Estadística aplicada a la Universidad Nacional Mayor de San Educación Marcos

Facultad de Educación Mg. Jessica G. Zavaleta M.

Introducción
Estadística
 J. Neyman(1977: 58) «Estadistica

trata de problemas relativos a las caracteristicas operatorias de las reglas de comportamiento inductivo basado en experimentos aleatorios»  H. Crammer (1985:46) afirma que «el principal objeto de la teoría estadística consiste en la investigación de la posibilidad de obtener inferencias válidas a partir de datos estadisticos y en la construcción de metodos para

Estadística
 Es

un método científico por medio del cual podemos recolectar, organizar, presentar y analizar datos numéricos relativos a un conjunto de individuos u observaciones que nos permiten extraer conclusiones válidas y efectuar decisiones basadas en dichos análisis.

Historia de la Estadistica
 Se

pueden distinguir tres etapas:
hasta el siglo XV)

 Censos y empadronamientos (abarca

 De la descripción de poblaciones , a la

aritmética política ( desde el siglo XVI hasta el siglo XVIII)

 Teoría estadística y el cálculo de

probabilidades (desde el siglo XIX hasta la actualidad)

Conceptos básicos .

organismos. es el conjunto sobre el que recae la investigación y de cuyos elementos obtendremos datos de sus características o atributos. Toda población debe delimitarse temporal     .) que contienen una o más características o atributos comunes observables. etc. acerca del cual deseamos obtener conclusiones o tomar decisiones. plantas.Población  Conjunto de elementos (personas. Para la investigación. objetos.

los docentes de la UGEL 05  Todos   Todos los estudiantes de una institución educativa. .Ejemplos de población  Todos  los empleados del sector público .

Censo  Implica la recolección de datos de toda la población bajo investigación. Son costosos y sus resultados son la base para investigaciones mas especificas.   Un  . censo se realiza generalmente por política de estado.

Muestra  Subconjunto de la población seleccionada de acuerdo a una planificación previa. muestra debe ser representativa de la población y esto significa que debe ser de tamaño adecuado y que tenga las mismas propiedades de la población.   La  .

se le llama unidad de observación si los datos han sido recolectado mediante la observación y se le llama unidad experimental si los datos han sido recolectados a través de la   También .Unidad Estadística  Objeto elemental o elemento invisible sobre la base del cual se obtienen los datos.

 Son exactos. es un antecedente para llegar al conocimiento exacto de un hecho.Dato  Según el diccionario de la Lengua Española.  Es una magnitud o caracterización de algo. no cambian una vez obtenidos. . Cuando se les procesa y presenta en un contexto apropiado pueden generar entendimiento.

Información  Es la reseña. lectura o instrucción.   . representación o concepción derivada de la observación.

15 años de edad  Variable: «profesión» y los valores a . o atributo que posee la   Puede  tomar diferentes valores o expresados en varias categorias  Ejemplo:  Variable : «edades» de los alumnos de una institucion educativa y los valores de la variable serian: 13.Variable  Caracteristica poblacion. 14.

Escalas de medición de una variable .

Ejemplos:          Sexo Estado civil Deporte que práctica Religión Lugar de nacimiento.  . Distribuye a la unidad de análisis en dos o más categorías.Escala Nominal  Son las variables que establecen la distinción de los elementos en diversas categorías. sin implicar algún orden entre ellas.

están referidas a un orden o jerarquía.  .Escala Ordinal  Variables que implican orden entre ellas.   Ejemplos:  Grado de instrucción  Clases sociales  Grado de simpatía  Rango de agresividad. donde las categorías expresan una posición de orden.

solo sirve como punto o valor de comparación. pero no tienen un origen natural. Ejemplos:          Coeficiente de inteligencia Temperatura Puntuación obtenida en una escuela. Presión arterial. Rendimiento escolar.Escala Intervalar  Suponen orden y grado de distancia iguales entre las diversas categorías. La unidad de medida no necesariamente tiene que partir del valor cero. sino convencional. .

Es de origen natural único. ( la unidad de medida necesariamente tiene que partir del valor cero) Ejemplos:         Edad Peso Ingresos Número de hijos Accidentes de tránsito. distinción. el valor se expresa con un número real.Escala de Razón   Comprenden a la vez a todos los casos anteriores. . distancia. orden.

Clasificación de las variables .

Variable Cualitativa o Categórica o De atributos  Si  la variable expresa mediante una característica. cualidad o atributo. mide mediante escala nominal u ordinal  Se   Ejemplos:  Lugar de Nacimiento  Estado civil  Religión .

. miden mediante escala intervalar o de razón ser de dos clases: discretas y continuas  Se   Pueden   Ejemplos:  Número de carpetas de un aula  Las estaturas de los estudiantes de una institución educativa.Variables Cuantitativas o Numéricas  Es  cuando esta asociado a un valor numérico.

 Ejemplos  Número de alumnos por sección  Número de libros en la biblioteca de Educación  Número de registros por docente .Variables Cuantitativas Discretas  Sus  valores se expresan en números enteros.

56 m. S/.50 . 1235.25 kg. etc  Las tallas de los alumnos: 1.5 kg. 56.Variables Cuantitativas Continuas  Sus  valores pueden expresarse mediante números reales  Ejemplos:  Los pesos de los niños: 48.78. .62 m . 625. etc. etc  Los haberes mensuales de los docentes S/. 1.

clase de variable. dato . variable..  «En una institución educativa se    Averiguar : Población. muestra.Practiquemos ….  En el siguiente enunciado: aplicó una encuesta a 70 alumnos para averiguar el número de hermanos que tiene cada uno».

Solución .

Clasificación de la Estadística .

Estadística Descriptiva .

Condensan datos obtenidos. gráficos es una representacion visual de la totalidad de datos.   Los .Tablas y Gráficos de Frecuencia  Tabla de frecuencia o distribucion de frecuencia. Presenta datos recolectados donde se puede observar las diferencias para los posibles valores de las variables o niveles o categorias.

que presentan la distribución de un conjunto de elementos de acuerdo a las categorías de una variable. Relativa .  Las tablas presentan diversos tipos de frecuencia (Absoluta simple.Tablas de Frecuencia o Distribución  Son tablas de trabajo estadístico. Relativa simple. que se obtienen después de realizar la operación de tabulación.  En ella se observa la frecuencia o repetición de cada uno de los valores de la variable. Absoluta acumulada.

10 0.80 1.5 37.5 27.5  .5 32.5 42.24 0.20 1.5 17.16 0.Ejemplo  Cuadro N° 1 fi Fi 8 20 22 25 35 40 50 hi 0.16 0.50 0.00 Hi 0.70 0.00 8 12 2 3 10 5 10 50 Edades [10 – 15> [15 – 20> [20 – 25> [25 – 30> [30 – 35> [35 – 40> [40 – 45> 12.5 22.20 0.44 0.40 0.04 0 0.

 Se llama frecuencia absoluta de un valor de variable.  .Frecuencia absoluta (fi). al número de veces que se repite dicho valor en el conjunto de datos.

Frecuencia absoluta acumulada (Fi).  .  Es la suma de las frecuencias relativas correspondientes a los datos menores e iguales al dato en referencia.

.Frecuencia Relativa (hi).

.Frecuencia Relativa Acumulada (Hi).

1.3.0.2.1.5.1.Practiquemos  El      3.2.2.2.3.2.1.3.2.2.4.0. número de hijos por familia de un grupo de docentes de inglés de la UGEL 02 es como sigue:   Elaborar  una tabla de frecuencias e interpretar las frecuencias empleando el  Graficar .3.

967 1.167 0.100 0.267 0.633 0.900 0. 37% tienen 02 hijos .033 1.367 0.100 0.267 0. Número de hijos Frecuencia (fi) Frecuencia Absoluta Acumulada (Fi) Frecuencia Relativa (hi) Frecuencia Relativa Acumulada (Hi) Frecuencia Porcentual (hi *100) 0 1 2 3 4 5 3 5 11 8 2 1 30 3 8 19 27 29 30 0.000 10% 17% 37% 27% 7% 3% Interpretación : La mayoría de docentes de inglés de la UGEL 02 .067 0.Distribución de número de hijos de los docentes de inglés de la UGEL 02.000 0.

Gráfico 1.1: Distribución de número de hijos de los docentes de inglés de la UGEL 02 .

Medidas de Resumen para datos de una variable cuantitativa .

a una serie de datos y además describe en forma resumida al conjunto de observaciones. existen además los cuartíles.     . percentiles. describen la posición que ocupa una distribución de frecuencias respecto a un solo valor de la variable.Medidas de Posición o Medidas de Tendencia Central  También se les conoce como estadígrafos de posición. Representan en un solo valor. la mediana y la moda. Los de uso más frecuente son la media. es decir. su propósito es de obtener valores que representen dicho punto central o centro de gravedad de los datos. etc. deciles.

.

se n u ti i : l za .Pa ra d a to s si a g ru p a r .

.

Propiedades de la Media Aritmética .

Ejemplo 1 .

Ejemplo 2 .

Mediana (Me)  Es el valor que divide al total de las observaciones. previamente ordenadas o tabuladas.  . en donde cada una de las partes contiene el mismo número de elementos. en dos partes de igual tamaño.

Mediana (Me) .

Mediana (Me) .

25. 30. 40.Ejemplo 1  Dado  las edades de 7 profesores 27. 26. 30. 24.     2º Ubicamos el valor central: Me = 27  INTERPRETACIÓN  El 50% inferior de los profesores tiene edades iguales o menores que 27 y el otro 50% superior tiene edades iguales o mayores a 27 años. Halla la mediana e interpreta.   Solución: 1º Ordenamos los datos en forma ascendente: 24. 35. . 25. 27. 35. 40 años. 26.

Ejemplo 2 .

     También puede suceder que la distribución no tenga moda.  . en este caso se dice que la distribución es amodal.Moda (Mo)  La moda es el valor que se repite con más frecuencia absoluta en un conjunto de datos de una variable.

Moda (Mo) – Características .

14. 10. 15. 13. 11. 13.  . 10. 15. es decir. es decir. 13. 15 tiene dos modas el 13 y el 15. es bimodal. EJEMPLO 3  El conjunto de valores 5. 15. 24. Mo = 9 ( es unimodal)   EJEMPLO 2  El conjunto de valores 12. 8.Ejemplos  EJEMPLO 1  El conjunto de valores 2. 11 tiene una moda igual a 9 ▪ Es decir. 2. es amodal.     14. 9. 9. 7. 7. 13. 9. 31. 35 no tiene moda. 9. 14. 5.

Percentiles  Los cuartíles. usan frecuentemente para describir el comportamiento de una población. Los valores se expresan en forma porcentual   Se . deciles y percentiles son estadígrafos de posición que dividen al total de datos. Deciles . previamente ordenados o tabulados. en proporciones.Cuartiles.

Cuartiles ( Qk )  Son estadígrafos que dividen al total de la información previamente ordenados (en forma ascendente o descendente) o tabulados en cuatro partes iguales.  .

 .Deciles ( Dk )  Son estadígrafos que dividen al total de la información previamente ordenados (en forma ascendente o descendente) o tabulados en diez partes iguales.

Percentiles ( Pk )  Son estadígrafos que dividen al total de la información previamente ordenados (en forma ascendente o descendente) o tabulados en cien partes iguales.  .

Percentiles ( Pk ) .

de comparar dos o más conjuntos de datos. que generalmente es la media .Medidas de Dispersión  Las medidas de dispersión con respecto al centro tienen una finalidad de ampliar la descripción de los datos. Estas medidas de dispersión son números que miden el grado de separación de los datos con respecto a un valor central.

Clasificación de las Medidas de Dispersión .

Rango o Amplitud (R) .

50. Es decir es una muestra homogénea. S/424 y S/ 423.50.50 R=1  Interpretación  Los datos tienen un rango o amplitud igual a 1.Ejemplo 1  El ingreso mensual de 4 profesores de estadística. S/ 424.50 – 423. . R=X      Solución:  M áxim o –X m o ínim R = 424. contratados en un colegio particular son S/424.

S/424 y S/ 475 Solución: R = X Máximo – X  R = 475 . Es decir es una muestra dispersa.  . S/ 373.Ejemplo 2  El ingreso mensual de 4 profesores de estadística.373  R = 102    m o ínim   Interpretación  Los datos tienen una amplitud igual a 102. contratados en un colegio estatal son S/424.

Varianza ( S2) .

pero elevadas al . Esto sucede sobretodo cuando la media aritmética está afectada por valores extremos.  La varianza se expresa en las mismas unidades de la variable analizada.Varianza ( S2)  Cuanto mayor sea la varianza de una variable mayor dispersión existirá y por tanto menor representatividad tendrá la media aritmética.

Características de la varianza .

Ejemplo 1 .

Ejemplo 1 .

Ejemplo 2 .

Desviación Estándar ( S ) .

Ejemplo 1 .

Rango intercuartílico ( IQR )
define como la diferencia que existe entre los cuartíles Q3 y Q1, por lo tanto es el intervalo que contiene el 50% central de los datos.  IQR = Q3 – Q1  Se usa como medida de dispersión cuando se ha empleado la mediana como medida de posición.
  Se

Ejemplo 1
 El

 MAÑANA 12.3 22.7 NOCHE 15.6 21.6     Calcula el rango intercuartílico

curso de estadística se dicta en 2 grupos, se desea determinar la dispersión del rendimiento en este curso a partir de la siguiente información: Q1 TURNO Q3

ambos turnos e interpreta.

para

Solución del ejemplo 1

Turno Mañana:
  

1º IQRM = Q3 – Q1 2º IQRM = 22.7 – 12.3 3º IQRM = 10.4

Turno Noche:
   

Interpretación

1º IQRN = Q3 – Q1 2º IQRN = 21.6 – 15.6 3º IQRN = 6  

 El grupo que tiene rendimiento más

homogéneo con respecto a la mediana es el turno de la noche por tener menor rango intercuartílico.

Coeficiente de variación

Características del coeficiente de variación .

Ejemplo 1  Las Alumno  1 12 16 12 11 10 14 10 10 Alumno 2  11 12 15 10 16 16 15 16    ¿Quién rinde en forma mas Obs calificaciones de la primera unidad del curso de Literatura Inglesa de dos alumnos es como sigue : 3 4 5 6 7 8 9 10 1 2 15 16 12 16 heterogénea? .

Solución .

Solución .

respecto a su media .Interpretación del ejemplo 1  Se observa que el CV del alumno 2 es menor que el alumno 1. por tanto es más homogeneo o menos disperso.

Medida de Forma  Permite tener una idea de la forma de la distribucion de una variable cuantitativa .