Está en la página 1de 12

Diferencia entre análisis positivo y análisis normativo:

Un aná lisis positivo, es el que se intenta reflejar la realidad con afirmaciones de causa
y efecto y se utiliza sobre todo en microeconomía. En cambio un aná lisis normativo, es
en el que se prescribe la realidad, es decir, vamos má s allá de la explicació n y la
predicció n, se utilizan juicios de valor. Por ejemplo: Las tasas de la universidad han
subido hasta 540BsS, esto no es todo. Ya que los alumnos que repitan deberá n pagar
la matrícula integra, es decir, no un 15% como se paga ahora ni un 25% como van a
pagar los demá s alumnos, no, un 100%, es decir, sobre 6000BsS. Esto sería un aná lisis
positivo, ya que hay hechos que lo demuestran.

Las tasas de la universidad van a subir y como consecuencia de esto, va haber algunos
alumnos que no las van a poder pagar, entonces ya no van a poder estudiar. Esto es un
aná lisis normativo, ya que es lo que nosotros pensamos que puede pasar.

Concepto de estadística:
Se designa con el nombre de estadística a aquella ciencia que ostenta en sus bases una
fuerte presencia y acció n de las matemá ticas y que principalmente se ocupa de la
recolecció n, aná lisis e interpretació n de datos que buscan explicar las condiciones en
aquellos fenó menos de tipo aleatorio.

Uno de los rasgos salientes de la estadística es que se trata de una ciencia transversal
y funcional a una amplia variedad de disciplinas que echan mano de ella para
entender e interpretar algunas cuestiones que hacen a sus objetos de estudio. La
física, la mayoría de las ciencias sociales, las ciencias vinculadas a la salud y á reas
como el control de calidad y los negocios y también algunas instituciones
gubernamentales, suelen muy recurrentemente ayudarse con la estadística para
comprender algunos fenó menos que se dan entre sus filas.

En la actualidad, la estadística es una ciencia que se encarga de estudiar una


determinada població n por medio de la recolecció n, recopilació n e interpretació n de
datos. Del mismo modo, también es considerada una técnica especial apta para el
estudio cuantitativo de los fenó menos de masa o colectivo.

Diferencia y similitudes entre estadística inductiva y estadística


deductiva:
Hay dos grandes campos dentro de la Estadística y a menudo las personas pueden
sentirse confundidas acerca de cuá l es la diferencia entre ambos. Cada uno de ellos es
importante y persigue diferentes objetivos. Dichos campos se conocen como
Estadística Descriptiva y Estadística Diferencial.

Estadística Deductiva:

Esta es la má s conocida por la mayoría y como su nombre lo indica, su objetivo es


describir. En este caso se usan medidas numéricas para analizar datos y llegar a
conclusiones a partir de ellos.

Estadística Inductiva:

Esta á rea de la Estadística se encarga del estudio de las muestras estadísticas. A partir
del aná lisis de dichas muestras, la Estadística Inferencial puede inferir, estimar o sacar
conclusiones a partir de la muestra de una població n.

En definitiva, la diferencia entre Estadística Descriptiva y Estadística Inferencial es


que la primera só lo se encarga de hacer descripciones a partir de ciertos datos;
mientras que la segunda se va má s allá y hace estimaciones acerca de los datos que se
recogen de las muestras que se toman de una població n.

¿Qué relación tiene la estadística con la carrera que estudias?:


La estadística se encuentra ligada directamente a la ingeniería de petró leo. Su relació n
se debe a la posibilidad de hacer estimaciones en cuanto a los costos y riesgos de
perforació n, posibilidades de encontrar cantidades suficientes de hidrocarburos que
permitan cubrir gastos y generar ganancias, entre otros.

En la industria petrolera se deben tomar decisiones que permitan la optimizació n de


procesos y la maximizació n de las ganancias. Decisiones sobre los montos a invertir,
las reservas recuperadas, las tasas de producció n esperadas, pueden hacerse de
manera inteligente con ayuda de un aná lisis estadístico.

En resumen, la estadística entra en juego desde que se descubre un yacimiento


petrolífero hasta que el hidrocarburo llega al mercado.

Diferencias entre predecir e inferir:


Las predicciones suelen ser suposiciones que no necesariamente se sustentan en
evidencia o que se sustentan en muy poca. 

En sentido general, en las predicciones pueden interferir los aspectos subjetivos de los
individuos y también algunos falsos conocimientos que ciertas personas podrían
considerar como verdaderos y vá lidos.

Las predicciones pueden ser precisas o no, pero en muchos casos la precisió n de las
mismas es só lo producto de la suerte.

Algunos ejemplos de predicción podrían ser los siguientes:

 Ves un libro con una portada poco agradable y afirmas que el contenido es
malo.
 Está s jugando cara o cruz con un amigo y dices que saldrá cara.
 Viste que ú ltimamente ha aumentado la deforestació n y afirmas que para el
añ o X no quedará ningú n á rbol en el planeta.

Por otra parte, Una inferencia consiste en sacar conclusiones acerca de algo a partir de
las observaciones y evidencias que se tienen de los fenó menos. Esas evidencias sirven
para conducir a las personas a una conclusió n razonable que puede ser explicada y
sustentada.

Algunos ejemplos de inferencias pueden ser los siguientes:

 El hielo se derrite si es calentado.


 Afirmar que hay fuego, luego de ver humo.
 Se obtiene el color naranja cuando se combina rojo y amarillo.

Como puedes notar, la inferencia consiste en seguir un proceso ló gico en el que se


unen elementos previamente conocidos por nosotros. É sta no aporta nuevos
conocimientos, se trabaja con el que ya tenemos.

Que es estimar:
Llamamos estimació n al procedimiento utilizado cuando se quiere conocer las
características de un pará metro poblacional, a partir del conocimiento de la muestra.
Esto es que mediante el estudio de una muestra de una població n se quiere
generalizar las conclusiones al total de la misma.
Que es pronosticar:
El pronó stico es el proceso de estimació n en situaciones de incertidumbre. El
término predicció n es similar, pero má s general, y usualmente se refiere a la
estimació n de series temporales o datos instantá neos. El pronó stico ha evolucionado
hacia la prá ctica del plan de demanda en el pronó stico diario de los negocios. La
prá ctica del plan de demanda también se refiere al pronó stico de la cadena de
suministros.

Por consiguiente, los pronó sticos son procesos críticos y continuos que se necesitan
para obtener buenos resultados durante la planificació n, de un proyecto.

Probabilidad:
Las probabilidades constituyen una rama de las matemá ticas que se ocupa de medir o
determinar cuantitativamente la posibilidad de que un suceso o experimento
produzca un determinado resultado. La probabilidad está basada en el estudio de la
combinatoria y es fundamento necesario de la estadística.

La creació n de la probabilidad se atribuye a los matemá ticos franceses del siglo XVII
Blaise Pascal y Pierre de Fermat, aunque algunos matemá ticos anteriores, como
Gerolamo Cardano en el siglo XVI, habían aportado importantes contribuciones a su
desarrollo.

¿A qué se refiere puntaje en una variable?:


El puntaje corresponde a la variable estadística y las veces que se repite la variable a
la frecuencia absoluta.

Ejemplo: Para agrupar los datos por su frecuencia, se deben seguir los siguientes
pasos:

Se ordenan los datos en orden creciente o decreciente.

Se cuenta la frecuencia absoluta de cada valor (cuá ntas veces se repite cada
magnitud)

De acuerdo a los datos anteriores, se observa que el nú mero menor es 59 y el nú mero


mayor es 97.
¿A qué se refiere la categoría en una variable?:
Se refiere a que es cada una de las posibles variaciones que puede tomar la variable.
Es decir que la categoría se define en términos de la variable, pues es la segunda la
que permite que los datos puedan ser asignados en x o y categoría.
Cuando la variable se mide numéricamente, la categoría lleva entonces el nombre de
valor.

Ejemplo para la variable temperatura, la categoría seria los valores en grados que
puede tomar la variable

¿A qué se refiere el código en una variable?:


Se refiere a la codificació n de los datos es asignar nú meros a las modalidades
observadas o registradas de las variables que constituyen la base de datos, así como
asignar có digo (valor numérico) a los valores faltantes (aquellos que no han sido
registrados u observados).

Ejemplo: Si la base de datos incluye la variable Sexo, hay que asignar un nú mero a las
mujeres y otro a los hombres. Si se trata de variables cuantitativas, hay que definir el
nú mero de decimales que van a ser registrados.

¿Qué es una variable independiente?:


Un variable independiente es una variable que representa una cantidad que se
modifica en un experimento.

A menudo x es la variable que se utiliza para representar la variable independiente en


una ecuació n.

Ejemplo:
Está s haciendo tareas domésticos para ganar tu mesada. Por cada tarea que haces
obtienes $3.

¿Cuál es la variable independiente?

La variable independiente es la cantidad de tareas que haces, pues esta es la variable


sobre la que tienes control.
¿Qué es una variable dependiente?:
Una variable dependiente representa una cantidad cuyo valor depende de có mo se
modifica la variable independiente.
A menudo y es la variable que se utiliza para representar la variable dependiente en
una ecuació n.

Ejemplo:
Utilicemos el mismo contexto.
Está s haciendo tareas domésticos para ganar tu mesada. Por cada tarea que haces
obtienes \$3.

¿Cuál es la variable dependiente?:


La variable dependiente es la cantidad de dinero que obtienes, pues la cantidad de
dinero que ganas depende del nú mero de tareas que hagas.

Toma de decisión en estadísticas:


Esta nos permiten recolectar, analizar e interpretar de forma inteligente los datos
relevantes en el proceso de toma de decisió n. De esta manera, para que la utilizació n
de los resultados estadísticos se haga de una forma correcta, resulta necesario que el
gerente conozca los principios bá sicos de las técnicas usadas.

Ejemplo: como objetivo general, a un gerente le convendría conocer el perfil de


trabajo de los funcionarios de una determinada empresa, para orientar la política de
recursos humanos. En este caso, deberíamos especificar mejor lo que queremos
conocer dentro de la població n de funcionarios, es decir, los objetivos específicos:

- conocer el tiempo medio de servicio de los funcionarios de la empresa;

- conocer el grado de instrucció n de los funcionarios;

- verificar el interés de los funcionarios en participar en programas de entrenamiento;

- evaluar el grado de satisfacció n de los funcionarios en el trabajo que ejercen dentro


de la empresa; y,

- verificar si existe asociació n entre el grado de satisfacció n del funcionario y su


productividad.

La elaboració n de los objetivos específicos debe realizarse de tal manera que indiquen
una primera aproximació n de las características que se necesite observar o medir. De
esta manera, se precisarían observar las siguientes variables de cada funcionario de la
empresa:

- tiempo de servicio;

- grado de instrucció n;

- interés en la participació n de programas de entrenamiento; y,

- grado de satisfacció n del trabajo y productividad.

Diferencia entre población finita y población infinita :


La diferencia es que a la població n finita, el nú mero de elementos que la forman es
finito, por ejemplo el nú mero de alumnos de un centro de enseñ anza, o grupo de clase
y la població n infinita es cuando el nú mero de elementos que la forman es infinito, o
tan grande que pudiesen considerarse infinitos. Como por ejemplo si se realizase un
estudio sobre los productos que hay en el mercado. Hay tantos y de tantas calidades
que esta població n podría considerarse infinita.

Diferencia entre población en estudio y población infinita :


Su diferencia es que los dos poseen un gran nú mero de població n pero la població n en
estudio como la muestra es tan grande se selecciona un subgrupo que se va a estudiar
la cual se extraerá de la població n y a la que podrá n generalizarse los resultados del
estudio. Gran parte de la validez de estos estudios dependerá del rigor con que
hayamos seleccionado la muestra.

Muestra aleatoria:
Una població n en estadística es el conjunto de todas las observaciones en las que
estamos interesados. Se llama tamañ o de la població n al nú mero de individuos que la
componen, siendo cada posible observació n un individuo; así pues, las poblaciones
pueden ser finitas e infinitas.
Cada observació n en una població n es un valor de una variable aleatoria X con una
funció n de probabilidad o densidad determinada f(x) Normalmente, se denomina a las
poblaciones con el nombre de la distribució n de la variable; es decir, hablaremos de
poblaciones normales, binomiales, etc.

Para estudiar una població n existen dos posibilidades. Una de ellas consiste en
estudiar todos sus elementos y sacar conclusiones; la otra consiste en estudiar só lo
una parte de ellos, una muestra, elegidos de tal forma que nos digan algo sobre la
totalidad de las observaciones de la població n. El mejor método ser el primero,
cuando es posible, lo cual só lo ocurre en las poblaciones finitas y razonablemente
pequeñ as; en el caso de poblaciones muy grandes o infinitas será muy difícil o
imposible realizar un estudio total. En este caso necesitaremos tomar una muestra y
nos surgirá el problema de có mo hacer para que la muestra nos diga algo sobre el
conjunto de la població n.

Ejemplo: 1.1

Considera que en tu clase de Probabilidad y Estadística hay 54 alumnos en total


(població n),y que nos interesa conocer el nú mero de asistencias en el tercer periodo,
de forma rá pida y confiable. Entonces, tomaremos una muestra aleatoria de solamente
5 alumnos de este, luego sumamos sus respectivas asistencias y las dividiremos entre
5. El resultado obtenido será muy parecido al resultado que obtendrías al dividir la
suma de todas las asistencias de la població n entre l 54 alumnos.

Existen los siguientes tipos de muestra aleatoria:

Simple: Elegido el tamañ o de la muestra, los elementos que la compongan se han de


elegir aleatoriamente entre los N de la població n. Con calculadora: se utilizan los
nú meros aleatorios

Sistemático: Se ordenan previamente los individuos de la població n; después se elige


uno de ellos al azar, a continuació n, a intervalos constantes, se eligen todos los demá s
hasta completar la muestra.

Estratificado: Se divide la població n total en clases homogéneas, llamadas estratos;


por ejemplo, por grupos de edades , por sexo. Hecho esto la muestra se escoge
aleatoriamente en nú mero proporcional al de los componentes de cada clase o
estrato.

¿Porque se extraen muestras de una observación de interés?:


MUESTRA DE OBSERVACIONES: Es el conjunto de valores que toma una variable
estadística sobre una muestra de individuos; es decir, es un subconjunto de la
població n de observaciones.

Se extraen Porque Permite obtener informació n de la població n y Es la base


experimental sobre la que investigar las propiedades de toda la població n. Por tanto,
la muestra debe ser representativa de la població n y debe ser elegida de forma que
respete los criterios estadísticos necesarios en funció n del tratamiento que deba
recibir.

Algunos tipos de muestreo basados en criterios estadísticos son: Muestreo


aleatorio simple, Muestreo aleatorio sistemá tico, Muestreo estratificado, Muestreo por
conglomerados, Muestreo en etapas mú ltiples, Muestreo por ruta aleatoria.

¿Cuál debe ser el tamaño de la muestra?:


En estadística el tamañ o de la muestra es el nú mero de sujetos que componen
la muestra extraída de una població n, necesarios para que los datos obtenidos sean
representativos de la població n.

¿Cómo se calcula el tamaño de una muestra?


La fó rmula para calcular el tamañ o de muestra cuando se conoce el tamañ o de la
població n es la siguiente: En donde, N = tamañ o de la població n Z = nivel de confianza,
P = probabilidad de éxito, o proporció n esperada Q = probabilidad de fracaso D =
precisió n (Error má ximo admisible en términos de proporció n).

Diferencias entre población real e hipotética:


La població n real es el grupo de elementos concretos y completos que existen
mientras que la població n hipotética es aquella que se caracteriza por situaciones que
no son reales sino que son imaginables de có mo puede presentarse una situació n o
algo parecido.

Ejemplo:

Población real: En Venezuela TODAS las personas que se dedican al mundo artístico.
Población hipotética: La acció n que una persona pudiera tomar en una situació n
compleja que este atravesando.

¿Qué es una población aleatoria?:


Conjunto finito o infinito de elementos, denominados individuos, sobre los cuales se
realizan observaciones. Ejemplos: todos los habitantes de cierto lugar, todos los
ejemplares de una determinada especie de tortugas, todos los microchips que fabrica
una empresa, etc.

Diferencia entre Unidimensional y bidimensional atendiendo a la


variable estadística:
Si bien hablamos de unidimensional en cuanto a variable estadística hacemos énfasis
ú nica y exclusivamente en la informació n sobre una característica, pero si hablamos
de bidimensional nos referimos a extraer informació n de 2 características específicas
del estudio.
Repú blica Bolivariana de Venezuela
Ministerio del Poder Popular para la Educació n Universitaria Ciencia y Tecnología
Universidad del Zulia
Nú cleo Costa Oriental del Lago
Cabimas, Estado Zulia.

Estadística.

Realizado por:

Brayan Marchan

C.I:26.399.321

Henry Briceñ o

C.I: 23.960.757

Marielena Castro

C.I: 27.691.644

Profesor:

Raú l Ortiz.

Asignatura:

Estadística.

CABIMAS; AGOSTO 2018


Bibliografía:

http://economiahastaenlasopa.blogspot.com/2013/01/analisis-positivo-y-
normativo.html

https://www.definicionabc.com/general/estadistica.php

http://diferenciaentre.info/diferencia-entre-estadistica-descriptiva-y-diferencial/

http://diferenciaentre.info/diferencia-entre-inferencia-y-prediccion/

http://www.tuveras.com/estadistica/estimacion/estimacion.html

https://m.monografias.com/trabajos-pdf5/estadistica-toma-decisiones/estadistica-
toma-decisiones.shtml

https://es.khanacademy.org/math/pre-algebra/pre-algebra-equations-
expressions/pre-algebra-dependent-independent/a/dependent-and-independent-
variables-review

https://www.uv.es/webgid/Descriptiva/21_codificacin_.html

http://m.cris7iansierra.webnode.es/news/diferencia-entre-variables-y-categorias/

http://www.profesorenlinea.cl/matematica/Estadistica1(VF).htm

http://www.psyma.com

http://electroonica.blogspot.com

http://www.ub.edu