eapitnto

lntroducc,i6n
aoaoaaaaaaaaaaaaoaaaaaaaaaa aaaaaoaaaaoaoaaoaoaaaaaoaaaaaa

oBlETrvo DEL Presentar una visi6n general del tema

de la estadistica y de sus aplicaciones,
CAPITULO particularmente en los negocios.

A
 iQu6 es la estadistica moderna?
Hace cien aflos, H. G. Wells coment6 que "el pensamiento estadistico algirn dia
ser6 tan necesario para la ciudadania eficiente como la capacidad de leer y
escribir". Cada dia de nuestras vidas estamos expuestos a una amplia variedad de
informaci6n num6rica relativa a fen6menos como la actividad del mercado de valo-
res, los hallazgos de estudios de mercados, los resultados de encuestas de opini6n,
las tasas de desempleo, los pron6sticos de 6xito futuro de indrrstrias especificas y
datos deportivos. Ill terna de la estadistica nroderna abarca la recolecci6n, pre-
sentaci6n y caracterizaci6n de informaci6n para a1'udar tanto en el andlisis de
datos conro en el proceso de la toma de decisiones.
En t€rnrinos de 6reas funcionales de negocios, la estaclistica puede aplicarse en:
Contabilidad
r Para seleccionar muestras con prop6sitos de auditoria.
o Para comprender los derroteros de costos en contabilidad de costos.
Finanzas
o Para estar al tanto de medidas financieras en el transcurso del
tiempo.
o Para desarrollar formas de pronosticar valores de estas medidas ett
mornentos futuros.
Administraci6n
o Para describir caracteristicas de ernpleaclos dentro de una
organizaci6n.
o Para meiorar la calidad de los productos fabricados o de los
servicios procurados por la organizaci6n.
Mercadeo
o Para estimar la proporci6n de clientes que prefieren un producto en
vez de otro y la razon de esto.
o Para sacar conclusiones respecto a la estrategia de publiciclad que
seria m6s irtil para el incremento de ventas de un producto.
Comenzaremos en este capitulo introductorio con algunas definiciones inrpor-
tantes. Despu€s analizaremos un desarrollo hist6rico en el campo de la estadistica
y la distinci6n entre distintos tipos de estudios estadisticos. Concluiremos con el
papel del software de computaci6n en el andlisis estadistico.

El crecimiento y desarrollo
de la estadistica moderna
Hist6ricamente, el crecimiento y desarrollo de la estadistica moderna puede
trazarse desde dos fen6menos separados: la necesidad del gobierno de recabar
datos sobre sus ciudadanos (v6anse las referencias 6, 7 , 10, 14 )' 15) )' el desarrollo
en las rnatemSticas, de la teoria de probabilidades.
A lo largo de Ia historia registrada se han recabado datos. Durante las civiliza-
ciones egipcia, griega y romana, los datos se obtenian principalmente con prop6-
sitos de impuestos y reclutamiento militar. [,n la Edad N,ledia, las instituciones
eclesi6sticas a menudo mantenian registros de nacimientos, nruertes y matri-
monos. En Am€rica, durante la 6poca colonial, se mantuvieron diversos registros
(v€ase la referencia i5), y comenzando en 1790, la Constituci6n de Estados Unidos
requiri6 el levantamiento de censos cada diez aflos. Acttralmente estos datos se
usan para muchos prop6sitos, incluyendo prorrateo del Congreso y la asignaci6rt
de forrdos federales.
 I .2. I Esradlsrica descriptiva
[-stas v of r:s necesidatles de clatos a rrivel nacional estuvieron estrechameltte vincu-
latjas al .l:s:rrollo cle la estadistica descriptiva.
\ L: estadistica descriptiva puede definirse como aquellos rn6todos

:: :.'into de datos con el fin de clescribir apropiaclamente las cliversas

::i.r;teristicas de ese coniunto de datos.
-. --:.,:.tc los mdtodos de la estadistica descriptiva son irnportantes para presentar y
::.;cierizar los datos (v6ase los capitulos 3,4 y 5), €stos han sido la base de los
::r:t()dos de la estaclistica inferer-rcial y serviclo para nrejorar la teoria de la proba-
iriidad que, en la actualidad, ha hecho posible aplicar la estadistica a toclos los
campos cle la investigaci6n.

1.2.2 Estadlstica inferencial

lil impetu inicial para la formulaci6n de las nratenraticas de la teoria de probabili-
a clades provino de la irrvestigaci6n c-le iuegos de azar durartte el Renacimiento. Las
bases clel objeto cle la probabilidad ptreden renror')tarse a mediados del siglo dieci-
siete en la correspondencia entre el nratematico Pascal y el jugador Chevalier de
Mere (v6anse las referencias 9 y 10). ilstos y otros clesarrollos por matentdticos
conro Bernoulli, Delvfoivre y Gauss fueron los precrirsores del objeto de la estadis-
tica inferencial. Sin embargo, no fue sino a principios de este siglo que estadisticos
coltlo Pearsor-r, lisher, Gosset, Neyman, lVald y Tukev sentarorr las bases del desa-
rrollo de los m6todos cle la estadistica inferencial que tan anrplia aplicaci6n tienen
erl tantos campos en la acttralidacl.
I-a estadistica inferencial puede definirse corno aquellos rn6todos
clue iracen posible la estimacion de una caracteristica de una poblaci6n o
v la toma de rrna decisi6n referente a una poblaciorr, bas6ndose solo en los
1! resultados de la muestra.
Para aciarar esto, son necesarias algunas otras deiiniciones.
Una poblaci6n (o universo) es la totalidad de elententos o cosas bajo
consicleraci6n.
'-'r-,a
muestra es la porcion cie la poblacion que se seieccior-ra para su ar-rdlisis.
-'.. par6metro es una medida de resumen qlle se calcula para describir
. .., :i:rcteristica de toda urra poblaci6rr.
cstadistica es una rnedida de resumen qlre se calcula para describir
-.:., -:':i>tica de una sola muestra de la poblacion.
definiciones con un eiemplo, suponga que el director de sr,r
tOic5.- j:_: cabo una encuesta para conocer las percepciones de los estu-
diantes:::: :-., : , -..:-l:cl de la vida en el cantpus. l_a poblacion o el universo en
este caso s.:.:.-. :-:- .,,, r-sl,-rdiantes actualmente inscritos, ntientras qtrela mues-
'
tra consistir^: . ., :.-. ;-..:lios estudiantes que hubieran sido seleccionados para
participar etl I".:-.:-::: j l. -:j:tivo cle Ia encuesta seria clescribir las diversas acti-
tudes o caracrer,sr.::j -,: r-:: l: poblaci6n (los pardnietros). Esto se obtendria
usando las estadisti.rs .-:.':-..:ri de la muestra de estudiantes para estimar cliver-
sas actitudes o calaai.i:s:..-=;.:e interes en la poblacion. Por tanto, un aspecto
itnportante de la estaci,::r.: -i:::rencial es el proceso de usar las estadisticls cle
Illtlestras para sacar conclu>ici-i.s iespecto a los parametros de la poblaci6n.
El uso de nretodos est:.ii>:icos inferenciales se deriva de la necesiclacl clel
'lluestreo. A medida que una poblacion crece, por lo general resulta demasiado cos-
vtoso, tarclaclo e inc6modo obtener nr.restra informaci6n de toda ia poblaci6n. La

El crecimiento y desarrollo de la estadfstica moderna

cleterrninaci6n clc a las caracteristicas de la poblaci6lr ticnen rltre tlasarse ett la
inforrtraci6n corttetrida en una rnrrestra cle esa poblaci(ut. I-a teolia de llrobabili-
clades proporciona el enlace al averiguar la probabiliclacl r;ue los resttltaclos de la
muestra reflejen los resrrltaclos cle la poblaci6n.
Estas ideas tanrbi6n pueclen ilustrarse refiridndose al eiernplo de una votaci6n
politica. Si el encuestaclor desea estimar el porcentaje de los votos que un canclidato
obtendri en urla elecci6n particular, no entrevistar6 a cada utro de los miles (o
incluso millones) de votantes que componen la poblaci6n. En t'ez de esto, se selec-
cionard una rnlrestra cle votantes. Bas6ndose cn el resultado de la nruestra, se
extraer6n conclusiones referentes a tocla la poblaci6n de votantes. Adiurtto a estas
conclusiones se tendr:i trn planteamiento de probabiliclacl <1ue especificlue la
verosimilitud o confianza qlre los resultados de la rnuestra refleiert el compor-
tanriento cle votaci6n de la poblaci6n.

Pensamiento estadlstico y
administraci6n moderna
En la ci6cada pasada, el surgimiento de una economia global ha llevado a rtn inter6s
ntavor en Ia calidad de los procluctos nranufacturados y cle los servicios prestaclos.
f)e hecl-ro, lnis qtre el trabaio de cualqtrier otra persona, la labor del estadistico W.
Ldrvards Derning ha conducido a este ambiente empresarial moclificado. Llna parte
integral del enfoque gerencial qtre contiene este inter6s creciente en la calidad (a
rneuudo referido como atlnrilristraci6n para Ia caliclad total) es la aplicaci6n
de ciertos rn6todos estadisticos y el uso del pensarniento estadistico por parte
cle los gerentes de una comparlia.

il pensamiento estadistico pr-rede definirse conro procesos de

Jtensamiento que se centran en fornras de comprender, rnanejar y reducir
la variaci6n.
El pensamiento estaclistico incluye el reconocirniento que los datos son ilthe-
rentelnente variables (no habr.l clos cosas o l)ersonas que sean exactan)el)te iguaies)
,v clue la iclentificaci6n, medici6n, control y reclucci6n de la variacion prop'rorciottan
oportunidades para mejorar la calidad. Los m6todos estadisticos pueden propor-
cionar el vehiculo para aprovechar estas oportuniclades. [,] papel de los rn6toclos
estadisticos en el contexto de nreiorar la caliclad ptrede entenderse ntejor si nos refe-
rimos a un modelo de rneiorar la calidad presentado en la figLrra 1.1.
lrn la figtrra 1.1 podemos observar que eltri6ngulo consta de tres porciones; en
la parte superior, tenenros la Filosofia de la adnrinistracion,v en las dos esqttinas
inferiores, tenemos los M6todos estaclisticos y Ias Ilerraurientas de comporta-
miento. Cada uno cle estos tres aspectos es irrclispensable para el tnejoratttiento tlc
caliclad a largo plazo de cualquiera de los bienes nranufacturaclos o cle los servicios
prestados por una organizaci6n. Una filosofia de la adrninistraci6n proporciona
una base constante para los esftrerzos por mejorar la calidad. Entre los enfoques
disponibles estSn aqtrdllos preconizados por !V. Edwards Deming (v€anse las refe-
rencias 1-3 y la secci6n 16.5) y joseph Juran (v6anse las referencias 4 y 5).
Para instrumentar un enfoque de aumento de calidad en una organizaci6n, se
necesitan usar tanto las herramientas de comportamiento como los rn6todos estadis-
ticos. Cada uno de 6stos ayudan en la comprensi6n y en el perfeccionamiento de los
procesos. Entre las herramientas de comportamiento titiles est6n el flujo de procesos
y los diagramas de esqueleto de pescaclo (v6ase la secci6n 16.4),la lluvia de ideas, la
toma de decisiones de grupo nominal y la esi ructtrraci6n de equipos (para un mayor
an6lisis, v6ase la referencia 11). Entre los rnr:t,rdos estadisticos m6s fitiles 1;ara el desa-
rrollo de una mayor calidad est6n las nurlrerosas tablas, diagramas y estadisticas
descriptivas estudiadas en los cap(tulos 3-5 y los diagramas de control desarrollados
en el capitulo 16.
t
: ---i - -^ t^

::-, : s!racron

Herramienlas de
comporlamiento
Figura l.l
Un modelo del proceso para mejorar la calidad.

Estudios enumerativos frente

a estudios analiticos
Nuestro an6lisis cle la inferencir r-st:.tistic3 en Ie secci6n 1.2 y del papel de los
metodos estadisticos para la nrcj.-,fi.ie la c:lidad en la seccion 1.3 rros perr-nite
Itacer una ir-nportante distir-rcion entre dos tipos cle estuclios estadisticos que se
et-uprenden: los r.studios erlurnerativos v los esttrdios analiticos.
I-os estudios enunrerativos inr-clucran Ia tonra de clecisiones respecto
a una poblacion y/o sLls caracteristicas.
l-as elecciones politicas sorl r.ln e jcnrplo tie un estudio enurnerativo, puesto que
sus objetivos son proporcionar estirraciones tle las caracteristicas de la poblaci6n
y decidir ciertas acciones soirre esa poblacion. El listaclo de todas las urriclades
lcotl-lo los votantes registraclos) qLre pertertecen a la poblaci6n, se denomina el
rrirTrro (vease la secci6n 2.7) y prol;orciona la base para la seieccion de la muestra.
:.si pues, el enfoque del estudio enumeratlvo esta puesto sobre el conteo (o
.: :Jicion) de los resultados obteniclos a partir del nrarco.
.'-s estudios analiticos involucran realizar alguna actividad sobre nn
: -,.eso para rnejorar el desernpeflo en el futuro.
-: .
'..stigaci6n de los resultados de un proceso de fabricaci6n o de servicios,
:r-.. s tlurante cierto tiempo, es un ejernplo de estudio analitico. La aten-
: -- ::i-:dio analitico est6 puesta sobre la predicci6n del comportanriento
' --- -. -. .:-.eso l, sobre la comprensi6n y perfeccionamiento de ese proceso.
- -' '.'.- - , :,-.-rlitico, no existe un universo identiiicable, corrro sucede ert un
: -. : .: ':-."._, \.
en consecuencia, tampoco hay trn tnarco.'fal vez podamos
: : :' : .' , :-- .ntre estrrdios analiticos y estudios enunterativos refiri6n-
- -.. 1 ?
- - _. 1..r.
-- . =.- . - :.. .:'.:.ativo, el taz6n representa la poblaci6n. Las preguntasde
.r : :. . : :'. -' .1.. : ..: Ii,t€glrnta "lqu6 hay en el taz6n?". Un ejemplo de esto
!:..:::l:r - -:.'.::: ...: ,:.- I:tZOn SOn negras O en qU6 prOpOrCi6n SOn negras.

Estudios enumerativos frente a estudios analiticos

 Muestra

Flgura 1.2
Un estudio enumerativo.
ocoo

En el estuclio analitico, hayvarias etapas que comporlerl ur-l proceso. F.stas eta-
pas por lo general incluyen entradas que podrian abarcar alguna cornbittaci6rt de
personas, equipo, material e infornraci6n; salidas que tienen Ia forma de trn prc.r-
ducto fabricado o un servicio proporcionaclo; y el paso de transforrlacion inter-
medio que convierte las errtradas err las saliclas cleseaclas. IJna pregurtta clave gira
en torno a c6rno prrede usarse cuakluier clato que pudiera ser recabado cotlto parte
del proceso (a rlenudo en Lln periodo) para mejorar el proceso en el futuro. [:sto se
indica en la figtrra 1.3 rnecliante la presencia de un ciclo de retroalinretrtacion.
La distinci6n eutre estudios enurnerativos y analfticos es irnportante, puesto
que los m6toclos qr.re lian sicio desarrollados llrincipalmente para estudios etttr-
merativos pueden ser engarlosos o incorrectos para estudios analiticos (v6anse las
referencias 1-3). a
E,n este texto desarrollaremos nr6toclos apropiados para estos,tipos clistintos cle
estuclios.
Aigur-ros de los nretodos son apropiaclos para cualquier tipo de estudio. Otros
n-r6todos son apropiados principalr:rente para esttrclios cnumerativos o ;trincipa[-
mente para estuclios analiticos.

tr

Flgura 1.3 Un estudio analitico.

 El papel de los paquetes de
computacion en estadlstica

1., -!r l-)ri:.,:-,: . : riltimos veinte aflos, el campo de la estadistica ha cambiado clrarn6ti-
c,l:.: .:i ..',:!li.lnte el riesarrollo cje software de conrputadora especialrnente escrito
. :.. : -,:.-'iisis estaclistico. Durante los ochenta, el softlvare estadistico experi-
-' - ...,-r vasta revoluci6n tecnologica. Ademis de las rneioras manifestadas en
I
.- ..,..-.:,-lones peri6clicas,,la disponibilidad de computacioras personales condu jo
,.:::.:oilo de nuevos paquetes que usaban una interfaz rnanejada por nren6es.
I
'.,tcmas, 16piclaurc'nte se dispuso de l;rs versiones de conrputadoras personales
: -'j,,j,,ictes corllo SAS, SPSS y \,llNI'fAl) (r'eanse las referertcias B, 12 y l3). lv{as
.:- cl uso cacla vez nlayor de los paquetes de iroias de c6lcr"rlo poptrlares conlo
::s i-2-3 y Excel llevaron a la incorporaciorr t1e peculiariclacles estadisticas en
:r.-,S llaqLletes.
ll final de la d6cada cle los aflos ochenta y el principio cle los noventa repre-
::r:i3torr un periodo continuo de avances tecnologicos. lvfientras qtre los prirneros
ra .'.1iuetes desarrollados para las conrputadoras personales s6lo estaban disponi-
.rs para r-n6quinas Il]lvl o corrillatibles, actualmente los paquetes han sido adap-
,.rtlos al ambiente de ias conrputadoras lvlacintosl-i. Adertrzis, los rdpidos avances en
cl ltardware de las comprrtacloras inrplico que se pucliera disponer cle cantidades
ntds grandes de memoria cle computadora A un costo n'relror. Esto permiti6 a los
creadores de paquetes incluir proceclimientos estaclisticos adicionales mas sofisti-
caclos en cacla version posterior.
Por tarrto, es facil conrprenrler por que el rrso rle estos paquetes de softlvare es
algo cclrnr.rn dentro cle las conrtrrrirlades em[)resrriales, acaclenricas y cle investi-
gacitin. Asi pr,res, en este texto acloptarenros la posici6n de qtre al realizarurr anali-
sis csta(listioo, es casi seguro (lue se tel-)ga acceso a algfrn paquete o paqLletes (o un
1-rlttltrete clet hola de trabajo) cle soitlvarr-'estadistlco. Con e.sto en nlente, nuestra
atencitit't esta puesta en ia interpretaciori cic la salrda cie varios cle estos paquetes
(princiJraln'rente N'llNll]\li, SAS y Sl'SS), con ur] eni:tsis r-nas lirnitado en ios pasos
itrvolltcrados en los cilctrlos. I:sto es congnrente c()rt r.l terla del tcxto, que subrai,a
cl ttso apropiaclo cie los nretoclos estadisticos antes que la teoria nratemdtica strb-
vAcente a los metodos.
Atttrqtte el softlvare estadistico ha heciro factibles incluso los an6lisis rn6s
, ,i!stic;tdos, los problernas srrrgen cuando usuarios inexpertos estadisticamente,
Ilo cotnprenden las prernisas que estin detras cle los proceclirnientos o las limi-
-..-:-. ':les clc los resultaclos obtenidos, son engaiiac'los por la salida estadistica gene-
, : rr la computatlora. I)or razones pedagogicas, creemos que es importante que
Jr -:1.ioltes de los nretodos incluidos en el texto se ilustren mediante el uso de
i:r.sueltos.

sumen y visi6n general

::.rlna de restrrnen cle este capitulo, hernos presentado una
-:-: 1:r estadistica, hernos proporcionado varias definiciones
: .: ' .,'r r roclo el texto y henros analizado el papel del software
. - .. I se cc.ntra en Ia recolecci6n de datos y la selecci6n de
..' .. - , -:::rorir,rctorios proporcionan los conocimientos para
: ..: ,..:.. -,, .lescripti'",a, que se analizard en los capitulos 3-5.

Resumen y vision general

 Caracterizaci6n
de datos

l;il ({'$ti{Jti $ft:;iil

i ti : Ef !fl !
l.sf ica.s ;1;i

irs$ffiffi,'9{
,* 3: rl ri ix t:;.+{'ll" t r' :

Diagrama de resumen del capitulo l.

!t
f untando todo

TERMTNOS CLAVE
Adnrinistraci6n para la Calidad Total enttttterativtts 5
esttrdicls
estadistica 3 nluestra 3
estaclistica descriptiva 3 pa16rnetro 3
estadistica inferencial 3 pensarniento estadistico 4

moderna
estaclistica 2 poblacion 3
estudios analiticos 5 rrniverso 3

Problemas de repaso del caPftulo

Para respotlder alas pregwtns que siguen, tal vez desee ir a su bibliotecn 7' cottsttl'
tar las siguientes ftrcntes de referertcia:
Indicadores
Brtsittess Periodical Irtdex
,New York Tinrcs htdex
WaII Streetlounnl hfiex v
 -t

1.1I Itara cacla irrciso sigrriente, in(li(ltre si el esttrdio es enurucrativo o alralitico.

Justif iquelo.
(a) Una revista rlcsea cleterrtrinar la proporci6n de strs lectores qrre tienerr ln6s
de cincuenta aiicts cie edad.
(b) Una revista ciesearia cleterrninar si la clisponibiliclacl cle urr precio de
desctrento en la renor,aci6n de una suscripci6n de cinco arios afectard cl
nrimero de strscripciones.
(c) Una revista desearia rleterrninar el nivel de ingresos cle sus lectores.
(d) Una revista clcsearia detenninar c6rnr-r reclrrcir el nrirncro rle e rrores
ocurridos en la factr,rracion a los suscriptores.

Referencias
1. Deming, W. E., "On Probabitity as a Basis for Action", 9. I)earson, [,. S., ed., The History, of Statislics i,t tlrc
Atrtericatr Statisticiatr, vol.29, 1975, pp. 146-152. Sevetrteertth atil Eiglrteerrth Cettttuies (Nueva York:
2. Deming, W. E., Orrf of the Crisis (Carnbridge, N,lA: lvlclvlillan, 1978).
lv{assachusetts Institute of 'Iechnology Center for 10. I'earson, E. S., y lvl. G. Kerrdall, ecls., Strrr/ie.t irt tlrcllistLtrl'
Advanced Engineering Study, 1986). of Statistics atrd Probabili\, (Darien, C1': FIaftter, 1970).
3. [)eming, \Y. E., I'lte New Ecorrotnics for Intlustry, 11. Robbins, S. l'., l!/rrrrrrgetnerrt, 4a ed. ([,nglervoocl Cliffs, NJ:
G ove nr t tte tr t, Edrrctt li ot t (Canrbriclge, MA: lvlassachuset ts I'}rentice-Hall, 1991).
Institute of Technology Center for Advanced
12. Ryan, Ii. [:., y B. L. Joiner, lvfinitab Stutletrt Harrdbook,3a
lingineering Study, 1993).
ed. (North Scituate, lvfu\: Duxbury Press, 1994).
4. Juran, J. M., luratr on Leadership for Quality (Nueva York: 13. SAS l.arrg;uage arnt Procedures Ltsa&e, Version 6 (Raleigh,
The Free l,ress, 1989).
NC: SAS Institute, 1988).
5. Juran, J. M. y F. lv{. Gryna, Quality Platrning atd At.rl1'sis, l-1. lValker, l{. N{., Sfuriie-s irt llrc l'listory of thc Statisticol
2e ecl. (Ntreva York: McGrarv-Flill, 1980).
IIetlrcd (Baltirn<-rre, NtD: !Villiarns & !Vilkins, 1929).
6. Kendall, y. G., y R. t.. I,lackett, eds., Slldies in tlrc Histon'
15. Watterrberg, B. E., ecl., Strrlistical f{istorl' of tlte Unitcl
of Statistics and i'rcbabilitl; r'ol. It (Lontlres: Charles \V.
States: Frortt Colortial Tilrres ttt tlrc I'rrtsetrt (Nueva \brk:
Griffin,1977).
Ilasic Books, 1976).
.D7. Kirk, R. F...,.ed., Statistical l.ssrres: A Render for tlrc Belnvioral
Jcror6e.s ( N{on te rey, CA: B rooks/C ole, 197 Z).
8. Norusis, lv{., SPSS Guirle to Data Analysis for SPSJ-X: lVlrlr
Additiotutl lttstructiotts for SPSSTPC+ (Chicago, IL: SpSS
Inc., 1986).