unas previsiones para el futuro.

5.

[14]

En general, es la ciencia que trata de la recopilacin, organizacin presentacin, anlisis

e interpretacin de datos numricos con el fin de realizar una toma de decisin ms
efectiva. [14]

6.

Es la ciencia que tiene por objeto el estudio cuantitativo de los colectivos. Enrique
Chacn [14]

7. La ciencia que tiene por objeto aplicar las leyes de la cantidad a los hechos sociales para
medir su intensidad, deducir las leyes que los rigen y hacer su prediccin prxima.
scar Vzquez Mnguez [14]
Ahora bien, en cuanto a la Estadstica Descriptiva, especficamente hablando, podemos definirla como
la

ciencia

que analiza, estudia y describe a

la totalidad de

individuos

de

una poblacin.

Su finalidad es obtener informacin, analizarla,elaborarla y simplificarla lo necesario para que

pueda ser interpretada cmoda y rpidamente y, por tanto, pueda utilizarse eficazmente para el fin
que se desee. [6]

Divisin de la Estadstica y su Objeto de Estudio

La Estadstica se puede clasificar en funcin de su etapa o funcin, del tiempo considerado o del
nmero de variables estudiadas.

La Estadstica es una disciplina que utiliza recursos matemticos para organizar y resumir una gran
cantidad

de datos obtenidos

de

comopropsito la descripcin

la

realidad,

del

inferir

conjunto

conclusiones

de

datos

respecto

de

colectados,

ellos.

Tiene

as

como

la generalizacin y/o toma de decisiones acerca de las caractersticas de todas las observaciones
potenciales bajo consideracin. En consecuencia nos permite organizar y resumir datos para poder
realizar inferencias (conclusiones) relativas a los mismos. Para su mejor estudio se han creado varias formas
de clasificar los estudios estadsticos. Algunas de las ms comunes son las siguientes:

Clasificacin de la Estadstica segn la etapa o funcin

Generalmente se considera que la estadstica tiene dos funciones (divisiones). Hay una estadstica
descriptiva 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). A continuacin, se dar paso a describir brevemente, cada etapa.

Estadstica Descriptiva o Deductiva

Se

refiere

la recoleccin, presentacin, descripcin, anlisis e interpretacin de

una

coleccin de datos, esencialmente consiste en resumir stos con uno o dos elementos de informacin
(medidas descriptivas) que caracterizan la totalidad de los mismos.

La Estadstica Descriptiva recolecta, describe, analiza, interpreta y presenta los datos de una poblacin
en forma de tablas y grficas

Consiste sobre todo en lapresentacin de datos en forma detablas y grficas; as que se emplea
simplemente para resumir de forma numrica o grfica un conjunto de datos. Esta comprende cualquier
actividad relacionada con los datos y est diseada para resumir o describir los mismos sin factores
pertinentes adicionales; esto es, sin intentar inferir nada que vaya ms all de los datos, como tales.
La estadstica Descriptiva es el mtodo de obtener de un conjunto de datos conclusiones sobre s
mismos

y no

sobrepasan

el

conocimiento

proporcionado por

stos.

Puede

utilizarse

para resumir o describir cualquier conjunto ya sea que se trate de una poblacin o de
una muestra, cuando en la etapa preliminar de la Inferencia Estadstica se conocen los elementos de una
muestra.
As pues, si aplicamos las herramientas ofrecidas por la estadstica descriptiva a una muestra, solo nos
limitaremos a describir los datos encontrados en dicha muestra, por lo que no se podr generalizar
la informacin hacia la poblacin.

Estadstica Inferencial o Inductiva

La Estadstica Inferencial trabaja a base de muestras para inferir aspectos de la poblacin.

La estadstica descriptiva trabaja con todos los individuos de la poblacin. La estadstica inferencial, sin
embargo, trabaja con muestras, subconjuntos formados por algunos individuos de la poblacin. A partir
del estudio de la muestra se pretende inferir aspectos relevantes de toda la poblacin. Cmo se
selecciona la muestra, cmo se realiza la inferencia, y qu grado de confianza se puede tener en ella son
aspectos fundamentales de la estadstica inferencial, para cuyo estudio se requiere un alto nivel de
conocimientos de estadstica, probabilidad y matemticas.
Para que stas generalizaciones sean vlidas la muestra deben ser representativa

de

la

poblacin y la calidad de la informacin debe ser controlada, adems puesto que las conclusiones as
extradas estn sujetas a errores, se tendr que especificar elriesgo o probabilidad que con que se
pueden cometer esos errores.
La Estadstica Inferencial investiga o analiza una poblacin partiendo de unamuestra tomada.
Es

as

que

permite

realizar conclusiones

inferencias, basndoseen

los datos

simplificados y analizados de una muestra hacia la poblacin o universo.

Por ejemplo, a partir de una muestra representativa tomada a los habitantes de una ciudad, se podr inferir
la votacin de todos los ciudadanos que cumplan los requisitos con un error de aproximacin.

En sus particularidades la Inferencia distingue la Estimacin (cuando se usan las caractersticas de la

muestra para hacer inferencias sobre las caractersticas de la poblacin) y la Contrastacin de
Hiptesis (cuando se usa la informacin de la muestra para responder a interrogantes sobre la poblacin).

Clasificacin de la Estadstica segn el tiempo

considerado

Si se clasifica la Estadstica en base al tiempo considerado, tenemos la Estadstica Esttica (datos de la

actualidad) y la Estadstica Evolutiva (datos del pasado).

Dentro de la estadstica descriptiva se distinguen los datos en funcin al tiempo en que se encuentra
analizada la poblacin; de esta manera, tenemos 2 clasificaciones:

Estadstica Esttica o Estructural

La estadstica esttica o estructural, que describe la poblacin en un momento dado
empleando datos de la actualidad (por ejemplo la tasa de nacimientos en determinado censo)

Estadstica Dinmica o Evolutiva

La estadstica dinmica o evolutiva, que describe como va cambiando la poblacin en el
tiempo empleando datos del pasado (por ejemplo el aumento anual en la tasa de nacimientos).

Clasificacin de la Estadstica segn la cantidad de

variables estudiada
Tambin, se puede clasificar a la Estadstica en funcin de la cantidad de variables que estn siendo
estudiadas en determinado problema estadstico. Desde este punto de vista hay una estadstica
univariada (estudia una sola variable, como por ejemplo la inteligencia, en una muestra), una estadstica
bivariada (estudia cmo estnrelacionadas dos variables, como por
ejemplo inteligencia y alimentacin), y unaestadstica multivariada (que estudia tres o ms
variables, como por ejemplo como estn relacionados el sexo, la edad y la alimentacin con
la inteligencia).

Estadstica Univariada

Un ejemplo perfecto del anlisis estadstico univariado, es la utilizacin del promedio o media
aritmtica, pues slo se mide una variable.

Cuando el anlisis presenta caracterstica por caracterstica,aisladamente, estaremos en

presencia de un anlisis estadstico univariado. Esto quiere decir, que se est estudiando una sola
variable.
El anlisis univariado es el anlisis bsico, primario. Las caractersticas o propiedades de las personas o
cosas han de medirse una a una, de modo univariado y si se presentan de esa manera decimos que es
anlisis univariado.

Los estadsticos bsicos que conocemos, como la media, la mediana, la moda, lavarianza,
los porcentajes, entre otros, miden una variable. Es decir, fueron hechos univariados.
Ahora bien este tipo de anlisis ha sido muy criticado ya que la realidad se presenta interconectada,
relacionada. Por ejemplo existe una relacin entre el peso y la talla de las personas o entre la el inters y el
rendimiento escolar, etc.

Como la realidad se presenta relacionada necesitamos mtodos ms rigurosos para evaluarla. Esto lo
podemos hacer de dos modos; El primero es medir las variables de modo univariado (analizarlas) y
relacionarlas luego en la interpretacin.

Estadstica Bivariada

La Estadstica bivariada, busca la relacin entre 2 variables, mediante la elaboracin de ndices y

resultados estadsticos

La estadstica univariada se aplica, por lo general, en explotaciones estadsticas bsicas de la fuente

de datos (frecuencias, porcentajes, promedios, tasas). Laestadstica bivariada trata de ir ms all
elaborando ndices y resultados estadsticos en trminos de relaciones entre dos variables de inters, as
como de establecer inferencias sobre una poblacin a partir de datos que provienen de una muestra (como,
por ejemplo, en los estudios mediante encuesta).
El conjunto de tcnicas estadsticas bivariadas difiere en funcin del tipo de datos de los que se
dispone (niveles de medida: nominal, ordinal, intervalo, razn), adaptndose en todo momento al
contexto de anlisis aplicado en el que nos encontremos.

Estadstica Multivariada

La Estadstica multivariada tiene diversas aplicaciones en una enorme cantidad de reas, como los
son: la agricultura, el deporte, la psicologa, la economa, etc.

Los mtodos estadsticos multivariantes y el anlisis multivariante son herramientas estadsticas que estudian
el comportamiento de tres o ms variables al mismo tiempo. Se usan principalmente

para buscar las variables menos representativas para poder eliminarlas, simplificando as
modelos

estadsticos

en

los

que

el

nmero

de

variables

sea

un

problema

para comprender la relacin entre varios grupos de variables. Algunos de los mtodos ms
conocidos y utilizados son la Regresin lineal y el Anlisis discriminante.
Se pueden sintetizar dos objetivos claros:

1. Proporcionar mtodos cuya finalidad es el estudio conjunto de datos multivariantes que

el anlisis estadstico uni y bidimensional es incapaz de conseguir.
2. Ayudar al analista o investigador a tomar decisiones ptimas en el contexto en el que se
encuentre teniendo en cuenta la informacin disponible por el conjunto de datos
analizado.
Los datos multivariados surgen cuando a un mismo individuo se le mide ms de una
caracterstica de inters. Un individuo puede ser un objeto o concepto que se puede medir. Ms
generalmente, los individuos son llamados unidades experimentales. Ejemplos de objetos: personas,
animales, terrenos, compaas, pases, etc. Ejemplos de conceptos: amor, amistad, noviazgo, etc. Una
variable es una caracterstica o atributo que se le mide a un individuo.
Las aplicaciones de la estadstica multivariada estn presentes en distintas reaso ramas de
la ciencias, como por ejemplo en: Investigacin de mercados (para identificar caractersticas de los
individuos con el propsito de determinar qu tipo de personas compran determinado producto); en
el sistema de educacin de cualquier tipo de especialidad (para conocer los estudiantes que tendrn
xito y concluirn satisfactoriamente sus estudios); en la agricultura (al estudiar la resistencia de
determinado tipo de cosechas a daos por plagas y sequas); en el deporte (para conocer a partir de
medidas antropomtricas las posibilidades de obtener buenos resultados en un deporte especfico); en
la psicologa (al estudiar la relacin entre el comportamiento de adolescentes y actitudes de los padres); en
la economa (para conocer el nivel de desarrollo de un territorio en relacin con otros y realizar inferencias a
partir de variables econmicas fundamentales, entre otros).
[6], [15], [16], [17], [18], [19], [20] y [21]

Elementos bsicos de la Estadstica

Concepto de Poblacin

En estadstica, poblacin es el conjunto de datos de un problema estadstico determinado.

Poblacin estadstica, tambin llamada universo o colectivo, es el conjunto de elementos de

referencia sobre el que se realizan las observaciones.
El concepto de poblacin en estadstica va ms all de lo que comnmente se conoce como tal. Una
poblacin se precisa como un conjunto finito o infinito de personas u objetos que presentan
caractersticas comunes. Algunas de las definiciones ms aceptadas son:

Una poblacin es un conjunto de todos los elementos que estamos

estudiando, acerca de los cuales intentamos sacar conclusiones.
Levin & Rubin (1996).
Una poblacin es un conjunto de elementos que presentan una
caracterstica comn.
Cadenas (1974).
Es entonces que cuando tenemos un conjunto muy grande de datos numricos para analizar decimos
que

tenemos

un Universo

Poblacin

de

observaciones; tiene

como

objetivo final descubrir las caractersticas y propiedades de aquello quegener los datos. En
estadstica es representado con N.
Existen distintos tipos de poblaciones que son:

Poblacin base: es el grupo de personas designadas por las siguientes caractersticas:

personales, geogrficas o temporales, que son elegibles para participar en el estudio.

Poblacin muestreada: es la poblacin base con criterios de viabilidad o posibilidad de

realizarse el muestreo.

Muestra estudiada: es el grupo de sujetos en el que se recogen los datos y se realizan

las observaciones, siendo realmente un subgrupo de la poblacin muestreada y

accesible. El nmero de muestras que se puede obtener de una poblacin es una o mayor
de una.
o

Poblacin diana: es el grupo de personas a la que va proyectado dicho estudio, la

clasificacin caracterstica de los mismos, lo cual lo hace modelo de estudio para el
proyecto establecido.

Concepto de Muestra

Una muestra de poblacin, en estadstica, es un conjunto de datos representativos del total de una
poblacin o universo.

Muestra

de

poblacin, seleccin de un conjunto

de

individuos

representativos de

la totalidad del universo objeto de estudio, reunidos como una representacin vlida y de inters para la
investigacin de su comportamiento.
Los criterios que se utilizan para la seleccin de muestras pretenden garantizar que el conjunto
seleccionado represente con la mxima fidelidad a la totalidad de la que se ha extrado, as como
hacer posible la medicin de su grado de probabilidad.
Otras definiciones altamente aceptadas, son:

Se llama muestra a una parte de la poblacin a estudiar qu sirve

para representarla.
Murria R. Spiegel (1991).
Una muestra es una coleccin de algunos elementos de la
poblacin, pero no de todos.
Levin & Rubin (1996).

Una muestra debe ser definida en base de la poblacin

determinada, y las conclusiones que se obtengan de dicha muestra solo
podrn referirse a la poblacin en referencia
Cadenas (1974).
La muestra tiene que estar protegida contra el riesgo de resultar sesgada, manipulada u orientada durante el
proceso de seleccin, con la finalidad de proporcionar una base vlida a la que se pueda aplicar la teora de la
distribucin estadstica. A lamuestra de una poblacin se le representa en estadstica con la letra n.
Es as muestreo probabilstico, consiste en elegir una muestra de una poblacin al azar. Podemos
distinguir varios tipos de muestreo.

Muestreo aleatorio simple:

El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la poblacin y 2) a
travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios
generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para completar
el tamao de muestra requerido.

Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que
estamos manejando es muy grande.

Muestreo aleatorio sistemtico:

Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de
extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un nmero elegido
al azar, y los elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,, i+(n-1) k, es
decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el
tamao de la muestra: k= N/n. El nmero i que empleamos como punto de partida ser un nmero al azar
entre 1 y k.

El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al
elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad
que no se da en la poblacin.

Muestreo aleatorio estratificado:

Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad
respecto a alguna caracterstica. Lo que se pretende con este tipo de muestreo es asegurarse de que todos
los estratos de inters estarn representados adecuadamente en la muestra.

Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estratificado para elegir los elementos concretos que formarn parte de la muestra. La distribucin de la
muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos:

Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales.

Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la

poblacin en cada estrato.

Afijacin ptima: Se tiene en cuenta la previsible dispersin de los resultados, de

modo que se considera la proporcin y la desviacin tpica.

Muestreo aleatorio por conglomerados:

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto nmero de conglomerados
(el necesario para alcanzar el tamao muestral establecido) y en investigar despus todos los elementos
pertenecientes a los conglomerados elegidos.

En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la poblacin que forman
una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son reas
geogrficas suele hablarse de muestreo por reas.
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 determinada en
muchas ocasiones puede ser una tarea inaccesible o imposible de realizar.
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 ser ms exactas y
plurales que si las tuvisemos que realizar a una poblacin.
5. La seleccin de muestras especficas nos permitir reducir la heterogeneidad de una
poblacin al indicar los criterios de inclusin y/o exclusin.

Tipos y clasificacin de Datos Estadsticos

Los Datos Estadsticos, son aquellos que se estudian en cada elemento de la muestra y son variables
que tomaran valores dependiendo del problema.

Los datos estadsticos son lo que estudiamos en cada individuo de la muestra son lasvariables (edad,
sexo, peso, talla, tensin arterial sistlica, etctera). Los datos son losvalores que toma la variable en
cada caso. Lo que vamos a realizar es medir, es decir,asignar valores a las variables incluidas en el
estudio. Deberemos adems concretar la escala de medida que aplicaremos a cada variable.
La naturaleza de las observaciones ser de gran importancia a la hora de elegir el mtodo estadstico ms
apropiado para abordar su anlisis. Con este fin, clasificaremos a estos datos estadsticos, a grandes
rasgos, en dos tipos: datos cuantitativos o datos cualitativos.

Datos cuantitativos

Las Datos Cuantitativos son aquellos que se pueden expresar mediante valores numricos, y se
dividen en continuos (enteros y decimales) y discretos (slo enteros):

Son las variables que puedenmedirse, cuantificarse oexpresarse numricamente y pueden

ser manipulados

estadsticamente.

Incluyentabulaciones

de

frecuencia,porcentajes, medias y promedios. Si entre cada dos datos puede haber una infinidad de ellos,
se llamancontinuos, y si entre un dato y otro siempre hay un hueco o salto, se llaman discretos.
Datos cuantitativos continuos: si admiten tomar cualquier valor dentro de un rango numrico
determinado, es decir, que pueden expresarse con nmeros decimales o fraccionarios. (Densidad de
un lquido, la fuerza de un muelle, edad, peso, talla).

Datos cuantitativos discretos: si no admiten todos los valores intermedios en un rango. Suelen
tomar solamente valores enteros (Nota de un examen, nmero de hijos, nmero de partos, nmero de
hermanos, etc.).

Datos cualitativos.

Son datos que no se pueden expresar numricamente, debido a que suponen cualidades, opiniones,
sentimientos entre otros, y se dividen en nominales (categoras que no mantiene relacin de orden) y
los jerarquizados (escalas utilizadas bajo un orden).

Datos

que

expresancualidades,

comoopiniones, sentimientos,observaciones ycambios en

elcomportamiento que clasifica a cada caso en una de varias categoras (Domroese & Sterling 1999). La
situacin ms sencilla es aquella en la que se clasifica cada caso en uno de dos grupos (hombre/mujer,
enfermo/sano, fumador/no fumador).
Son datos dicotmicos o binarios. Como resulta obvio, en muchas ocasiones este tipo de clasificacin
no es suficiente y se requiere de un mayor nmero de categoras (color de los ojos, grupo sanguneo,
profesin, etctera).
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
ajustan por categoras que no mantienen una relacin de orden entre s (color de los ojos,
sexo, profesin, presencia o ausencia de un factor de riesgo o enfermedad, etctera).

Escalas ordinales o jerarquizados: en las escalas utilizadas, existe un cierto orden o

jerarqua entre las categoras (grados de disnea, estadiaje de un tumor, etctera).

Tipos y clasificacin de Variables Estadsticas

Una variable estadstica es cada una de las caractersticas o cualidades que poseen los
individuos de la poblacin que estamos interesados en estudiar. Se pueden clasificar en funcin a la
Medicin o a la influencia.

VARIABLES EN FUNCIN DE SU MEDICIN

Existen dos tipos: las variables cualitativas y las variables cuantitativas.

VARIABLE CUALITATIVA

Las variables

cualitativas se

refieren

a caractersticas

cualidades que no pueden

ser medidas con nmeros. Podemos distinguir dos tipos:

o

Variable cualitativa nominal: presenta modalidades no numricas que no admiten

un criterio de orden.

Por ejemplo: El estado civil, con las siguientes modalidades: soltero, casado, separado, divorciado y viudo.
o

Variable cualitativa ordinal o variable cuasicuantitativa:presenta modalidades

no numricas, en las que existe un orden.

Por ejemplo: La nota en un examen: suspenso, aprobado, notable, sobresaliente.

Puesto conseguido en una prueba deportiva: 1, 2, 3,

Medallas de una prueba deportiva: oro, plata, bronce.

La variable que tiene resultados

valores que tienden a variar

de

observacin

en

observacin debido a los factores relacionados con el azar recibe el nombre devariable aleatoria.
Las variables aleatorias pueden ser discretas y continuas.

VARIABLE CUANTITATIVA
Una variable cuantitativa es la que se expresa mediante un nmero, por tanto se pueden
realizar operaciones aritmticas con ella. Podemos distinguir dos tipos:
Variable

discreta: Una variable

discreta es

aquella

que

toma valores

aislados,

es

decir no admite valores intermedios entre dos valores especficos. Es decir, slo puede ser expresado
con nmeros enteros.
Por ejemplo: El nmero de hermanos de 5 amigos: 2, 1, 0, 1, 3.

Variable

continua: Una variable

continua es

aquella

que

puede

tomar valores

comprendidos entre dos nmeros por lo cual tiene un nmero infinito de valores posibles. Es decir,
puede ser expresada con nmeros decimales o fraccionarios.
Por ejemplo: La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.

En la prctica medimos la altura con dos decimales, pero tambin se podra dar con tres decimales.

VARIABLES EN FUNCIN DE SU INFLUENCIA

VARIABLES INDEPENDIENTES
Son las que el investigador escoge para establecer agrupaciones en el estudio, clasificando
intrnsecamente a los casos del mismo. Un tipo especial son las variables de control, que modifican al
resto de las variables independientes y que de no tenerse en cuenta adecuadamente pueden alterar los
resultados por medio de un sesgo.
Es aquella caracterstica o propiedad que se supone ser la causa del fenmeno estudiado. En
investigacin experimental se llama as a la variable que el investigador manipula.

VARIABLES DEPENDIENTES
Son las variables de respuesta que se observan en el estudio y que podran estarinfluenciadas por
los

valores

de

las variables

independientes.

Hayman

la

define

como propiedad

caracterstica que se trata de cambiar mediante la manipulacinde la variable independiente. La

variable dependiente es el factor que es observado y medido para determinar el efecto de la variable
independiente.
Fuentes del subtema 1.5 [22], [23], [24], [25], [25], [27], [28], [29] y [30],

Cuadros Estadsticos
Qu es un cuadro o tabla estadstica?
Un cuadro estadstico es una representacin grafica de las diversas situaciones que se nos presentan
diariamente; sirve para presentar de forma ordenada lasdistribuciones de frecuencias. Es la
forma esquemtica de comprender las tendencias de nuestra forma de ser y de vivir. En un cuadro estadstico
puedes identificar tantas variables como quieras; se realiza como un resumen del conjunto de datos que se
poseen, distribuidos segn las variables que se estudian.
Su forma general es la siguiente:

Modalid
ad

Frec.
Abs.

Frec.
Rel.

ni

fi

c1

n1

cj

nj

ck

nk
n

Frec. Abs.
Acumu.
Ni

Frec. Rel.
Acumu.
Fi

N 1 = n1

Nk = n

Fk = 1

Es un instrumento que permite sintetizar y/o presentar la informacin de un hecho investigado, y consta de
cinco elementos principales:

Cabeza: parte inicial donde se registra el ttulo.

Columna principal: Aqu anotamos las categoras ordenadas obtenidas.
Encabezado de columnas: Smbolos que explican el objeto en estudio, o las caractersticas
fundamentales que dan lugar al ingreso de la informacin (vaciado de datos).
Cuerpo: Conjunto de datos estadsticos realmente observados y distribuidos de acuerdo a las
caractersticas predeterminadas.
Fuente: Referencia donde se adquiere la informacin.

Cmo construir tablas o cuadros estadsticos?

Si tenemos datos estadsticos que los podemos manejar tambin los podemos ordenar. Si luego de la
recopilacin, obtenemos un conjunto de datos estadsticos demasiado numeroso, poco o nada se puede hacer
con ellos. Pero si los organizamos y los clasificamos se nos va a facilitar la informacin incluso
la interpretacin.

La forma ms correcta es en una tabla de distribucin de frecuencias, y su elaboracin no requiere ningn

artificio especial, basta con anotar los datos en fila o en columna.

Cuando elaboramos estas tablas se debe tener presente lo siguiente:

Si se trabaja con variables discretas las clases pueden ser sin agrupamiento, siempre y
cuando su recorrido sea menor a 20.

Cuando estamos encontrando estadsticas de variables continuas y por lo general

numerosa, debemos agrupar, o por lo general cuando su rango sea mayor a 20.

o
Por consiguiente podemos obtener 3 tipos de series:

1. Serie simple o tipo I, tambin llamada ordinaria (cuando las estadsticas representan un rango menor
a 10.
2. Serie de frecuencia, o tipo II (cuando las estadsticas observadas se repiten y su rango est entre
mayor a 10 y menor que 20).
3. Serie de intervalos de clase o tipo III, o de datos agrupados (cuando los datos observados son
numerosos o su rango es mayor que 20).

Tipos de Tablas o Cuadros Estadsticos

Las tablas o cuadros estadsticos no tienen modelo nico, estn sujetos a las exigencias de la informacin y
del investigador (revise, estudie y analice los cuadros de la gua didctica y texto bsico.

Las tablas estadsticas segn el nmero de observaciones y segn el recorrido de la variable estadstica, as
tenemos los siguientes tipos de tablas estadsticas:

1. Tablas Tipo I
2. Tablas Tipo II
3. Tablas Tipo III

Tablas tipo I: Cuadro Simple

Cuando el tamao de la muestra y el recorrido de la variable son pequeos, por ejemplo si tenemos una
muestra de las edades de 5 personas, por lo que no hay que hacer nada especial simplemente anotarlas de
manera ordenada en filas o columnas.

Edad de los 5 miembros de una familia:

5

1
1

2
2

4
0

6
5

8
0

Tablas tipo II: Cuadro de Frecuencias

Cuando el tamao de la muestra es grande y el recorrido de la variable es pequeo, por lo que hay valores de
la variable que se repiten. Por ejemplo, si preguntamos el nmero de personas activas que hay en 50 familias
obtenemos la siguiente tabla:

Personas Activas en 50 familias

2

Podemos observar que la variable toma valores comprendidos entre 1 y 4, por lo que precisaremos una tabla
en la que resumamos estos datos quedando la siguiente tabla:

Personas Activas

Nmero de Familias

16

20

Total

50

Tablas tipo III: Cuadro de Intervalos

Cuando el tamao de la muestra y el recorrido de la variable son grandes, por lo que ser necesario agrupar
en intervalos los valores de la variable. Por ejemplo si a un grupo de 30 alumnos les preguntamos el dinero
que en ese momento llevan encima, nos encontramos con los siguientes datos:

450

1152

250

300

175

80

25

2680

180

200

675

500

375

1500

205

605

785

1595

2300

5000

1200

100

985

185

125

315

425

560

1100

Evidentemente, la variable estadstica tiene un recorrido muy grande, 4998 pesetas, por lo que s queremos
hacer una tabla con estos datos tendremos que tomar intervalos. Para decidir la amplitud de los intervalos,
necesitaremos decidir cuntos intervalos queremos?

Normalmente se suele trabajar con no ms de 10 o 12 intervalos.

Amplitud =4998/10 = 499,8 Por lo que tomaremos intervalos de amplitud 500

Debemos tener en cuenta las siguientes consideraciones:

Tomar pocos intervalos implica que la prdida de informacin sea mayor.

Los intervalos sern siempre Cerrados por la izquierda y Abiertos por la Derecha [ L i-1 , Li )

Procuraremos que en la decisin de intervalos los valores observados no coincidan con

los valores de los extremos del intervalo y si esto ocurre que no sea en ms de un 5% del
total de observaciones.

Con estas recomendaciones tendremos la siguiente tabla:

[ Li-1 , Li )

Frecuencia

[ 0,500)

16

[ 500, 1000)

[ 1000,1500)

[ 1500, 2000)

[ 2000, 2500)

[ 2500, 3000)

[ 3000, 3500)

[ 3500, 4000)

[ 4000, 4500)

[ 4500, 5000)

[ 5000,5500)

Fuentes del subtema 1.8 [31], [32], y [33]

Representacin Grfica de los Datos de una Tabla de

Distribucin de Frecuencias
Qu son las Grficas Estadsticas?

La Representacin Grfica de un conjunto de datos recopilados, es una manera rpida y eficiente de

presentar estadsticamente la informacin.

Cuando se hace un estudio estadstico se obtiene una gran cantidad de datos numricos. Para tener una
informacin clara y rpida de lo obtenido en el estudio se han creado las grficas estadsticas.
Gran parte de la utilidad que tiene laEstadstica

Descriptiva es la deproporcionar

un

medio para informarbasado en los datos recopilados. La eficacia con que se pueda realizar tal
proceso de informacin depender de lapresentacin de los datos, siendo la formagrfica uno de
los ms rpidos y eficientes, aunque tambin uno de los que ms pueden ser manipulados o ser
malinterpretados si no se tienen algunas precauciones bsicas al realizar las grficas.
Existen tambin varios tipos de grficas, o representaciones grficas, utilizndose cada uno de
ellos de acuerdo al tipo de informacin que se est usando y los objetivos que se persiguen al presentar la
informacin.
Entonces, algunas consideraciones que conviene tomar en cuenta al momento de realizar cualquier
grfica a fin de que la informacin sea transmitida de la manera ms eficaz posible y sin distorsiones son:
1. El eje que represente a las frecuencias de las observaciones (comnmente el vertical o
de las ordenadas) debe comenzar en cero (0), de otra manera podra dar impresiones

errneas al comparar la altura, longitud o posicin de las columnas, barras o lneas que
representan las frecuencias.
2. La longitud de los espacios que representan a cada dato o intervalo (clase) en la
grfica deben ser iguales.
3. El tipo de grfico debe coincidir por sus caractersticas con el tipo de informacin o el
objetivo que se persigue al representarla, de otra manera la representacin grfica se
convierte en un instrumento ineficaz, que produce ms confusin que otra cosa,
innecesario o productor de malinterpretaciones.

Existen decenas de tipos de grficas, a continuacin te presento los ms usuales e importantes.

Por ejemplo, si se desea representar la proporcin de poblacin masculina en un pas conviene ms usar
una grfica de pastel o circular que una grfica de barras al compararla contra la poblacin femenina; por un
lado se puede apreciar dicha proporcin, por el otro se aprecia cul de las dos poblaciones es mayor.

Hay un punto que conviene remarcar: existe software que permite la construccin rpida y eficiente de
grficas a partir de bases de datos o hojas de clculos, pero no importa cun bonita, bien delineada, bien
coloreada o bien presentada est una grfica, si no se han tomado en cuenta consideraciones de este tipo que
tienen que ver ms sobre el objetivo de estas herramientas y la Estadstica: la transmisin eficiente de
la informacin.
Hay muchos tipos de grficas estadsticas. Cada una de ellas es adecuada para un estudio determinado,
ya que no siempre se puede utilizar la misma para todos los casos. Tienen una estructura distinta, lo cual les
permite ser utilizados para diferentes objetivos, y es que la mayora de las veces utilizan datos o variables
distintos.
A continuacin, se presentarn las grficas estadsticas ms utilizadas:

Histograma

Histograma de Frecuencias

Un histograma es unarepresentacin grficade una variable en forma de barras.

Se utilizan para variables continuas o para variables discretas, con un gran nmero de datos, y que
se han agrupado en clases.
En el eje abscisas se construyen unos rectngulos que tienen por base la amplitud del
intervalo,

por altura,

la frecuencia

absoluta de

cada intervalo.

La superficie de

cada barra es proporcional a la frecuencia de los valores representados.

Un ejemplo es el que se presenta abajo y que representa el nmero de visitas que ha tenido este hipertexto
de acuerdo a la hora de la visita. Es importante observar que resulta difcil utilizar este tipo de representacin
cuando existen intervalos abiertos o cuando los intervalos no son iguales entre s.

Otra observacin es la amplitud de los intervalos, que se puede establecer utilizando la regla de Sturges, pues
al cambiarla la presentacin visual de un histograma puede variar. Un applet que muestra cmo el nmero de
clases y su ancho pueden hacer variar fue desarrollado por Webster West de la Universidad del Sur de
Carolina.
Algunos de los usos ms comunes del uso de un histograma son: aumentar la calidad de alguno de nuestros
procesos, pues todos sabemos que es necesario reducir al mnimo la variacin que se presente en el mismo.
Es por eso, que el histograma nos permite identificar cuantas veces se repite un mismo valor, as
como la frecuencia con la que se presenta. Siendo base para la toma de decisiones.

Diagrama de Barras

Diagrama o grfica de barras

Un tipo de grfico muy parecido al histograma es la grfica de columnas.

En

este

tipo

de

grfica,

estrechas delongitudes

sobre

los valores

de

las

variables se

levantanbarras

proporcionales a lasfrecuenciascorrespondientes. Se utilizan para

representarvariables cualitativas y cuantitativas discretas.

Para este tipo de grfica, elaboradas con rectngulos tambin, se pide que sus bases sean del mismo
ancho y sus alturas equivalentes con las frecuencias. A diferencia del histograma, no es necesario tener
una escala horizontal continua, por lo que los rectngulos (o barras) no tienen que aparecer juntas
entre s. Otra observacin pertinente es que se pueden representar en la misma grfica, utilizando
las

mismas

escalas

variables producto

horizontales
de

varias

verticales, varios

observaciones.

Esto

datos correspondientes
produce

una

grfica

las mismas

convarias series,

correspondiendo cada una de ellas a cada observacin de la muestra(o poblacin), y tenindose una
grfica compuesta. Es conveniente que cada serie de datos (u observaciones) sean ilustrados o
iluminados de igual manera entre s, pero distinta de las dems.
En el eje horizontal, o eje de abscisas, se representan los datos o modalidades; en el eje
vertical o de ordenadas, se representan las frecuencias de cada dato omodalidad. Las
frecuencias pueden ser absolutas, acumuladas relativas y relativas acumuladas.
El ejemplo de la ilustracin de arriba pertenece al comportamiento de las calificaciones parciales de tres
alumnos de preparatoria. Las series (cada una de las calificaciones parciales) estn coloreadas con diferente
color para mostrar el comportamiento tanto individual, como comparativo.

TIPOS DE GRFICOS DE BARRAS

o
Grfica de barras compuestas

Barra simple: se emplean para graficar hechos nicos.

o

Barras mltiples:es muy recomendable para comparar una serie estadstica con otra,
para ello emplea barras simples de distinto color o tramado en un mismo plano
cartesiano, una al lado de la otra.

Barras compuestas: en este mtodo de graficacin las barras de la segunda serie se

colocan encima de las barras de la primera serie en forma respectiva.

El diagrama de barras proporciona informacin comparativa principalmente y este es su uso fundamental.

Grficas de Barras Horizontales

Tambin es posible realizar grficas de barras horizontales, los cuales se parecen mucho a
las grficas de columnas, con la salvedad importante de que la funcin de los ejes se intercambia y el eje
horizontal queda destinado a las frecuencias y el eje vertical a las clases.
Es muy comn que este tipo de grficos se utilicen para ilustrar el tamao de unapoblacin
dividida en estratos como, por ejemplo, son sus edades.
El ejemplo que se presenta es la poblacin de un pas ficticio llamado Timbuctulandia:

A este tipo de grficos en particular se le llama pirmide de edades por su forma. Incluso, cuando se
compara la poblacin masculina y femenina por estratos de edades, se estila utiliza el lado izquierdo para la
poblacin de un sexo y el lado derecho para el otro, el resultado es una pirmide casi simtrica (depender
de la poblacin en particular).

Pirmides de poblacin.
La pirmide de poblacin es la representacin grfica de la distribucin por edad ysexo de
la poblacin. Grficamente se trata de un doble histograma de frecuencias.
La pirmide de edades es un histograma doble en el que se representa en la derecha la poblacin
masculina y en la izquierda la poblacin femenina. En el eje de abscisas se representa los efectivos de
poblacin, normalmente en porcentajes, y en el eje de ordenadas las edades. Toma el nombre de la
forma que debe adoptar en las sociedades con una poblacin equilibrada, con una amplia base debido al gran

nmero de nacimientos que se estrecha paulatinamente por la mortalidad creciente a medida que aumenta el
intervalo de edades considerado.
La pirmide de poblacin, dependiendo de su forma, puede dar una visin general de la juventud, madurez o
vejez de una poblacin, y por lo tanto obtener consecuencias sociales de ello.

Segn su perfil podemos distinguir tres tipos bsicos de pirmides:

De poblacin expansiva: con una base ancha y una rpida reduccin a medida que ascendemos. Es
propia de los pases del Tercer Mundo en plena transicin demogrfica con altas tasas de natalidad y
mortalidad, y con un crecimiento natural alto.
De poblacin regresiva: con una base ms estrecha que el cuerpo central y un porcentaje de
ancianos relativamente grande. Se trata de una poblacin envejecida con bajas tasas de natalidad y de
mortalidad, y con un crecimiento natural reducido.
De poblacin estacionaria: con una notable igualdad entre las generaciones jvenes y adultas, y una
reduccin importante en las ancianas. El crecimiento natural es bajo. Este tipo de pirmide es propia de las
poblaciones que no presentan cohortes de la transicin demogrfica.

Grficas de Lneas
Cuando los datos se relacionan entre s, es decir, cuando podemos decir que existe cierta continuidad entre
las observaciones se pueden utilizar las grficas de lneas, que consisten en una serie de puntos
trazados en las intersecciones de las marcas de clase y las frecuencias de cada una, unindose
consecutivamente con lneas.
Este ejemplo muestra el comportamiento del peso corporal (en kilogramos) de dos individuos a lo largo de
cinco observaciones anuales. Al igual que en el caso de las grficas de columnas (y de otras ms) es posible
presentar varias series de observaciones (en este caso cada serie de observaciones son los pesos de un
individuo).

Polgono de Frecuencias
Otra forma de representacin de un uso menos comn, y muy parecida a las grficas de lneas, es
el polgono de frecuencias.
ste, es un grfico que se realiza a travs de la unin de los puntos ms altos de las columnas en
un histograma de frecuencia (que utiliza columnas verticales para mostrar las frecuencias). La
diferencia fundamental entre ambas es que en el polgono de frecuencias se aaden dos clases con
frecuencias cero: una antes dela primera clase con datos y otra despus de la ltima.
El resultado es que se sujeta la lnea por ambos extremos al eje horizontal y lo que podra ser
una lnea separada del eje se convierte, junto con ste, en un polgono. Los polgonos de frecuencia
para datos agrupados, por su parte, se construyen a partir de la marca de clase que coincide con
el punto medio de cada columna del histograma.
Cuando se representan las frecuencias acumuladas de una tabla de datos agrupados, se obtiene un
histograma de frecuencias acumuladas, que permite diagramar su correspondiente polgono.

Se suelen utilizar cuando se desea mostrar ms de una distribucin o la clasificacin

cruzada de

una variable

cuantitativa

continua con

una cualitativa

cuantitativa

discreta en un mismo grfico.

El punto con mayor altura de un polgono de frecuencia representa la mayor frecuencia, mientras que el rea
bajo la curva incluye la totalidad de los datos existentes.

El ejemplo de arriba corresponde al porcentaje del PIB gastado en docencia e investigacin durante el ao
de 1990 en cinco pases (fuente: Revista Ciencia y Desarrollo, 1994, XIX (114):12))

Cabe recordar que la frecuencia es la repeticin menor o mayor de un suceso, o la cantidad

de veces que un proceso peridico se repite por unidad de tiempo.

Pictograma
Son grficos con dibujos alusivos

al

carcter

que

se

est

estudiando

cuyo tamaoes proporcional a las frecuencias que representan.La mayor frecuencia se identifica
por la mayor acumulacin de smbolos. Los pictogramas se emplean sobre todo, para hacer ms
amigables y entendibles los informes

estadsticos. Se utilizan en estadstica, en muchas

ocasiones como parte de una tabla.

Por ejemplo, si se quiere representar la produccin de troncos de un aserradero, se utilizan el dibujo de un
tronco ancho para sealar mil troncos y un tronco pequeo para representar 500 troncos.

Diagrama de Sectores
Tambin conocido como grfica de pastel o grfico circular. Un diagrama de sectores se puede
utilizar para todo tipo de variables, pero se usa frecuentemente para las variables cualitativas.
Si el estudio estadstico tiene pocos valores distintos, suele ocurrir con los caracteres cualitativos, se
puede usar un diagrama en forma de crculo dividido en tantos sectores como datos distintos haya, de modo
que la frecuencia de cada valor viene dada por un trozo de rea del crculo. As, el crculo queda dividido en
sectores cuya amplitud es proporcional a las frecuencias de los valores.
Para obtener esta caracterstica fundamental del diagrama de sectores, en que elngulo de
cada sector es proporcional a la frecuencia absoluta correspondiente, tenemos que el ngulo se
calcula de la siguiente forma:
El diagrama circular se construye con la ayuda de un transportador de ngulos.
Tambin puede usarse para datos cuantitativos agrupados en clases, y en tales casos, cada sector
corresponde a una clase. Dada la ndole de esta representacin, slo se utiliza para distribuciones de
frecuencias relativas usualmente expresadas en porcentajes.

PARA QU SIRVE?
Expresa de manera grfica la distribucin proporcional de los eventos o datos en estudio; sin embargo,
stos no deben ser ms de 7 porque el anlisis se vuelve excesivamente complejo. Cuando lo que
se desea es resaltar las proporciones que representan algunos subconjuntos con respecto al total, es
decir, cuando se est usando una escala categrica, conviene utilizarla.

Los datos presentados comienzan a las 12 horas en el crculo y corren en elsentido de las
manecillas del reloj; colocando el porcentaje mayor (la rebanada ms amplia del pastel) junto con
la siguiente ms importante;

y as sucesivamente, hasta la

ms pequea. Apguese a esta

convencin a menos que quiera ilustrar contrastes dramticos en los porcentajes, colocando los porcentajes
mayores junto con los ms pequeos.
Los textos necesarios pueden situarse dentro del pastel o fuera de ste (preferiblemente fuera
cuando las secciones representen valores pequeos) y el colordebe usarse para dar nfasis y esttica.
Su principal inconveniente consiste en que requieren de mucho espacio en cada pgina.
Ejemplo
En una clase de 30
Deporte

Alumnos (fi)

ngulo ()

alumnos, 12 juegan a
baloncesto,

Baloncesto

12

144

practican la natacin,
4 juegan al ftbol y el
resto

no

practica

ningn deporte.
Natacin

36

Diagrama de
Dispersin
Ftbol

108

En
las distribuciones
bidimensionales
a cada individuo le

Sin deporte

72

corresponden
los valores

de

dos variables, las

representamos por el
Total

30 (N)

360

par (xi,

yi).

Si

representamos cada
par de valores como
las coordenadas de un punto, el conjunto de todos ellos se llama nube de puntos o diagrama de
dispersin. Sobre la nube de puntos puede trazarse una recta que se ajuste a ellos lo mejor posible,
llamada recta de regresin.
Un grfico de dispersin tiene dos ejes de valores y muestra un conjunto de datos numricos en el eje
horizontal (eje X) y otro en el eje vertical (eje Y). Combina estos valores en puntos de datos nicos y
los muestra en intervalos irregulares o agrupaciones. Los grficos de dispersin se utilizan por lo
general para mostrar y comparar valores numricos, por ejemplo datos cientficos, estadsticos y de
ingeniera. Se usa cuando:
o

Desea convertir dicho eje en una escala logartmica.

Los espacios entre los valores del eje horizontal no son uniformes.

Hay muchos puntos de datos en el eje horizontal.

Desea mostrar similitudes entre grandes conjuntos de datos.

Desea comparar muchos puntos de datos sin tener en cuenta el tiempo.

CLASIFICACIN SEGN TIPO DE CORRELACIN

1. Correlacin directa: La recta correspondiente a la nube de puntos de la distribucin es
una recta creciente.
2. Correlacin inversa: La recta correspondiente a la nube de puntos de la distribucin es
una recta decreciente.
3. Correlacin nula: En este caso se dice que las variables son incorreladas y la nube de
puntos tiene una forma redondeada.

CLASIFICACIN SEGN GRADO DE CORRELACIN

El grado de correlacin indica la proximidad que hay entre los puntos de la nube de puntos. Se pueden
dar tres tipos:
1. Correlacin fuerte: La correlacin ser fuerte cuanto ms cerca estn los puntos de la
recta.
2. Correlacin dbil: La correlacin ser dbil cuanto ms separados estn los puntos de
la recta.
3. Correlacin nula: No existe el ms mnimo grado de correlacin entre los puntos.

Grficas de rea
Los grficos de rea destacan la magnitud del cambio en el tiempo y se pueden utilizar para
llamar la atencin hacia el valor total en una tendencia. Por ejemplo, se pueden trazar los datos que
representan el beneficio en el tiempo en un grfico de rea para destacar el beneficio total. Al mostrar la suma
de los valores trazados, un grfico de rea tambin muestra la relacin de las partes con un todo.
Los grficos de rea tienen los siguientes subtipos de grfico:

reas en 2D y 3D

Tanto si se presentan en 2D como en 3D, los grficos de reas

muestran la tendencia de los valores en el tiempo u otros datos de categora. Como

norma, considere la posibilidad de utilizar un grfico de lneas en lugar de un grfico de

reas no apilado, ya que los datos de una serie pueden quedar ocultos por los de otra.
reas apiladas y reas 100% apiladas: Los grficos de reas apiladas muestran la

tendencia de la contribucin de cada valor a lo largo del tiempo u otros datos de

categora. Las grficas se pueden proyectar en perspectiva 3D.

Otros grficos
Existen muchos otros grficos, que en este trabajo no abordaremos de manera profunda debido a que son
poco comunes; principalmente, se trata de grficas estadsticas utilizadas en ciencias o actividades muy
especficas y muchas veces se requiere de un conocimiento avanzado para su realizacin. Como ejemplo,
vale la pena mencionar:

GRFICOS DE SUPERFICIE
Un grfico de superficie es til cuando busca combinaciones ptimas entre dos conjuntos de datos. Como en
un mapa topogrfico, los colores y las tramas indican reas que estn en el mismo rango de valores.

Puede utilizar un grfico de superficie cuando ambas categoras y series de datos sean valores numricos.

GRFICOS DE ANILLOS
En un grfico de anillos se pueden representar datos organizados nicamente en columnas o en filas de una
tabla de datos estadsticos. Un grfico de anillos muestra la relacin de las partes con un todo pero puede
contener ms de una serie de datos; no son fciles de leer. Es conveniente utilizar un grfico de columnas
apiladas o un grfico de barras apiladas en su lugar.

GRFICAS RADIALES
Los datos organizados en columnas o filas en una hoja de clculo se pueden representar en un grfico radial.
Los grficos radiales comparan los valores agregados de varias series de datos y muestran cambios en
valores relativos a un punto central.

Fuentes del subtema 1.9 [34 50]

Glosario
Al Azar o Aleatorio: Son todos aquellos eventos fortuitos o productos de la suerte.
Aleatoriamente: Actividades o mtodos producidos o llevados a cabo simulando un comportamiento
al azar.
Clase: Subdivisin de escala de datos.

Correlacin: Cuando dos fenmenos sociales, fsicos o biolgicos crecen o decrecen de forma simultnea y
proporcional debido a factores externos, se dice que los fenmenos estn positivamente correlacionados. Si
uno crece en la misma proporcin que el otro decrece, los dos fenmenos estn negativamente
correlacionados. El grado de correlacin se calcula aplicando un coeficiente de correlacin a los datos de
ambos fenmenos.
Datos: Son los valores cualitativos o cuantitativos mediante los cuales se miden las caractersticas de los
objetos, o fenmenos a estudiar.
Dispersin: La extensin o variabilidad de un conjunto de datos.
Estadstica: Rama de las matemticas que se ocupa de reunir, organizar y analizar datos numricos y que
ayuda a resolver problemas como el diseo de experimentos y la toma de decisiones.
Evento: Uno o ms de los resultados posibles de hacer algo, o uno de los resultados posibles de realizar un
experimento
Frecuencia: Nmero de veces en que se repite un dato.
Frecuencia Acumulada: Es el nmero de estudiantes con calificaciones iguales o menores que
el rango de cada intervalo sucesivo.
Frecuencia absoluta: Es el nmero de veces que ocurre un cierto suceso, en la proporcin de veces que
ocurre dicho suceso con relacin al nmero de veces que podra haber ocurrido.
Frecuencia Relativa: Es la proporcin entre la frecuencia de un intervalo y el nmero total de datos.
Intervalo de Clase: Pequea seccin de la escala segn la cual se agrupan las puntuaciones de una
distribucin de frecuencia. Tamao o rango de la Clase.
Lmites del Intervalo: Son los valores extremos que tiene el intervalo de clase, inferior y superior, entre
los cuales van a estar los valores de los datos agrupados en ese intervalo de clase.
Muestra estadstica: es un subconjunto de casos o individuos de una poblacin estadstica.
Muestreo aleatorio simple: Mtodos de seleccin de muestras que permiten a cada muestra posible
una probabilidad igual de ser elegida y a cada elemento de la poblacin una oportunidad igual de ser incluidos
en la muestra.
Muestreo aleatorio: Las tcnicas de muestreo aleatorio aseguran que cada elemento en la poblacin de
inters tenga una probabilidad (no nula) de ser incluido en la muestra.
Porcentaje: Es la proporcin de una cantidad de datos especficos, con respecto al total de esos datos.
Poblacin estadstica: tambin llamada universo o colectivo, es el conjunto de elementos de
referencia sobre el que se realizan las observaciones.
Rango: Situacin de un dato respecto de una distribucin.
Regresin: Proceso general que consiste en predecir una variable a partir de otra mediante medios
estadsticos, utilizando datos anteriores.
Tablas de Frecuencias: Tabla que muestra el nmero de veces que en un conjunto de datos aparece
cada una de las clases de inters especificadas en el recorrido de los datos
Tamao de la Muestra: Es la cantidad de datos que sern extrados de la poblacin para formar parte de
la muestra.
Variable: Propiedad o rasgo de un hecho u objeto (no constante) por la que puede ser caracterizado o
clasificado. Representacin de una caracterstica, de un tributo, que posee alguna realidad.
Variable dependiente: La variable que tratamos de predecir en el anlisis de regresin.

Variables independientes: Variables (s) conocida(s) en el anlisis de regresin.

Varianza: Desviacin cuadrada media de todos los valores de la media.