hgvINTRODUCCION

La estadstica generalmente es definida como la rama de las matemticas

que se ocupa de reunir, organizar y analizar datos numricos y as mismo
que ayuda a resolver problemas como el diseo de experimentos y la toma
de decisiones. Pero en realidad, lo que veremos en este trabajo sern los
conceptos donde se aplica la estadstica y se busca con este trabajo se
pretende a la vez hacer que a nuestros conocimientos se arraiguen las
definiciones bsicas de lo que es la estadstica y que no simplemente
quede all, en la teora, sino que aprendamos a aprovecharlo en nuestra
vida cotidiana, ya que es seguro que en un futuro necesitaremos tener
estas nociones de estadstica.
CONCLUSION
La estadstica juega un papel muy importante en nuestras vidas, ya que
actualmente sta se ha convertido en un mtodo muy efectivo para describir con
mucha precisin los valores de datos econmicos, polticos, sociales, psicolgicos,
biolgicos y fsicos, adems, sirve como herramienta para relacionar y analizar
dichos datos.
El trabajo del experto estadstico ha evolucionado mucho, ya no consiste slo en
reunir y tabular los datos, sino sobre todo en el proceso de interpretacin de esa
informacin, ahora tiene un papel mucho ms importante del que tenia en aos
pasados.
Es de vital importancia para nuestra vida profesional venidera, que manejemos
estos conceptos con facilidad, as mismo el que los usemos de la manera
apropiada, siempre en pro de buscar soluciones a los problemas que se nos
puedan presentar.

BIBLIOGRAFIA
http://www.monografias.com/trabajos30/conceptos-deestadistica/conceptos-de-estadistica.shtml
Conceptos
Si bien no hay una definicin de estadstica exacta, se puede decir que la
"estadstica es el estudio de los mtodos y procedimientos para recoger, clasificar,
resumir y analizar datos y para hacer inferencias cientficas partiendo de tales
datos".

Esta definicin cubre gran parte de la actividad del cientfico. Es importante

observar que el objeto del que realiza el anlisis estadstico son los datos y las
observaciones cientficas por s mismos, mas que el material qumico que
interviene en el estudio.
Por lo tanto no es posible trazar lmites rgidos entre la qumica, la estadstica y la
matemtica.
La estadstica se puede dividir en 2 categoras, la "estadstica descriptiva" y la
"inferencia estadstica".
La estadstica descriptiva implica la abstraccin de varias propiedades de
conjuntos de observaciones, mediante el empleo de mtodos grficos, tabulares
numricos. Entre estas propiedades, estn la frecuencia con que se dan varios
valores en la observacin, la nocin de un valor tpico o usual, la cantidad de
variabilidad en un conjunto de datos observados y la medida de relaciones entre 2
mas variables.
El campo de la estadstica descriptiva no tiene que ver con las implicaciones o
conclusiones que se puedan deducir de conjuntos de datos. La estadstica
descriptiva sirve como mtodo para organizar datos y poner de manifiesto sus
caractersticas esenciales con el propsito de llegar a conclusiones.
La inferencia estadstica se basa en las conclusiones a la que se llega por la
ciencia experimental basndose en informacin incompleta.
Por ejemplo, Mendel al estudiar la manera como diferan entre s las plantas de
guisantes en altura, color de las semillas, color de las vainas y color de las flores,
tuvo que hacer sus conclusiones necesariamente basndose en un grupo de
plantas relativamente poco numeroso comparado con toda la poblacin de plantas
de guisantes de un tipo particular.
Al hacer un enunciado, como por ejemplo, sobre el color de las flores, las
conclusiones de Mendel dependan de la muestra particular de plantas disponibles
para este estudio.
En la terminologa estadstica, el procedimiento inductivo implica el hacer
inferencias acerca de una poblacin adecuada universo a la luz de lo averiguado
en un subconjunto aparte o muestra.
La inferencia estadstica se refiere a los procedimientos mediante los cuales se
pueden hacer tales generalizaciones inducciones.
Es importante por todo lo dicho anteriormente, que el proceso de la inferencia
cientfica, implica el grado mas elevado de cooperacin entre la estadstica y el
estudio experimental.

Grficos y tablas
Principios generales
Los grficos se han de explicar enteramente por s mismos. El contenido de un
grfico deber ser tan completo como sea posible.
Las escalas vertical y horizontal estarn rotuladas con claridad dando las unidades
pertinentes. La mayoras de los grficos presentan informacin numrica con
escalas, que deben rotularse para describir completamente la variable presentada
en la escala y para variables de medida se dirn las unidades de medicin.
No se debe tratar de abarcar demasiada informacin en un solo grfico. Es mejor
hacer varios grficos que comprimir toda la informacin en uno solo. Una regla
prctica segura es evitar grficos que contengan ms de 3 curvas.
Los grficos tienen que dar una visin general y no una imagen detallada de un
conjunto de datos. Las presentaciones detalladas se deben reservar para las
tablas.
Las tablas se explicarn por s mismas enteramente. como los grficos, se ha de
dar suficiente informacin en el ttulo y en los encabezamientos de columnas y
filas de la tabla para permitir que el lector identifique fcilmente su contenido.
Como el ttulo ser por lo general lo primero que se lee en detalle, deber
suministrar toda la informacin esencial sobre el contenido de la tabla y deber
especificar el tiempo, lugar, material estudio experimental y relaciones que se
presenten en la tabla.
Para cada variable numrica se han de dar las unidades.
La funcin del rayado es dar claridad de interpretacin.
Las anotaciones de numricas del cero se han de escribir explcitamente.
Una anotacin numrica no debe comenzar con una punto decimal.
Los nmeros que indican valores de la misma caracterstica se han de dar con el
mismo nmero de decimales.
Estadstica descriptiva
Como se ha sealado anteriormente, el objetivo de la estadstica descriptiva, es la
descripcin de los datos y no la inferencia partiendo de los datos.
Medidas de tendencia central

Al describir grupos de observaciones, con frecuencia se desea describir el grupo

con un solo nmero. Para tal fin, desde luego, no se usar el valor mas elevado ni
el valor mas pequeo como nico representante, ya que solo representan los
extremos. mas bien que valores tpicos. Entonces sera mas adecuado buscar un
valor central.
Las medidas que describen un valor tpico en un grupo de observaciones suelen
llamarse medidas de tendencia central..Es importante tener en cuenta que estas
medidas se aplican a grupos mas bien que a individuos. un promedio es una
caracterstica de grupo, no individual.
Media aritmtica

La medida de tendencia central mas obvia que se puede elegir, es el simple

promedio de las observaciones del grupo, es decir el valor obtenido sumando las
observaciones y dividiendo esta suma por el nmero de observaciones que hay en
el grupo.
En realidad hay muchas clases de promedios y sta se la llama media aritmtica
para denotar la suma de un grupo de observaciones dividida por su nmero.
Mediana
Otra medida de tendencia central que se utiliza con mucha frecuencia es la
mediana, que es el valor situado en medio en un conjunto de observaciones
ordenadas por magnitud.
Moda
Otra medida de tendencia central es la moda. La moda es el valor que ocurre con
mas frecuencia en un conjunto de observaciones.
Oras medidas de tendencia central
Centro de amplitud
Es el valor que queda en medio de los valores mnimo y mximo.

Media geomtrica
La media geomtrica de un conjunto de observaciones es la raz n sima de su
producto. El clculo de la media geomtrica exige que todas las observaciones
sean positivas.

Media armnica
Es el inverso de la media aritmtica de los inversos de las observaciones.

Media ponderada
En ciertas circunstancias no todas las observaciones tienen igual peso. En general
si se tienen observaciones con sus respectivos pesos es:

Medidas de variabilidad
Amplitud
Se obtiene restando el valor mas bajo del mas alto en un conjunto de
observaciones. La amplitud tiene la ventaja de que es fcil de calcular y sus
unidades son las mismas que las de la variable que se mide. La amplitud no toma
en consideracin el nmero de observaciones de la muestra estadstica,
sino solamente la observacin del valor mximo y la del valor mnimo. Sera
deseable utilizar tambin los valores intermedios del conjunto de observaciones.
Desviacin media
Esta medida es mas acorde que la de amplitud, ya que involucra a todos los
valores del conjunto de observaciones corrigiendo la desviacin. sta medida se
obtiene calculando la media aritmtica de la muestra, y luego realizando la

sumatoria de las diferencias de todos los valores con respecto de la media. Luego
se divide por el nmero de observaciones.
Una medida como sta tiene la ventaja de que utiliza cada observacin y corrige la
variacin en el nmero de observaciones al hacer la divisin final. Y por ltimo
tambin se expresa en las mismas unidades que las observaciones mismas.
Varianza
Existe otro mecanismo para solucionar el efecto de cancelacin para entre
diferencias positivas y negativas. Si elevamos al cuadrado cada diferencia antes
de sumar, desaparece la cancelacin:

Esta frmula tiene una desventaja, y es que sus unidades no son las mismas que
las de las observaciones, ya que son unidades cuadradas.
Esta dificultad se soluciona, tomando la raz cuadrada de la ecuacin anterior:
Desviacin tpica
Es la raz cuadrada de la varianza:

Entonces en este caso la unidad de s es la misma que la del conjunto de

observaciones de la muestra estadstica.
Variables discretas y variables continuas
Una distribucin de los datos en categoras que ha demostrado ser til al organizar
los procedimientos estadsticos, es la distincin entre variables discretas y
variables continuas. Una variable discreta es sencillamente una variable para la
que se dan de modo inherente separaciones entre valores observables sucesivos.
Dicho con mas rigor, se define una variable discreta como la variable tal que entre
2 cualesquiera valores observables (potencialmente), hay por lo menos un valor
no observable (potencialmente). Por ejemplo, un recuento del nmero de colonias

de un cultivo en agar es una variable discreta. Mientras que cuentas de 3 y 4 son

potencialmente observables, no lo es una de 3,5.
Una variable continua tiene la propiedad de que entre 2 cualesquiera valores
observables (potencialmente), hay otro valor observable (potencialmente). Una
variable continua toma valores a lo largo de un continuo, esto es, en todo un
intervalo de valores. Longitudes y pesos son ejemplos de variables continuas. La
estatura de una persona, pude ser 1,70 mts. 1,75 mts., pero en potencia al
menos podra tomar cualquier valor intermedio como 1,73 mts. por ejemplo.
Un atributo esencial de una variable continua es que, a diferencia de lo que ocurre
con una variable discreta, nunca se la puede medir exactamente. Con una
variable continua debe haber inevitablemente un error de medida.
Un importante principio sobre variables continuas es que siempre se registran en
forma discreta, quedando la magnitud de la distancia entre valores registrables
adyacentes determinada por la precisin de la medicin.
ESTADISTICA DE DATOS AGRUPADOS
Poblaciones, muestras e inferencia
Como se ha sealado anteriormente, el objetivo de la estadstica descriptiva, es la
descripcin de los datos y no la inferencia partiendo de los datos.
Una poblacin de unidades es un grupo de entidades que tienen alguna
caracterstica cuantificable en comn.
Las unidades pueden ser personas, rboles, bacterias, compuestos qumicos, etc..
Pueden ser finitas o infinitas en nmero. La caracterstica cuantificable puede ser
una variable continua o discreta.
Una poblacin de observaciones es un grupo que consiste en los valores
numricos de una caracterstica cuantificable determinada en cada elemento de
una poblacin de unidades.
La misma poblacin de unidades tendr en ocasiones mas de una poblacin de
observaciones asociada.
Una muestra de unidades es un nmero finito de unidades procedentes de una
poblacin de unidades.
Una muestra de observaciones es un nmero finito de observaciones procedentes
de una poblacin de observaciones.
Es decir una muestra es una parte de una poblacin que aislamos para estudiarla.

Este concepto es de importancia para el anlisis estadstico porque por lo general

uno dispone de una muestra de una poblacin para el estudio que intenta realizar.
Por ejemplo, si necesitramos hacer un promedio de todas las alturas de los
habitantes de un pas de 200.000.000 de habitantes (esta sera la poblacin
estadstica), es lgico suponer lo engorroso que sera medir la altura de todos.
Esto se realiza midiendo las alturas de una muestra de esta poblacin, por
ejemplo 10.000 habitantes. Este procedimiento es inductivo ya que el investigador
saca conclusiones acerca de la poblacin basndose en el anlisis de una
muestra de esa poblacin; esto es hacer una inferencia acerca de una poblacin
partiendo de una muestra.
Se llama inferencia estadstica una conclusin que se refiere a una poblacin de
observaciones, obtenida sobre la base de una muestra de observaciones.
Una caracterstica descriptiva global de una poblacin de observaciones se llama
parmetro.
Una caracterstica descriptiva global de una muestra de observaciones se llama
estadgrafo.
Muestra aleatoria
Una muestra aleatoria es una muestra sacada de una poblacin de unidades, de
manera que todo elemento de la poblacin tenga la misma probabilidad de
seleccin y que las unidades diferentes se seleccionen independientemente.
Variables aleatorias y distribuciones
Se llama variable aleatoria aquella que toma diversos valores o conjuntos de
valores con distintas probabilidades. Existen 2 caractersticas importantes de una
variable aleatoria, sus valores y las probabilidades asociadas a esos valores.
Una tabla, grfico o expresin matemtica que d las probabilidades con que una
variable aleatoria toma diferentes valores, se llama distribucin de la variable
aleatoria.
Como vimos anteriormente, la inferencia estadstica se relaciona con las
conclusiones que se pueden sacar acerca de una poblacin de observaciones
basndose en una muestra de observaciones. Entonces intervienen las
probabilidades en el proceso de la seleccin de la muestra; en este caso se desea
saber algo sobre una distribucin con base en una muestra aleatoria de esa
distribucin.
De tal manera vemos que trabajamos con muestras aleatorias de una poblacin
que es ms grande que la muestra obtenida; tal muestra aleatoria aislada no es
mas que una de muchas muestras diferentes que se habran podido obtener

mediante el proceso de seleccin. Este concepto es realmente importante en

estadstica.

Leer
ms:
http://www.monografias.com/trabajos30/conceptos-deestadistica/conceptos-de-estadistica.shtml#ixzz3yeBm23mQ