Lic.

Freddy Begazo Zegarra

CONCEPTOS BASICOS
ESTADISTICA
Estadstica Es la ciencia de recolectar,
organizar, presentar, analizar e interpretar
datos para ayudar en una toma de decisiones
mas efectiva.
Estadstica Descriptiva Conjunto de
mtodos para organizar, resumir y presentar
los datos de manera informativa.
Estadstica Inferencial Conjunto de
mtodos utilizados para saber algo acerca de
una poblacin, basndose en una muestra


ESTADISTICA
C I E N C I A
H E R R A M I E N T A
T O M A D E D E C I S I O N E S
CAMPOS DE LA ESTADISTICA
ESTADISTICA
DESCRIPTIVA
PROBABILIDADES
M U E S T R E O
Organizar,
representar e
interpretar
informacin
Conocer el riesgo y
calcular las
posibilidades
Disear de un plan
adecuado para
recopilar
informacin
CAMPOS DE LA ESTADISTICA
ESTADISTICA
INFERENCIAL
PRONOSTICOS
Realizar inferencias
(suposiciones)
sobre el resto de la
informacin.
Predice el
comportamiento
futuro de la variable
en funcin a su
comportamiento
pasado.
DEFINICIONES
Poblacin y Muestra
DEFINICIONES
Poblacin: Conjunto de todos los posibles
individuos, objetos o medidas de inters.

Muestra: Una porcin o parte de una poblacin
de inters.
Muestra aleatoria: se selecciona al azar n elementos
de una poblacin.
Muestra representativa: Contiene las caractersticas
relevantes de la poblacin, en las misma proporciones
que estn incluidas en ella.

DEFINICIONES
Unidad Elemental o Estadstica o Unidad de
observacin: Es cada elemento de una
determinada poblacin.
Dato o valor observado: Es el resultado de
medir una caracterstica observable de una
unidad elemental.
Datos: Es el conjunto de valores recolectados
para la variable de cada uno de los elementos
que pertenecen a la poblacin o muestra.
DEFINICIONES
Parmetro: Es el valor numrico que resume
todos los datos de una poblacin completa. Se
utilizan letras griegas para simbolizarlo: ,
Estadstico o estadgrafo: Es la medida de una
muestra; es el valor numrico que resume los
datos de una muestra. Se utilizan letras del
alfabeto espaol para simbolizarlo x, s


VARIABLE ESTADSTICA
DEFINICIONES
Variables
VARIABLES
V. CUALITATIVAS V. CUANTITATIVAS
DISCRETAS CONTINUAS
DEFINICIONES
Variables: Es un elemento de inters que
puede tomar muchos valores diferentes.
DEFINICIONES
Tipos de Variables:
Cualitativas: No numrica y expresa un
atributo.
Cuantitativas: Valores se expresan en
cantidades numricas.
Discretas: Toman cualquier valor entre 2 valores
dados que son enteros.
Continua: Toman valores infinitos entre dos
nmeros.

Escalas o Niveles de Medicin
Escala Nominal: En este nivel las
observaciones solamente pueden
clasificarse o contarse.
Las categoras de datos son mutuamente
excluyentes y exhaustivas.
Las categoras de datos no cuentan con
un orden lgico.

Escalas o Niveles de Medicin
Escala Ordinal:.
Las categoras de datos son
mutuamente excluyentes y
exhaustivas.
Las categoras de datos se clasifican
u ordenan de acuerdo con las
caractersticas particulares que
poseen.

Escalas o Niveles de Medicin
Escala de Intervalo:.
Las categoras de datos son
mutuamente excluyentes y
exhaustivas.
Las categoras se clasifican de
acuerdo con la cantidad de la
caractersticas que poseen.
Tiene un cero relativo, este cero no
significa una ausencia de la
propiedad que se observa.

Escalas o Niveles de Medicin
Escala de Razn o Cociente:
Las categoras de datos son
mutuamente excluyentes y
exhaustivas.
Las categoras se clasifican de
acuerdo con la cantidad de la
caractersticas que poseen.
El cero representa una ausencia de
la caracterstica.

DEFINICIONES
Datos No Agrupados y Agrupados
Datos
Agrupados
Datos No Agrupados
DEFINICIONES
Datos no agrupados: Datos que no
se han organizado y menores a 30
elementos que se trabajan como datos
simples.
Datos agrupados: Datos iguales o
mayores a 30 elementos que se
organizan en tablas de distribucin de
frecuencias.
DISTRIBUCIONES DE
PROBABILIDAD
DISTRIBUCIONES DE
PROBABILIDAD ESPECIFICAS
Se clasifican en dos tipos:
Distribuciones de Probabilidad para
Variables Discretas:
Distribucin Binomial
Distribucin de Poisson
Distribucion de Probabilidad para
Variables Continuas:
Distribucin Normal

DISTRIBUCION DE PROB.
DISCRETA: BINOMIAL
CARACTERISTICAS:
Solo tiene dos resultados (verdadero falso/
si no/ defectuoso no defectuoso/ empleado
desempleado).
Los resultados son mutuamente
excluyentes.
La variable aleatoria es resultado de conteos.
Un ensayo es independiente de otro y las
probabilidades se mantienen constantes.
DISTRIBUCION DE PROB.
DISCRETA: BINOMIAL
ELEMENTOS:
n = es el nmero de ensayos.
x = es el nmero de xitos
p = es la probabilidad de xitos.
q = es la probabilidad de fracasos.
p =x/n
p + q = 1
DISTRIBUCION DE PROB.
DISCRETA: BINOMIAL
Valor Esperado y Desviacin estndar:


Donde:
n = nmero de ensayos
p = probabilidad de xito
q = probabilidad de fracaso.
DISTRIBUCION DE PROB.
DISCRETA: POISSON
Propiedades:
Los eventos suceden uno cada vez. No hay
dos eventos que sucedan al mismo tiempo
La ocurrencia de un evento de inters en un
periodo dado es independiente de su
ocurrencia en otro periodo con el que no se
superponga, es decir la ocurrencia (no
ocurrencia) de un evento durante un periodo
no cambia la probabilidad de que el evento
ocurra en algn periodo de tiempo posterior.
El nmero esperado de eventos en un
periodo permanece constante.
DISTRIBUCION DE PROB.
DISCRETA: POISSON
CARACTERISTICAS:

Se tiene un promedio (lambda) de las
veces que ocurre un evento durante una
unidad de tiempo o una unidad de rea o
unidad de volumen (o peso, distancia o
cualquier otra unidad)
La probabilidad de que un evento ocurra es
una unidad cualquiera es la misma para
todas.

DISTRIBUCION DE PROB. DISCRETA:

POISSON
Elementos:

= Nmero medio de presentaciones
por intervalo de tiempo
y = es el nmero de ocurrencias
favorables

DISTRIBUCION DE PROB. DISCRETA:
POISSON

Valor Esperado y Desviacin estandar:


.
DISTRIBUCION DE PROB.
CONTINUA: NORMAL
Caractersticas:
Se le conoce como Campana de Gauss.
Se aproxima al comportamiento de medidas
naturales y fsicas (pesos, alturas, costos, vida
til, produccin, etc)
Tiene forma de campana y es simtrica.
Probabilidad es el rea bajo la curva.
Se tiene familia de curvas.
DISTRIBUCION DE PROB.
CONTINUA: NORMAL
m

f(y)
y
DISTRIBUCION DE PROB. CONTINUA:
NORMAL
Elementos:
= es la media de la distribucin.
= es la desviacin estndar de la
distribucin.
Media, mediana y moda coinciden en
su valor.
El rea bajo la curva vale 1.
m

DISTRIBUCION DE PROB.
CONTINUA: NORMAL ESTNDAR
Caractersticas :
Es una distribucin de una variable
aleatoria continua con forma de
campana.
Tiene una media igual a cero y una
desviacin estndar igual a 1.


DISTRIBUCION DE PROB.
CONTINUA: NORMAL
Elementos :
Z = el nmero de desviaciones estndar
tomadas a partir de la media.

x
z
TEORIA DE MUESTREO
DEFINICIONES
Es el procedimiento mediante el cual se
extraen algunos elementos de una
poblacin y slo de esa parte de la
poblacin se obtiene informacin de
seguridad mesurable, para a travs de
ella estimar las caractersticas
importantes de la poblacin.

DEFINICIONES
MUESTRA : CARACTERISTICAS
Representativa: Refleja las caractersticas
fundamentales de la poblacin.
Significativa: Tenga un error de muestreo
aceptable.
Adecuada: Contenga una cantidad de
elementos suficientes como para describir las
caractersticas relevantes de la poblacin.

DEFINICIONES
Muestreo con reposicin:


Muestreo sin reposicin

DEFINICIONES
POBLACION INFINITA, si est formada
por un nmero infinito de elementos. Los
muestreos son sin reposicin.

POBLACION FINITA, poblacin con
finitos elementos y los muestreos son:
Por lo general con reposicin.
Puede ser muestreos sin reposicin siempre y
cuando el tamao de las muestras respecto al
tamao de la poblacin sea muy pequea.

DEFINICIONES
TIPOS DE MUESTREO:
Muestreo No Probabilstico:
M. subjetivo (juicio, criterio, seleccin o
intencional).
M. sin norma (conveniencia o circunstancial)
M. por cuota
Muestreo Probabilstico:
M. Aleatorio Simple
M. Sistemtico.
M. Estratificado
M. Conglomerados


MUESTREOS NO
PROBABILISTICOS
No todos los integrantes de la
poblacin tienen la posibilidad de
ser incluidos en la muestra. En
estos casos los resultados pueden
ser sesgados, lo que significa que
los resultados de la muestra no
son representativos de la
poblacin

MUESTREOS NO
PROBABILISTICOS
M. subjetivo (juicio, criterio, seleccin o intencional):
proceso de seleccin de elementos de la muestra
basado en la experiencia personal del investigador.

M. sin norma (conveniencia o circunstancial):la
muestra se toma por razones de comodidad,
circunstancia o capricho.

M. por cuota, Se recoge grupos de datos en un
nmero proporcional al que se cumple en la poblacin y
puede elegir a su criterio dentro de cada grupo.

MUESTREOS PROBABILISTICOS
Muestra probabilstica, se selecciona
de modo que cada integrante de la
poblacin tenga una probabilidad
conocida de ser incluida en la
muestra.
Cada integrante de la poblacin
tiene la posibilidad de ser
seleccionado.
El objetivo es permitir que el azar
determine los integrantes que se
incluirn en la muestra.


MUESTREOS PROBABILISTICOS
Aleatorio Simple, Muestra seleccionada de manera que
cada integrante de la poblacin tenga la misma
oportunidad de quedar incluida Ej. Tabla # aleatoria

Sistemtico, los elementos de la poblacin se ordenan
bajo un criterio, se selecciona al azar un punto de
partida y se elijen los elementos cada k-simo trmino.

Estratificado, La poblacin se divide en subgrupos,
denominados estratos y se selecciona una muestra de
cada uno.

Conglomerados, usado para muestrear poblacin
dispersa en un rea geogrfica dividida en unidades
primarias.
MUESTREOS
PROBABILISTICOS
ALEATORIO SIMPLE, Es el
procedimiento de seleccionar muestras en
el que al seleccionar en forma aleatoria y
sin reemplazo a n unidades de
muestreo de una poblacin que contiene
un total de N unidades, se garantiza que
cada una de las muestras posibles tiene
la misma probabilidad de ser elegida.
MUESTREOS
PROBABILISTICOS
Pasos a seguir para seleccionar una
muestra Aleatoria Simple:
1. Se enumeran las unidades del marco
muestral con nmeros sucesivos.
2. Con un generador de nmeros aleatorios, se
seleccionan tantos elementos del marco
muestral como sea el tamao requerido de la
muestra.
MUESTREOS
PROBABILISTICOS
MUESTREO ESTRATIFICADO, significa
dividir a la poblacin en varias partes de
acuerdo a ciertas caractersticas de sus
elementos. El objetivo de estratificar la
poblacin es buscar homogeneidad entre
los estratos, a fin de reducir el error
estndar de los estimadores y se
selecciona una muestra de cada uno.

MUESTREOS
PROBABILISTICOS
Pasos a seguir para seleccionar una
muestra Estratificada:
1. Se divide a la poblacin en estratos que
sean mutuamente excluyentes y
colectivamente exhaustivos. Esto es,
que incluyan a todos los elementos de
la poblacin y que cada elemento
pertenezca solamente a un estrato.
2. Para cada uno de los estratos, se
seleccionan muestras aleatorias
simples.


MUESTREOS
PROBABILISTICOS
Recomendaciones para el uso de
muestras Estratificadas:
Si se tiene que usar ms de una variable para
formar los estratos, cuidar que estas no estn
relacionadas entre s.
No se deben considerar la formacin de
muchos estratos, generalmente se usan entre
3 y 8.
Los estratos pequeos no contribuyen mucho a
la reduccin del error, por lo tanto pueden no
ser considerados.

MUESTREOS
PROBABILISTICOS
MUESTREO SISTEMATICO, se debe
elegir un elemento del marco muestral
cada cierto intervalo. Los elementos de la
poblacin se ordenan bajo un criterio, se
selecciona al azar un punto de partida y
se elijen los elementos cada k-simo
trmino.
Este muestreo supone que se cuenta con
una enumeracin completa de los
elementos de la poblacin.
MUESTREOS
PROBABILISTICOS
Pasos a seguir para seleccionar una
muestra Sistemtica
1. Seleccionar aleatoriamente un
nmero entero entre 1 y k, llamado
arranque aleatorio (A)
2. A partir de este nmero elegido
seleccionar el siguiente que ocupa la
posicin A + K del listado del marco
muestral, y as sucesivamente hasta
completar la muestra necesaria.

MUESTREOS
PROBABILISTICOS
MUESTREO POR
CONGLOMERADOS, Usado para
muestrear poblacin dispersa en un
rea geogrfica dividida en unidades
primarias. Se selecciona una muestra
aleatoria de conglomerados y el
anlisis se realizar considerado
todas las unidades de anlisis que
conforman dichos conglomerados
elegidos.
DISTRIBUCIONES
MUESTRALES
DISTRIBUCIONES MUESTRALES
Una distribucin muestral incluye todos los valores
posibles que puede tomar un estadstico, como una
media muestral para un tamao de muestra dado.
El error estndar es la diferencia entre un estadstico
muestral y su parmetro poblacional.
Error estndar de la distribucin de las medias
de las muestras mide el grado hasta el que se espera
varen las medias de las diferentes muestras debido a
un error fortuito cometido en el proceso de muestreo.


DISTRIBUCIONES MUESTRALES
m m
x

Propiedades de la Distribucin Muestral de las Medias:
La media de la distribucin muestral es igual a la media de la
poblacin.


La desviacin estndar de la distribucin muestral de las
medias denominado error estndar es igual a la desviacin
de la poblacin dividida entre la raz del tamao de la
muestra.



La distribucin del tamao de las medias es
aproximadamente normal para tamaos de muestras
grandes (mayores o iguales a 30).
n
x

DISTRIBUCIONES MUESTRALES
Propiedades de la Distribucin Muestral de las
Proporciones:
La proporcin de la distribucin muestral es igual a la
proporcin de la poblacin.


La desviacin estndar de la distribucin muestral de las
proporciones denominado error estndar es igual a la raz del
cociente del producto de p y q dividido entre el tamao de
la muestra.


La distribucin del tamao de las medias es
aproximadamente normal para tamaos de muestras
grandes (mayores o iguales a 30).
P p
x

n
pq
p

TEOREMA DEL LIMITE CENTRAL
Establece que si se selecciona una muestra
aleatoria suficientemente grande, de n
observaciones, de una poblacin, la
distribucin muestral de las medias de las
muestras sea aproximar a un distribucin
normal. Cuanto mas grande sea el tamao de
la muestra n, mejor ser la aproximacin
normal a la distribucin muestral de las
medias de las muestras.