Teoría estadística:

I Parte
1. ¿Qué es estadística? Es la ciencia o herramienta que me ayuda a conocer la realidad.
2. Sumatoria: operando matemático que permite representar suma de mucho sumandos o incluso
infinitos sumandos, se expresa con (∑)
3. Variable: La variable es una característica o propiedad que representa un conjunto de valores.
3.1. V. Cuantitativas: son de contenido numérico
3.2. V. Cualitativas: no son de contenido numérico
4. Valores de variable: es conjunto de valores que la variable es capaz de recibir, puede estar definidos
dentro de un rango.
5. Tabla de frecuencia: una forma de procesamiento de la información, procesamos a información
como datos cuantitativos y cualitativos.
6. Histograma: Esta es otra herramienta que involucra la tabla de frecuencias, es un gráfico llamado
diagrama de barras que sigue un procedimiento.
7. Amplitud: es la diferencia entre el límite superior e inferior.
8. Límites: son los valores extremos de cada clase.
9. Marca de clase: es la semisuma de los límites inferior y superior, me sirve para las medidas de
posición.
10. Medidas de posición: media, mediana y moda.
10.1. Media: es igual a la suma de una cantidad de números dividida entre el número de sumando,
es una medida de posición central.
10.2. Mediana: es el valor del elemento del centro (si es par, la semisuma de los 2 términos
centrales. Si es impar, la mediana es el número central) o la medida de los valores de los dos
elementos del centro.
10.3. Moda: es el valor de variable que aparece el mayor número de veces.
11. Medias de dispersión: simple y sin negativos.
11.1. Dispersión: es el grado de distanciamiento de un conjunto de valores respecto del valor del
centro.
11.2. Dispersión simple: se resta con la media.
11.3. Dispersión sin negativos: se eleva al cuadrado.
11.4. Indicador de dispersión: amplitud de los rangos o datos.
12. Varianza o distanciamiento promedio: esta medida nos permite identificar la diferencia promedio
que hay entre cada uno de los valores respecto a su punto central. Mide la dispersión de los datos
respecto a la media aritmética (promedio).
13. Desviación estándar: es el resultado de la obtención de la raíz cuadrada del resultado de la varianza.
14. Amplitud de los rangos o datos: es un indicador de dispersión, las mejores medidas de dispersión
son la varianza y la desviación estándar.
15. Muestrear: consiste en seleccionar aquellos elementos del universo que van a construir una
muestra.
16. Inferencia: todo aquel resultado que obtengo en mi muestra, es el resultado que se da en la
población.
17. Población: es el conjunto de datos o elementos de la cual se desea obtener información, también
conocida como universo.
18. Error muestral o de estimación: es el error a causa de observar una muestra en lugar de la población
completa.
19. Muestra sesgada: en una muestra no representativa y por tanto no válida para proyecciones de
resultados.
20. Marco de muestreo: soporte que se utilizará para seleccionar la muestra, contiene la lista de
unidades de muestreo.
21. Planificación de investigación: diseño (objeto de estudio), recogida de datos, obtención de
resultados, interpretación y análisis (conclusiones)
22. Requisitos de una buena muestra: unidad de observación, población objetivo, muestra, población
muestreada, unidad de muestreo, marco de muestreo
22.1. Unidad de observación: es el objeto sobre el cual se realiza una medición, esta es la unidad
básica de observación a veces llamada elemento.
22.2. Población objetivo: es la colección completa de observaciones que deseamos estudiar.
22.3. Muestra: es un subconjunto de una población.
22.4. Población muestreada: es la población de donde se extrae la muestra.
22.5. Unidad de muestreo: es la unidad donde realizamos la muestra.
22.6. Marco de muestreo: es la lista de las unidades de muestreo.
23. Dos tipos de sesgo: de selección y de medición.
23.1. Sesgo de selección: este ocurre cuando alguna parte de la población objetivo no está en la
población muestreada.
23.2. Sesgo de medición: ocurre cuando el instrumento con el que se mide tiene una tendencia a
diferir del calor verdadero en alguna dirección, debe ser considerado y minimizado en la etapa
de diseño de la encuesta.
24. Diseño de cuestionario: se decide lo que se quiere descubrir y este es el paso más importante para
redactar un cuestionario. Siempre verifique sus preguntas antes de realizar la encuesta.
25. Elemento: es el objeto o la unidad objetiva a la cual se le hará una medición.
26. Universo: también conocido como población, es de donde obtengo mi muestra.
27. Muestra representativa: es la muestra con los requisitos necesarios y correctos para llevarles a la
población.
28. Aleatoriedad: es el criterio de selección en el muestreo probabilístico, se le conoce también como
azar.
29. Censo: es e estadístico que llega a abordar el 100% de la población.
30. Muestra: es el subconjunto de una población.
31. Estrato: división de la población, un estrato puede ser el nivel socioeconómico o educativo.
II Parte
1. Inferencia estadística: estimador: es el estadístico muestral usado para estimar un parámetro de
población. Puede ser puntual o por intervalo.
2. Parámetro: valores de la población. P
3. Requisitos que debe tener un estimador puntual:
3.1. Insesgado: es decir que tenga un sesgo nulo, no significa que no tenga error de estimación, la
media aritmética de la muestra es el estimador insesgado de ll la media poblacional.
3.2. Consistente: un estimador es consistente cuando al aumentar el tamaño de la muestra el valor
del estimador se acerca al parámetro de población. No siempre conviene aumentar el tamaño
de la muestra.
4. Grado de confianza: es la probabilidad a priori de que el intervalo de confianza a calcular contenga el
verdadero valor del parámetro.
5. Error: es el valor que indica cuanto se ha acercado mi estimador al parámetro de población.
6. Significado de “q”: “q” es la proporción complementaria a 100% de la característica objeto de
análisis en el universo o en la muestra.
7. Métodos probabilísticos:
7.1. Características: elección de los elementos al azar, todos los componentes del universo tiene la
probabilidad de ser elegidos, es posible estimar el error muestral cometido. Sus resultados
pueden inferirse al resultado o población con un determinado error muestral. Su coste
económico es superior a los no probabilísticos.
7.2. Aleatorio simple: se necesita un listado ordenado de todos los elementos, la muestra se
selecciona mediante las tablas de números aleatorios, todos los elementos tienen la misma
probabilidad de ser elegidos. La población debe ser homogénea en cuanto a la característica y
ser pequeña. Suele utilizarse como referencia para el cálculo de tamaño y error muestral, es el
método menos preciso donde hay mayor error. Se aplica en auditorias de inventarios.
 7.3. Aleatorio sistemático: únicamente se elige al azar el primer elemento, el resto de elementos se
selecciona sumándole una determinada cantidad al elemento anterior (se llama coeficiente de
elevación, que es el número de elementos del universo representado por cada unidad muestral).
Se necesita conocer todos los elementos de la población y listarlos. Aplicación: en control de
calidad de la industria y en encuestas telefónicas.
7.4. Aleatorio estratificado: es el método más usado de la investigación social, población agrupada
en estratos (clase social). Se selecciona una submuestra en cada estrato, la muestra final está
formada por todas las submuestras, la fiabilidad de la elección de la submuestra depende del
método de la afijación. Aplicación: en investigaciones de auditorías de tv.
Proceso de afijación: simple, promocional y óptimo.
- Simple: cada estrato tiene el mismo número de elementos, da la misma importancia a todos
los estratos en cuanto al tamaño de la muestra.
- Proporcional: es el más utilizado, el número de elementos en cada estrato es directamente
proporcional a su tamaño.
- Optimo: número de estratos, tamaño de estratos y distribución estándar.
7.5. Aleatorio conglomerado: se divide el universo en grupos o sea conglomerados. La unidad de
estudio es el conglomerado, puede ser conformado por elementos o unidades de muestreo,
cuando dentro de cada conglomerado se extraen los individuos que forman parte de la muestra.
Conglomerado es como si fuese una sub-población. Es un método rápido y de menos costo, el
error estándar es mayor que en el muestreo simple o estratificado. El cálculo del error estándar
es complejo. Se utiliza un estudio que abarque amplias zonas geográficas, los conglomerados
son homogéneos entre sí pero en cada conglomerado ocurre que los elementos son
heterogéneos.
- Inconvenientes: deficiencia: sesgos y no respuestas a las encuestas.
8. Métodos no probabilísticos: la elección de los elementos no es aleatorio se escogen a juicio del
investigador, las muestras son sesgadas, no se puede calcular el error muestral. Los resultados no se
pueden inferir en la población y son económicos.
8.1. Tipos:
- Opináticos: arbitrio del consumidor.
- De cuotas: es un método no probabilísticos y por lo tanto, no aleatorio, que no da una
prueba representativa de la población. Se conocen las características de la población y se
llevan a la muestra. NO se puede determinar el error de estimación y se aplica para mkt.
- Bola de nieve
- Accidental.