ESTADÍSTICA COMERCIAL,

1 INTRODUCCIÓN
HANS SIGRIST
UAC

8
infinitus
cbna 2011
Esta obra está publicada bajo una Atribución 2.0 Chile de Creative Commons. Para ver una copia de esta licencia, visite
http://creativecommons.org/licenses/by/2.0/cl/. Este documento se distribuye con la esperanza de que sea útil, pero sin ninguna
garantía; incluso sin la garantía implícita de comerciabilidad o aptitud para un propósito particular. Se distribuye gratuitamente a todos
los individuos, y su uso, descarga o copia, debe llevarse a cabo con el permiso del autor.

Cuidemos el planeta. Salva por página 200 ml de H2 O, 2 g de CO2 y 2 g de madera: Imprime sólo si es necesario.

1 D EFINICIONES

En los tiempos antiguos no tenían estadísticas

así que tenían que echar mano de las mentiras.

S TEPHEN L EACOCK

Objetivos de aprendizaje
Al finalizar este capítulo, el alumno estará en condiciones de:
Recordar y reutilizar los conceptos más básicos de aritmética escolar, incluidos el uso de paréntesis,
Ingeniería Comercial (PCE) UAC

fracciones, decimales, porcentajes, números negativos, potencias, raíces y logaritmos.

Aplicar dichas operaciones aritméticas en la solución de problemas de economía simples.
Calcular la elasticidad de valores de demanda, dividiendo fracciones.

Índice

1.1. El método científico en el proceso de investigación científico 2

1.2. Naturaleza del Trabajo Estadístico 3
1.3. La Estadística 4
1.4. Sobre las observaciones o datos 4
/
hans.sigrist@uac.cl

1.5. Problemas 5

1.1 El método científico en el proceso de investigación científico Existen tres procesos fundamentales en el
proceso de investigación científico, el conocimiento científico, la toma de decisiones y la inferencia. Estos pro-
cesos son parte de igual forma del proceso de investigación estadístico y se clasifican de la siguiente manera.
8

El método científico. Sir Francis Bacon reconoce las siguientes etapas en el método científico:
cbna 2011

1. La observación que consiste en recoger antecedentes sobre un evento o fenómeno.

2. La inducción que es la acción y efecto de extraer, a partir de determinadas observaciones o experiencias
particulares, un principio general que en ellas está implícito.
3. La formulación de hipótesis. Una hipótesis es un planteamiento y/o supuesto que se busca comprobar
o refutar mediante observaciones siguiendo las normas establecidas por el método científico.
4. La demostración o refutación de la hipótesis siguiendo las normas establecidas por el método científi-
co.
5. Las conclusiones que constituyen el resultado final del particular trabajo científico.
1
1.1 El método científico en el proceso de investigación científico 1 DEFINICIONES

La Toma de Decisiones con Incertidumbre Las etapas de un proceso de toma de decision se pueden resumir
de la siguiente manera:
1. Se reconoce un conjunto de acciones de las cuales se seleccionará una de ellas.
2. Estas acciones presentan distintas consecuencias según las posibles situaciones (o estados de natura-
leza) que se presenten al momento de adoptarlas.
3. El decidor (la persona o entidad que toma la decisión) no conoce cuál será la particular situación que
estará vigente al momento de decidir (incertidumbre) pero dispone de antecedentes (información) vin-
culados a la situación o estado de naturaleza.
4. A base de la información disponible debe escoger cuál será la situación vigente al momento de decidir
y de acuerdo a ello escoger la acción más satisfactoria.
Como veremos a continuación, tanto en la investigación científica como en la toma de decisiones bajo in-
certidumbre, la Inferencia Inductiva tiene un rol fundamental
La Inferencia El proceso de inferir consiste en establecer relaciones de dependencia entre observaciones o
postulados con conclusiones o deducciones. Las relaciones establecidas de esta forma se llaman inferencias
las cuales, entre otras aplicaciones, constituyen la base del desarrollo de las ciencias y disciplinas aplicadas y
se encuentran presentes en la mayor parte de los procesos de toma de decisiones.

Ejemplo 1. Un automovilista transita por una autopista y observa que todos los automóviles vienen en sentido
contrario. Entonces concluye en que todos los demás automovilistas lo hacen a contramano.

Ejemplo 2 (Por definición (o postulado)). Un número es par si es múltiplo de 2 (dos) y se observa que 8 (ocho) es
múltiplo de 2. Entonces se concluye que 8 es un número par.

Ejemplo 3. Se requiere un promedio de 4,0 puntos para aprobar un Curso. Se observa que el promedio de un
alumno antes de rendir el examen final es 5,8 puntos. Entonces se concluye que es muy posible que el alumno
apruebe el Curso.

Ejemplo 4 (Toma de decisiones a base de inferencias). Una persona que va a salir a la calle, debe decidir si lleva
o no lleva paraguas. Como dato cuenta con la información del servicio meteorológico que pronostica lluvia con
70 % de posibilidad. Entonces la persona concluye que es muy probable que llueva y decide llevar el paraguas.

Ejemplo 5. Por definición un animal es herbívoro si sólo se alimenta de vegetales y se conoce como dato que el
oso come vegetales y carne. Luego se concluye que el oso es herbívoro.

Las inferencias pueden ser catalogadas en, al menos, dos grandes grupos a saber: Inferencias Inductivas e
Inferencias Deductivas.
Definición 1 (Inferencias Inductivas). Son las que, a partir de datos u observaciones en los cuales nos parece
encontrar alguna semejanza o propiedad, concluimos en extender dichas propiedades o semejanzas a un uni-
verso mayor. Los Ejemplos (1), (3) y (4) corresponden a inferencias inductivas. Se caracterizan por mayor agregar
información a la contenida en los antecedentes. Una forma simple de referirse a estas inferencias es que “van de
lo particular a lo general”.
Definición 2 (Inferencias Deductivas). Son las que, a partir de definiciones o enunciados que se suponen ver-
daderos, concluye en una afirmacion vinculada a los mismos. Los ejemplos 2 y 5 son ejemplo de inferencias
deductivas. Se dice que estas inferencias van de lo general a lo particular. En general las inferencias deductivas
parten de postulados o características que se suponen comunes a un grupo ( universo de discusión) tal como:
“los hombres son mortales” observan que un individuo forma parte del grupo, por ejemplo: “Rodrigo es hom-
bre” y concluyen que el individuo cumple con los postulados o características del grupo, por ejemplo: “Rodrigo es
mortal”.
“Veracidad” de las Inferencias Toda Inferencia Deductiva o bien es verdadera o bien es falsa. Así la del
Ejemplo (3) es siempre verdadera (si aceptamos como verdaderas las premisas) y la del Ejemplo (5) es siempre
falsa.
Una Inferencia Inductiva en cambio, no necesariamente es verdadera o falsa sino que tiene “chances” o
“posibilidades” de ser verdadera (o falsa). Así la inferencia inductiva del Ejemplo (1) tienen muy pocas chances
de ser verdadera (es mucho mas probable que sea el automovilista que observa a los demás quien circule a
contramano) mientras que la inferencia (decisión) del Ejemplo (4) tiene un mayor posibilidad ser verdadera (o
mayor grado de veracidad y posiblemente la del Ejemplo (3) tenga mayor posibilidad de ser verdadera que la
del Ejemplo (4).
2 I NGENIERÍA C OMERCIAL (PCE) UAC ESTADÍSTICA COMERCIAL,
1 INTRODUCCIÓN
c 2011 HANS SIGRIST
1 DEFINICIONES 1.3 La Estadística

Error Inferencial en las Inferencias Inductivas Los distintos “grados de veracidad” en las Inferencias Induc-
tivas se debe a que es inherente a toda inferencia inductiva la posibilidad de cometer un error, puesto que es
imposible afirmar con certeza propiedades, atributos o características de un todo a base de observar sólo una
parte del mismo.
Se puede convenir fácilmente que el automovilista del Ejemplo (1); el alumno del Ejemplo (3) y el la persona
del Ejemplo (4), deben admitir la posibilidad de cometer un error en sus respectivas inferencias inductivas,
algunos más posibles que otros.

1.2 Naturaleza del Trabajo Estadístico En la actividad diaria, permanentemente se toma conocimiento de
informaciones de carácter cuantitativo o cualitativo, sobre diversos fenómenos, acontecimientos, manifesta-
ciones o simplemente hechos ocurridos en nuestro ámbito. Algunas de estas informaciones son de carácter
estadístico y otras no lo son.
Por ejemplo, al concluir los partidos de fútbol programados para una particular fecha, los periodistas depor-
tivos informan sobre los resultados obtenidos por los equipos de fútbol y la tabla de posición, del primero al
último puesto. Esta información, que es expresada en forma cuantitativa y cualitativa (número de goles y nú-
mero de orden que ocupa cada equipo), a nadie se le ocurriría llamarla “información estadística”. Su propósito
es difundir resultados sobre acontecimientos que se suponen de interés para muchas personas. Sin embargo,
esta misma información ofrecida como antecedentes históricos para pronosticar resultados de futuros parti-
dos de fútbol es comúnmente llamada estadísticas del fútbol.
¿Cuál es la diferencia? La diferencia consiste en el propósito para el cual se produce u ofrece la información.
En el primer caso sólo da a conocer resultados; en el segundo caso estos mismos resultados son ofrecidos con el
fin de que los interesados puedan sacar conclusiones (realizar inferencias) y eventualmente tomar decisiones.
Igualmente, una empresa lleva su contabilidad en libros expresamente diseñados, donde se registra la in-
formación comercial y financiera de las operaciones de la empresa. Esta información es de carácter contable y
no estadística dado que su propósito es llevar el control de las operaciones que realiza el establecimiento.
Sin embargo esta misma información puede ser “estadística” si se presenta con fines de analizar y proyectar
la marcha de dicha empresa. Una vez más, la diferencia obedece a que en el primer caso la información se
registra con fines de control interno e impositivo mientras que en el segundo caso su propósito es inferir o
deducir a base de esta información la situación presente y futura de la empresa.
En la actividad del Estado el llamado Registro Civil que se lleva en distintas dependencias del Estado re-
copilan los nacimientos, las defunciones o matrimonios ocurridos en un país. Dicha información tiene como
propósito fundamental establecer derechos de los ciudadanos (nacionalidad; bienes conyugales; herencias etc.),
y su información en tal sentido no es “estadística”. Sin embargo esta misma información de los Registros consti-
tuye la base de las llamadas “Estadísticas Vitales” las que pretenden ofrecer información básica para el estudio
de la dinámica de la población de un país.
Un ejemplo similar se encuentra en los registros de exportaciones e importaciones que lleva las Aduanas
con fines impositivos y las llamadas “Estadísticas de Comercio Exterior” que son obtenidas de tales registros y
tienen como proposito facilitar el estudio de políticas referentes a las exportaciones e importaciones.
En consecuencia, para que una información sea considerada estadística debe estar orientada a facilitar la
realización de estudios, de inferencias inductivas o la toma de decisiones en cualquier actividad o área del
conocimiento.

1.3 La Estadística La Estadística es una disciplina científica que tiene como propósito facilitar o favorecer la
realización de inferencias inductivas basadas en observaciones o datos, mediante el resumen de la información
contenida en los datos o el control del error inherente a toda inferencia inductiva. Para cumplir este propósito
los métodos, técnicas y procedimientos de la Estadística pueden ser clasificados en:

Estadística Pre-inferencial, que corresponde a los métodos, técnicas y procedimientos generales de la

Estadística Descriptiva o el Análisis de Datos y que tienen como objetivo resumir la información con-
tenida en un conjunto de datos, sin que se pierdan aspectos relevantes para las inferencias inductivas
que se puedan formular a base de tal resumen.
Estadística Inferencial o Inferencia Estadística, que comprende los métodos, técnicas y procedimien-
tos que tienen como propósito dimensionar y, en lo posible, controlar el inevitable error inherente a
toda inferencia inductiva basadas en observaciones o datos (error inferencial).
ESTADÍSTICA COMERCIAL, I NGENIERÍA C OMERCIAL (PCE) UAC 3
1 INTRODUCCIÓN
c 2011 HANS SIGRIST
1.4 Sobre las observaciones o datos 1 DEFINICIONES

La primera conclusión que resulta de esta afirmación es que la Estadística es una disciplina de servicio.
Por lo tanto quien practica esta disciplina tiene la obligacion de realizar su trabajo de forma que atienda las
reales necesidades de los usuarios de sus servicios estadísticos.
La segunda conclusión es que, dado que la inferencia inductiva es la base del desarrollo de la mayor parte
de las ciencias así como de la toma de decisiones, la Estadística presta sus servicios tanto al desarrollo del co-
nocimiento científico en las distintas ramas de las ciencias aplicadas, como a la toma de decisiones referidas
a los más variados ámbitos y en particular a las que se enmarcan dentro del diseño, seguimiento y evaluación
de políticas, programas y proyectos públicos y privados en las más diversas áreas.

1.4 Sobre las observaciones o datos Contar con datos para el estudio, es condición necesaria para llevar a
cabo un trabajo estadístico. Estos datos pueden referirse a características cuantitativas de unidades o experi-
mentos (alto, medio, bajo; masculino, femenino; bueno; malo; defectuoso, no defectuoso, etc.) o cuantitativas
(ingreso monetario; estatura; peso; edad; número de llamadas diarias; densidad; precio de un bien o servicio,
etc.)
A continuación nos referiremos conceptos y notaciones básicos relacionados con los datos.
Definición 3 (Unidades de Estudio). Son los elementos cuyas características se desean estudiar.
Definición 4 (Población o Universo de Estudio). Es el conjunto total de unidades o individuos, o bien el conjun-
to de resultados de un experimento aleatorio, que se desea investigar. Esta población puede ser finita o infinita.
Si es finita, el número de unidades o elementos de la población se denota generalmente por N .
Definición 5 (Muestra). Es un subconjunto (una parte) de las unidades de la Población cuyo estudio puede
ser utilizado para sacar conclusiones sobre características de la Población. Si es finito, el numero de unidades o
elementos de la muestra se denomina: tamaño de la muestra y denota generalmente por n.
Definición 6 (Variable). Se refieren a las características o propiedades que se desean estudiar o investigar. Las
variables se denotan con letras mayúsculas (X , Y , Z o bien X 1 , X 2 , X 3 , X 4 ,. . . , X L ). Los valores particulares que
toma una particular variable se denota con la correspondiente letra en minúscula (x, y, z o bien x 1 , x 2 , x 3 , x 4 ,. . . ,
xL )
Las variables pueden ser:
Cuantitativas: si sus valores son números.Estas variables, a su vez, pueden ser clasificadas como:
Discretas si el conjunto de sus valores posibles es finito o contable.
Continuas en otro caso.
Cualitativas: si sus valores indican niveles (pequeño, mediano, grande) o categorías o clases (masculino,
femenino; a favor, en contra; bueno, defectuoso: deficiente, regular, bueno, muy bueno, etc.). Las varia-
bles cualitativas se clasifican en:
Ordinales cuando sus valores se pueden ordenar (pequeno, mediano, grande).
Nominales cuando sus valores no son susceptibles de ordenacion (mujer, hombre).
Definición 7 (Unidades de Información). Son las unidades a las cuales se les “mide” o “consulta” sobre cada
variable a investigar. La Unidad de Información puede coincidir con la Unidad de Estudio aunque no necesaria-
mente debe ser así.
Ejemplo 6. Se desea estudiar la edad, género, peso, estatura, e ingreso monetario del hogar de los alumnos que
asisten a un particular centro de educación en un año determinado mediante las variables. Entonces:
Las Unidades de Estudio son alumnos.
La Población son los alumnos que asisten ese año al centro educativo. Si en total fueran 420 alumnos, entonces
N “ 420. En este ejemplo, claramente la población es finita.
Una muestra es una parte de estos alumnos que podría ser utilizada para inferir características asociadas
al total de alumnos del centro educativo (Población). Si el total de alumnos en la muestra es, por ejemplo, 10
alumnos, entonces el tamaño de la muestra es 10.
Las Variables, en este caso son las características que se desean estudiar, vale decir: Edad (X 1 ); Género (X 2 );
Peso (X 3 ), Estatura (X 4 ), e Ingreso Monetario del Hogar (X 5 ); Rendimiento (X 6 ); Nivel de Educación de los Padres
(X 7 ).
Las variables:
Edad p X 1 q: es cuantitativa (toma valores de año en año). La edad de un alumno es un valor particular px 1 q
de X 1 .
Género p X 2 q: es cualitativa nominal porque define categorías (clase o grupos).
4 I NGENIERÍA C OMERCIAL (PCE) UAC ESTADÍSTICA COMERCIAL,
1 INTRODUCCIÓN
c 2011 HANS SIGRIST
1 DEFINICIONES 1.5 Problemas

Peso p X 3 q, estatura p X 4 q, Ingreso monetario p X 5 q: son cuantitativas contínuas.

Rendimiento p X 6 q: depende cómo se mida. Si está expresado en números puede considerarse cuantitativa
contínua. En otro caso (por ejemplo letras) sería cualitativa ordinal.
Nivel de educación de los padres p X 7 q: es cualitativa ordinal porque mide niveles.
Las Unidades de Información coinciden con las Unidades de Estudio y son los alumnos.

Ejemplo 7. Se desea estudiar la calidad de un proceso de producción considerando el porcentaje de artículos

defectuosos.
Población: son los posibles resultados particulares del proceso. En este ejemplo son dos: defectuoso y no de-
fectuoso.
Muestra: es un conjunto de resultados particulares del proceso a base del cual se podría inferir el porcentaje
de defectuosos.

Ejemplo 8. Se desea estudiar el tiempo que demora un alumno en completar un test.

Unidad de Estudio: tiempo que se requiere para completar un test
Población: son los posibles tiempos para distintos alumnos observados. En este ejemplo supondremos que este
tiempo requerido para completar el test por cualquier alumno podria estar entre 10 y 180 minutos. Bajo este
supuesto, la Población estaría representada por los números que se encuentran dentro de estos límites. En este
caso la Población es infinita (puede ser cualquier número entre 10 y 180).
Muestra: Por otra parte, los tiempos empleados por un particular grupo de alumnos (supongamos 20) es una
muestra de la Población (de tiempos) y su tamaño es n “ 20.
Como Variables de estudio podrían ser consideradas:
Tiempo empleado para completar el test (X 1 );
Género (X 2 );
Edad (X 3 );
Nota promedio (X 4 ) etc.
Unidad de Información son los alumnos puesto que a ellos se aplican las variables.

Observación 1. Los conceptos de Población y Muestra sólo se distinguen en la Estadística Inferencial o Inferen-
cia Estadística. En este caso, la información contenida en muestra ofrece precisamente los antecedentes que se
utilizarán para realizar la inferencia inductiva controlando el riesgo de cometer el error inferencial. En el caso de
la Estadística Pre Inferencial o Estadística Descriptiva, es totalmente irrelevante si la información que se resume
corresponde a una población o a una muestra. En todo caso el resumen se lleva a cabo para facilitar la formula-
ción de inferencias inductivas por parte de uno o más usuarios los cuales son los exclusivos responsables de sus
respectivas inferencias.

1.5 Problemas
Debido a las características de estos problemas, en esta ocasión no habrá soluciones propuestas.
Queda a su cargo, entonces, su autoevaluación e investigación.

Ejercicio 1. Proponga dos ejemplos de inferencias inductivas y dos ejemplos de inferencias deductivas y comente
sobre la veracidad o falsedad de las conclusiones que se formulan. ( Ayuda: Para inferencias inductiva puede
desarrollar ejemplos a base de pronósticos que formulamos en nuestro comportamiento cotidiano (la hora de
levantarnos; tiempo de estudio), en estudios científicos (encuestas de opinión; estado del tiempo; estimación
de cosecha) o toma de decisiones (apuesta a favor de la ocurrencia de cierto suceso; número de asignaturas
en las cuales se inscribirá en el próximo semestre, etc.) Para inferencias deductivas proceda como se indicó
en “Inferencia Deductiva” y considere propiedades o características generales tales como: los nacidos en Chile
tienen derecho a la nacionalidad chilena; todos los alumnos del Curso asisten regularmente a clase etc.)

Ejercicio 2. Proponga ejemplos de información estadística y no estadística ( Ayuda: información del tiempo; del
valor de la UF; tasa de interés; resultados de competencias deportivas, público que asiste a un espectáculo,
etc.).

Ejercicio 3. Identifique algunas instituciones que lleven registros que puedan dar origen a las llamadas Estadís-
ticas de Educación. Repita el ejercicio para las llamadas Estadísticas de Salud.

Ejercicio 4. Clasifique las variables del Ejemplo (8).

ESTADÍSTICA COMERCIAL, I NGENIERÍA C OMERCIAL (PCE) UAC 5
1 INTRODUCCIÓN
c 2011 HANS SIGRIST
1.5 Problemas 1 DEFINICIONES

Ejercicio 5. Para conocer la opinión de “la ciudadanía”, se consulta telefónicamente a los residentes de la ciudad
capital. Comente los conceptos de Población y Muestra en este caso.

Ejercicio 6. Un estudio considera la variable X (“Opinión”) con los siguientes valores:

“0” si la persona no está a favor de la propuesta;
“1” si la persona está a favor de la propuesta.
¿X es una variable cuantitativa? Justificar la respuesta.

Ejercicio 7. ¿Cuáles son los objetivos de la Estadística; de la Estadística Descriptiva y de la Inferencia Estadística?

Ejercicio 8. ¿Por qué las encuestas por muestreo tienen inevitablemente asociado una posibilidad (margen) de
error? ¿Cuál es el origen de este “margen de error”?

6 I NGENIERÍA C OMERCIAL (PCE) UAC ESTADÍSTICA COMERCIAL,

1 INTRODUCCIÓN
c 2011 HANS SIGRIST
1 DEFINICIONES

R EFERENCIAS
[1] G. R. Douglas Montgomery. Probabilidad y Estadística Aplicadas a la Ingeniería. ISBN 970-101-017-5. McGraw-Hill Publications, 1996.
[2] F. J. Ayres. Matrices. ISBN 968-422-918-6. Serie Schaum, 1992.
[3] L. H. Edwards. Cálculo. ISBN 970-105-710-4. McGraw-Hill Publications, 8th edition, 2005.
[4] J. O. Paul Urban. Mathematics For The International Student (IBO). Haese Harris Publications, 2004.
[5] T. M. Rod Hill. The economics anti-textbook. Fernwood Publishing, 1st edition, 2010.
[6] M. Rosser. Basic Mathematics for Economists. Routledge, second edition, 2003.
[7] J. Stewart. Calculus Concepts and Contexts. Brooks-Cole, second edition, 2002.
[8] K. Sydsæter. Essential Mathematics for Economic Analysis. FT Prentice Hall, 2008.
[9] M. J. Panik. Advanced Statistics from an Elementary Point of View. Elsevier Academic Press, 2005.
[10] D. Bowers. Medical Statistics from Scratch. John Wiley & Sons Ltd, 2008.
[11] P. I. Good. Introduction To Statistics Through Resampling Methods And Microsoft Office Excel. John Wiley & Sons, Inc., 2005.
[12] D. Dunn. Statistics and Data Analysis for Behavioral Sciences. McGraw-Hill Higher Education, 1st edition, 2001.
[13] S. M. Ross. Introduction To Probability And Statistics For Engineers And Scientists. Elsevier Academic Press, 2004.
[14] W. Navidi. Estadística para Ingenieros y Científicos. ISBN 970-10-5629-9. McGraw-Hill Publications, 2006.
[15] J. C. A. J. Susan Milton. Probabilidad y Estadística con Aplicaciones para Ingeniería y Ciencias Computacionales. ISBN 970-10-4308-1.
McGraw-Hill Publications, 4th edition, 2004.
[16] A. L. Webster. Estadística Aplicada a los Negocios y la Economía. ISBN 958-410-072-6. McGraw-Hill Publications, 3th edition, 2000.

ESTADÍSTICA COMERCIAL, I NGENIERÍA C OMERCIAL (PCE) UAC 7

1 INTRODUCCIÓN
c 2011 HANS SIGRIST