ESTADSTICA.

CAPTULO 1
Fuente: Estadstica, 10ma Edicin. Mario Triola
Introduccin a la estadstica.
Nuestra meta comn en este tipo de estudios consiste en reunir datos de una pequea
parte de un grupo ms grande, para aprender algo de este ltimo.
El trmino estadstica se deriva de la palabra latina status que significa estado, debido
a que los primeros usos de la estadstica implicaron la recopilacin de datos y la
elaboracin de grficas para describir diversos aspectos de un estado o de un pas
Panorama general
Para entender mejor la estadstica se necesitan conocer algunos trminos.
Dato: Son las observaciones recolectadas (como mediciones, gnero, respuestas
de encuesta)
Estadstica: Es un conjunto de mtodos para planear estudios y experimentos,
obtener datos y luego organizar, resumir, presentar, analizar, interpretar y llegar
a conclusiones basadas en los datos.
Poblacin: Es el conjunto completo de todos los elementos (puntuaciones,
personas, medidas, etctera) que se va a estudiar. El conjunto es completo
porque se incluye a todos los sujetos que se estudiarn.
Censo: Es el conjunto de datos de cada uno de los miembros de la poblacin.
Muestra: Es un subconjunto de miembros seleccionados de una poblacin.
EJEMPLO.
En la Facultad de Ingeniera se pregunt a 600 estudiantes Le gusta a usted
practicar deporte? Los 600 sujetos representan una muestra mientras que la
poblacin consiste en el conjunto completo de los 10500 estudiantes de la
facultad.
Uno de los principales objetivos de la estadstica consiste en demostrar cmo usar los
datos muestrales para obtener conclusiones sobre poblaciones.
Parmetro: Es una medicin numrica que describe algunas caractersticas de

una poblacin
Estadstico: Es una medicin numrica que describe algunas caractersticas de

la muestra.

EJEMPLO.

Parmetro: En la ciudad de Guatemala de los 8500 buses de Transmetro que

existen se descubri que el 15% estn daados. La cifra 15% Es un parmetro
porque est basado en la poblacin de todos los buses que existen.

Estadstico: Con base a una muestra de 877 ejecutivos, se encontr que el 45%
de ellos no contratara a alguien con un error ortogrfico en su solicitud de
empleo. Esta cifra 45% Es un estadstico, ya que est basado en una muestra y
no en la poblacin de todos los ejecutivos.
1.2 Tipos de datos
Tambin es importante mencionar que no todos los datos son numricos (Datos
cuantitativos) tambin pueden representar caractersticas (Datos cualitativos o
categricos o de atributo)
Datos discretos: Estos se dan cuando el nmero de valores posibles es un
nmero finito o un nmero que puede contarse (Es decir nmeros de valores 0,
1, 2, 3, etctera)
Datos continuos: (numricos): Son los que resultan de un infinito de posibles
valores que corresponden a alguna escala continua que cubre un rango de
valores sin huevos, interrupciones o saltos.
EJEMPLO:
El nmero de huevos que pone una gallina es discreto porque representa un
conteo, (1, 2, 3, 4 huevos) mientras que la cantidad de leche en galones que
produce una vaca son datos continuos porque la vaca puede producir 3.1542
galones ya que esta no est restringida.
Otra forma comn de clasificar los datos consiste en usar cuatro niveles de medicin:

nominal, ordinal, de intervalo, de razn.

El nivel de medicin nominal se caracteriza por datos que consisten
exclusivamente en nombres, etiquetas o categoras. Los datos no se pueden
acomodar en un esquema de orden (como del ms bajo al ms alto)
EJEMPLO.

Si/No/Indeciso. La encuestas con este tipo de respuestas son de tipo nominal

Colores. Los colores de los automviles conducidos por los estudiantes de la
facultad (rojo, negro, magenta, etctera)
Dado que estos datos carecen de orden y no tienen un significado numrico, no se
deben utilizar para hacer clculos.

Los datos del nivel de medicin ordinal son aquellos que pueden acomodarse en algn
orden, aunque no es posible determinar diferencias entre los valores de los datos o tales
diferencias carecen de significado.
EJEMPLO.
Las calificaciones del tipo A, B, C, D, E o F Tales calificaciones se pueden
ordenar aunque no es posible determinar diferencias entre tales calificaciones.
Sabemos que A es mayor que B (Por lo que hay un orden) pero no podemos
restar B de A (Por lo que no se puede calcular la diferencia)
Los rangos son otro tipo de dato nominal, (primero, segundo, tercero)
representan un orden pero los clculos con estos no tienen ningn sentido.
El nivel de medicin de intervalo se parece al nivel ordinal, pero con la propiedad
adicional de que la diferencia entre dos valores de datos cualesquiera tiene un
significado. Sin embargo, los datos en este nivel no tienen punto de partida cero natural
inherente (donde nada de la cantidad est presente)
EJEMPLO.

Las temperaturas corporales de 98.2F y 98.6F son ejemplos de datos a nivel

de medicin de intervalo. Dichos valores estn ordenados y podemos
determinar su diferencia de 0.4F, Sin embargo, no existe un punto de inicio
natural, quiere decir que 0F no representa una ausencia de temperatura.

Aos Los aos 1000, 2015, 1774, 2012 (El ao 0 no representa la ausencia de
aos o de tiempo)
El nivel de medicin de razn es similar al nivel de produccin de intervalo, pero con
la propiedad adicional de que si tiene un punto de partida cero natural (donde el cero
indica que nada de la cantidad est presente).Para valores a este nivel tanto las
diferencias como las proporciones tienen significado.
EJEMPLO.

Los Pesos representan un dato cuantitativo el 0 representa la ausencia de peso

y 4 libras es dos veces el peso de 2 libras.

El precio de los libros de estadstica representa este tipo de dato (Q.0.00

representa que el libro no tiene ningn costo) y un libro de Q.250.00 es dos
veces ms caro que uno de Q. 125.00
La siguiente tabla le ayudar a comprender mejor los conceptos.

El concepto de muestra aleatoria simple es especialmente importante, por su papel en

la estadstica.
Los mtodos estadsticos se rigen por los datos. Por lo regular obtenemos datos de dos
fuentes distintas: Los estudios observacionales y los experimentos.
Estudio observacional: Vemos y medimos caractersticas especficas pero no
intentamos modificar a los sujetos que estudiamos.
Experimento: Aplicamos algunos tratamientos y luego procedemos a observar sus
efectos sobre los sujetos.

Aleatoriedad y otras estrategias de muestreo.

En estadstica como en la vida, uno de los peores errores consiste en reunir datos de
una forma inapropiada,
Algunos de los procedimientos ms comunes.
Muestra aleatoria: Los miembros de una poblacin se seleccionan de forma que
cada miembro individual tenga la misma posibilidad de ser elegido
Muestra aleatoria simple: De n sujetos se selecciona de manera que cada
posible muestra del mismo tamao n tenga la misma posibilidad de ser elegida.
Muestra probabilstica: Implica seleccionar miembros de una poblacin de
forma que cada miembro tenga una posibilidad conocida (Aunque no
necesariamente la misma) de ser elegido.

EJEMPLO.
Imagine un saln de clases con 60 estudiantes acomodados en seis filas de 10
estudiantes cada una. Suponga que el profesor selecciona una muestra de 10
estudiantes lanzando un dado y seleccionando a la fila correspondiente al
resultado. Qu tipo de muestra es?
La muestra es aleatoria porque cada estudiante individual tiene la misma
posibilidad (una posibilidad en seis) de resultar seleccionado. La muestra NO es
aleatoria simple porque no todas las muestras de tamao 10 tienen la misma
posibilidad de ser escogidas. Por ejemplo es imposible la seleccin de 10
estudiantes de que estn en fila diferente. Se trata de una muestra probabilstica
porque cada estudiante tiene una posibilidad conocida (una posibilidad en seis)
de ser elegido.

Otros tipos de muestreo.

Errores de muestreo.
No importa lo bien que usted planee y ejecute el proceso de recoleccin de muestras,
es posible que ocurra algn error en los resultados. Por ejemplo, seleccione 1000
adultos al azar, pregnteles si se graduaron de bachillerato y registre el porcentaje de
respuestas afirmativas en la muestra. Si usted elige otra muestra de 100 adultos al azar,
es probable que obtenga un porcentaje diferente en esa muestra.
Error de muestreo.
Es la diferencia entre el resultado de una muestra y el verdadero resultado de la
poblacin; este error es consecuencia de las fluctuaciones por el azar.

Error que no es de muestreo.

Sucede cuando los datos mustrales se obtienen, registran o analizan de forma
incorrecta (como cuando se selecciona una muestra sesgada, cuando se usa un
instrumento de medicin defectuoso o cuando se copian los datos de una forma
incorrecta.)