ESTADISTICA: Definicin: "Es el conjunto de mtodos y tcnicas que permiten determinar, de una

muestra debidamente representativa de una poblacin, los valores estadsticos, a fin

de poder inferir sobre los parmetros poblacionales con un cierto grado de bondad"
ESTADSTICA DESCRIPTIVA: como El conjunto de mtodos que incluyen la recoleccin,
presentacin y caracterizacin de un conjunto de datos con el fin de describir apropiadamente sus
caractersticas.
ESTADSTICA INFERENCIAL: como Conjunto de mtodos que hacen posible la estimacin de una
caracterstica de la poblacin o la toma de una decisin referente a una poblacin basndose solo
en los resultados de una muestra.
POBLACIN: El conjunto de datos cuantificable pertenecientes al sistema en estudio constituye la
poblacin."
MUESTRA: Una muestra estar constituida por un subconjunto de la poblacin."
MUESTRA DEBIDAMENTE REPRESENTATIVA: Si bien es cierto que una muestra est constituida por
elementos pertenecientes a la poblacin, tendremos que comprender que no todo subconjunto de la
poblacin se constituye en una muestra debidamente representativa. DEFINICIN: Una muestra se
dice que es debidamente representativa de una poblacin cuando presenta sus mismas caractersticas.
VALORES ESTADSTICOS: El estudio realizado sobre una muestra nos permite determinar valores a
los cuales se los denomina estimadores pudiendo tambin tomar el nombre de valores estadsticos,
mediante los cuales se podr efectuar una correcta estimacin sobre los valores de la poblacin.
PARMETROS : Los valores en estudio, que en la muestra toman el nombre de Estadsticos, en la
poblacin se los denominan Parmetros.
BONDAD : al margen de seguridad con que se realiza la inferencia de acuerdo a los estudios realizados
sobre la o las muestras.
DATOS: la Estadstica basa su aplicacin en el estudio y anlisis de nmeros los que se denominan
datos. Si dichos datos son obtenidos a travs de una muestra, se los llama observaciones, las que
deben responder a una determinada caracterstica que es la que tenemos en estudio
VARIABLE: cada una de las muetras toma el nombre de Variable. Dicho estudio corresponde a una
Variable, y que de sta se tendrn Datos y los que corresponden a Observaciones realizadas.
Tipos de Datos a) Cuantitativos 1.- Discretos 2.- Continuos
b) Cualitativos 1.- Nominales 2.- Jerarquizados

Discretos: Se dice que un valor es discreto cuando es el resultado de un conteo.

1 Nmero de televisores por hogar, 2 Cantidad de alumnos aprobados o reprobados en una
evaluacin, y 3 Nmero de habitantes por mdicos en una localidad; etc.

Continuos: Se dice que una variable es del tipo continuo cuando asume valores dentro de un intervalo
de nmeros reales. 1.- Las alturas de los alumnos de un curso , 2.- La longitud de peces en un lago,
3.- El volumen de precipitaciones anuales etc.

Es decir en definitiva, cuando el valor del dato u observacin se mide en un intervalo, decimos que es
del tipo continuo
Nominales: Cuando los valores que adopta la variable en estudio puede ser clasificada de acuerdo a
categoras, tal como lo sera el responder a una encuesta, la cual se plantea la situacin ej: de cada
uno en cuanto a su estado civil. Sabemos que en este caso se tendran las categoras de: Soltero
casado viudo divorciado.En estos casos en donde los datos se pueden agrupar por categoras es necesario introducir, a fin de
poder realizar su estudio, una cierta codificacin. De cualquier manera no se podrn hacer estudios
matemticos entre categoras.
Jerarquizados: Este tipo de dato se presenta cuando es necesario otorgarle a la variable una cierta
jerarqua de orden.Valores estadsticos: 1) De tendencia - central - o posicin a) Media - Mediana - Moda
2) De dispersin
-Coeficiente de variacin.-

a) Rango - Desvo medio - Varianza -Desviacin estndar

MEDIA: Se define como media aritmtica o promedio de una distribucin al cociente entre la
suma de todas las observaciones dividido el nmero total de ellas: X: Z xi
n
MEDIANA: al valor que ocupa el punto medio de la distribucin.- implica que la mediana deja a la
izquierda la misma cantidad de valores que a la derecha., Todos los valores que se encuentran a la
izquierda son menores o eventualmente iguales a l, mientras que los valores que se ubican a la
derecha sern mayores o eventualmente iguales a l
Si n es impar Me = x i donde i = (n+1)/2
i n es par Me = x(n/2) + x(n/2 +1)
2
MODA: al valor que ms veces se repite.
FRECUENCIA: se define como Frecuencia de un valor, al nmero de veces que el mismo se repite.

DISTRIBUCIN DE FRECUENCIA: nos encontraremos con una cantidad de observaciones n que

superan los 20, por lo tanto pretender operar con una serie simple se tornara engorroso, ser
conveniente seleccionar los valores de acuerdo a una determinada clase y determinar de cada una de
ellas su frecuencia, de all que es comn encontrar a este tipo de distribucin como Distribucin de
intervalos.X: Z (xi. Fi) /n:

177 / 50 = 3,54

FRECUENCIA RELATIVA : frecuencia relativa de un valor y se expresa como fri, al cociente entre su
frecuencia y la suma de todas las frecuencias (la suma de todas las frecuencias es igual al nmero de
elementos de la distribucin). fr: Z Fi /N ej: 2/50
FRECUENCIA ACUMULADA: frecuencia acumulada de una clase (por ejemplo i) y se la denota como
fai, a la suma de su frecuencia y la suma de las frecuencias de los valores que le anteceden.

FRECUENCIA DESACUMULADA: frecuencia desacumulada de un valor, fds de una distribucin, a la

diferencia entre el nmero total de observaciones y su frecuencia acumulada. fdsi = n - fai

DIAGRAMAS: El poder graficar los valores estadsticos nos permite realizar una lectura rpida de la
distribucin y sacar conclusiones inmediatas de la misma. Diagramas de: Lneas, Barras, Barras
acumuladas, de Sectores o circular, Diagramas x-y, de Bastones etc. En este texto haremos referencia
a los diagramas: Circular, de Bastones e Histogramas y a una combinacin de los grficos de Bastones,
Barras y x-y Dispersin.
que se debe graficar: Calificacin y frecuencia - Calificacin y frecuencia relativa - Calificacin y
frecuencia acumulada - Calificacin y frecuencia desacumulada.-

DIAGRAMA DE BASTONES: en el eje de las abscisas las calificaciones y en el eje de las ordenadas las
frecuencias y representamos mediante un segmento centrado en cada una de las calificaciones su
correspondiente frecuencia.- C/U de los bastones corresponde a la frecuencia de cada calificacin y
toma el nombre de densidad de frecuencia entendindose como tal al cociente: dfi = Fi/AX

DIAGRAMA DE SECTORES: tener presente que el ngulo central del crculo es de 360 y que cada
una de las clases estar dada por un sector cuyo ngulo ser proporcional a su frecuencia.-

HISTOGRAMA DE FRECUENCIAS: es necesario considerar un sistema de ejes cartesianos

ortogonales, debiendo representar en el eje de las abscisas las calificaciones y en el de las ordenadas
la frecuencia, las clases estn dadas por las calificaciones. El intervalo entre dos clases sucesivas se
denomina amplitud de intervalo, en este caso es la unidad y se la expresa como x = 1., nos
encontramos con
un diagrama de barras sin discontinuidades al que denominaremos Histograma, en este caso de
Histograma de Frecuencias.

POLGONO DE FRECUENCIAS: Si se unen los puntos medios superiores de cada una de las barras
del histograma y se considera cero las frecuencias de las clases adyacentes a los extremos de la
distribucin, se formar con el eje de las abscisas un polgono denominado, Polgono de Frecuencias:

HISTOGRAMA DE FRECUENCIAS RELATIVAS: Si en el eje de ordenadas se representan a las

frecuencia relativas en lugar de las frecuencias, se obtiene el Histograma de Frecuencias Relativas que
tendr las mismas caractersticas que el diagrama de frecuencias ya que fri = fi / N dfri = fri / x

FRECUENCIA ACUMULADA: La interseccin de ambas grficas debe de verificarse para fa = fds = n/2.
En el punto de interseccin ambas frecuencias son iguales por lo que podemos decir que: fa + fds = fa
+ fa = n y 2 fa = n y fa = n / 2

UNA DISTRIBUCIN PUEDE SER: Simtrica

m = Me = Mo

Asimtrica Distribucin Derecha (+) m < Me < = Mo

Distribucin Izquierda (-) m> Me > = Mo

DISTRIBUCIN DE INTERVALOS DE CLASE: donde el nmero de observaciones es mayor a 20 y la

variable es del tipo continua, se hace necesario definir como clases a intervalos y determinar como
frecuencia de cada uno de ellos al nmero de observaciones que contienen. En este caso la distribucin
toma el nombre de distribucin de intervalos de clase: a) La cantidad de intervalos: a los que
llamaremos como k est relacionada con el nmero de observaciones n. k = Vn 5 <= k <= 15
b) La amplitud de intervalo: AX: Xn Xi /K

4,6 3,1 / 5: 0,3

c) No puede haber un intervalo con frecuencia cero, si esa situacin se presentare, ser necesario
modificar la cantidad de intervalos o la amplitud de intervalo.
d) Al definir los lmites de los intervalos tenerse en cuenta la posibilidad que uno de ellos puede ser
cerrado y el otro abierto:
e) Es conveniente que todos los intervalos tengan el mismo tamao y cuando esto no sea posible, los
intervalos de diferente amplitud deben ubicarse en los extremos
f) No es conveniente que las observaciones coincidan con los lmites de los intervalos, de esta manera
desaparece la duda en cuanto a la pertenencia de una observacin a un intervalo o a su adyacente.
3,09 3,24 .. 3,39
DETERMINACIN DE LA MEDIA: Fmi * fi/N: 83,365/21: 3,9697
DETERMINACIN DE LA MEDIANA: En este caso particular, la Me = 3,69 + 0,3 *((10,5 - 5) / 6

DETERMINACIN DE LA MODA: Si definimos a d1 = (frecuencia del intervalo modal) (frecuencia del

intervalo que le antecede): di = 6-4 = 2 y como d2 = (frecuencia del intervalo modal) (menos la
frecuencia del intervalo que le sucede): d2 = 6-5 = 1 Mo = Li + Ax. ( d1/(d1+d2) ) Mo = 3,69 + 0,3 (2 /
( 2+1) ) = 3,89
RANGO O AMPLITUD: La diferencia entre los valores extremos de una distribucin se denomina
Alcance o Rango y se lo denota como R

xi -media!.fi: media xmi (media: Xmi * fi/fi)

COEFICIENTE DE VARIACIN: se opera con el Coeficiente de Variacin, que esta dado por el cociente
entre el desviacin estndar de la distribucin y su media, expresada de manera porcentual:
CV: o/m . 100%

PROBABILIDADES: Cuando un fenmeno puede presentarse de distintas maneras, la factibilidad de

ocurrencia de cada una de ellas se la define como probabilidad. La probabilidad de un evento es un
nmero real comprendido entre 0 y 1 0 < P(E) <1

EVENTOS: Simples - Compuesto

Un evento se dice que es compuesto: cuando est conformado por ms de un evento simple, de esta
manera, tambin seran eventos compuestos: A: que salga un nmero par B: que se presente con un

nmero mayor o igual a 4 C: que sea par y mayor o igual a 4 D: que sea un nmero par o mayor o
igual a 4
C = (A y B) : - D = (A o B) B
DETERMINACIN DE PROBABILIDADES:
a) Planteamiento clsico
b) Planteamiento basado en la frecuencia relativa
c) Planteamiento subjetivo

PLANTEAMIENTO CLSICO: Cuando un fenmeno puede presentarse de n formas distintas, todas ellas
igualmente posibles, y de esas n formas en c de ellas lo hace con una determinada caracterstica, en
estudio est dado por el cociente de c sobre n.- p: C/N N casos favorables/ N casos posibles

PLANTEAMIENTO EN BASE A LA FRECUENCIA RELATIVA: Analicemos el lanzamiento de una moneda,

Dos son los eventos simples en que puede presentarse el fenmeno una cara o una cruz. Luego la
probabilidad de obtener una 1/2 , pero en 10 lanzamientos se obtuvieron cuatro caras y seis cruces
entonces: caras: 4/10
Cuando un fenmeno se pone en evidencia de distintas maneras, la frecuencia relativa de ocurrencia de
cada una de ellas tiende a coincidir con su probabilidad de ocurrencia cuando el nmero de veces que se
presenta el fenmeno es lo suficientemente grande.
PROBABILIDAD SUBJETIVA: La probabilidad subjetiva queda librada al criterio de quin la determina en
funcin de la evidencia con que se cuente para la misma, esta puede ser en base a la frecuencia relativa
de ocurrencia en eventos pasados o simplemente de acuerdo a sus supuestos. Este tipo de probabilidad
se da cuando los eventos se presentan un nmero reducido de veces.
REGLA ADITIVA: Tenemos ahora una expresin que nos entrega la probabilidad de la unin de eventos.
Expresin que toma el nombre de Regla Aditiva P(A o B) = P(A) + P(B) P(A y B )

REGLA MULTIPLICATIVA:l a expresin anterior no solo nos entrega la probabilidad condicionada de

ocurrencia
de A segn B sino que, nos permite obtener la expresin multiplicativa, si pasamos el denominador del
segundo miembro multiplicando al primero, e intercambiando los miembros: P(AA B) A P(B)*P(A/ B)
REGLA ADITIVA: P(A o B) = P(A) + P(B) - P(A y B)
REGLA MULTIPLICATIVA: P(A y B) = P(A) . P( B / A) = P(B) . P(A / B)

RELACION ENTRE EVENTOS: COMPLEMENTARIOS - MUTUAMENTE EXCLUYENTES INDEPENDIENTES

EVENTOS COMPLEMENTARIOS: Dos eventos A y B se denominan COMPLEMENTARIOS cuando la

suma de sus
probabilidades es igual a 1: P(A) + P(B) = 1

EVENTOS MUTUAMENTE EXCLUYENTES: Se dice que dos eventos son mutuamente excluyentes
cuando la ocurrencia de uno de ellos implica la no ocurrencia del otro. todos los eventos simples en que
puede presentarse un fenmeno son mutuamente excluyentes.

EVENTOS INDEPENDIENTES: Dos eventos se dicen que son independientes, cuando la ocurrencia de
uno de ellos no modifica la probabilidad de ocurrencia del otro.
Cuando dos eventos son independientes, la ocurrencia simultnea de ambos es igual al producto de sus
probabilidades.