Resumen de toda la materia

La estadística se puede definir como la ciencia que recopila, organiza, analiza e interpreta la
información numérica o cualitativa, mejor conocida como datos, de manera que pueda llevar a
conclusiones válidas.

La estadística se puede dividir en 2 categorías, la "estadística descriptiva" y la "inferencia

estadística".

La estadística descriptiva es la ciencia que recopila , organiza e interpreta la información

numérica ó cualitativa. Los periódicos, revistas, radio y televisión usan la estadística descriptiva
para informar y persuadirnos acerca de ciertas acciones a tomar y en la formación de opiniones.
La estadística descriptiva, es la descripción de los datos y no la inferencia partiendo de los datos.

La estadística inferencial

Estudia cómo sacar conclusiones generales para toda la población a partir del estudio de
una muestra, y el grado de fiabilidad o significación de los resultados obtenidos.

La población

Es el conjunto de todos los posibles elementos que intervienen en un experimento o en un

estudio.

La muestra

Un conjunto de medidas u observaciones tomadas a partir de una población dada. Es un

subconjunto de la población.
 
MUESTRA REPRESENTATIVA: Un subconjunto representativo seleccionado de una población de la
cual se obtuvo.

La estimación se encarga de buscar establecer los valores de los parámetros de la

población.

Las pruebas de Hipótesis constituyen un proceso relacionado con aceptar o rechazar

afirmaciones acerca de los parámetros de la población.
Los dos pasos anteriores se pueden resumir diciendo que el propósito es hacer
inferencias sobre la población a partir de una muestra y estimar la confianza con la
que estas inferencias pueden ser verdaderas.

Elección del tamaño de muestra

numero de elementos u observaciones

Población estadistica: Conjunto de individuos personas, animales en los que estamos

interesados .

Muestra de una poblacion: conjuntos de elementos que forman parte de una población

Es un conjunto de observaciones o medidas tomadas a partir de una

población dada, es decir, es un subconjunto de la población. Desde luego, la
cardinalidad de la muestra depende de la cardinalidad de la población. Las muestras
deben ser representativas para evitar un sesgo u error
POBLACIÓN - es el conjunto total de individuos, objetos o medidas que poseen algunas
características comunes observables en un lugar y en un momento determinado. Cuando se
vaya a llevar a cabo alguna investigación debe de tenerse en cuenta algunas características
esenciales al seleccionarse la población bajo estudio. Entre éstas tenemos:

Homogeneidad - que todos los miembros de la población tengan las mismas características
según las variables que se vayan a considerar en el estudio o investigación. Por ejemplo, si
se fuera a investigar la incidencia de la drogadicción entre jóvenes mujeres adolescentes,
entonces hay que definir claramente las edades que comprenden la adolescencia y cuando se
seleccione la población asegurarse de que todas las personas entrevistadas sean de la edad
determinada y del sexo femenino. (La adolescencia se define operacionalmente como el
periodo comprendido de edad que fluctúa entre 12 y 21 años.)

Dato
Valor observado de la variable

Estructura del dato

Unidades de Análisis:
elementos que se quiere estudiar, lo que se dice del dato, pueden ser: personas, animales,
sustancias, edad, peso, tamaño, un período de la historia; un estadío del desarrollo del niño, etc.
El conjunto de las UdA se conoce como “el universo” o la “población” del estudio.

Variables:

componente estructural del dato, es un sistema de clasificación que se emplea para clasificar las
UdA, que emplea el científico
 
Para que se considere un dato estadístico debe tener 2 características:
 
a) Que sean comparables entre sí.
b) Que tengan alguna relación.
 
Lo que estudiamos en cada individuo de la muestra son las variables (edad, sexo, peso, talla,
tensión arterial sistólica, etcétera). Los datos son los valores que toma la variable en cada caso.
Lo que vamos a realizar es medir, es decir, asignar valores a las variables incluidas en el estudio.
Deberemos además concretar la escala de medida que aplicaremos a cada variable.

La naturaleza de las observaciones será de gran importancia a la hora de elegir el método

estadístico más apropiado para abordar su análisis. Con este fin, clasificaremos las variables, a
grandes rasgos, en dos tipos 3-5: variables cuantitativas o variables cualitativas.

Variables cuantitativas. 

Son aquellas variables en las que características o propiedades pueden presentarse en diversos
grados de intensidad, es decir, admiten una escala numérica de medición. Son cualidades
numericas medibles medibles. Ej.: puntaje obtenido, nº de empleados, edad, tiempo de recorrido,
tamaño de…

 
Variables cuantitativas continuas, si admiten tomar cualquier valor dentro de un rango
numérico determinado (edad, peso, talla).
 Es aquella que teóricamente puede tomar cualquier valor en una escala de medidas, ya sea
entero o fraccionario.
 
Ejemplo : Estatura : 1.90 m
Son aquellas que pueden adoptar entre dos números puntos de referencias intermedio. Las
calificaciones académicas (10.5, 14.6, 18.7, etc.) siempre son cuantitativas, son las que pueden
asumir cualquier valor. Por ejemplo, la edad, altura, peso, índice académico.

Hay decimales. Ejemplo: Peso, temperatura, altura. “8hs. 3minutos, 2 segundos”, “1 mts, 70 cam,
2 mm” “1 semana, 3 dias, 1 noche”

Entre un valor y otro le siguen infinitas posibilidades

 Variables cuantitativas discretas

Es aquella que puede asumir sólo ciertos valores, números enteros.
 
Ejemplo: El número de estudiantes (1,2,3,4)

si no admiten todos los valores intermedios en un rango. Suelen tomar solamente valores enteros
(número de hijos, número de partos, número de hermanos, etc).
Son aquellas que no admiten posiciones intermedias entre dos números. Ej., en Barinas la
división de territorial la constituyen 11 municipios por no (10.5 u 11.5 municipios).son aquellas
que sólo adquieren un valor absoluto o específico que nunca cambian. Pueden ser cualitativas.
Ejemplo: el sexo, nacionalidad,
grupo étnico, entre otras.
Son numeros enteros: 8k 8 años 8km Nunca 3.1/2

1. VARIABLES INDEPENDIENTES - son las características controladas por el

investigador y que se supone tendrán efectos sobre otras variables

2. VARIABLES DEPENDIENTES - son las características o aspectos que se alteran por

consecuencia del control que ejerce el investigador sobre otras variables

Variables cualitativas. 

Atributos, condiciones o cualidades que poseen los individuos no numericas, aquello que se
dice de las personas y objetos:

(diagnostico clínico, sexo, actividad laboral, profesión, marcas de…tipo de enseñanza publica/
privada, clase social alta-media-baja, catolico/protestante, alto/gordo). Sus valores Se
relacionan con los niveles de medición Nominal y Ordinal.

Este tipo de variables representan una cualidad o atributo que clasifica a cada caso en una de
varias categorías. La situación más sencilla es aquella en la que se clasifica cada caso en uno
de dos grupos (hombre/mujer, enfermo/sano, fumador/no fumador). Son datos dicotómicos o
binarios. Como resulta obvio, en muchas ocasiones este tipo de clasificación no es suficiente y
se requiere de un mayor número de categorías (color de los ojos, grupo sanguíneo, profesión,
etcétera).

En el proceso de medición de estas variables, se pueden utilizar dos escalas:

 Escalas nominales: ésta es una forma de observar o medir en la que los datos se ajustan
por categorías que no mantienen una relación de orden entre sí (color de los ojos, sexo,
profesión, presencia o ausencia de un factor de riesgo o enfermedad, etcétera).
 Sexo:  masculino o femenino
 Lugar:  urbano o rural
 Religión: cristiana, hindú, musulmana, judía
 Raza:  blanca, negra, de color, mestiza
 Origen de la remisión: sí mismo, empleador, judicial

Son clasicaciones y etiquetas o codigos que solo sirven para distinguirlas. Clasifica clases
distintas entre si, no hay una mejor que otra:

Clases exhaustivas (todos los elementos de la población, no pueden estar en dos categorías
al mismo tiempo) cada individuo debe pertenecer a una de las categorias

Clases excluyentes individuo u objeto que pertenece a una sola de las categorias

 Escalas ordinales: en las escalas utilizadas, existe un cierto orden o jerarquía entre las
categorías (grados de disnea, estadiaje de un tumor, etcétera).

hay establecido un orden jerárquico, y son diferentes los elementos. Se presentan escalas
(nivel alto, medio, bajo). No se puede cuantificar ni decir que tanto mayo qué es.

Creciente: buena, muy buena, excelente o gano un premio

Decreciente: medio, bajo, pesimo o perdio el premio

 Nivel de educación:
 Nulo
 Primario
 Secundario
 Terciario

Intervalar:

ero no existe un 0 absoluto. El punto 0 no representa la ausencia de la característica sino que es un punto
convenido arbitrariamente.

El 0 es arbitrario no significa ausencia de variable, sino algo particular. Ejemplo: Examen. Se

dice que tanto mayor qué es.
Razones: Tiene un 0 absoluto, relacionado con la cantidad nula de lo que se quiere medir. El 0
es ausencia de característica. Relacionada con peso, altura y edad. Se puede cuantificar.
el cero es un numero mas en la escala, no representa ausencia

Es cuanto mayor o menor respecto que… son numneros e intervalos

ej. Hace 28 años va desde 0 años hasta sus 28

tiene 37º va desde 0º temperatura hasta 37º

tiempo de recorrido: 1hs. 20m, 30 seg.

Se sacaron entre 3 y 4 dentro de un intervalo de uno al diez

Se saco cero entre 0 y diez

  Los datos se miden en una escala continua, y no son objeto de una mera ordenación
 Las unidades de medición son constantes
 No existe un 0 absoluto

  Temperatura: 
 Fahrenheit or Celsius
 Medición en una escala continua
 No existe un 0 absoluto

Histograma de frecuencias

Se llama Histograma de frecuencias a la gráfica en la que en el eje de las abscisas se

grafican los intervalos y en el de las ordenadas se grafican las frecuencias.
Grafica donde en el eje vertical se indican las frecuencias, y de manera horizontal los rangos y
desvios

Distribución Normal: Su representación gráfica se denomina curva o campana de Gauss.

Una distribución normal que tiene media igual a 0 y desvición estándar igual a 1 se denomina
distribución normal estándar.
Valor z: la distancia entre un valor seleccionado, designado como X, y la población media μ,
dividida entre la desviación estándar de la población σ,

Las características comunes a todas las curvas son:

a) Tienen un único máximo en la media poblacional. Las distribuciones normales son
unimodales.

b) Son simétricas del eje vertical que pasa por x= media poblacional

c) Tienen dos puntos de inflexión, donde cambia la concavidad, en los puntos correspondientes
a la media más/menos una desviación típica.
En x= media – desvío poblacional, la concavidad va hacia abajo.

d) tiene media igual a cero y un desvio igual a 1

e) media mediana y moda se localizan en el centro, dividiendo la campana en dos: mitad a la

izquierda y la otra a la derecha

f) la distribución normal es simetrica y seextiende hasta el infinito.

g) La curva se acerca cada vez mas al eje pero no llega a tocarlo

 h) el valor z es la distancia entre un valor x y la media poblaciona (U) dividido entre el desvio
estándar de la población o sigma
I) tiene media igual a 0 y desviación estándar igual a 1 (0.50 para cada lado) y lleva los valores
de x a z e)

j) El área total bajo la curva indica la probabilidad correspondiente a la totalidad de los valores y
vale 1.

k)Bajo la curva normal están comprendidos el 100% de los casos.

Valor z: la distancia entre un valor seleccionado x y la población media μ

La distribución de frecuencia:

Agrupamiento de datos en categorías que muestran el nº de observaciones y ayudan a

describir las variables. La distribución de frecuencia se puede presentar en forma de tabla o
grafico. Hay varios tipos de frecuencia:
las frecuencias nos proporcionan representaciones graficas utiles para describir muchas
variables

Fa: numero de repeticiones que se observa cada valor de la variable en la muestra.

Fa ac. Suma de los valores de la frecuencia abs.

Fr: Fa dividida por n. Siempre es mayor o igual a 0 y menor o igual a 1.

Fr acum. Es el resultado de dividir cada Fa donde la ultima es igual al nº de casos

F%: Expresa qué porcentaje del total corresponde a la Fa. F%: Fr . 100.

Estadistica descriptiva, una vez que se han recogido los valores que toman las variables de
nuestro estudio (datos), procederemos al análisis descriptivo de los mismos. Para variables
categóricas, como el sexo o el estadiaje, se quiere conocer el número de casos en cada una
de las categorías, reflejando habitualmente el porcentaje que representan del total, y
expresándolo en una tabla de frecuencias.

Para variables numéricas, en las que puede haber un gran número de valores observados
distintos, se ha de optar por un método de análisis distinto, respondiendo a las siguientes
preguntas:

a. ¿Alrededor de qué valor se agrupan los datos?

b. Supuesto que se agrupan alrededor de un número, ¿cómo lo hacen? ¿muy
concentrados? ¿muy dispersos?

Medidas de tendencia central

Por lo general la mayor densidad de datos se encuentra en la parte central de la gráfica

y cada que nos alejemos del centro va disminuyendo la frecuencia en que aparecen los
datos, de igualmente de ambos lados, formando una curva parecida a una campana, a
lo que se llama comportamiento “normal”.
Podemos pensar que si media mediana y moda son muy parecidas entre sí, entonces la
población sí tiene un comportamiento normal, mientras más se alejen entre ellas, más
lejos de un comportamiento normal estará nuestra población.

Son aquellas que ‘representan’ a la totalidad de las observaciones. Son la Moda, Mediana y
Media. Indican el centro de un conjunto de observaciones

N numero total de valores de una muestra

Moda:

Es el valor de la variable que más veces se repite, es decir, aquella cuya frecuencia absoluta
es mayor. No tiene porque ser única.

Ej. El número de diás necesarios por 10 equipos de trabajadores para terminar 10

instalaciones de iguales características han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y 80
días. Calcular la media, mediana, moda, varianza y desviación típica.

La moda: el valor de la variable que presenta una mayor frecuencia es 60

Mediana:

Consideramos una variable discreta X cuyas observaciones en una tabla estadística han sido
ordenadas de menor a mayor. Llamaremos mediana, Medal primer valor de la variable que

deja por debajo de sí al La mediana del ejemplo anterior sería el valor que deja a la mitad
de los datos por encima de dicho valor y a la otra mitad por debajo

una mediana es el valor de la variable que deja el mismo número de datos antes y después
que él, una vez ordenados estos. De acuerdo con esta definición el conjunto de datos
menores o iguales que la mediana representarán el 50% de los datos, y los que sean mayores
que la mediana representarán el otro 50% del total de datos de la muestra.

Valor de la variable que ocupa una posición central, valores mayores que ella y el de los
menores. es el valor que separa por la mitad las observaciones ordenadas de menor a mayor,
de tal forma que el 50% de estas son menores que la mediana  y el otro 50% son mayores. Si
el número de datos es impar la mediana será el valor central, si es par tomaremos como
mediana la media aritmética de los dos valores centrales.

Ej. El número de diás necesarios por 10 equipos de trabajadores para terminar 10

instalaciones de iguales características han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y 80
días. Calcular la media, mediana, moda, varianza y desviación típica.

La mediana: es el valor que deja a la mitad de los datos por encima de dicho valor y a la otra
mitad por debajo. Si ordenamos los datos de mayor a menor observamos la secuencia:

15, 21, 32, 59, 60, 60,61, 64, 71, 80.

Como quiera que en este ejemplo el número de observaciones es par (10 individuos), los dos
valores que se encuentran en el medio son 60 y 60. Si realizamos el cálculo de la media de
estos dos valores nos dará a su vez 60, que es el valor de la mediana.

Media
Es el promedio aritmético de las observaciones, es decir, la división entre la suma de todos
los datos y el numero de ellos N. La media no es más que la suma de todos los valores de
una variable dividida entre el número total de datos de los que se dispone. es el simple
promedio de las observaciones del grupo, es decir el valor obtenido sumando las
observaciones y dividiendo esta suma por el número de observaciones que hay en el grupo.

En realidad hay muchas clases de promedios y ésta se la llama media aritmética para denotar
la suma de un grupo de observaciones dividida por su número.

Ej. El número de diás necesarios por 10 equipos de trabajadores para terminar 10

instalaciones de iguales características han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y 80
días. Calcular la media, mediana, moda, varianza y desviación típica.

La media: suma de todos los valores de una variable dividida entre el número total de datos de
los que se dispone:

Si la media y la mediana son iguales, la distribución de la variable es simétrica. La media es

muy sensible a la variación de las puntuaciones. Sin embargo, la mediana es menos sensible a
dichos cambios.

Medidas de forma

Asimetría

mide si la curva tiene una forma simétrica, es decir, si respecto al centro de la misma
(centro de simetría) los segmentos de curva que quedan a derecha e izquierda son
similares.

Si no coinciden la moda con la media y con la mediana es porque hay asimetría

Es que tan desplazada del centro esta la campana. Marca la tendencia del eje. Para cual de
todos los resultados esta más inclinado

Las distribuciones normales no tienen asimetría, son simétricas

Hemos comentado que el concepto de asimetría se refiere a si la curva que forman los
valores de la serie presenta la misma forma a izquierda y derecha de un valor central (media
aritmética)
Para medir el nivel de asimetría se utiliza el llamado Coeficiente de Asimetría, Si el
coeficiente de asimetría da 0 significa que no hay asimetría. Mas de 1 si

(distribución simétrica; existe la misma concentración de valores a la derecha y a la izquierda

de la media)

(distribución asimétrica positiva; existe mayor concentración de valores a la derecha de la

media que a su izquierda)

(distribución asimétrica negativa; existe mayor concentración de valores a la izquierda de la

media que a su derecha)

asimétrica

si la población donde se extraen las muestras no es normal, es asimetrica, entonces el

tamaño de la muestra debe ser mayor o igual a 30 para que la distribucion tenga una forma
acampanada

cuanto mayor sea el tamaño de la muestra, mas cerca de la distribucion normal sera la
misma. N=30

Medidas de dispersión

Estudia la distribución de los valores, analizando si estos se encuentran más o menos

concentrados, o más o menos dispersos, nos dicen hasta que punto estas medidas de
tendencia central son representativas, cuantifican la separación, la dispersión, la variabilidad
de los valores de la distribución respecto al valor central.

Rango: mide la amplitud de los valores de la muestra y se calcula por Diferencia entre el
mayor valor de la muestra (1,30) y el menor valor (1,20). Luego el rango de esta muestra es
10 cm.

Amplitud

Se obtiene restando el valor mas bajo del mas alto en un conjunto de observaciones. La
amplitud tiene la ventaja de que es fácil de calcular y sus unidades son las mismas que las de
la variable que se mide. La amplitud no toma en consideración el número de observaciones de
la muestra estadística, sino  solamente la observación del valor máximo y la del valor mínimo.
Sería deseable utilizar también los valores intermedios del conjunto de observaciones.

La desviación estándar (s ó δ) varianza

- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula
como sumatorio de las difrencias al cuadrado entre cada valor y la media, multiplicadas por el
 número de veces que se ha repetido cada valor. El sumatorio obtenido se divide por el tamaño
de la muestra.

La varianza siempre será mayor que cero. Mientras más se aproxima a cero, más
concentrados están los valores de la serie alrededor de la media. Por el contrario, mientras
mayor sea la varianza, más dispersos están.

la varianza es una medida de que tan cerca, o que tan lejos están los diferentes valores de
su propia media aritmética. Cuando más lejos están las X i de su propia media aritmética,
mayor es la varianza; cuando más cerca estén las X a su media menos es la varianza.

Ej. El número de diás necesarios por 10 equipos de trabajadores para terminar 10

instalaciones de iguales características han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y
80 días. Calcular la media, mediana, moda, varianza y desviación típica.

Sx2=

La desviación típica S: es la raíz cuadrada de la varianza.

Es la raíz cuadrada de la varianza. Expresa la dispersión de la distribución y se expresa en las

mismas unidades de medida de la variable. La desviación típica es la medida de dispersión más
utilizada en estadística. Es cuan distante esta x de la media aritmetica, se le llama también desviación
típica.
A la desviación se le representa por la letra "sigma" ( δ ) ó por la letra S mayúscula

Ej. El número de diás necesarios por 10 equipos de trabajadores para terminar 10

instalaciones de iguales características han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y
80 días. Calcular la media, mediana, moda, varianza y desviación típica

S = √ 427,61 = 20.67

algunas características de la varianza y desviación típica:

 Son índices que describen la variabilidad o dispersión y por tanto cuando los
datos están muy alejados de la media, el numerador de sus fórmulas será grande y la
varianza y la desviación típica lo serán.
 Al aumentar el tamaño de la muestra, disminuye la varianza y la desviación típica.
Para reducir a la mitad la desviación típica, la muestra se tiene que multiplicar por 4.
 Cuando todos los datos de la distribución son iguales, la varianza y la desviación
típica son iguales a 0.
 Para su cálculo se utilizan todos los datos de la distribución; por tanto, cualquier
cambio de valor será detectado.

El rango: diferencia entre el valor de las observaciones mayor y el menor

Ej. El número de diás necesarios por 10 equipos de trabajadores para terminar 10

instalaciones de iguales características han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y
80 días. Calcular la media, mediana, moda, varianza y desviación típica

80 - 15 = 65 días

COEFICIENTE DE VARIACIÓN DE PEARSON: Cuando se quiere comparar el grado de

dispersión de dos distribuciones que no vienen dadas en las mismas unidades o que las
medias no son iguales se utiliza el coeficiente de variación de Pearson que se define como
el cociente entre la desviación típica y el valor absoluto de la media aritmética

CV representa el número de veces que la desviación típica contiene a la media aritmética y

por lo tanto cuanto mayor es CV mayor es la dispersión y menor la representatividad de la
media.

Ej. El número de diás necesarios por 10 equipos de trabajadores para terminar 10

instalaciones de iguales características han sido: 21, 32, 15, 59, 60, 61, 64, 60, 71, y
80 días. Calcular la media, mediana, moda, varianza y desviación típica

cociente entre la desviación típica y el valor absoluto de la media aritmética

CV = 20,67/52,3 = 0,39

Medidas de posición no centrales

Las medidas de posición no centrales permiten conocer otros puntos característicos de la

distribución que no son los valores centrales. Entre otros indicadores, se suelen utilizar una
serie de valores que dividen la muestra en tramos iguales:

Cuartiles: son 3 valores que distribuyen la serie de datos, ordenada de forma creciente o
decreciente, en cuatro tramos iguales, en los que cada uno de ellos concentra el 25% de los
resultados.

Deciles: son 9 valores que distribuyen la serie de datos, ordenada de forma creciente o
decreciente, en diez tramos iguales, en los que cada uno de ellos concentra el 10% de los
resultados.

Percentiles: son 99 valores que distribuyen la serie de datos, ordenada de forma creciente o
decreciente, en cien tramos iguales, en los que cada uno de ellos concentra el 1% de los
resultados.

Teoría del muestreo:

Prueba de hipótesis: Como lo mencioné ni bien comenzó el oral, un parámetro es una

propiedad descriptiva de la población. Cuando no se conocen los valores individuales del total
de la población, se pueden estimar los parámetros a través de los valores obtenidos en las
muestras representativas.

Entonces se crea una hipótesis estadística inferencial, que es una afirmación que se formula
sobre o acerca de la distribución de una o más variables. Una prueba de hipótesis es un
conjunto de operaciones estadísticas que permite mediante la utilización del muestreo,
rechazar o no la hipótesis formulada, posibilitando el cálculo de la probabilidad de cometer error
en la decisión adoptada.

Siempre hay dos hipótesis:

Hipótesis Nula: o básica, o de nulidad. Simbolizada H0. Es la hipótesis donde se afirma un
valor numérico de un parámetro, es la hipótesis de la igualdad. Se dice que es la hipótesis
contraria de lo que quiere probar el investigador.

Hipótesis Alternativa: Si se rechaza la hipótesis nula, ésta es la que se considera.

Simbolizada H1. Es la que el investigador quiere probar.

La decisión entre la H0 y H1, se hace en base a un estadístico, llamado estadístico de prueba,
que vincula el estimador obtenido con el parámetro. La zona de rechazo o región crítica es el
conjunto de valores del recorrido del estadístico de prueba, con los cuales se rechaza la H0, se
llama punto crítico a la frontera de la región crítica. Entonces se establece una Regla de
decisión que dice que:
1. se rechaza la H0, si el estadístico de prueba toma un valor que pertenece a la zona de
rechazo.
2. no se rechaza la H0, si el estadístico de prueba toma un valor que no pertenece a la zona
de rechazo.

Entonces puede haber dos tipos de error: Si la H0 es verdadera y se rechaza, es ERROR

DE TIPO I (a la probabilidad o riesgo de cometer tal error se lo simboliza con la letra griega
alfa), pero si no se rechaza, la decisión es correcta. Si la H0 es falsa y se rechaza, la decisión
es correcta, pero si se no se rechaza, se produce el ERROR DE TIPO II (a la probabilidad o
riesgo de cometer tal error se lo simboliza con la letra griega beta).

Se llama nivel de significación de la prueba, a la probabilidad de comer ERROR DE TIPO I.

Es la probabilidad de la zona de rechazo. En general, es un dato, y de este dato se obtiene el o
los puntos críticos, y se conoce la región crítica.
Por lo general ante estas dos opciones (H0 y H1), cuando tenemos que arriesgarnos a tomar
una decisión bajo incertidumbre, nos parece que es más razonable pensar que se partió de una
hipótesis falsa antes de pensar que ocurrió algo que tenía baja probabilidad de ocurrir. Es por
ello que en el procedimiento de la prueba de hipótesis cuando ocurre un valor poco probable, o
sea el valor del estadístico de prueba pertenece a la zona de rechazo, se decide rechazar la
H0.

La probabilidad mide la frecuencia con la que aparece un resultado determinado cuando se

realiza un experimento.

Ejemplo: tiramos un dado al aire y queremos saber cual es la probabilidad de que salga un 2,
o que salga un número par, o que salga un número menor que 4.

El experimento tiene que ser aleatorio, es decir, que pueden presentarse diversos
resultados, dentro de un conjunto posible de soluciones, y esto aún realizando el experimento
en las mismas condiciones. Por lo tanto, a priori no se conoce cual de los resultados se va a
presentar:

Ejemplos: lanzamos una moneda al aire: el resultado puede ser cara o cruz, pero no
sabemos de antemano cual de ellos va a salir.

En la Lotería de Navidad, el "Gordo" (en España se llama "Gordo" al primer premio) puede ser
cualquier número entre el 1 y el 100.000, pero no sabemos a priori cual va a ser (si lo
supiéramos no estaríamos aquí escribiendo esta lección).

Hay experimentos que no son aleatorios y por lo tanto no se les puede aplicar las reglas de
la probabilidad.

Ejemplo: en lugar de tirar la moneda al aire, directamente selccionamos la cara. Aquí no

podemos hablar de probabilidades, sino que ha sido un resultado determinado por uno mismo.

Antes de calcular las probabilidades de un experimento aleaotorio hay que definir una serie de
conceptos:

Suceso elemental: hace referencia a cada una de las posibles soluciones que se pueden
presentar.

Ejemplo: al lanzar una moneda al aire, los sucesos elementales son la cara y la cruz. Al

lanzar un dado, los sucesos elementales son el 1, el 2, .., hasta el 6.

Suceso compuesto: es un subconjunto de sucesos elementales.

Ejemplo: lanzamos un dado y queremos que salga un número par. El suceso "numero par" es
un suceso compuesto, integrado por 3 sucesos elementales: el 2, el 4 y el 6

O, por ejemplo, jugamos a la ruleta y queremos que salga "menor o igual que 18". Este es un
suceso compuesto formado por 18 sucesos elementales (todos los números que van del 1 al
18).

Al conjunto de todos los posibles sucesos elementales lo denominamos espacio muestral.

Cada experimento aleatorio tiene definido su espacio muestral (es decir, un conjunto con
todas las soluciones posibles).

Ejemplo: si tiramos una moneda al aíre una sola vez, el espacio muestral será cara o cruz.

Si el experimento consiste en lanzar una moneda al aire dos veces, entonces el espacio
muestral estaría formado por (cara-cara), (cara-cruz), (cruz-cara) y (cruz-cruz).

Universo y Muestra

El Universo es el conjunto de individuos u objetos de los que se desea conocer algo en una
investigación;
una Muestra consiste en un subconjunto o parte del universo o población en que se llevará a
cabo la investigación con el fin posterior de generalizar los hallazgos al todo.
 El muestreo consiste en seguir un método, un procedimiento de manera tal que al escoger un
grupo pequeño de una población, se pueda tener un grado de probabilidad de que ese
pequeño grupo efectivamente posee las características del universo que estamos estudiando.
Es utilizado para seleccionar la muestra.

Unidad de muestreo:
El muestreo consiste en seguir un método, un procedimiento de manera tal que al escoger un
grupo pequeño de una población, se pueda tener un grado de probabilidad de que ese
pequeño grupo efectivamente posee las características del universo que estamos estudiando.

 De cada población puede extraerse un número indefinido de muestras.

 Cuando se utiliza la muestra se pretende conocer las características de la

población.

 debe ser representativa de la población, para poder hacer generalizaciones

válidas para la población.

 Muestra representativa es aquella que reúne en sí las características principales

de la población y guarda relación con la condición particular que se estudia, se debe
considerar en la extracción de una muestra representativa el sistema de muestreo y el tamaño
de la muestra.

Muestra aleatoria
Una muestra aleatoria es una muestra seleccionada de manera que cada elemento o persona
en la población que se estudia tiene una probabilidad de selección, donde cada miembro tiene
igual oportunidad de ser incluido.

1- Probabilísticas: aparece el azar

emplean probabilidades al azar a traves de disntintos criterios donde todas las unidades
tienen misma probabilidad de se rseleccionadas
 Aleatorio simple
 Sistemático
 Estratificado
 Conglomerado

a. Probabilísticas Aleatorio
subconjunto donde  todos los elementos  de  la población  tienen la misma probabilidad de
ser escogidos. Ej: cdo llaman por teléfono para hacer encuestas.

Dos pasos:

 determinar el tamaño de la muestra

 seleccionar sus elementos siempre   de    manera  aleatoria o al azar.

 Aleatorio o al azar simple cada unidad tiene la probabilidad equitativa de ser incluida en la
muestra, por sorteo o rifa o tarjetas con nombres o números, o tablas con columnas verticales,
horizontales y transversales, determinando el orden en que se hará uso de la tabla, columna y
fila.como su nombre lo indica, es una muestra donde se escogió al azar a los elementos que
la componen. Por ejemplo a partir de listas
Para obtener una muestra, se numeran los elementos de la población y se seleccionan al azar los
n elementos que contiene la muestra.

b- aleatorio sistemático

Se elige un individuo al azar y a partir de él, a intervalos constantes, se eligen los demás hasta
completar la muestra.

    Por ejemplo 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 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,..., 98

c -muestreo estratificado:
se caracteriza por la sub-división de la población en sub- grupos o estratos (capas)

Se divide la población en clases o estratos y se escoge, aleatoriamente, un número de

individuos de cada estrato proporcional al número de componentes de cada estrato.

En una fábrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos
que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y 100 en la D.

d- muestreo por conglomerado

El muestreo por conglomerados consiste en seleccionar una muestra aleatoria simple, de
unidades heterogeneas, llamadas conglomerados
Donde cada elemento de la población pertenece a un conglomerado y los elementos dentro de
este son heterogeneos
Se usa cuando no hay una lista detallada de todas las unidades, se diferencia del estratificado,
En que le estratif. Los subconjuntos ya preexisten, y el investigador conoce la distribución de la
V.
 El proceso se inicia definiendo los conglomerados y continua con la selección de los sub-
conjuntos, de esto se procede a hacer el listado de las unidades que componen cada
conglomerado.

Ej. Si se desea hacer un estudio en las escuelas primarias, 1º se seleccionan las escuelas, 2
los grados, 3º los alumnos. Las inferencias hechas por conglomerado no son tan confiables
como las de muestreo aleatorio.

Las unidades hospitalarias, los departamentos universitarios, una caja de determinado

producto, etc, son conglomerados naturales. En otras ocasiones se pueden utilizar
conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son área geográficas suele hablarse de "muestreo por áreas".

Muestreo No probabilística no aparece el azar

 Por conveniencia
 Por cuotas

Este tipo de muestreo, tambien conocido como “muestreo por conveniencia”, no es aleatorio, no
es recomendable, por lo cual se desconoce la probabilidad de selección de cada unidad,
entonces no tiene la credibilidad del muestreo probabilística.
No posee la credibilidad de que goza el muestreo probabilístico, se caracteriza porque el
investigador selecciona la muestra siguiendo algunos criterios identificados para los fines del
estudio. Intencional o deliberado o el accidental o por comodidad. Ej: por cuotas.

Por conveniencia:
Es el método más deficiente.
Los sujetos del universo son elegidos porque son accesibles de medir donde se hace con un
criterio intencional accidental o por comodidad.
A veces se toman los casos que estan disponibles en ese momento.

Ej. A mujeres embarazadas, las que concurrieron ese dia al consultorio

Ej. En planificación familiar, toman a un grupo de médicos.

Por cuota:
El investigador selecciona la muestra a partir de algunas variables como: sexo, raza, religión etc

Consiste en establecer cuotas para las diferentes categorías del universo., que son réplicas del
universo., quedando a disposición del investigador la selección de unidades.

Ej. Encuestas de opinión pública, donde los encuestadores salen a buscar personas en una zona
determinada hasta cubrir su cuota.
Ej. Telemarketer, hasta que alcancen el cupo establecido por la empresa.
Distribución muestral de medias
es el conjunto de todas las medias posibles de la muestra de una U, seleccionadas de una
población, y la probabilidad de ocurrencia asociada con cada media muestral.

El Teorema Central del Límite

dice que si tenemos un grupo numeroso de variables independientes y todas ellas siguen el
mismo modelo de distribución (cualquiera que éste sea), la suma de ellas se distribuye según una
distribución normal.
Error no muestral

Es cuando se le artribuye un error en los procedimientos de selección. Si elijo mal la muestra no

garantizo que toda la población tenga la misma chance de ser seleccionada

Error muestral

Como la población no es identica a la muestra puede conllevar un indice de error

La muestra probabilística me permite calcular el E.M El error de muestreo es la diferencia entre

un estadístico muestral y su parámetro correspondiente.
U= es la media de la población

X= es la media aritmetica

La diferencia entre U y X = es el error muestral

Parámetro: Propiedad descriptiva de la muestra de una población que refleja las caracteristicas
escenciales de la misma. Se establecen por inferencia

Estimación de parámetros

Es el procedimiento utilizado para conocer las características de un parámetro poblacional, a

partir del conocimiento de la muestra.

Con una muestra aleatoria, de tamaño n, podemos efectuar una estimación de un valor de un
parámetro de la población; pero también necesitamos precisar un:

Intervalo de confianza

Se llama así a un intervalo en el que sabemos que está un parámetro, con un nivel de confianza
específico.

Nivel de confianza

Probabilidad de que el parámetro a estimar se encuentre en el intervalo de confianza.

Error de estimación admisible

Que estará relacionado con el radio del intervalo de confianza.

Estimación de la media de una población

El intervalo de confianza, para la media de una población, con un nivel de confianza de 1 − α ,

siendo x la media de una muestra de tamaño n y σ la desviación típica de la población, es:

El error máximo de estimación es:

Cuanto mayor sea el tamaño de la muestra, n, menor es el error.

Cuanto mayor sea el nivel de confianza, 1-α, mayor es el error.

Tamaño de la muestra

Si aumentamos el nivel de confianza, aumenta el tamaño de la muestra.

Si disminuimos el error, tenemos que aumentar el tamaño de la muestra.

Error estándar de la media muestral

El error estándar de las medias muestrales es la desviación estándar de la distribución de
muestreo de las medias muestrales.
Se calcula mediante
σx es el símbolo del error estándar de las medias muestrales.
σ es la desviación estándar de la población.
n es el tamaño de la muestra.

Si σ no se conoce y n σ 30, la desvición estándar de la muestra, denotada por s, se usa para

aproximar la desviación estándar poblacional. La fórmula para el error estándar se convierte en:

Estimación por intervalos de confianza de la media poblacional

Partiendo de la base de que conocemos el desvío estándar de la población y la media muestral,

el objetivo será definir –con un determinado nivel de confianza- el rango en el que se encontraría
la media poblacional.

Con un riesgo de error del 1% (o con un nivel de confianza del 99%) puede decirse que la media
poblacional está entre 99.355 y 100.645.

Si recordamos que ese 1% se “reparte” simétricamente en las colas de la distribución, podemos

decir que con ese nivel de riesgo existe una probabilidad de 0.005 (es decir, un 0.5% de las
veces) de que la media poblacional sea menor que 99.355, y lo mismo respecto de que dicha
media sea mayor que 100.645.

Nivel de Confianza.
Probabilidad de que la estimación efectuada se ajuste a la realidad. Cualquier información que
queremos recoger está distribuida según una ley de probabilidad (Gauss o Student), así llamamos
nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadístico capte
el verdadero valor del parámetro.

Analisis multivariado
Es la asociación entre variables, el analisis nos permite conocer el comportamiento de esa
variable en cuanto a frecuencias y porcentajes.
Se relacionan dos variables ej.: sexo y voto pudiendo asociarlas a ambas
Para esto se usa la tabla de contingencia.
Que es clasificar a cada individuo teniendo en cuenta las dos variables.

Ej. Sexo: hombre mujer

En voto: radicales peronistas e independientes
Dan 6 posibilidades de ser

Como el voto no esta condicionado por el sexo, diremos que:

Sexo: es una variable explicativa (filas)
Voto: es una variable de respuesta (columnas)
Las columnas mas las filas nos dan la tabla de contingencia: distribución marginal

Sexo peronistas radicales independientes_= indepdiente_____

Dependiente Varon 440 400 160 1000
Mujer 44 40 16 100_
Total 444 440 176 1100

El analisis multivariado nos permite relacionar mas de una variable a la vez y ver la
intensidad de la relación entre estas, si estan encimadas o no

Para saber si el desvío es amplio o pequeño:

Análisis de heteregenoidad:

Ej. (media-desvío) . 100 = (16.45- 6.48). 100= 60%(heterogéneo)

Media 16.45

Una media o promedio de 20% hacia arriba, nos da una población heterogénea- o sea
desvíos amplios, alejados

Una media o promedio del 20% hacia abajo, nos da una población homogénea, o sea
desvíos bajos, concentrados

La media y el desvió de cada examen me lleva a considerar relevante o no para la

investigación de ese ejercicio.

lo importante es que en la diversidad, heterogeneidad de los resultados se pueden inferir

hipótesis en cuanto a las dos variables elegidas.

Explicación del trabajo del final SPSS con David

Fue al azar?
Fue heterogenea?
Las variables son Continuas o discretas?
Cuantas fueron las variables suministradas?
  La mayoría comenzó de inmediato a buscar trabajo
 La muestra fueron de 134 individuos
 Las variables cualitativas se transformaron en cuantitativas al atribuirle numero 1 al si, y
2 al no y se pueden sacar la media y el desvio.

Variables relevantes Aquellas que causen el que una persona se sienta mal y luego las
consecuencias de sentirse bien o mal

Edad de los hijos- cuantitativa- causa tenemos 31 sujetos de 6 a 12 años, si el promedio

esta mas concentrado en los de dos años, porque la moda es el de dos años, entonces el
promedio ponderado se inclina a los de dos por mas que la mayoria tengan 3. esto sucede
cuando es por intervalos. Cuando uno hace frecuencias de intervalos se pierde el promedio
general. De 6 a 12 es la mayoria. Pero cuantos son de 6 o cuantos son de 7, 8 o doce?
No importa la frecuencia sino lo que importa es la moda, y aca la gran mayoría tiene dos años
Las otras variables cualitativas reflejan como la persona somatizo la perdida de su empleo,
pero no fueron las mas relevantes como aquellas que tenian hijos pequeños a cargo o que
hace mucho tenia su trabajo etc.

Variables cualitativas
1- la sensación de ser útil.
2- estaba conforme con el tipo de trabajo que tenia
3- actualmente ¿esta BUSCANDO TRABAJO?
4- Desde que perdió el empleo ¿se desprendió de su casa?

Son las variables que creemos que son las que mas presionan al sujeto, a sentirse mal por la
pérdida de este, son las que mas afectan al estado psiquico del sujeto.

En la tabla de contingencia
Es una tabla que dice si una variable es dependiente de la otra.

La T.C Nos da la respuesta si la variable que elegimos tiene relación con la variable que
ponemos a prueba.
Uno no sabe si es dependiente o no hasta que no se hace la T.C
Supuestamente estamos tratando de buscar una dependencia entre le nivel de angustia de una
persona y las variables elegidas, para decir: “la angustia depende de estos factores” y
corroborar la hipótesis.

La dependiente (columna) tiene que ser la que estamos evaluando, probando “El estado del
ánimo” porque depende de…tranquilo, preocupado, nervioso, angustiado y desesperado.
Pueden salir 25 tablas de contingencia

Independiente, (fila) es lo que quiero ver

Si después la tabla arroja o no una dependencia real o no, se vera al final

 Independiente es cuando al final no refleja lo esperado

 Dependiente si refleja lo esperado

“la sensación de ser útil” me va a reflejar en mi estado psíquico, porque al haberlo perdido
me siento un inútil. Tengo que hacer depender a mi estado de angustia con la variable de ser
útil.
Variable dependiente siempre tiene que ser el estado de ánimo, tendré que ver de que
depende mi estado de ánimo. Es la que busca encontrar relación con algo que desconozco
Como dependiente se toma al estado de ánimo que va a depender de todos los demás
factores.

 Cuatro cruces son cuatro tablas de contingencia

 El chi cuadrado es el primer valor que nos dice si la relación existe o no

La sensación de angustia no es resultado de haber perdido el trabajo o no, no hay una

marcada diferencia, la angustia le compete a cualquiera trabaje o no. la angustia es del 3%, es
mínima.

En desesperado la diferencia es mayor, es + del 10%

Se siente tranquilo? La gran mayoria no se siente tranquilo

En cuanto a % una diferencia de mas del 5% es importante. Porque es el % del %

Los valores Z son puntajes tipificados:

El numero Z es para estandarizar esos números y transformarlos en un único numero sin

unidades que se manejen en una curva normal.
Ante la inmensa cantidad de posibilidades y variables unidades etc . para tener una idea global
se transforma en Z que es un numero neutro, donde no importa lo que se este midiendo.
En Z convergen todas las unidades, unificando todos al mismo valor z.

El z es un puntaje tipificado, no da ninguna otra información que ser tipificado, estandarizado

Dado la cantidad de fenómenos estudiables se puede observar que la gran mayoria siguen una
distribucion normal, todos estos fenómenos pueden ser medidos desde distintos angulos y con
magnitudes distintas (pesos, Km, toneladas, cm, ml) y z los transforma a todos ellos en una
sola unidad simple.

La probabilidad:
Se calcula como el area que hay debajo de la curva standarizado.
Las prob. Son los valores de area debajo de la curva entre un valor determinado y otro
Particularmente desde el menos infinito hasta el mas infinito da 1. (-0.50 y +0.50 para cada
lado)
Porque dado que cada fenómeno tiene su magnitud, en lugar de hacer distintas curvas se
prefiere standarizar todo y llevar a Z donde se trabaja con una curva idéntica para todos los
casos

Valor tipificado

Es cuando debajo de la campana pongo Z para los valores positivos a la derecha y los valores
negativos en la izquierda

Para saber si es Z o no, me fijo en el centro de la curva normal si esta el 0 en la media

Moda: valor que mas se repite el 3: lo que estan buscando trabajo

Los valores se pueden tener indiv. O por intervalos.

No siempre la moda refleja el valor que mas se repite. Porque lo que esta intervalado no
reflejan siempre los numeros reales.

La tabla de contingencia

Es una tabla donde se ponen dos variables de las cuales desconocemos la dependencia de
una respecto a la otra y de acuerdo a los valores que arroja infiero si hay dependencia de una
hacia la otra

Si tengo en mi tabla de contingencia que arroja un valor de 75 contra 25% infiero cuan
diferencia, pero en las frecuencias decian 3 contra 1 por ser una muestra muy pequeña, este %
que nos parecia contundente estadísticamente no sirve.

Antes de inferir por el % hay que fijarse en las frecuencias. Si el % respecto a la población es
significante.

Uno busca que una variable sea dependiente de la otra pero no siempre se corrobora

Variables dependientes: ser util

Independiente: como lo ve su familia

Las personas que se ven tranquilas por la familia, el 78.4% se sentía util en el trabajo y el
31.6 no. (Suman 100%)

Nos fijamos donde esta el 100% y apuntamos para arriba. Hay que comparar la columna que
suma 100%

Independiente (fila): la angustia

Dependiente (columna): tranquilidad, preocupado, nervioso o angustiado

Entonces aquellos que se sentian utiles en su trabajo y hoy no lo tienen, la familia los ve
intranquilos y preocupados

Entonces aquellos que se sentina utiles en su trabajo y hoy no lo tienen, la familia los ve
intranquilos

Test de hipótesis

Es siempre encontrar la relación entre una variable y otra, a traves de la tabla de contingencia
para ver si esa relación es correcta o no.

El desvío

Se mide en la unidad en que se esta evaluando. Es la misma unidad de la media (cm. Mls. Km
grs.)
Si es SI-No no se mide en unidades.

Cuanto mas mínimo es el desvió es que todo tiende hacia un mismo valor

Es que tan alejados del valor central de la media están los valores.

Depende la investigación que haga es que me conviene un desvio grande o pequeño

Ej. Todos los chicos se sacaron la misma nota= 10, desvio pequeño, todos concentrados,
puede ser bueno o malo, depende. O todos saben, o la profesora les regalo la nota.

Si todos se sacaron 0, es que no sabian o la profe no explico bien.

Los desvios me sirven para sacar el coeficiente de variación, saber si una muestra es
homogenea o heterogenea. Me da la idea de cómo se conporta la variable.

Este trabajo tiene la cagada que no presenta unidades porque hablamos de SI.NO, malo,
bueno.

El desvio de esto nos da el criterio de saber si la población es homogenea o no.

Es homogenea porque todos tienen desvio cercano a 0

Cuando las variables son continuas puedo hablar de media y desvio, porque de reglas de
medición si se sacan los desvíos.

Cuando las respuestas estan discretizadas entre mas de dos valores, es util sacar los desvíos.
Ej. Malo, bueno regular, entonces el desvió se arrima a una de ellas. Estan discretizadas pero
entre ellos hay distintas opciones.

Pero cuando las variables son discretas SI-NO ¿de que me sirve sacar los desvíos si no vale la
pena tener la media?, (aunque se puede sacarla y decir para que lado se arriman al SI o Al NO)

Si el desvió es que tan alejados están los valores de la media y tengo dos valores: SI.NO ¿Qué
tan alejados pueden estar uno del otro, si son solo dos? Va a ser homogenea porque son todos
SI o todos NO, son 50% y 50%

La computadora calcula igual con las variables discretas el desvió,

pero nosotros que conocemos casi todas son cualitativas y las cuantitativas son discretas,
donde frente al SI y No de la edad de los hijos no me sirve de nada calcular la media o el
desvió y coeficiente de variación, pero el programa lo hace sin discriminar sin son valores
continuos o discretos.

¿En que unidades esta este desvió la sensación de ser útil? SI-No, no tiene ningún valor

En la variable con que frecuencia busca trabajo, si me sirve por ser continua. Por definición el
desvió es que tanto se alejan los valores de la media. Para este caso aunque es mínimo y la
media de 2.92 muy cerca del valor 3 que me representaba 3 veces por semana, y el desvió es
pequeño puedo inferir que la gran mayoría esta concentrado en buscar trabajo 3 veces por
semana.
Si hubiese tenido un desvió grande es que tengo muchas personas que buscan todos los días,
muchas que no buscan nunca.

El desvió nos dice que tan alejados están todos los valores individuales de la media

 Medidas de tendencia central

nos indica donde tiene la muestra, hacia donde esta apuntada.

Desvió, varianza

 Coeficiente de variación

Que es la división entre el desvio sobre la media a eso lo multiplicado por 100, si el
resultado es mayor a 20=homogenea

Si es menor a 20= heterogénea Para saber si el desvío es amplio o pequeño:

Resultados:
Cercano a cero bajo
Entre 0.4 y 0.6= medio
Cercano a 1= alto

Analisis de heterogenidad:
1-(x-desvió./x) x 100

Igual o superior a 20% sirve, es heterogéneo

Inferior a 20% (19.9) no sirve, es homogéneo, significa que todos están concentrados

En base a la Homog. O heter. Se pueden inferir cosas

Ej. Si la población de África tienen todos peso parejo es homogeneo= indican un desarrollo parejo y eso
es bueno.
Pero si algunos pesan mucho y otros poco, es heterog. Y es malo, porque hay diferencias

Ej. Si todos se sacaron 0, es homogeneo, entonces es malo, a la profesora no le conviene los mismos
resultados, porque ella no sabe explicar o porque no estudiaron

Ej. (media-desvío) . 100 = (16.45- 6.48). 100= 60%(heterogéneo)

Media 16.45

Una media o promedio de 20% hacia arriba, nos da una población heterogénea- o sea
desvíos amplios, alejados

Si la media (la mayoría) están concentrados en el medio con un desvió bajo, no es estudiable
por tener un desvío bajo, concentrado: es al azar. homogéneo

El desvío bajo, concentrado en la media, significa que no estan tan desviados, alejados de la
media, que respondieron al azar (un 50% de responder bien y un 50% de responder mal) el
azar requiere que se centren las notas en el centro. Entonces no tiene relevancia, no es
estudiable los que respondieron ni bien ni mal con desvió bajo, concentrado.
Media en el centro y desvío pequeño, no sirve porque es hecho al azar.
Error muestral
Se ven cuando el individuo no puede sacar una buena medición
En las cualitativas no se puede inferir el E.M

En las cuantitativas discretas, ¿Qué error puede haber?, no tengo forma de averiguar si las
respuestas son correctas o no.

La respuesta SI-NO es una variable discreta y no tienen termino medio, por lo cual no puedo
calcular el desvió porque seria en vano, menos el coeficiente de variación

El desvió estándar al elevarlo al cuadrado siempre va a dar un numero positivo que

comprende las variaciones para el mas o para el menos. Porque el cuadrado siempre da
positivo.

La varianza al ser la raíz cuadrada esta dando idea de un desvió pero a diferencia de este
contempla en el numero los casos donde se desvía para arriba o para abajo.

En la curva las variables tienen dispersiones para arriba o para abajo, hay ciertos valores
dispersos positivos y negativos.

La varianza es cuanto variaron los puntos en cuanto a la tendencia:

Ej. +3 -4 +1 -1 +2 -5 +3 =0 se cancelaron unos con otros, lo cual no es cierto que no

hay desvió, para salvar este problema se los eleva al cuadrado para que los negativos den
siempre positivos y luego se saca la raíz cuadrada.

Por eso el desvió es la varianza al cuadrado, se la eleva para que todo esto de positivo y no se
anulen unas a otras.

Tablas de contingencia

La lectura se hace por la fila o la columna que de 100%

Aquellos que perdieron y no perdieron la casa: están nerviosos

Aquel que no perdió la casa: esta angustiado (por la perdida de

trabajo)

Aquel que no perdió la casa: esta muy desesperado

Los porcentajes % no son calculados mediante tipificacion y probabilidad, no los calcula

mediante Z, el programa usa la tabla de frecuencias

¿Qué le gustaba de su trabajo? Si (1) –no (2)

Si la media da 1,22 es que la gran mayoria SI se sentia conforme en el trabajo, el desvio esta
para el si

Cuando tengo 5 valores: 1-malo 2- bueno 3- regular 4-excelente. Si el promedio da 2,80 se

arrima al 3 el regular
Para esto tienen que ser variables continuas, no si son discretas

¿La mayoría esta buscando trabajo?. Por la media arrima a el si estan buscando trabajo

Validos: son los que contestaron

No validos: es que no responden conforme a lo esperado. Responden cualquiera

Perdido: es un valor que no tiene respuesta. No contestan.

Con que frecuencia busca trabajo. Da 3

Desde que perdió el empleo ¿se desprendió de su casa? 1-SI- 2-NO

La media da 1.95 se arrima al no

El desvió nos dice que tan alejados estan todos los valores individuales de la media

Si poco angustiado es 1 muy angustiado es 2 el promedio da 1.60

Esta diciendo que por lo gral. Se tiende al valor muy angustiado

Nos da la idea de la heterogeneidad o homogeneidad de la muestra

Introducción

En este trabajo se van a relacionar las ciencias sociales con la estadística, que siendo una
herramienta matemática nos ayuda a arribar a relaciones, teorías e hipótesis, mediante la
selección de una muestra homogénea Y tratar de encontrar relaciones a través de tablas de
contingencia para arribar a hipótesis-

Se nos suministro una base de datos SPSS con más de 300 variables y una N de 134
individuos

Estamos intentando representar en este trabajo impreso las que a nuestro criterio fueron las
más relevantes, en cuanto a lograr mediante el uso de herramientas estadísticas una relación
entre: El nivel de angustia de un sujeto y las caract. De los mismos.

No nos detuvimos en el nivel psicológico sino en el desarrollo matemático.

En cuanto al histograma

No se hace la curva si tenemos solo dos valores, una curva tipificada, de Gaus se hace cuando
hay mas resultados que dos.

Esta curva tiene como valores abajo, en los ejes, los valores de z. esta representando los
valores de Z en el eje horizontal, porque la tipificación es encontrar los valores de Z.

Variables discretas o continuas

  Cuando tenemos dos valores =SI-NO corresponde a discreta, entre ellos no hay nada en
el medio
 Nº de hijos es discreto

 Si entre los valores pueden tener cierta correlación: malo- bueno muy malo, si
corresponde la curva, porque entre un malo y excelente hay un bueno, hay ciertos
valores intermedios desde nuestra subjetividad

 Si nosotros entre estos 4 valores elegimos dos, (lo estamos discretizando porque no
tenemos capacidad de vocabulario para describir otros estados continuos) entonces
sigue siendo continua porque si existen otros estados en el medio. Porque el estado de
ánimo es continuo, no se pasa de mal a bien de golpe.

 Variable cuantitativa continua: edad de los hijos. La media =2.48 y la moda =2 son
valores útiles para calcular la media la moda y el desvió.

 Variable cuantitativa discreta: cantidad de hijos, no es relevante sacar la media, moda y

desvió

Cuando son recien nacidos los hijos no estan tan angustiados como cuando entran en
primaria.

Aquellos que se sentian utiles: se encuentran en proporcion mas intranquilos que los que no
se sentian utiles, ambos estan intranquilos pero la proporcion es mayor que los que no se
sentian utiles, un 87% contra un 80% que da una dif. Menor del 7%

De la variable dependiente trabajamos con un valor: tranquilo, preocupado, deses. Angustiado.

Se nos suministro una base de datos del SPSS con una muestra es de 134 sujetos con mas de
380 variables, de las cuales tomamos las mas relevantes, no sabemos como se tomo la
muestra, si al azar o no probabilística.

101 casos que tienen hijos

La media es el promedio y la mediana es la que deja el 50% por encima y 50% por debajo del
valor. La mediana parte a N por la mitad

Intervalos: “edad de hijos” variable cuantitativa continúa por intervalos

La base desconoce las edades le atribuye a ellas un valor: 1,2,3,4 y de esa franja da
la moda y la media

2 es la moda, porque en la tabla del SPSS la mayoria es tomada del valor 2 que cargo el
programa y que corresponde a la edad de 6-12 años, no porque tengan mayoria los de dos
años .

Y la media es de 2.48 porque me da los valores del 2 que van de 6-12 años y el numero 3
(por 2.48 que es casi 3) que va de 13-18 años, entonces la media esta entre estos
valores=6-18 años
Sabemos que 6 a 12 hay son los casos que mas se repiten y la media esta entre 6-12 y 13-
18 con una media de 2.48

valor 1= 0-5 años con 24 casos

valor 2=6-12 con 31 casos

valor 3=13-18 con 20 casos en estas dos franjas se concentran la mayor cant. Hijos

La de 6-12 el 2 …. Por ser mas casos que los de 13-18 que le asgina casi 3

Valor 4= 19 o mas con 26 casos

La base sumo todo los intervalos de cada valor y los dividio por 4 (N) y dio entre el rango 2 y
el 3, que dio entre los 6 y 18 años = 2.48

Valores perdidos: 33 no sabe o no esta

Invalido, no esta dentro de lo esperado

Tabla de contingencia

¿Qué es lo que mas le gustaba del trabajo?

La sensacion de ser util= variable independiente

En base a eso lo relacionamos con:

¿como se siente y como lo ve su familia y como se siente el? Tranquilo

Aquellos que se sentian utiles el 87.4% no están tranquilos

Aquellos que NO se sentian utiles el 80% tampoco esta tranquilo

En cuanto a preocupado estan todos preocupados 50%, pero mas aquellos que se sentian
utiles 76%

R- la mayoría esta preocupado y si comparo una con otra infiero que unos mas que otros

La media y mediana de las cualitativas es que el programa no discrimina, usa valores 1

para el si y dos para el no, entonces las cuantifica, pero como nosotros lo sabemos no lo
tomamos en cuenta-

No se puede calcular media, mediana, moda ni desviación estandard, pues las variables
cualitativas no son numéricas. lo que si puedes hacer es calcular proporciones.

por ejemplo, si tu variable es gusto por la gaseosa y tienes las respuestas cerradas como "si
me gusta" y "no me gusta" no puedes obtener un promedio pero si puedes obtener la
proporción de respuestas de si y de no

las variables cuantitativas son las unicas que se pueden analizar por medio de promedios,
medianas, modas, desviaciones estandard, probabilidades normales (gausianas), covarianzas y
varianzas. estas variables son todas numericas como peso, estatura, dinero, masa, distancia,
conteos y cualquier otra variable cuantificable.

Todas las variables pueden darnos la moda.

De las cuantitativas si la media y mediana
Las cualitativas no dan media y desvio

En cuanto al tipo de muestra:

No sabemos que criterio se uso para la selección de la muestra, podemos inferir que es
aleatoria simple, el unico conocimiento que tenemos es que la población de la que se tomo
la muestra es gente desempleada (estratificado?)

Las preguntas cerradas el informante no puede elegir más de una respuesta, es

decir, las categorías son mutuamente excluyentes.

Las categorías de la lista deben cubrir todas las respuestas posibles, esto es, son
colectivamente exhaustivas

Codificar las preguntas cerradas implica asignar números como etiquetas de las
categorías a fin de aprovechar plenamente la capacidad del programa informático. El
informante expresa su respuesta según una lista fija. Es posible que la lista influya en la
respuesta. 
 

La categoría “Otros”. Se garantiza con ello la exhaustividad de la lista. El informante se

vale de la categoría “Otros” para especificar una respuesta que no figuraba en la lista,
consignando a menudo un valor.  

Las respuestas a la categoría “Otros” no pueden precodificarse y es preciso analizarlas una

vez que se han contestado los cuestionarios. La categoría “Otros” constituye un ejemplo de
pregunta abierta, es decir, las respuestas no se conocen de antemano y no se limitan a una
lista de valores.

 Se han cuantificado las respuestas en la forma: 1= Sí y 0= No.

Nótese que en ocasiones las variables categóricas se denominan variables discretas, es

decir, que pueden adoptar un número fijo de valores distintos, esto es, discretos. En cambio,
las variables continuas se miden a lo largo de una escala ininterrumpida, pueden adoptar
cualquier valor de un rango no interrumpido de valores y por consiguiente tienen, en teoría,
un número infinito de posibilidades.

 Los datos nominales contienen información sobre un atributo. Los valores que la variable
puede adoptar son categorías no mensurables unas en función de otras de manera objetiva,
es decir, que no se pueden ordenar ni se pueden establecer razones. Los valores que la
variable puede adoptar son nombres, de ahí la palabra “nominal”.

 Los datos describen un atributo. Los valores que los datos pueden adoptar constituyen
categorías. Las categorías no se pueden poner objetivamente en ningún orden ni medirse
unas en función de otras. “Masculino” no es dos veces “Femenino”.
 Los datos nominales constan de categorías que no pueden ser ordenadas. Una variable
nominal puede variar solamente en términos de determinada cualidad: masculino/femenino,
región, etc. Se trata, por consiguiente, de una variable cualitativa. Los datos basados en un
intervalo o una razón son continuos y constan de tantos valores posibles que pueden
considerarse continuos. La variable se mide según una escala continua. Una variable
basada en un intervalo varía en función de la magnitud o la cantidad y es, por consiguiente,
una variable cuantitativa.

Los datos ordinales se sitúan entre los dos anteriores y se consideran en ocasiones
cualitativos, cuando las categorías difieren por la cualidad, y en ocasiones cuantitativos, en
cuyo caso el orden de las categorías da magnitud a los valores de la variable.

ANALISIS DE LAS TABLAS DE CONTINGENCIA

¿Qué cosas le gustaban de su anterior empleo?

 EL SENTIRSE UTIL (variable Ind.).

Hoy día cómo se siente? y/o ¿Cómo lo ve su familia?

 TRANQUILO, PREOCUPADO, NERVIOSO, ANGUSTIADO, DESESPERADO, OTRO
(variable Dep.)

Aquellos que se sentían útiles en su empleo anterior, por un porcentaje mínimo se hallan más
intranquilos que aquellos que no se sentían útiles

Pero de los totales se deduce que la mayoría de los sujetos ESTAN INTRANQUILOS.

Aquí observamos que aquellos que se sentían útiles están más preocupados que el resto de aquellos
que no se sentían útiles. Asimismo advertimos que, los que no se sentían útiles están más o menos
preocupados en porcentajes iguales

Pero finalmente la mayoría de los individuos, ESTAN PREOCUPADOS.

Si bien aquellos que apreciaban su empleo por sentirse útiles, están más nerviosos que los que no se
sentía útiles

la gran mayoría NO ESTAN NERVIOSOS.

Observamos en cuanto a la angustia, que se hallan más angutiados aquellos que no se consideraban
útiles

pero en definitiva la mayoría ESTAN ANGUSTIADOS.

La mayoría no se encuentra DESESPERADO.

Ambos grupos en su mayoría presentan otros estados de ánimo que no fueron enunciados
anteriormente.

¿Con qué frecuencia busca trabajo?

 NO BUSCO, DE VEZ EN CUANDO, ALGUNOS DIAS DE LA SEMANA, TODOS LOS DIAS
(variable Ind.).

Hoy día cómo se siente? y/o ¿Cómo lo ve su familia?

 TRANQUILO, PREOCUPADO, NERVIOSO, ANGUSTIADO, DESESPERADO, OTRO
(variable Dep.)

Si bien la mayoría de los sujetos que buscan trabajo o aquellos que no lo hacen, no están tranquilos,
están aún más intranquilos los que buscan trabajo TODOS LOS DIAS.

La mayoría están preocupados.

Mas preocupados aquellos que buscan trabajo de vez en cuando

La mayoría no está nervioso, y podemos inferir que los que no buscan trabajo son los que menos
nerviosos están, y lo que lo hacen de vez en cuando están un poquito más que el resto.

Aquí sí la mayoría se encuentra angustiada, no tanto los que buscan trabajo de vez en cuando, y
concentrándose el mayor porcentaje en aquellos que no buscan trabajo, quizás ese estado de ánimo no
les permita salir a buscarlo.

No se hallan desesperados en su mayoría, hallándose aún menos los que buscan trabajo de vez en
cuando.

A su vez, la mayoría estaría sintiéndose o siendo visto por su familia, desde otro tipos de estados que
no cuadran dentro de los antes citados.

¿Actualmente está buscando trabajo?

 SI-NO (variable Ind.).

Hoy día cómo se siente? y/o ¿Cómo lo ve su familia?

 TRANQUILO, PREOCUPADO, NERVIOSO, ANGUSTIADO, DESESPERADO, OTRO
(Variable Dep.)

Tanto los sujetos que buscan trabajo como los que no lo hacen, están intranquilos en su mayoría, pero
lo están más aquellos que si buscan trabajo en la actualidad.

Tanto los sujetos que buscan trabajo como los que no lo hacen, están preocupados en su mayoría, pero
lo están más aquellos que si buscan trabajo en la actualidad.

La mayoría no refleja este estado de ánimo, pero están aún menos nerviosos los que no buscan trabajo,
no así los que si lo buscan.

Por los datos recogidos se observa que la mayoría no se halla angustiada, y menos aún los que no
buscan trabajo.

Aquí el mayor porcentaje se inclina para el desesperado, y se ve reflejado más en aquellos que no
buscan trabajo que los que sí lo buscan.

La mayoría de los sujetos que están buscando trabajo, y los que no lo buscan, presentan otros estados
no descriptos anteriormente.

¿Estaba conforme con el tipo de trabajo?

 NO CONFORME, ALGO CONFORME, BASTANTA CONFORME, MUY CONFORME
(variable Ind.).

Hoy día cómo se siente? y/o ¿Cómo lo ve su familia?
 TRANQUILO, PREOCUPADO, NERVIOSO, ANGUSTIADO, DESESPERADO, OTRO
(Variable Dep.)
 Están menos tranquilos aquellos que estaban ALGO CONFORMES con su trabajo, siendo que de todos
modos la mayoría no lo está.

La mayoría de los sujetos que expresan el grado de conformidad con su trabajo, está preocupado, pero
lo están más aquellos que no estaban conformes con su trabajo.
El nerviosismo estaría casi en porcentajes similares, hay poca diferencia, pero así todo la mayoría no
está nerviosa, concentrándose el porcentaje mayor de nerviosismo en aquellos que no estaban
conformes con su trabajo.

El mayor porcentaje de sujetos se halla angustiado respecto al grado de conformidad que poseían con
su trabajo, pero la mayor cantidad de angustiado se ve en aquellos que no estaban conformes con su
trabajo.

Aquellos que estaban muy conformes con su trabajo están más desesperados que el resto.

Se observan otros tipos de estados, en aquellos que estaban muy conformes con su trabajo.

Edad de sus hijos. (variable Ind.).

Hoy día cómo se siente? y/o ¿Cómo lo ve su familia?

 TRANQUILO, PREOCUPADO, NERVIOSO, ANGUSTIADO, DESESPERADO, OTRO
(Variable Dep.)

Están más intranquilos aquellos sujetos que perdieron el empleo, y las edades de sus hijos oscilan entre
los 6 a 12 años. Plena escolarización primaria.

Están más preocupados aquellos sujetos que perdieron el empleo, y las edades de sus hijos oscilan
entre los 6 a 12 años. Plena escolarización primaria.

Están más nerviosos aquellos sujetos que perdieron el empleo, y las edades de sus hijos oscilan entre
los 0 a 5 años.

Están más angustiados aquellos sujetos que perdieron el empleo, y las edades de sus hijos oscilan
entre los 13 a 18 años. Quizás por no poder planificar un buen futuro para ellos.

Están menos desesperados aquellos sujetos que perdieron el empleo, y las edades de sus hijos oscilan
entre los 19 o más años, obviamente por que sus hijos pueden buscar trabajo para ayudar en la casa.

Otros estados presentan aquellos sujetos que perdieron el empleo, y las edades de sus hijos oscilan
entre los 0 a 5 años.

¿Desde que perdió el empleo se desprendió de:

 CASA. SI-NO(variable Ind.).

Hoy día cómo se siente? y/o ¿Cómo lo ve su familia?

 TRANQUILO, PREOCUPADO, NERVIOSO, ANGUSTIADO, DESESPERADO, OTRO
(Variable Dep.)

Aquel que se desprendió de su casa se halla más intranquilo, preocupado y desesperado.

Está menos nervioso aquel que perdió su casa del que no la ha perdido.

Se halla más angustiado aquel que no se desprendió de su casa, presentando asimismo otros estados
en su mayoría.
1 La muestra fue al azar, porque no se tomo cierto rango de edades etc.

2 Variable cuantitativa: “Edad de sus hijos” es continua

“Cantidad de hijos” es discreta

3 rango: son los intervalos de 0-5 6-12 etc que el programa ya los tenia
estipulado

4 Z: ¿Los datos se presentaron tipificados? NO, fueron SI/NO, y las cantidades, son
cantidades exactas, no transformadas a Z haciendo las cuentas.

Los datos no fueron presentados por Z sino en los valores verdaderos de cantidades de hijos,
edad de los mismos etc.

¿Los % se calcularon en base a la tipificacion y probabilidad? NO, porque estan hechos en base
a las frecuencias

5 ¿Se pueden tipificar estas variables cuantitaivas? SI

6 ¿Se pueden tipificar las variables cualitativas? No se deberia, porque en un SI/NO no se

puede estipular a cuanto se desvia al SI o a cuanto se desvia al NO.

Aunque el programa si uno se lo pide calcula todo

Cuarteles, deciles, percentiles: estos % representan frente a la muestra total, y el recoger las
respuestas de los individuos de la población.

Los cuartiles, deciles, perceptiles son frente a una cierta respuesta que quiero analizar, cuantas
personas, respondieron a eso.

“Si tienen hijos entre los 1 y 19 años” el 25% de las personas, ¿en qué edades tienen los hijos?.

Es encontrar que fraccion, cuantas personas del total cumplen con una fraccion determinada

Ej¿Qué edad tienen los hijos que corresponden al 25% al 10% 0 al 1% de la población.?

R. El 25% corresponde a una probabilidad de 0,25 que en la tabla corresponde a ….

La cuenta se hace en base a Z, calculando la probab. Y a que Z corresponde y averiguo a que x

corresponde.

En base a Z calculo X despejando la formula de Z: media/desvio = Z.desvio/media.

La probabilidad de encontrar hijos que tengan entre los 0 y 19 años, es 1.

 6 Prueba de hipótesis:

cuando planteamos una hipótesis (H1) es la que me planteo. La hipótesis alternativa (H0) es
plantear lo contrario a H1, si se comprueba H0 es que la otra no es valida, la descarto siendo una
hipótesis de rechazo.

La H.Nula es la H. que al final no se puede verificar

7- Media aritmética: en una población U, la que representa el total de los casos, como uno
nunca puede llegar a TODA la población, hace la media aritmetica. De un subconjunto de dicha
poblacion, tomando los distintos promedios de ciertas poblaciones pequeñas, y ahí si puedo
llegar a inferir cual seria el promedio de U.

ej: siendo U:el total de la capital. Media artim.: Los barrios. Tomando el promedio de los barrios
puedo arribar a U

8- tablas de contingencia

Variable dependiente (columna): “ES EL EFECTO QUE ESTOY ESTUDIANDO DEL NIVEL DE
ANGUSTIA QUE DEPENDA DE LA EDAD DE LOS HIJOS” donde uno no lo sabe de antemano,
intenta a traves de la tabla de contingencia demostrarlo o no.

Variable independiente (Fila): la principal

9- valores perdidos: 33 no tenian hijos

valores validos: 101 con hijos

10- la media no es el valor correspondiente a la edad, sino al INTERVALO. al valor que el spss
adjudica.

11- EDAD DE SUS HIJOS:

en cuanto a la moda, “Edad de hijos” responde al valor 2 que el programa le asigno a la

fracción 6-12 años. ES EL INTERVALO MODAL que el programa asigno. Tampoco fielmente
esto me indica que el promedio este ahí adentro, porque al olvidarme de los valores individuales
para hacer intervalos, pierdo información, por empaquetarlos, cuando en realidad tenia 19
edades, ahora tengo solo 4 valores.

 0-5 años le llamo valor 1

 6-12 años le llamo valor 2

 13-18 le llamo valor 3

 19 a mas valor 4

Entonces la Media arit. 2.48 ESTA CALCULANDO EL PROMEDIO DE INTERVALOS, donde le

corresponde al valor 2 (intervalo de 6-12 años) y no al de 13-18 años. Porque la media no llega
al valor 3 que es el comprende estas edades

La muestra es heterogénea, 24%: desvió/media.100 desvio amplio

El desvio va -1 de la media hacia un intervalo anterior y +1 de la media hacia el que le prosigue

No es el promedio de las edades sino de los valores que representan a las mismas.

“Los hombres desempleados tienen en base a esto, hijos en un promedio de 6-12 años”, que no
corresponde al valor edad sino al valor que el programa asigno para representarlo, el 2= 6-12
años.

Cuando hay intervalos se pierden por agrupar los datos fidelidad de los mismos

El desvio esta en la misma unidad del promedio: “del valor INTERVALOS, no de edades”.

La media la encontramos en el intervalo Nº 2, (6-12 años) pero con un desvio de 1.19 en unidades de
intervalo, para abajo, o sea, - 1 desvio hacia 0-5 años o para arriba + 1 desvio hacia 13-18 años. Una
muestra bastante heterogenea del 24% y un desvio amplio del 1.19+-

Asimetría: en la campana de Gaus, los valores pueden no estar concentrados en la mitad de la

campana sino que tienen una leve tendencia de 0.107, o sea que tiene un poco mas para el lado de los
positivos.

Si el promedio es en la mitad del intervalo de los 6-12 años, hay dentro del mismo, una leve tendencia
asimetrica positiva hacia los 10/11 años y decimos que no paso al intervalo siguiente de los 13/18 años
porque en vez de 0.107 hubiera sido un intervalo entero, a una unidad de intervalo no un 0.

12 COSAS QUE LE GUSTABAN DE SU ULTIMO TRABAJO

Asimetria de 1.34 no llega al 1.5 entonces se pasa al SI.

La asimetría no sirve, porque cuanto se puede desviar para el SI que para el NO. salvo que sean
intervalos

Si hubiera mas variables si se puede inferir a cuanto mas se desvia a una que a otra

% se saca: si el 134 de N es el 100%, el 104 es: 104.100/124=77.6% SI tenia la sensación de ser util.
100%-77.6= 22.4% NO tenia la sensación de ser util

13 DESDE QUE PERDIO EL TRABAJO SE DESPRENDIO DE SU CASA

la mediana si se puede, si tengo 134 individuos, la mitad es 67 que dicen que si y 67 que no. la
mediana indica que el 50% van a contestar SI/NO

perdido. Que no respondio SI/NO

14 CONFORME CON SU TRABAJO

Son variables cualitativas continuas, con relación entre todas, donde no se pasa de un estado a otro.
Si tuvieramos riqueza de vocabulario encontrariamos otros estados intermedios

No son exhaustivas como ser los otros

la moda responde al valor 3 del tipo de respuesta: “Bastante conforme”

la asimetría es negativa de -0.44

15 CON QUE FRECUENCIA ESTA BUSCANDO TRABAJO

Es cualitativa, porque se mide en veces por semana, no, a veces, siempre

no es cuantitativo porque no dice de 0-6 veces por semana de 6-12 veces…

16 TABLA DE CONTINGENCIA HOY EN DIA:¿COMO SE SIENTE Y COMOP LO VE SU FAMILIA?

A los que se sintieron utiles en su trabajo el 87% no esta tranquilo el resto si esta tranquilo

Los que no se sentian utiles tampoco no estan tranquilo