UNIVERSIDAD ALAS PERUANAS

FACULTAD DE INGENIERAS Y ARQUITECTURA

ESCUELA ACADMICO PROFESIONAL DE
INGENIERA MECNICA
ESTADSTICA Y PROBABILIDADES

TEMA: Variables estadsticas y escalas de medicin

2016
Aqp - Per

NDICE

1. Introduccin ..3

1
 2. Variables estadsticas ..4
3. Clasificacin de variables estadsticas ....5
4. Combinacin de variables .6
5. Teora Escalas de medicin ..6
6. Escalas de medicin ..7
7. Conclusiones ..7
8. Conclusiones ..8
9. Biografa ....8
10. Ejemplo de variables discretas .....9
11. Ejemplo de variables discretas ..10
12. Ejemplo de variables continuas ...11
13. Ejemplo de variables continuas .12
14. Ejemplo de variables continuas .13
15. Plus .14
16. Plus .15
17. Plus .16
18. Plus ....17

2
INTRODUCCIN:

Cuando estamos interesados en estudiar alguna caracterstica de una poblacin (peso, longitud de las
hojas, indicadores de contaminacin, etc) lo ms completo es, evidentemente, estudiar la poblacin
entera. Pero esto suele requerir demasiado tiempo y demasiado dinero. Otras veces, el estudio de un
elemento es destructivo, con lo cual es imposible hacer un anlisis de toda la poblacin (nos
quedaramos sin poblacin). Por tanto, normalmente, nos conformaremos con un conocimiento
parcial de la poblacin. Esto lo conseguiremos observando unos cuantos elementos y viendo cmo es
o cunto vale en ellos esa caracterstica que nos interesa. Este conjunto de elementos que observamos
es lo que llamaremos una muestra de la poblacin. El objetivo bsico de la Estadstica Descriptiva
para una variable es hacer una descripcin lo ms sencilla posible de los resultados obtenidos en la
muestra. Esta descripcin se har mediante representaciones grficas y mediante resmenes
numricos. Este captulo est dedicado a hacer un estudio descriptivo de lo obtenido en una muestra
concreta, cuando nos interesamos en una sola caracterstica, es decir, en una sola variable estadstica
o variable respuesta. Estas variables pueden ser de dos tipos: cualitativas y cuantitativas.

3
 VARIABLES ESTADSTICAS:

Clasificaciones de las variables.

Ya hemos estudiado las escalas de medida de las variables, ahora veamos algunas clasificaciones de
las variables segn diversos criterios:

las variables y su papel en la investigacin o en las hiptesis.

Variables independientes (vv.ii) - Variables dependientes (vv.dd)

Las variables independientes: son las caractersticas en las que difieren los objetos de estudio (sexo,
edad, etc.) (en estudios de encuesta y en estudios observacionales) mientras que en estudios
experimentales son las diferentes condiciones a las que exponemos a los objetos de estudio.
Tambin se les llama variables explicativas o predictoras.

Las variables dependientes: son aquellas cuyo comportamiento es explicado o pronosticado por una
o mas variables independientes. Tambin se las llama variables criterio o respuesta. En las
investigaciones no experimentales no siempre est claro si una variable es dependiente o
independiente, siendo el contexto de la investigacin la que hace decidir aunque a veces una variable
puede desempear diferentes roles en distintas situaciones.

En algunas aplicaciones del anlisis multivariable, todas las variables tienen el mismo estatus y se
habla de relaciones de interdependencia entre variables. En estos casos no hay variables dependientes
e independientes.

Clasificacin de las variables por los valores que pueden tomar.

La clasificacin de las escalas de medida no siempre deja las cosas claras, por eso frecuentemente
en el anlisis de datos se divide a las variables en dos grandes grupos:

Variables no mtricas o cualitativas (escalas nominal y ordinal)

Variables mtricas o cuantitativas ( escalas de intervalo o de razn)

O tambin:

4
 1. Variable discreta: variable cualitativa o cuantitativa que slo puede adoptar un nmero
finito de valores distintos. En las cuantitativas entre dos valores continuos no hay uno
intermedio. (nmero de hijos)

2. Variable dicotmica o binaria: Es aquella que slo puede tomar dos valores. Por ejemplo
Sexo, tener o no una enfermedad. Si a sus valores se les pone 0 y 1 se le llama binaria.

3. Variable ficticia (dummy): Las variables cualitativas (nominales y ordinales) a veces se

convierten en numricas usando variables ficticias. En ellas el 1 indica presencia de una
categora y el 0 ausencia de la misma. Para convertir una variable cualitativa en dummy hacen
falta tantas variables como niveles de la variable cualitativa menos uno. Para sexo sera
suficiente con una (varn=0, mujer=1) Para Estudios (Eso, Bachillerato y FP) haran falta
dos: V1: eso=1, Bach y FP=0, V2: Bach=1, eso y Fp =0, FP queda definida por ser 0 en las
otras dos.

En relacin al anlisis de datos se clasifican las variables en funcin de ciertas clasificaciones de

escala y de origen:

Puntuaciones directas o brutas, son las obtenidas directamente y se suelen representar con letras
maysculas (X,Y, ...) y tienen Medias (x , , ...) y desviaciones tpicas (s x , sy ...)

Puntuaciones centradas en la media o diferenciales, se suelen representar con letras minsculas y son
un cambio de origen al restar la media de las puntuaciones originales (x = X - x; T = T-T ..) estas
variables tienen media cero y su desviacin tpica coincide con la de las puntuaciones originales.

Es un cambio de origen pero no de escala.

5
 Puntuaciones tpicas o estandarizadas, normalmente representadas por la letra z con el
subndice correspondiente a la variable ( z x , z y ...). Se obtiene restando a los valores originales la
media y dividiendo por la desviacin tpica ( z x = ( X - x ) / s x

Las puntuaciones tpicas estn libres de escala y siempre tiene media 0 y desviacin tpica 1.

La combinacin lineal de variables

La mayor parte de las tcnicas multivariables combinan las variables de alguna forma "til".
Normalmente esta combinacin es una combinacin lineal, a veces llamadavariante, aunque tambin
hay combinaciones no lineales, no las estudiaremos este curso. Una combinacin lineal es una suma
ponderada de las variables, para un conjunto p de variables observadas tendremos

V = w1 X1 + w2 X2 + ... w p X k

V es la nueva variante o combinacin lineal, y X j y w j representan las variables originales y sus

pesos, respectivamente (j = 1,2, p). Esa misma ecuacin se puede representar como el producto de
dos vectores v = w' x

En cuanto al nmero de variables que interesa incluir en un anlisis multivariante como regla general
se debe observar la parsimonia cientfica, es decir obtener la mejor solucin con el menor nmero
posible de variables.

Escalas de medicin

El proceso de asignar un valor numrico a una variable se llama medicin. Las escalas de medicin
sirven para ofrecernos informacin sobre las clasificaciones que podemos hacer con respecto a las
variables (discretas o continuas).

Cuando se mide una variable el resultado puede aparecer en uno de cuatro diversos tipos de escalas
de medicin; nominal, ordinal, intervalo y razn.

Conocer la escala a la que pertenece una medicin es importante para determinar el mtodo
adecuado para describir y analizar esos datos.

Escala nominal:

Una escala de medicin es nominal si los datos son etiquetas o categoras que se usan para definir
un atributo de un elemento. Los datos nominales pueden ser numricos o no numricos.

6
 Ejemplo: El sexo de una persona es un dato nominal no numrico. El nmero de seguro
social de una persona es un dato nominal numrico.

Escala ordinal:

Una escala de medicin es ordinal si los datos pueden usarse para jerarquizar u ordenar las
observaciones. Los datos ordinales pueden ser numricos o no numricos.

Ejemplo: Las medidas pequeas, medianas y grandes para dar el tamao de un objeto son datos
ordinales no numricos.

Escala de intervalo:

Una escala de medicin es de intervalo si los datos tienen las propiedades de los datos ordinales y
los intervalos entre observaciones se expresan en trminos de una unidad de medicin fija. Los
datos de intervalo tienen que ser numricos.

Ejemplo: Las mediciones de temperatura son datos de intervalo. Suponga que la temperatura en un
lugar es de 21C y en otro es de 4C. Estos lugares se pueden jerarquizar de acuerdo con lo
calurosos que son: el primero es ms caliente que el segundo. La unidad fija de medicin, 1C ,
permite decir cun ms caliente es el primer lugar: 17C .
Escala de razn:

Una escala de medicin es de razn si los datos tienen las propiedades

de los datos de intervalo y el cociente (o razn) entre dos medidas tiene sentido. Los datos de razn
tienen que ser numricos.
Ejemplo: Variables como la distancia, la altura, el peso y el tiempo se miden con una escala de
razn.

CONCLUSIONES:

En la teora de las probabilidades no siempre es fundamental encontrar todas las combinaciones de

resultados del espacio muestral, sino clasificar de alguna forma a todos los puntos muestrales por
cantidades que indiquen cierta propiedad; por ejemplo, al elegir un artculo de un conjunto constituido
de buenos y defectuosos, para el evento que se puede definir como: La cantidad de artculos buenos
elegidos, tendremos que cada punto muestral estar representado por un nmero que muestre la
cantidad de artculos buenos elegidos. Basndose en lo anterior, se puede notar que de alguna manera
se est definiendo una funcin que asignar un valor numrico a cada punto muestral. Llamamos
variable aleatoria a dicha funcin. Lo importante de esta definicin residir en la introduccin de las

7
 funciones a la teora de las probabilidades, de tal forma que se heredarn todas las propiedades
de stas al clculo de las probabilidades. Aunque la introduccin anterior de las funciones se realiza
de una forma elemental, esto es decisivo en el desarrollo de la teora de las probabilidades, puesto
que al definir una funcin en el espacio muestral, automticamente se extiende el concepto de espacio
muestral a los eventos que tendrn lugar en conjuntos de puntos continuos, como son los intervalos.
De esta forma se tendrn dos tipos de variables aleatorias, unas que dependern del conteo (variables
aleatorias discretas) como cantidad de artculos buenos en un lote, cantidad de accidentes que
ocurren en un crucero, cantidad de errores que se cometen al realizar balances financieros,
etc.; mientras que el otro tipo de variables se basa en las mediciones (variables aleatorias
continuas) como medir la altura de las personas, medir la humedad en una regin del
pas, medir el tiempo de espera de una persona en el banco, etctera. Dado un experimento
muestral S, se llama variable aleatoria del experimento a la funcin numrica que asocia un
nmero real a cada elemento del espacio muestral.

BIBLIOGRAFA:

Bisquerra, R (1998) Mtodos de investigacin educativa, gua prctica. Barcelona: Grupo

Editorial CEAC, S.A.
Kohan N y Carr (1968) Estadstica aplicada. Buenos Aires: Eudeba.
Sabino C. (1996) El proceso de investigacin. Buenos Aires: Editorial Lumen Humanitas.
http://tarwi.lamolina.edu.pe/~cgonzales/pdf/Estadistica%20General/unidad1.pdf

EJEMPLOS:

8
 EJEMPLOS DE VARIABLES DISCRETAS

Pueden ir en nmeros enteros o como tambin RESULTADO DE UN

DISCRETAS fraccin = CONTEO
EJEMPLO N 1

En la siguiente Tabulacin se presenta el nmero de alumnos en las 5 colegios de la

ciudad de Arequipa que cursan el 1 ao de secundaria

Intervalo de clase ni fi Ni Fi fi x 100

1 21 0,28 21 0,28 28 %
2 14 0,18 35 0,46 18 %
3 9 0,12 44 0,58 12 %
4 14 0,18 58 0,76 18 %
5 18 0,24 76 1,00 24 %
TOTALES 76 1,00 100 %

EJEMPLO N 2
En la siguiente Tabulacin se presenta las calificaciones de los 10 primeros puestos
en el Colegio Circa que cursan el 5to grado de primaria

Intervalo de clase ni fi Ni Fi fi x 100

1 14 0,09 14 0,09 9%

9
 2 16 0,10 30 0,19 10%
3 15 0,10 45 0,29 10%
4 17 0,11 62 0,40 11%
5 13 0,08 75 0,48 8%
6 19 0,12 94 0,61 12%
7 15 0,10 109 0,70 10%
8 17 0,11 126 0,81 11%
9 18 0,12 144 0,93 12%
10 11 0,07 155 1,00 7%
TOTALES 155 1,00 100 %

EJEMPLO N 3
En la siguiente Tabulacin se presenta el nmero de pasajeros en 7 colectivo con ruta
a Cono Norte

Intervalo de clase ni fi Ni Fi fi x 100

1 2 0,13 2 0,13 13%
2 5 0,31 7 0,44 31%
3 3 0,19 10 0,63 19%
4 2 0,13 12 0,75 13%
5 1 0,06 13 0,81 6%
6 2 0,13 15 0,94 13%
7 1 0,06 16 1,00 6%
TOTALES 16 1,00 100 %

EJEMPLO N 4
En la siguiente Tabulacin se presenta las edades de una familia que es conformada
por
5 integrantes encuentra hecha en el ao 2016

Intervalo de clase ni fi Ni Fi fi x 100

10
 1 38 0,39 38 0,39 39%
2 16 0,16 54 0,55 16%
3 2 0,02 56 0,57 2%
4 1 0,01 57 0,58 1%
5 41 0,42 98 1,00 42%
TOTALES 98 1,00 100 %

EJEMPLO N 5
En la siguiente Tabulacin se presenta el nmero de vuelos de Arequipa con destino a
Lima durante 5 das ( lunes - viernes)

Intervalo de clase ni fi Ni Fi fi x 100

1 6 0,20 6 0,20 20%
2 8 0,27 14 0,47 27%
3 9 0,30 23 0,77 30%
4 4 0,13 27 0,90 13%
5 3 0,10 30 1,00 10%
TOTALES 30 1,00 100 %

EJEMPLO DE VARIABLES CONTINUAS

RESULTADO DE UNA
CONTINUAS = Son con decimales MEDICION

EJEMPLO N 1
Rendimiento de km/galon de n=25 automoviles en unarea urbana

38,10 36,20 36,70 34,00 34,90

34,60 34,50 33,80 31,57 31,54

11
 37,85 36,80 36,00 30,16 36,88
34,55 38,24 36,57 35,93 33,20
37,10 36,20 33,00 35,61 40,00

A) RANGO :

R = Vmax - Vmin 40 - 31,54 8,46

B) HALLAR EL NUMERO DE INTERVALOS :

K = 1+ 3,3LOG (n) 1+1,33LOG (25) 4,10

C) AMPLITUD
C = R/K 8,46/4,10 2,06

EJEMPLO N 2
Peso de kg de n =15 nios que recien nacidos

1,12 1,03 1,16 1,07 1,08

1,08 1,01 1,05 1,04 1,20
1,00 1,02 1,06 1,03 1,03

A) RANGO :

R = Vmax - Vmin 1,20 - 1,00 0,20

B) HALLAR EL NUMERO DE INTERVALOS :

K = 1+ 3,3LOG (n) 1+1,33LOG (15) 2,86

C) AMPLITUD

C = R/K 0,2/2,86 0,07

EJEMPLO N 3
Ingresos en soles ( S/.) de n=10 tabajadores de la empresa Mundo Feliz

1000,00 1264,00 1433,00 1500,00 1234,00

12
 1006,00 1400,00 1465,00 1093,00 1008,00

A) RANGO :
R = Vmax - Vmin 1500 - 1000 500,00
B) HALLAR EL NUMERO DE INTERVALOS :

K = 1+ 3,3LOG (n) 1+1,33LOG (10) 2,24

C) AMPLITUD
C = R/K 500/2,24 223,21

EJEMPLO N 4
Los precios de bebidas gaseosas personales n= 20 de marcas reconocidas

1,20 2,00 1,40 1,20 1,60

1,00 1,00 1,50 1,10 1,50
1,30 1,80 1,30 1,20 1,01
1,50 1,60 1,50 2,20 1,70

A) RANGO :

R = Vmax - Vmin 2,20 - 1,00 1,20

B) HALLAR EL NUMERO DE INTERVALOS :

K = 1+ 3,3LOG (n) 1+1,33LOG (20) 3,48

C) AMPLITUD

C = R/K 1,20/3,48 0,34

EJEMPLO N 5
Ingresos mensuales de la empresa" Tornillos SAC"

60000,00 1000,00 5632,21 78659,12 15423,00

18000,00 40000,00 4872,23 1200,01 26323,02
52100,00 2232,25

A) RANGO :

13
 R = Vmax - Vmin 78659,12 - 1000 77659,12
B) HALLAR EL NUMERO DE INTERVALOS :

K = 1+ 3,3LOG (n) 1+1,33LOG (12) 2,47

C) AMPLITUD
C = R/K 77659,12/2,47 31440,94

PLUS:

Historia de la Estadstica
Los comienzos de la estadstica pueden ser hallados en el antiguo Egipto, cuyos faraones lograron
recopilar, hacia el ao 3050 antes de Cristo, prolijos datos relativos a la poblacin y la riqueza del
pas. De acuerdo al historiador griego Herdoto, dicho registro de riqueza y poblacin se hizo con el
objetivo de preparar la construccin de las pirmides. En el mismo Egipto, Ramss II hizo un censo
de las tierras con el objeto de verificar un nuevo reparto.

En el antiguo Israel la Biblia da referencias, en el libro de los Nmeros, de los datos estadsticos
obtenidos en dos recuentos de la poblacin hebrea. El rey David por otra parte, orden a Joab,
general del ejrcito hacer un censo de Israel con la finalidad de conocer el nmero de la poblacin.

Tambin los chinos efectuaron censos hace ms de cuarenta siglos. Los griegos efectuaron
censos peridicamente con fines tributarios, sociales (divisin de tierras) y militares (clculo de
recursos y hombres disponibles). La investigacin histrica revela que se realizaron 69 censos para
calcular los impuestos, determinar los derechos de voto y ponderar la potencia guerrera.

Pero fueron los romanos, maestros de la organizacin poltica, quienes mejor supieron emplear
los recursos de la estadstica. Cada cinco aos realizaban un censo de la poblacin y sus
funcionarios pblicos tenan la obligacin de anotar nacimientos, defunciones y matrimonios, sin
olvidar los recuentos peridicos del ganado y de las riquezas contenidas en las tierras conquistadas.
Para el nacimiento de Cristo suceda uno de estos empadronamientos de la poblacin bajo la
autoridad del imperio.

Durante los mil aos siguientes a la cada del imperio Romano se realizaron muy pocas
operaciones Estadsticas, con la notable excepcin de las relaciones de tierras pertenecientes a la
Iglesia, compiladas por Pipino el Breve en el 758 y por Carlomagno en el 762 DC. Durante el siglo

14
 IX se realizaron en Francia algunos censos parciales de siervos. En Inglaterra, Guillermo el
Conquistador recopil el Domesday Book o libro del Gran Catastro para el ao 1086, un documento
de la propiedad, extensin y valor de las tierras de Inglaterra. Esa obra fue el primer compendio
estadstico de Inglaterra.

Aunque Carlomagno, en Francia; y Guillermo el Conquistador, en Inglaterra, trataron de revivir

la tcnica romana, los mtodos estadsticos permanecieron casi olvidados durante la Edad Media.

Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicols Coprnico,
Galileo, Neper, William Harvey, Sir Francis Bacon y Ren Descartes, hicieron grandes operaciones
al mtodo cientfico, de tal forma que cuando se crearon los Estados Nacionales y surgi como
fuerza el comercio internacional exista ya un mtodo capaz de aplicarse a los datos econmicos.

Para el ao 1532 empezaron a registrarse en Inglaterra las defunciones debido al temor que
Enrique VII tena por la peste. Ms o menos por la misma poca, en Francia la ley exigi a los
clrigos registrar los bautismos, fallecimientos y matrimonios. Durante un brote de peste que
apareci a fines de la dcada de 1500, el gobierno ingls comenz a publicar estadsticas semanales
de los decesos. Esa costumbre continu muchos aos, y en 1632 estos Bills of Mortality (Cuentas
de Mortalidad) contenan los nacimientos y fallecimientos por sexo. En 1662, el capitn John
Graunt us documentos que abarcaban treinta aos y efectu predicciones sobre el nmero de
personas que moriran de varias enfermedades y sobre las proporciones de nacimientos de varones y
mujeres que cabra esperar. El trabajo de Graunt, condensado en su obra Natural and Political
Observations...Made upon the Bills of Mortality (Observaciones Polticas y Naturales ... Hechas a
partir de las Cuentas de Mortalidad), fue un esfuerzo innovador en el anlisis estadstico.

Por el ao 1540 el alemn Sebastin Muster realiz una compilacin estadstica de los recursos
nacionales, comprensiva de datos sobre organizacin poltica, instrucciones sociales, comercio y
podero militar. Durante el siglo XVII aport indicaciones ms concretas de mtodos de
observacin y anlisis cuantitativo y ampli los campos de la inferencia y la teora Estadstica.

Los eruditos del siglo XVII demostraron especial inters por la Estadstica Demogrfica como
resultado de la especulacin sobre si la poblacin aumentaba, decreca o permaneca esttica.

En los tiempos modernos tales mtodos fueron resucitados por algunos reyes que necesitaban
conocer las riquezas monetarias y el potencial humano de sus respectivos pases. El primer empleo
de los datos estadsticos para fines ajenos a la poltica tuvo lugar en 1691 y estuvo a cargo de

15
 Gaspar Neumann, un profesor alemn que viva en Breslau. Este investigador se propuso
destruir la antigua creencia popular de que en los aos terminados en siete mora ms gente que en
los restantes, y para lograrlo hurg pacientemente en los archivos parroquiales de la ciudad.
Despus de revisar miles de partidas de defuncin pudo demostrar que en tales aos no fallecan
ms personas que en los dems. Los procedimientos de Neumann fueron conocidos por el
astrnomo ingls Halley, descubridor del cometa que lleva su nombre, quien los aplic al estudio de
la vida humana. Sus clculos sirvieron de base para las tablas de mortalidad que hoy utilizan todas
las compaas de seguros.

Durante el siglo XVII y principios del XVIII, matemticos como Bernoulli, Francis Maseres,
Lagrange y Laplace desarrollaron la teora de probabilidades. No obstante durante cierto tiempo, la
teora de las probabilidades limit su aplicacin a los juegos de azar y hasta el siglo XVIII no
comenz a aplicarse a los grandes problemas cientficos.

Godofredo Achenwall, profesor de la Universidad de Gotinga, acu en 1760 la palabra

estadstica, que extrajo del trmino italiano statista (estadista). Crea, y con sobrada razn, que los
datos de la nueva ciencia seran el aliado ms eficaz del gobernante consciente. La raz remota de la
palabra se halla, por otra parte, en el trmino latino status, que significa estado o situacin; Esta
etimologa aumenta el valor intrnseco de la palabra, por cuanto la estadstica revela el sentido
cuantitativo de las ms variadas situaciones.

Jacques Qutelect es quien aplica las Estadsticas a las ciencias sociales. Este interpret la teora
de la probabilidad para su uso en las ciencias sociales y resolver la aplicacin del principio de
promedios y de la variabilidad a los fenmenos sociales. Qutelect fue el primero en realizar la
aplicacin prctica de todo el mtodo Estadstico, entonces conocido, a las diversas ramas de la
ciencia.

Entretanto, en el perodo del 1800 al 1820 se desarrollaron dos conceptos matemticos

fundamentales para la teora Estadstica; la teora de los errores de observacin, aportada por
Laplace y Gauss; y la teora de los mnimos cuadrados desarrollada por Laplace, Gauss y Legendre.
A finales del siglo XIX, Sir Francis Gaston ide el mtodo conocido por Correlacin, que tena por
objeto medir la influencia relativa de los factores sobre las variables. De aqu parti el desarrollo del
coeficiente de correlacin creado por Karl Pearson y otros cultivadores de la ciencia biomtrica
como J. Pease Norton, R. H. Hooker y G. Udny Yule, que efectuaron amplios estudios sobre la
medida de las relaciones.

16
 Los progresos ms recientes en el campo de la Estadstica se refieren al ulterior
desarrollo del clculo de probabilidades, particularmente en la rama denominada indeterminismo o
relatividad, se ha demostrado que el determinismo fue reconocido en la Fsica como resultado de las
investigaciones atmicas y que este principio se juzga aplicable tanto a las ciencias sociales como a
las fsicas.

17