Captulo 1: Conceptos Generales

CAPTULO 1
CONCEPTOS GENERALES
1.1 Definicin de Estadstica
Utilizar el trmino estadstica es bastante comn. Podemos escucharlo en la radio, la
televisin, o leerlo en peridicos o revistas con bastante frecuencia. Con seguridad hemos
ledo frases como: las estadsticas nos muestran que el pueblo estadounidense, en general,
est contento con el gobierno de Bill Clinton, o bien, segn las estadsticas, el porcentaje de
nios con desnutricin crnica en ciertas comunidades rurales de Mxico es de
aproximadamente el sesenta por ciento.
Y as, en general, podemos leer o escuchar
informacin semejante acerca de la economa, los deportes, la poblacin, etctera.
Usualmente el trmino estadstica es utilizado simplemente para referirse a datos numricos y
no queda claro que la Estadstica puede ser aplicada en muchas reas de la actividad
humana, como las ciencias sociales, fsicas y naturales, y en muchos otros campos.
Si nos referimos a libros sobre la materia, o bien a diccionarios, buscando la definicin de
Estadstica, encontraremos que sta es muy similar en todos ellos. As, por ejemplo, podemos
encontrar:
Estadstica. Es un campo de estudio que se ocupa de la recoleccin, organizacin y
resumen de datos. Nos permite hacer inferencias acerca de un gran conjunto de datos cuando
slo se ha estudiado una parte de ese conjunto.
Estadstica. Se ocupa del desarrollo y aplicacin de procesos, mtodos y tcnicas para
coleccionar, analizar e interpretar datos. Nos ayuda tambin en la toma de decisiones.
Estadstica.

Es la ciencia de recolectar, clasificar, presentar e interpretar datos.

Si analizamos las definiciones anteriores y otras ms que podamos encontrar, veremos

que nos muestran una vista panormica de lo que es la Estadstica: simplemente la ciencia (o
arte) de obtener informacin a partir de un conjunto de datos.
Para hacer una distincin entre la enseanza tradicional de la estadstica y la prctica
contempornea, es de gran ayuda dividir esta ciencia de los datos en tres grandes reas:
Anlisis de datos.
Produccin de datos.
Inferencia de los datos.
El anlisis de datos es lo que tradicionalmente conocemos como estadstica descriptiva,
y aquello en lo que la mayora de la gente piensa cuando escucha el trmino estadstica, es
decir el estudio de los mtodos para organizar, resumir y presentar datos. La produccin de
datos es importante pues el diseo del proceso de obtencin de datos es un indicador muy
importante de la calidad de stos. Seleccionar una muestra de una poblacin es una forma de
____________________________________________________________________________________
Estadstica
1

Captulo 1: Conceptos Generales

producir datos y el hacerlo sin cuidado nos puede llevar a conclusiones errneas acerca de la
poblacin. El realizar experimentos, como aplicar tratamientos en unidades experimentales, es
otra forma de producir datos y existen varias maneras en que esto se puede llevar a cabo. En
cuanto a la inferencia de los datos, sta surge cuando se toma una muestra de la poblacin y
se hacen conjeturas, razonablemente sustentadas, acerca de que la poblacin tenga ciertas
caractersticas.
En lo anteriormente expuesto, hemos utilizado trminos como poblacin y muestra, que
an no hemos definido, pero podemos hacerlo de la manera siguiente:
Poblacin. Es el conjunto o coleccin total de elementos (u observaciones) de inters en
el estudio estadstico.
Muestra. Es un subconjunto de elementos que ha sido seleccionado de la poblacin en
estudio.

1.2 Tipos de variables

En esta seccin definiremos algunos trminos que utilizaremos durante el curso y que son:
Variable.
Es una caracterstica de inters observable en cada elemento de una
poblacin o de una muestra.
Dato.

Es el valor que toma la variable.

Podemos agrupar los datos estadsticos que obtenemos de las muestras, en dos amplias
clases:
Datos cualitativos. Son observaciones que pueden ser clasificadas en una categora o
un conjunto de categoras. Ejemplo: sexo, escolaridad, estado civil, tipo sanguneo, etctera.
Datos cuantitativos. Son aquellos que pueden ser medidos en unidades de una escala;
por ejemplo: la edad, el peso, la temperatura, etctera.
Podemos separar los estudios estadsticos en dos clases, dependiendo de que sean
estudios observacionales o estudios experimentales.
Estudio observacional. Aqu el investigador analiza las variables de inters observando
los datos o revisando datos histricos. No tiene un control directo para determinar qu sujetos
o unidades experimentales recibirn el o los tratamientos que se piensa tienen un efecto en las
variables de inters en el estudio. Ejemplo: un agente desea ver la relacin que existe entre el
tamao del terreno y la localizacin de ste en cierta regin, y el precio del mismo. En este
caso no puede variar por s mismo ninguna de las variables que segn l influyen en el precio.

____________________________________________________________________________________________
2
Gudelia Figueroa Preciado - Marco Antonio Valencia Arvizu

Captulo 1: Conceptos Generales

Estudio experimental. El investigador controla directamente qu sujetos o unidades
experimentales recibieron los tratamientos que se piensa tienen algn efecto en las variables
de inters. Por ejemplo, se desea investigar la influencia que pueden tener la cantidad de
levadura, la cantidad de harina y la temperatura del horno en la suavidad y sabor de cierto tipo
de pan. Aqu el investigador puede controlar todas las variables en el estudio y estudiar las
respuestas que obtiene al variar ciertos factores.

1.3 Escalas de medicin

La palabra medicin no necesariamente implica un proceso para obtener un valor
numrico, como puede ser 1.78 metros de estatura o 76 kilogramos de peso, sino cualquier
procedimiento para la descripcin de una caracterstica de inters; por ejemplo, podemos
describir una persona como obesa o delgada, alta o baja, etctera. Las escalas de medicin
nos permiten entender las diferentes maneras en que podemos efectuar mediciones y las
operaciones que podemos realizar con los datos, que son el resultado de stas. Las escalas
de medicin que analizaremos son la nominal, la ordinal, la de intervalo y la de razn o
proporcin.
Escala nominal. Como el nombre lo indica, consiste en clasificar las observaciones con
nombres categoras, las cuales deben ser mutuamente excluyentes, esto es, un miembro no
puede estar en ms de una categora. La nica relacin que puede establecerse es la de
igualdad (dentro de las categoras) o desigualdad (entre categoras). Se pueden calcular
frecuencias. Es posible asignar nmeros a las distintas clases pero hay que recordar que no
existe una relacin de orden entre ellas. Como ejemplo de mediciones en esta escala,
tenemos el sexo de las personas, el estado civil, el tipo sanguneo, la afiliacin poltica,
etctera.
Escala ordinal.
En esta escala las observaciones, adems de cumplir con las
caractersticas de la escala nominal, guardan, de acuerdo a cierto criterio, una relacin de
orden. Son muy utilizadas cuando manejamos informacin no cuantitativa. Muchas pruebas
estadsticas no paramtricas se han desarrollado utilizando esta escala. Ejemplos que caen
en esta escala son el status socioeconmico, los grados en el ejrcito, los niveles de los
puestos en una empresa, etc.
Escala de intervalo. En esta escala, que es cuantitativa, no slo se pueden ordenar las
mediciones sino que la diferencia entre dos mediciones es significativa. Se tiene una unidad
de distancia y por lo tanto un cero u origen, que puede ser arbitrario ya que puede no indicar la
total ausencia de la cantidad que se est midiendo. Un ejemplo clsico que cae en esta
escala es la temperatura, ya que, por ejemplo, cero grados centgrados no es la ausencia de
fro o de calor, slo representa cierta caracterstica fsica y cero grados Farenheit representan
algo muy distinto. No se puede afirmar que 40 grados centgrados es el doble de agradable
que 20 grados centgrados. Otro ejemplo de medicin en esta escala es el ao de nacimiento
de las personas. En esta escala se pueden calcular la mayora de los indicadores estadsticos
como son la media, la moda, la varianza, y realizar pruebas t, el anlisis de varianza, etctera.
Escala de razn o proporcin. Es la escala de medicin ms alta y es tambin una
escala cuantitativa cuya diferencia bsica con la escala de intervalo es que el cero no es
___________________________________________________________________________
Estadstica
3

Captulo 1: Conceptos Generales

arbitrario, sino algo inherente al sistema.
Por ese hecho, podemos comparar
significativamente dos mediciones mediante su razn, y decir, por ejemplo, que un peso de
120 gramos es el doble de 60 gramos. Se pueden hacer todos los clculos realizables en las
escalas previas. Ejemplos para esta escala son: el peso, la edad, la velocidad, la estatura,
etctera.

1.4 Generalidades sobre muestreo

Hemos definido, en secciones anteriores, los conceptos de poblacin y muestra. Veamos
ahora otros conceptos que manejaremos durante el curso.
Poblacin objetivo. Es aquella sobre la cual uno desea hacer inferencias.
Poblacin muestreada. Es aquella de la cual uno selecciona la muestra.
Muchas veces la poblacin muestreada es ms restringida que la poblacin objetivo y es
cuando se debe decidir hasta qu grado se aplican las conclusiones obtenidas a la poblacin
objetivo. Lo ideal es que la poblacin muestreada y la poblacin objetivo coincidan.
Muestreo. Es el acto, proceso o tcnica de seleccionar una muestra, o sea una parte de
la poblacin, con el fin de determinar alguna caracterstica de la poblacin total.
Cuando efectuamos un muestreo podemos obtener diferentes tipos de muestras, entre las
que podemos mencionar:
Muestra conveniente. Se eligen los individuos que son ms fciles de muestrear. Este
tipo de muestra no es representativa de la poblacin y se considera sesgada. Ejemplo:
Entrevistar personas a la salida de un centro comercial, escoger los alumnos de las primeras
filas o los que levantaron primero la mano al hacer una pregunta.
Muestra a juicio. Se obtiene siguiendo el consejo de alguien que est familiarizado con
las caractersticas ms relevantes de la poblacin.
Muestra aleatoria. Es la obtenida mediante un proceso en el que interviene el azar.
Mencionaremos a continuacin algunos de los mtodos para obtener muestras.
Muestreo aleatorio simple. Es un mtodo de seleccin de n unidades de entre un
conjunto de N, de tal modo que cada una de las muestras posibles tenga la misma oportunidad
de ser elegida.

____________________________________________________________________________________________
4
Gudelia Figueroa Preciado - Marco Antonio Valencia Arvizu

Captulo 1: Conceptos Generales

Muestreo aleatorio estratificado.
Dividiremos la poblacin de tamao N en
subpoblaciones de tamaos N 1 , N 2 , N 3 ,... N L , de manera que N 1 + N 2 +...+ N L = N . Estas
subpoblaciones se conocen como estratos. Extraeremos de la poblacin total una muestra de
tamao n, la cual cumplir con que n1 + n2 + n3 +...+ n L = n , donde n1 , n2 ,... n L son los tamaos
de las muestras que se tomaron de cada uno de los estratos, respectivamente. Si deseamos
hacer que el muestreo aleatorio estratificado sea proporcional al tamao del estrato, entonces
escogeremos ni = ( N i / N )n, donde i = 1,2,...L. Por ejemplo, una investigadora desea estimar
el peso promedio de 90 ratas (50 machos y 40 hembras) que han sido alimentadas con cierta
dieta. El muestreo aleatorio estratificado parece correcto puesto que la poblacin est dividida
por sexos. Si se desea en total una muestra de tamao 16, aplicando la proporcionalidad de
los estratos, como N1 = 50 y N 2 = 40 , tendramos que:

n1 = ( N1 / N )n = (50 / 90)(16) = 8.88 = 9 machos,

n2 = ( N 2 / N )n = (40 / 90)(16) = 7.11 = 7 hembras.
En un muestreo aleatorio estratificado, cada estrato debe presentar caractersticas de
homogeneidad en cuanto a las variables que puedan influir en la que nos interesa, as como el
sexo puede influir en el peso.
Muestreo sistemtico. Supongamos que las N unidades de la poblacin se numeran de
uno hasta N , en un cierto orden. Para elegir una muestra de n unidades, se toma al azar una
unidad de entre las k primeras y las subsecuentes se toman a intervalos de k , a partir de la
que se seleccion primero. El valor de k que tomaremos ser el ms prximo a N / n . Es
importante hacer notar que al efectuar este tipo de muestreo se debe primero examinar la lista
para ver si no presenta algn sesgo o tendencia, ya que en tal caso no debe ser utilizado. La
ventaja de este muestreo es que es muy fcil de usar, y su desventaja es que las muestras
sistemticas de una poblacin finita pueden variar su tamao en una unidad. Por ejemplo, al
seleccionar 10 alumnos de un saln de clase con 42 personas, el valor de k es
k = 42 / 10 = 4.2 , y se tomara el 4. Escogemos el primero aleatoriamente entre los primeros
cuatro alumnos de la lista, y los nueve restantes a intervalos de 4.
Se puede hacer tambin este tipo de muestreo utilizando, por ejemplo, pulgadas como
medida, esto es, si tenemos un archivero con 20,000 tarjetas de las cuales deseamos obtener
una muestra de 500, mediramos la longitud que ocupan las tarjetas apiladas y calcularamos
cuntas tarjetas hay por pulgada, as, podramos determinar cada cuantas pulgadas hay que
seleccionar una tarjeta.
Muestreo por conglomerados. Es una tcnica de muestreo donde la poblacin completa
se divide en grupos o conglomerados y se selecciona una muestra aleatoria de stos. Se
analizan luego todas las observaciones de los conglomerados seleccionados, esto es, se hace
un censo de stos. Algo muy comn es dividir un pas en municipios y seleccionar ciertos
municipios, o una ciudad en colonias y seleccionar cierto nmero de colonias; as, es ms fcil
estudiar 1000 casas que estn en 8 colonias que seleccionar aleatoriamente 1000 casas de
toda la ciudad.
Por ejemplo, el gerente de circulacin de un peridico desea estimar el
nmero promedio de ejemplares que se compran semanalmente por familia en determinada
ciudad. Se tienen organizados los 4000 hogares de la comunidad por unidades geogrficas de
20 hogares cada una. Se puede entonces seleccionar una muestra aleatoria de 10
____________________________________________________________________________________
Estadstica
5

Captulo 1: Conceptos Generales

conglomerados y levantar un censo en cada uno de los conglomerados seleccionados y as en
total se tendra una muestra de 200 hogares muestreados.
En un muestreo por conglomerados, cada conglomerado debe ser internamente
heterogneo, esencialmente semejante a toda la poblacin en lo que se refiere a su
conformacin.
Muestreo por conglomerados en dos etapas. Se obtiene seleccionando primero una
muestra aleatoria de conglomerados y posteriormente una muestra aleatoria de entre los
elementos de cada conglomerado.

EJERCICIOS
1.4.1 Una empresa publicitaria est interesada en determinar el nmero promedio de
horas que se ve televisin en los hogares de cierto municipio. El municipio comprende dos
pueblos A y B y un rea rural. El pueblo A circunda una fbrica y la mayora de los hogares
son de trabajadores textiles y el pueblo B es un suburbio exclusivo y consta de habitantes ms
viejos con pocos nios en casa. En el rea rural las condiciones entre ellos son muy similares.
El pueblo A consta de 155 hogares, el pueblo B de 62 y el rea rural de 93. Si se desea una
muestra de 30 hogares, cmo efectuara usted el muestreo?
1.4.2 La administracin de una empresa de servicio pblico est interesada en la cantidad
promedio de tiempo que tienen de estar vencidas las cuentas atrasadas. Se extraer una
muestra de 97 cuentas de las 2500 vencidas que se encuentran capturadas en orden
alfabtico. Cmo seleccionara usted la muestra?
1.4.3 Una empresa publicitaria est iniciando una campaa de promocin para un nuevo
producto. La empresa quiere muestrear clientes potenciales en una pequea comunidad para
determinar la aceptacin del producto. Si en cierto registro de la comunidad se tienen listados
los 5000 nombres de los jefes de familia, con su nmero telefnico, cmo seleccionara usted
una muestra de 910 jefes de familia?
1.4.4 Un guardabosques desea estimar la altura promedio de los rboles de una
plantacin. La plantacin se divide en parcelas de un cuarto de hectrea. Si se quiere una
muestra de 20 parcelas de un total de 356 parcelas, qu tipo de muestreo considera
adecuado para ello?

1.5 Tipos de problemas estadsticos

Para analizar algunos de los tipos de problemas que vamos a estudiar durante este primer
mdulo, estableceremos una clasificacin de stos en slo seis categoras, las cuales abarcan
la mayora de situaciones experimentales que estudiaremos y que son:

Problemas con una muestra.

Problemas con dos muestras independientes.

Problemas con dos muestras relacionadas.

____________________________________________________________________________________________
6
Gudelia Figueroa Preciado - Marco Antonio Valencia Arvizu

Captulo 1: Conceptos Generales

Problemas con datos correlacionados.

Problemas con datos categricos.
Problemas con k muestras independientes.

1.5.1 Problemas con una muestra.

Este tipo de problemas surge cuando tenemos que analizar datos solamente de una
muestra y deseamos, por medio de ellos, inferir sobre alguna caracterstica de la poblacin.
Ejemplos:

Un siclogo desea conocer si las personas con un coeficiente de inteligencia (IQ) alto, son
ms rpidas al resolver un acertijo que las personas con un IQ normal. Basado en
experiencias anteriores, sabe que las personas con un IQ normal resuelven el acertijo en
un promedio de 4.6 minutos. Para justificar su suposicin, presenta el acertijo a un
conjunto de 10 personas con un IQ alto y obtiene los siguientes resultados: 4.0, 4.2, 4.5,
4.3, 4.6, 4.0, 4.2, 4.1, 4.2 y 4.3. Con estos datos tratar de verificar, utilizando cierta
prueba, si el tiempo promedio para resolver el acertijo es de 4.6 minutos, o es menor para
este tipo de personas.

Un contratista compra cemento de un fabricante local. Se supone que cada saco pesa 50
kilogramos y la distribucin de los contenidos se considera normal con varianza conocida.
Para ver si est obteniendo lo correcto, pesa 15 sacos de cemento y calcula el promedio de
stos, obteniendo una media de 49.8 kilogramos. Utilizando esta informacin, desea hacer
una prueba para ver si puede demandar al fabricante por incluir un peso menor al
especificado en los sacos.

1.5.2 Problemas con dos muestras independientes.

Muchas veces los investigadores desean comparar dos tratamientos en varios sujetos y
tenemos entonces dos conjuntos de muestras independientes, donde x1 , x 2 ,...x m y

y1 , y 2 ,... y n representan los resultados de los tratamientos X y Y. El objetivo es usar las xi y

las y j para comparar el efecto de los dos tratamientos. Hay muchos problemas que se
podran mencionar aqu, pero nos limitaremos a ejemplificar los casos en que comparamos
dos medias poblacionales o dos proporciones poblacionales. As, como ejemplo de este tipo
de problemas, podemos mencionar:

Un investigador est estudiando el posible efecto de una dieta especial para retardar el
problema de arteroesclerosis. Se monitorean 846 personas aleatoriamente seleccionadas.
A una mitad de ellas se les administra la dieta y a la otra mitad se les permite comer lo que
ellas deseen. Al final de ocho aos, se analizan los resultados. Si denotamos por p x la
verdadera proporcin de gente que muere por un infarto y que seguan la dieta, y por p y la
proporcin que muere por infarto sin haber seguido la dieta, deseamos entonces probar si
p x = p y o si p x p y .

___________________________________________________________________________
Estadstica
7

Captulo 1: Conceptos Generales

Los registros de las cortes estadounidenses parecen indicar que la duracin de las
sentencias para un mismo crimen puede variar considerablemente de juez a juez. Para
comprobar si esto es cierto, se analizan dos muestras de tamao ocho cada una, de las
sentencias aplicadas por los jueces A y B para un delito relacionado con drogas. Los
datos, en meses de prisin, fueron los siguientes:
Juez A
Juez B

30
30

36
32

45
38

42
37

46
42

40
35

32
34

38

Denotemos por A el tiempo promedio real que el juez A dictara para ese tipo de delito y
B el tiempo promedio real que el juez B dictara para el mismo tipo de delito. Queremos
entonces probar si A = B o si podemos concluir que A B .

1.5.3 Problemas con muestras relacionadas.

Cuando analizamos problemas con dos muestras, podemos tener el caso de muestras
independientes como los problemas vistos anteriormente, pero tambin hay ocasiones en que
hacemos dos mediciones similares en el mismo sujeto, a distintos tiempos, o en sujetos muy
parecidos, con respecto a la caracterstica de inters. Las muestras con esta propiedad se
dicen relacionadas o pareadas y debemos analizarlas en forma distinta a las planteadas en la
seccin anterior. Para analizar este tipo de muestras trabajaremos con las diferencias entre
las mediciones realizadas, y stas, ya en su conjunto, las trabajaremos como si fuera el caso
de una sola muestra. Como ejemplo de este tipo de problemas tenemos:

Se conduce un estudio para comparar la diferencia promedio en el tiempo requerido para

analizar conjuntos de datos utilizando dos paquetes estadsticos diferentes: STATA y
STATGRAPHICS. Para hacer esto se trabaj con 15 conjuntos de datos y cada uno de
stos se analiz con cada uno de los paquetes, determinando los tiempos de anlisis. Se
quiere demostrar que el tiempo de anlisis es menor utilizando el STATA.

Se quiere estudiar si existe algn efecto del ejercicio en los niveles de colesterol en la
sangre. Para esto se trabaja con un conjunto de 12 personas con niveles altos de
colesterol y se mide el nivel de ste antes de iniciar un programa de ejercicios y 2 meses
despus de terminar el programa. La investigacin se centrar en probar que el ejercicio
baja los niveles de colesterol en la sangre.

1.5.4 Problemas con datos correlacionados.

En este tipo de problemas trabajaremos con dos variables X y Y; a X no la consideraremos
una variable aleatoria, sino una variable matemtica, que puede asumir diferentes valores, los
cuales no son determinados probabilsticamente. Los valores de Y dependern de los valores
que tome la variable X. La variable Y se conoce como variable dependiente y X se denomina
variable independiente o predictora. Ejemplos:

____________________________________________________________________________________________
8
Gudelia Figueroa Preciado - Marco Antonio Valencia Arvizu

Captulo 1: Conceptos Generales

Es conocido que conforme las personas envejecen tienden a perder agilidad y a ser un
poco ms lentas. Esto puede aplicarse tambin a los deportistas. En un estudio particular
que se hizo con ciclistas, se midieron dos variables, una fue la edad del deportista y otra el
promedio de velocidad en un recorrido. Los datos se muestran a continuacin:
Edad
22
Velocidad 12.0

17
12.6

54
9.4

39
10.7

45
9.9

30
10.9

17
12.7

42
10.1

36
10.6

Queremos saber si existe una correlacin lineal negativa entre las variables, esto es, si al
aumentar la edad, disminuye la velocidad.

Se desea determinar si existe una relacin lineal entre la humedad en el ambiente y el

tiempo de evaporacin de un solvente en una pintura. La variable X es la humedad y el
tiempo de evaporacin es Y, la variable dependiente .

1.5.5 Problemas con datos categricos.

En un problema de asociacin entre dos variables categricas trataremos de probar si las
dos variables son o no independientes; son las llamadas pruebas de independencia. La
prueba ms comnmente usada se basa en hacer una comparacin entre las frecuencias
observadas y las esperadas bajo el supuesto de que haya independencia. Si la diferencia
entre ambas frecuencias es muy grande, concluiremos entonces que las variables en estudio
son dependientes. Con datos categricos tambin podemos hacer las llamadas pruebas de
homogeneidad y el mtodo de prueba es prcticamente el mismo que se utiliza para probar
independencia. Ejemplo:

Se desea saber si existe una relacin entre el nmero de defectos de nacimiento de un

beb y el estado de salud de la madre, con respecto a diabetes. Se condujo un estudio
donde los resultados fueron los siguientes:
Estado de salud de la madre
No diabtica
Prediabtica
Diabtica

Uno o ms defectos
31
13
9

Sin defectos al nacer

754
362
38

1.5.6 Problemas con k muestras independientes.

En este tipo de problemas se considerar el caso de comparar las medias de tres o ms
poblaciones, basndose en muestras aleatorias independientes tomadas de cada una de las
poblaciones. Partiremos de que las medias poblacionales son iguales y trataremos de
investigar si existe alguna diferencia entre ellas. La hiptesis de igualdad se rechazar si una
o ms de las medias poblacionales es diferente de las otras. Ejemplo:

La siguiente tabla muestra, en libras, los pesos de doce de infantes, al cabo de tres meses
de ser alimentados con tres frmulas lcteas diferentes, que denotaremos por 1, 2 y 3. Se

___________________________________________________________________________
Estadstica
9

Captulo 1: Conceptos Generales

desea ver si existe alguna diferencia en el peso promedio ganado con las distintas
frmulas:
Frmula 1
12
12.2
12.4
12.5

Frmula 2
12.5
12.6
12.9
12.7

Frmula 3
12.3
12.5
13
12.7

EJERCICIOS
Trate de identificar si los siguientes problemas corresponden a una muestra, dos muestras
independientes, muestras correlacionadas, etctera.
1.5.1 El personal de 15 hospitales diferentes particip en un programa de vigilancia para
monitorear el nmero de pacientes que experimentan reacciones adversas al medicamento
prescrito. Se conoce por experiencia que, en general, aproximadamente el 5% de los
pacientes sufre cierto tipo de reaccin alrgica. De cada hospital se tom una muestra de 100
pacientes y del total de 1500, 90 sufrieron reacciones alrgicas. Se desea utilizar esta
informacin para verificar si la proporcin poblacional de pacientes que experimentan
reacciones alrgicas se mantiene en el 5% o es mayor que ste.
1.5.2 Para establecer un estndar en lo que puede ser considerada una lectura de calcio
normal, se selecciona una muestra aleatoria de 1000 adultos, aparentemente saludables. Se
toma enseguida una muestra de sangre de cada uno de estos adultos y se estudia la variable
X que representa el nmero de miligramos de calcio por decilitro de sangre.
1.5.3 En un estudio sobre obesidad, en personas con edades entre 20 y 75 aos, se
estudiaron 150 hombres y 200 mujeres. De los hombres, 21 presentaron problemas de
obesidad, mientras que, de las mujeres, fueron 48 las que presentaron estos problemas. Se
desea saber si existe una diferencia, en lo que respecta a sobrepeso, entre hombres y
mujeres.
1.5.4
Se desea comparar los tiempos que tardan 10 obreros, efectuando la misma
tarea, en las mquinas A y B de cierta maquiladora. Se miden primero los tiempos que
tardan en la mquina A y despus todos efectan la misma tarea en la mquina B. Se quiere
determinar si existe alguna diferencia significativa entre estos tiempos.

____________________________________________________________________________________________
10
Gudelia Figueroa Preciado - Marco Antonio Valencia Arvizu

Captulo 1: Conceptos Generales

INICIO

SON LOS DATOS

CUALITATIVOS O
CUANTITATIVOS?

CUANTOS
TRATAMIENTOS
ESTAN
INVOLUCRADOS?

DATOS
CATEGORICOS

PROBLEMAS
CON UNA
MUESTRA

SON LAS UNIDADES

SIMILARES O
DIFERENTES?

REGRESION Y
CORRELACION

SON LAS MUESTRAS

DEPENDIENTES O
INDEPENDIENTES?

MUESTRAS
RELACIONADAS

SON LAS
MUESTRAS
DEPENDIENTES O
INDEPENDIENTES

DOS MUESTRAS
INDEPENDIENTES

BLOQUES
AL AZAR

PROBLEMAS
CON K
MUESTRAS

___________________________________________________________________________
Estadstica
11