TRABAJO DE

INVESTIGACIÓN

ESTADÍSTICA Y PROBABILIDADES
UNFV- LIMA
 INTEGRANTES
1. Bendezú Cortés, José Luis.
2. Blanco Martin, Santiago.
3. Chanduvi Medina, Carlos Andrés.
4. Centeno Vargas, Mario Luis.
5. Evaristo Cruz, Mayumi.
6. Salcedo Buendía, Miguel Ángel.

1|Página
 INDICE
1. DEFINICION, CLASIFICACION Y APLICACIONES
1.1. Población.
1.2. Muestra.
1.3. Parámetro.
1.4. Estadígrafo.
1.5. Dato estadístico.
1.6. Fuente de datos.
1.7. Variables.
1.8. Eventos.

2|Página
 1. DEFINICION, CLASIFICACION Y APLICACIONES

POBLACIÓN.

 Definiciones:

 Una población se precisa como un conjunto finito o infinito de personas

u objetos que presentan características comunes.

 Según Levin &Rubin (1996). Indica que “Una población es un conjunto

de todos los elementos que estamos estudiando, acerca de los cuales
intentamos sacar conclusiones”.

 Según Cádenas (1974). Expresa “Una población es un conjunto de

elementos que presentan una característica en común”.

 En la estadística, la población de un estudio estadístico es el conjunto de

elementos objeto de estudio. Cada elemento se denomina individuo.
Cuando el número de individuos de la población es muy grande,
tomamos una parte de ésta, denominada muestra.

 Es la colección de datos que corresponde a las características de la

totalidad.

 Clasificación
 Según estudios generales
 Poblaciones Finitas. Consta de un número determinado de
elementos, susceptible a ser contado.
 Poblaciones Infinitas. Consta de un número indeterminado de
elementos o incontables.
 Según el aspecto
 Reales. Son aquellas concretas, que existen.
 Hipotéticas. Son aquellas formas imaginables.

 Otras clasificaciones
 Población estable: es aquella en que sus calores o cualidades no
presentan variaciones, o éstas, por pequeñas que sean, son
despreciables, como la rotación de la tierra o la velocidad de la
luz.
 Población inestable: es la que contienen los valores en
constante cambio. Prácticamente la totalidad de las poblaciones
corresponden a este tipo. El cambio de los valores se presenta en
el tiempo o en el espacio.

3|Página
  Población aleatoria: es la que presenta cambios en sus calores
debidos al azar, sin que exista una causa aparente, como las
variaciones en el contenido del producto.
 Población dependiente: es la que cambia sus valores debido a
una causa determinada y medida. La dependencia puede
ser total, como las variaciones obtenidas en una función
matemática, la regresión lineal, por ejemplo. La dependencia
es parcial cuando la causa influye en la variable dependiente en
una proporción menor a la total, por ejemplo, el incremento en
las ventas proveniente de un mayor gasto publicitario. Esta
última influencia no es proporcional.
 Población binomial es aquella en la que se busca la presencia o
ausencia de una característica, por ejemplo, la presencia de
ozono en el aire.
 Población polinomial: es la que tiene varias características que
deben ser definidas, medidas o estimadas, como la obediencia, la
inteligencia y la edad de los alumnos de postgrado.

 Aplicación

 Comerciantes, esta es la forma en que se define a las personas que dedican

su vida al comercio
 La gente que habita en el campo de un país representa su población rural.
 La población con deficiencia económica o cultural, esta se puede ver en
barrios bajos, guetos, favelas etc.
 La población de adultos mayores en la Comunidad Europea.
 La población de Aves en peligro de extinción de la selva del Amazonas.
 La población de Koalas que habitan en Oceanía.
MUESTRA.
 Definición
 La muestra es un subconjunto de la población y tiene que ser representativa
de la misma.
 Según Allen Webster, “Es una parte representativa de la población que es
seleccionada para ser estudiada en su totalidad”
 Es una parte, generalmente pequeña, que se toma del conjunto total para
analizarla y hacer estudios que le permitan al investigador inferir o estimar
las características de un problema.
 La información o características que se encuentran en la muestra se
llaman estimadores y sirven para deducir cómo son las características
llamadas parámetros de la población.

 Clasificación

 Muestreo de conveniencia o por selección intencionada: aquí la muestra

similar al universo objetivo es seleccionada a partir de métodos no
aleatorios. La representatividad de dicha muestra es determinada por el

4|Página
 investigador de manera subjetiva. Por funcionar de esta manera, las
muestras suelen tener sesgos, por lo que lo ideal es recurrir a esta técnica
cuando no quede ninguna otra alternativa.
 Muestreo aleatorio: en este todos los elementos que lo componen tienen
exactamente la misma posibilidad de ser elegidos. Estos elementos son
seleccionados de forma azarosa por medio de números aleatorios. Existen
distintas formas de realizar el muestreo aleatorio, entre ellas:

 Muestreo aleatorio simple: este método es muy simple y se

caracteriza por la extracción de los individuos de una lista de forma
azarosa. Cuando el universo es muy numeroso y complejo, no suele
resultar eficaz.
 Muestreo sistemático: en este caso, el primer individuo se extrae
al azar y a partir de este se elige, a intervalos constantes, el resto.
Este método resulta más sencillo que el muestreo aleatorio simple y
además no precisa de un listado elaborado para seleccionar a los
individuos. Si bien el muestreo sistemático es aplicable a la mayoría
de los casos, se debe tener en cuenta que la característica que se esté
estudiando no posea una periodicidad igual a la del muestreo.
 Muestreo aleatorio estratificado: para realizar este muestreo se
debe dividir a la población en grupos de acuerdo a un carácter
específico y luego, cada uno de estos grupos es muestreado
aleatoriamente, obteniendo así una parte que sea proporcional a la
muestra. Estos muestreos son útiles cuando la característica que
determina la división de la población está relacionada con la
variable que quiera estudiarse.
 Muestreo aleatorio por conglomerados: aquí, la población es
dividida en grupos que posean características similares entre ellos.
Luego de realizar esto, algunos grupos son analizados
completamente dejando de lado al resto.
 Muestreo mixto: en este caso se utilizan al menos dos de los
métodos mencionados anteriormente. Esto ocurre cuando la
población a estudiar es sumamente compleja, por lo que la
aplicación de un solo método resultaría difícil o resultaría
ineficiente.

 Aplicación

 A un paciente que debe ser operado quirúrgicamente se le analiza

su sangre tomando una muestra pequeña para conocer el grado de
coagulación. No es necesario extraerle toda la sangre.
 El industrial que desea saber si en alambre que produce tiene la
resistencia necesaria a la tensión deseada, toma solamente una
muestra de su producción, debido a que el alambre que se destruye
con la prueba y de otra manera tendría que destruir toda la
existencia.
 Si tenemos una población formada por 100 elementos y
queremos extraer una muestra de 25 elementos, en
primer lugar debemos establecer el intervalo de
selección que será igual a 100/25 = 4. A continuación

5|Página
 elegimos el elemento de arranque, tomando
aleatoriamente un número entre el 1 y el 4, y a partir de
él obtenemos los restantes elementos de la muestra.

2, 6, 10, 14,..., 9

VARIABLE.
 Definición
Es la propiedad o característica de la población que estamos interesados
en estudiar.
 Clasificación
Puede ser cualitativa o cuantitativa:
 Las variables cualitativas toman valores no numéricos.
 Las variables cuantitativas toman valores numéricos. Entre ellas,
distinguimos dos tipos: discretas y continuas.
 Las variables cuantitativas discretas no pueden tomar
valores intermedios entre dos valores posibles consecutivos.
 Las variables cuantitativas continuas pueden tomar valores
intermedios entre dos valores tan próximos como deseemos.
 Aplicación

 Según los establecimientos de una, dos, tres, cuatro y cinco estrellas

de acuerdo a los servicios que proporcionan al público. Los
artículos almacenados pueden clasificarse en materias primas,
materiales, accesorios, lubricantes, artículos de aseo, productos
terminados, etcétera.
 Según el estado civil, las personas se clasifican en solteros, casados,
separados, unión libre, viudos, dejados, entre otros.

Clasificar los siguientes sabores de comida (Variables Cualitativas y Cuantitativas)

6|Página
 Ejemplo de Variable Cuantitativa Continua

Ordenar las estaturas tomadas de 10 alumnos en metros

PARÁMETRO.
 Definición
 Son las medidas o características descriptivas inherentes a las poblaciones.
 Es una cantidad numérica calculada sobre una población y resume los valores
que esta toma en algún atributo o cualidad.
 Es un valor, medida o indicador representativo de la población que se
selecciona para ser estudiado.
 Clasificación
Hay tres tipos parámetros estadísticos :
 De centralización.
 De posición
 De dispersión.

Medidas de centralización. Nos indican en torno a qué valor

(centro) se distribuyen los datos. Las medidas de
centralización son:
 Media aritmética . La media es el valor promedio de la
distribución.
 Mediana. La mediana es la puntación de la escala
que separa la mitad superior de la distribución y la
inferior, es decir divide la serie de datos en dos partes
iguales.
 Moda. La moda es el valor que más se repite en una
distribución

Medidas de posición. Las medidas de posición dividen un

conjunto de datos en grupos con el mismo número de
individuos. Para calcular las medidas de posición es
necesario que los datos estén ordenados de menor a mayor .
Las medidas de posición son:

 Cuartiles. Los cuartiles dividen la serie de datos

en cuatro partes iguales .
 Deciles. Los deciles dividen la serie de datos en diez
partes iguales.
 Percentiles . Los percentiles dividen la serie de datos
en cien partes iguales.

7|Página
 Medidas de dispersión. Las medidas de dispersión nos
informan sobre cuanto se alejan del centro los valores de
la distribución. Las medidas de dispersión son:

 Rango o recorrido. El rango es la diferencia entre

el mayor y el menor de los datos de una
distribución estadística.
 Desviación media. La desviación media es la media
aritmética de los valores absolutos de
las desviaciones respecto a la media.
 Varianza. La varianza es la media
aritmética del cuadrado de las
desviaciones respecto a la media.
 Desviación típica . La d es vi aci ó n tí pi ca e s l a r aí z
cu ad r ada d e l a va ri a n z a .

 Aplicación

Cálculo de la media

Los pesos de seis amigos son: 84, 91, 72, 68, 8 7 y 78 kg. Hallar
el peso media.

En un test realizado a un grupo de 42 personas se han obtenido

las puntuaciones que muestra la tabla. Calcula la puntuación
media. Si l o s d a t os vi en en ag r up a d os en u n a tabl a de
f r ecu en ci as , l a e xp r e si ón d e l a m ed i a e s:

8|Página
 Cálculo de la mediana

1. O r de n am o s l os d at os d e m e no r a m a y or .

2. Si l a s e ri e ti en e u n n úm e ro i mp a r de m ed i d as l a m ed i a n a e s
l a p un tu a ci ó n c en t r a l d e l a mi sma .

3. 2, 3 , 4, 4 , 5, 5 , 5 , 6, 6 M e = 5

4. Si la s e ri e ti e n e u n nú me r o p ar d e pu n tu a ci o n e s
l a me d i a n a e s l a m ed i a en t r e l as d o s p un t u ac io n es
ce nt r a le s .

7, 8 , 9, 10 , 11 , 12 M e = 9. 5

Cálculo de la moda
La m od a e s el v a l or qu e ti en e m ay o r f r ec ue nc i a a bs ol ut a . S e
r ep r e s en ta p or M o . Se pu e de h a ll ar l a m o d a p a ra v a r i ab l e s
cu a l it at i v as y cu a nt it at i v a s . H a l l ar l a mo d a d e l a di st ri bu ci ón :

2, 3 , 3, 4 , 4, 4 , 5 , 5 M o = 4

Si en u n g ru p o h a y d o s o v a r i as pu n tu ac i on e s c on l a m i sm a
fr ec u en c i a y e sa f r e cu en ci a es la máxi ma ,
l a d is tr i b uc ió n es bi mo d a l o mu lt i mo d al , es de ci r ,
ti en e v ar i a s m od a s .
1, 1 , 1, 4 , 4, 5 , 5 , 5, 7 , 8, 9 , 9, 9 M o = 1 , 5 , 9
Cu an d o t od as l as p un tu a c io n es d e u n g ru p o ti en en l a m i sm a
fr ec u en c i a , no h a y m od a .

2, 2 , 3, 3 , 6, 6 , 9 , 9

Si do s p u nt u ac i on e s a d y ac en te s ti en en l a f r ec u en c i a
m áx i m a , l a m od a e s el p ro me d io d e l as dos pu n tu a ci on e s
ady ac en t es .

0, 1 , 3, 3 , 5, 5 , 7 , 8 Mo = 4

9|Página
DATOS ESTADISTICOS

 Definiciones:
 Son el producto de las observaciones efectuadas en las personas y
objetos en los cuales se produce el fenómeno que queremos estudiar.
Dicho en otras palabras, son los antecedentes (en cifras) necesarios para
llegar al conocimiento de un hecho o para reducir las consecuencias de
este.
 Los datos estadísticos se pueden encontrar de forma no ordenada, por lo
que es muy difícil en general, obtener conclusiones de los datos
presentados de esta manera. Para poder obtener una precisa y rápida
información con propósitos de descripción o análisis, estos deben
organizarse de una manera sistemática; es decir, se requiere que los
datos sean clasificados. Esta clasificación u organización puede muy
bien hacerse antes de la recopilación de los datos.
 Clasificación
 Datos cualitativos: Cuando los datos son cuantitativos, la diferencia
entre ellos es de clase y no de cantidad.
Ejemplo: Si deseamos clasificar los estudiantes que cursan
la materia de estadística I por su estado civil, observamos que pueden
existir solteros, casados, divorciados, viudos.
 Datos cuantitativos: Cuando los valores de los datos representan
diferentes magnitudes, decimos que son datos cuantitativos.
Ejemplo: Se clasifican los estudiantes de la UNFV de acuerdo con
sus notas, observamos que los valores (nota) representan diferentes
magnitudes.
 Datos cronológicos: Cuando los valores de los datos varían en
diferentes instantes o períodos de tiempo, los datos son reconocidos
como cronológicos.
Ejemplo: Al registrar los promedios de notas de los alumnos de la
UNFV en los diferentes semestres.
 Datos geográficos: Cuando los datos están referidos a una localidad
geográfica se dicen que son datos geográficos.
Ejemplo: El número de estudiantes de educación superior en las
distintas regiones del país.

 Aplicación
 Si se quiere conocer las características de los estudiantes de la UNFV,
que solicitan préstamo a la biblioteca de dicha universidad, la
recolección de la información debe clasificar a cada estudiante sobre la
base de: Carrera que estudia, edad, semestre de estudios, etc. Vemos
pues que la clasificación, marca la pauta de la clase de datos que debe
ser obtenido.

10 | P á g i n a
FUENTE DE DATOS

 Definición:

 Son los medios de donde procede la información. Los datos pueden

reunirse de diferentes fuentes de información ya existentes o pueden
obtenerse mediante censos, encuestas y estudios experimentales para
conseguir nuevos datos.

 Clasificación

 Fuente de datos primarios: Son los documentos, testimonios u objetos

originales que le permiten investigar directamente en ellos, sin la
interacción de un tercero. Según Bounocore (1980) Expresa que “Son
las que contiene la información original, no abreviadas ni traducidas”.
Estas fuentes se clasifican en tres tipos:
 Escritas: Son documentos públicos o privados, las cuales pueden
ser los testamentos, actas, informes económicos, diarios
personales, etc.
 Iconográficas: Las cuales pueden ser:
 Plásticas: Como la pintura, escultura, arquitectura, etc.
 Graficas: Como la fotografía, los dibujos, las caricaturas
los grabados, los afiches, etc.
 Orales: Estas pueden ser:
 Discretas: Son personas que presenciaron el suceso o les
contaron dicho acontecimiento.
 Grabaciones: Son filmes, audiovisiones, videos, etc.
 Fuente de datos secundarios: Son los resultados concretos de la
utilización de las fuentes primarias. Según Bounocore (1980) Expresa
que “Son aquellas que contienen los datos o informaciones
reelaborados o sintetizados”. Estas fuentes se clasifican en tres tipos:
 Escritos: Como los libros, periódicos, revistas, etc.
 Auditivas: Por ejemplo, las grabaciones de conferencias.
 Auditivos y visuales: Como las teleconferencias.

 Aplicación
 Un investigador requiere el numero de estudiantes repitentes en
Matemáticas durante los últimos 20 años de la universidad; entonces el
investigador puede dirigirse a una fuente primaria, en este caso seria el
departamento de evaluación y control de estudio de esta universidad.
 Un investigador requiere conocer cuantas personas han muerto de una
determinada enfermedad en un hospital durante el último semestre;
entonces el investigador puede dirigirse a una fuente primaria, este caso
sería en el hospital donde ocurren estas muertes y solicitar la data mes
por mes de los fallecidos por dicha enfermedad.

11 | P á g i n a
ESTADIGRAFOS
 Definiciones:

 Son las medidas o características descriptivas inherentes a las muestras.

 También llamada medidas de resumen.
 La diferencia entre Parámetro y Estadígrafo se le llama error de
muestreo.
 Es una función matemática que utiliza datos de muestra para llegar a un
resultado que debe ser un número real.
 Los estadígrafos son utilizados para estimar parámetros o como valores
de distribuciones de probabilidad que permiten hacer inferencia
estadística (la inferencia estadística son los contrastes de hipótesis y los
intervalos de confianza de uno o varios parámetros) de la muestra, y la
toma de decisiones respecto a la población contiene cierto grado de
incertidumbre.

 Clasificación:
 Medidas de centralización. Nos indican en torno a qué valor
(centro) se distribuyen los datos. Las medidas de
centralización son:
 Media aritmética . La media es el valor promedio de
la distribución.
 Mediana. La mediana es la puntación de la escala
que separa la mitad superior de la distribución y la
inferior, es decir divide la serie de datos en dos partes
iguales.
 Moda. La moda es el valor que más se repite en una
distribución
 Medidas de posición. Las medidas de posición dividen un
conjunto de datos en grupos con el mismo número de
individuos. Para calcular las medidas de posición es
necesario que los datos estén orden ados de menor a mayor.
Las medidas de posición son:
 Cuartiles. Los cuartiles dividen la serie de datos
en cuatro partes iguales .
 Deciles. Los deciles dividen la serie de datos en diez
partes iguales.
 Percentiles. Los percentiles dividen la serie de datos
en cien partes iguales .
 Medidas de dispersión. Las medidas de dispersión nos
informan sobre cuanto se alejan del centro los valores de
la distribución. Las medidas de dispersión son:
 Rango o recorrido. El rango es la diferencia entre
el mayor y el menor de los datos de una
distribución estadística.

12 | P á g i n a
  Desviación media. La desviación media es la media
aritmética de los valores absolutos de
las desviaciones respecto a la media.
 Varianza. La varianza es la media
aritmética del cuadrado de las
desviaciones respecto a la media.
 Desviación típica . La d es vi aci ó n tí pi ca e s l a r aí z
cu ad r ada d e l a va ri a n z a .

 Aplicación
 Si se ha observado que el insomnio es uno de los síntomas asociados a
determinados trastornos de ansiedad. Para aliviarlo, el instituto de salud
mental “X”, propone una terapia para aumentar el numero de horas
dormidas, para lo cual decide incorporar en el estudio de 20 pacientes
de quienes se recoge el numero de horas dormidas durante tres noches.
Para esto usamos el estadígrafo hallando el numero promedio de horas
dormidas y el porcentaje de ansiedad de los 20 pacientes que asisten a
ese instituto en un periodo determinado.

Eventos

 Definición:
 Es uno o más resultados posibles de un experimento, o puede ser un
subconjunto del espacio muestral que nos interese analizar.

 Clasificación

 Evento Seguro: Es aquel que siempre se verifica después del

experimento aleatorio, es igual al espacio muestral.
E= S y n(E) = n(S)
 Evento Imposible: Es aquel que nunca se verifica después del
experimento aleatorio. No tiene elementos, la única posibilidad es que
el evento imposible sea el conjunto vacío.
Ø ⊂ S y n (Ø) = 0
 Evento Simple: Es el evento E que contiene exactamente un punto
muestral S, esto es, n(E) = 1.
 Evento Compuesto: Es el evento E que contiene mas de un punto
muestral S, por tanto: n(E) > 1
 Evento Complemento de A: Es el evento que falta para completar el
espacio muestral, cuando no se verifica A. El evento complemento se
denota con el símbolo 𝐴𝐶 y se define como: 𝐴𝐶 = {s ∈ Ω tal que s ∉ A}
Nota: Entre el complemento y el conjunto original completan el espacio
muestral.
 Evento Mutuamente Excluyente: Son aquellos que no pueden ocurrir al
mismo tiempo. Ejemplo: cara o escudo

 Aplicación

13 | P á g i n a
 Del experimento: “Se lanza un dado”. S= {1,2,3,4,5,6}.
 El evento seguro es: {123456}
 El evento vacío = {} es el evento imposible
 Son eventos simples: {4}, {5}, {6}
 Son evento compuestos: {2;4}, {2;5}, {4;5;6}
 Son eventos complementarios: A= {2;5;6}; 𝐴𝐶 = {1;3;4}
 Son eventos mutuamente excluyentes:
A = {2;5} y B = {1;3;6}; A∩B = ø
A = {1;4;6} y B = {2;3;5}; A∩B = ø

14 | P á g i n a
 Referencias:

http://estadisticaparaadministracion.blogspot.pe/2011/10/poblacion-y-muestra-
parametro-y.html
http://www.um.es/docencia/pguardio/documentos/Tec2.pdf
http://desirestadisticasbasicas.blogspot.pe/2010/07/poblacion-parametro-
muestra-estadistico.html
https://www.uv.es/webgid/Descriptiva/32_variables.html
http://colposfesz.galeon.com/est501/suma/sumahtml/conceptos/estadistica.htm
https://es.slideshare.net/jcarlos2509/estadistica-poblacion-muestra-y-variables
https://www.clasificacionde.org/clasificacion-de-datos-estadisticos/

15 | P á g i n a