DEFINICIÓN DE ESTADÍSTICA

La estadística (la forma femenina del término alemán Statistik, derivado a su vez

del italiano statista, "hombre de Estado"), es la rama de las matemáticas que
estudia la variabilidad, así como el proceso aleatorio que la genera siguiendo las
leyes de la probabilidad.

AREAS DE LA ESTADISTICA

ESTADISTICA GENERAL

La estadística es una disciplina científica que se ocupa de la obtención, orden y

análisis de un conjunto de datos con el fin de obtener explicaciones y predicciones
sobre fenómenos observados.

La estadística consiste en métodos, procedimientos y fórmulas que permiten

recolectar información para luego analizarla y extraer de ella conclusiones
relevantes. Se puede decir que es la Ciencia de los Datos y que su principal
objetivo es mejorar la comprensión de los hechos a partir de la información
disponible.

ESTADISTICA APLICADA

área de la estadística que se ocupa de inferir resultados sobre una población a

partir de una o varias muestras. Es la parte de la estadística que se aplica en
cualquier otra rama externa a ella, como la psicología, la medicina, la sociología, la
historia, la biología, la mercadotecnia, etcétera.

Los parámetros poblacionales se estiman mediante funciones

denominadas estimadores o estadísticos. La estimación se hace con base en
la estimación estadística y puede ser puntual, por intervalos o de contraste de
hipótesis. La estadística aplicada se apoya totalmente en la utilización
de paquetes estadísticos que ayudan a resolver problemas de índole estadística,
acortando dramáticamente los tiempos de resolución.

ESTADISTICA DESCRIPTIVAS

Estadística descriptiva: Se dedica a la descripción, visualización y resumen de

datos originados a partir de los fenómenos de estudio. Los datos pueden ser
resumidos numérica o gráficamente. Su objetivo es organizar y describir las
características sobre un conjunto de datos con el propósito de facilitar su
aplicación, generalmente con el apoyo de gráficas, tablas o medidas numéricas.

Ejemplos básicos de parámetros estadísticos son: la media y la desviación

estándar.
Ejemplos gráficos son: histograma, pirámide poblacional, gráfico circular, entre
otros.

ESTADISTICA INFERENCIAL

Estadística inferencial: Se dedica a la generación de los modelos, inferencias y

predicciones asociadas a los fenómenos en cuestión teniendo en cuenta
la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la población bajo estudio. Estas inferencias pueden
tomar la forma de respuestas a preguntas sí/no (prueba de hipótesis),
estimaciones de unas características numéricas (estimación), pronósticos de
futuras observaciones, descripciones de asociación (correlación) o modelamiento
de relaciones entre variables (análisis de regresión). Su objetivo es obtener
conclusiones útiles para lograr hacer deducciones acerca de la totalidad de todas
las observaciones hechas, basándose en la información numérica.

Ambas ramas (descriptiva e inferencial) se utilizan en la estadística aplicada.

La estadística inferencial, por su parte, se divide en estadística
paramétrica y estadística no paramétrica.

APLICACIONES DE LA ESTADÍSTICA A OTRAS CIENCIAS

Aunque comúnmente se asocie a estudios demográficos, económicos y

sociológicos, gran parte de los logros de la estadística se derivan del interés de los
científicos por desarrollar modelos que expliquen el comportamiento de las
propiedades de la materia y de los caracteres biológicos. La medicina, la biología,
la física y, en definitiva, casi todos los campos de las ciencias emplean
instrumentos estadísticos de importancia fundamental para el desarrollo de sus
modelos de trabajo.

Campos de aplicación

La estadística es una ciencia de aplicación práctica casi universal en todos los

campos científicos:

En las ciencias naturales: se emplea con profusión en la descripción de modelos

termodinámicos complejos (mecánica estadística), en física cuántica, en mecánica
de fluidos o en la teoría cinética de los gases, entre otros muchos campos.

En las ciencias sociales y económicas: es un pilar básico del desarrollo de la

demografía y la sociología aplicada.

En economía: suministra los valores que ayudan a descubrir interrelaciones entre

múltiples parámetros macro y microeconómicos.
En las ciencias médicas: permite establecer pautas sobre la evolución de las
enfermedades y los enfermos, los índices de mortalidad asociados a procesos
morbosos, el grado de eficacia de un medicamento, etcétera.

Como bien es sabido, ninguna ciencia en particular es ajena a cada una de las
demás ramas del conocimiento científico. La estadística, por tanto forma parte de
ese todo y a la vez se relaciona, apoyándose y/o aportando avances de y para
otras ciencias particulares. Sus vínculos más sobresalientes pueden apreciarse
con mayor intensidad con:

Las matemáticas: porque utiliza la aritmética, el álgebra y la geometría como

medios de expresión, ya sea para sumarizar, calcular y relacionar datos, con el fin
de extraer resultados numéricos que luego presenta a través de cuadros y
gráficas.

La lógica: porque el estadístico o investigador que utiliza la estadística necesita

razonar (abstraer, comparar, analizar, deducir, inferir, correlacionar, etc.) los datos
y resultados sobre los fenómenos estudiados, para interpretar y sacar
conclusiones que generaliza a través de los razonamientos realizados.

La sociología: siendo que la mayoría de los fenómenos estudiados científicamente

tienen necesariamente una vinculación con el ser humano y estos a su vez en su
mayoría conviven y se vinculan socialmente; la estadística no puede dejar de
considerar el fenómeno social como parte esencial del análisis de sus relaciones.

La psicología: si bien el estudio del ser humano obedece a una relación social,
tampoco puede alcanzar un conocimiento colectivo o tendencia individual.

La economía: como ciencia social, la economía es un campo fértil para aplicar la

estadística a todos y cada uno de los fenómenos que tienen que ver con la
producción (costos, materias primas, capital, tecnología, trabajos, salarios,
métodos y sistemas), la distribución (medios o canales, localización, empaque y
embalaje, transporte, ubicación geográfica, capacidad, etc.) y el consumo, (hábitos
y motivos de compra y consumo, promoción, publicidad, marketing, medidas de
satisfacción, etc.)

La administración: es necesaria para planificar, programar, integrar, dirigir,

coordinar, ejecutar, controlar, evaluar y retroalimentar o reorientar los procesos y
proyectos estadísticos, con el fin de pronosticar eventos y resultados futuros, con
eficacia y eficiencia. La administración interviene en la planificación de los
estudios, en la programación de las actividades a realizar (actividad, lugar, tiempo
y personal), en la integración y organización (de los recursos: personas o cosas,
capital, tecnología, métodos y sistemas), en la dirección y coordinación de los
mismos; y, en el control, evaluación, retroalimentación u orientación.

La educación: es obvio que la educación aprovecha la estadística para mejorar

sus métodos de enseñanza en todos los campos del conocimiento; y a la vez,
provee de herramientas útiles que permiten avanzar en el desarrollo y
mejoramiento de la ciencia estadística.

La informática (computación): si bien aún se discute sobre si esta especialidad es

aún una técnica o una ciencia, es importante señalar que esta provee la
tecnología, programas y procesos muy avanzados, lógicos y útiles que permiten
lograr eficiencia y eficacia en el uso, manipulación y administración de altos
volúmenes de información y datos.

CONCEPTOS

1. POBLACIÓN:
La población, o en términos más precisos población objetivo, es un conjunto
finito o infinito de elementos con características comunes para los cuales
serán extensivas las conclusiones de la investigación. Ésta queda
delimitada por el problema y por los objetivos del estudio.

Población finita: agrupación en la que se conoce la cantidad de unidades

que la integran. Además, existe un registro documental de dichas unidades.
Ejemplos: pacientes hospitalizados en una clínica; huéspedes alojados en
un hotel; los cursantes de una asignatura. Desde el punto de vista
estadístico, una población finita es la constituida por un número inferior a
cien mil unidades (Sierra Bravo, 1991 a).

Población infinita: es aquella en la que se desconoce el total de

elementos que la conforman, por cuanto no existe un registro documental
de éstos debido a que su elaboración sería prácticamente imposible.
Ejemplo: trabajadores de la economía informal en un país. En la disciplina
estadística, se considera una población infinita a la conformada por cien mil
unidades o más (Sierra Bravo, 1991 a).

2. MUESTRA:

La muestra es un subconjunto representativo y finito que se extrae de la

población accesible En este sentido, una muestra representativa es aquella
que por su tamaño y características similares a las del conjunto, permite
 hacer inferencias o generalizar los resultados al resto de la población con
un margen de error conocido.

3. TIPOS DE MUESTRAS: Al momento de hacer una clasificación de los

diversos tipos de muestra estadística, se pueden mencionas los siguientes:

Probabilístico o Aleatorio y No Probabilístico

7.2.1 Muestreo Probalilístico o Aleatorio: es un proceso en el que se conoce

la probabilidad que tiene cada elemento de integrar la muestra. Este
procedimiento se clasifica en

Muestreo al azar simple: procedimiento en el cual todos los elementos

tienen la misma probabilidad de ser seleccionados. Dicha probabilidad,
conocida previamente, es distinta de cero 0) y de uno (1).
Ejemplo: Valiéndose de la lista de alumnos, el docente asigna un número a
cada uno. Luego todos los números se introducen en una caja para extraer,
por sorteo, los integrantes de la muestra.

Muestreo al azar sistemático: se basa en la selección de un elemento en

función de una constante K. De esta manera se escoge un elemento cada k
veces. Ejemplo: Para una población de 120 individuos, se define una
muestra integrada por 30 sujetos. La constante K obtenida al azar es igual a
4. Luego se asigna un número a cada uno de los 120 individuos y se
calcula el valor de inicio con la siguiente fórmula: N/n , entonces 120/30= 4.
Esto significa que comenzaremos seleccionando el número 4 al que se le
sumará la constante K=4, y así sucesivamente hasta obtener los treinta
individuos que conformarán la muestra definitiva: 4, 8, 12, 16, 20, 24, 28,
32, 36, 40, 44, 48, 52, 56, 60, 64, 68, 72, 76, 80, 84, 88, 92, 96, 100, 104,
108, 112, 116, 120.

Muestreo estratificado: consiste en dividir la población en subconjuntos

cuyos elementos posean características comunes, es decir, estratos
homogéneos en su interior. Posteriormente se hace la escogencia al azar
en cada estrato. Ejemplo: En una institución de educación universitaria, se
divide la población por carreras o especialidades, las cuales conformarán
los estratos. Después se efectúa la selección aleatoria en cada una de
ellas.

Muestreo por conglomerados: parte de la división del universo en unidades

menores denominadas conglomerados. Más tarde se determinan los que
serán objeto de investigación o donde se realizará la selección. Ejemplo: Un
municipio se divide en urbanizaciones. Más tarde, son seleccionadas
aquellas de donde se extraerán, al azar, los elementos para la muestra. La
diferencia con el muestreo estratificado radica en que no todos los
conglomerados son objeto de selección, por cuanto puede haber
conglomerados de los cuales no se extraiga muestra. Mientras que en el
estratificado, se debe extraer muestra de todos los estratos.

7.2.2. Muestreo no probabilístico: es un procedimiento de selección en el

que se desconoce la probabilidad que tienen los elementos de la población
para integrar la muestra. Éste se clasifica en:

Muestreo casual o accidental: es un procedimiento que permite elegir

arbitrariamente los elementos sin un juicio o criterio preestablecido.
Ejemplo: Un encuestador se ubica en un sector y aborda a los transeúntes
que pasan por el lugar. Lógicamente, las personas que no circulen por la
zona, carecen de toda probabilidad para integrar la muestra.

Muestreo intencional u opinático: en este caso los elementos son escogidos

con base en criterios o juicios preestablecidos por el investigador.

Ejemplo: Para un estudio sobre calidad de la educación, previamente, se

establecen como criterios de selección de la muestra los siguientes: –
Mínimo de 20 años de experiencia en el campo educativo. –Poseer título de
postgrado. –Haber ocupado un cargo directivo. Por supuesto, la muestra la
integrarán sólo aquellos que cumplan con las condiciones anteriores.

Muestreo por cuotas: se basa en la elección de los elementos en función de

ciertas características de la población, de modo tal que se conformen
grupos o cuotas correspondientes con cada característica, procurando
respetar las proporciones en que se encuentran en la población. Ejemplo:
Se establecen como características importantes para un sondeo de opinión,
el sexo y la edad de la población. Luego se procederá a seleccionar cuotas
de hombres, mujeres, jóvenes adultos y adultos mayores.

Muestreo por bola de nieve: Es utilizada cuando el investigador necesita

que un individuo de su muestra pueda ayudar a identificar otro que tenga
las mismas características y a su vez estos a otros para así formar la
muestra deseada.
4. VARIABLE ESTADISTICA: es una característica o cualidad; magnitud o
cantidad, que puede sufrir cambios, y que es objeto de análisis, medición,
manipulación o control en una investigación.

La edad, el peso corporal, la estatura, la temperatura ambiental, las marcas

de automóviles, así como los precios de bienes y servicios, son ejemplos de
variables.

5. TIPOS DE VARIABLES:

Según su naturaleza, las variables pueden ser cuantitativas y cualitativas:

a) Cuantitativas: son aquellas que se expresan en valores o datos
numéricos. Ejemplos: Cantidad de habitantes en una región, notas o
calificaciones estudiantiles, número de personas que pertenecen a un
partido político, tiempo empleado en un trabajo. Así mismo, las variables
cuantitativas se clasifican en discretas y continuas.
a.1) Discretas: son las que asumen valores o cifras enteras. Ejemplos:
cantidad de estudiantes en una aula de clases (pueden ser 39, 40 ó 41,
pero nunca 40,7 estudiantes); otro ejemplo es la cantidad de libros que
pueden ser consultados, ya que nunca podrá revisar 25,3 libros, pero si
podrá consultar 25 ó 26.
a.2) Continuas: son aquellas que adoptan números fraccionados o
decimales. Ejemplos: la temperatura ambiental puede alcanzar 32,4 °C. Un
objeto puede medir 58,6 cm de alto.

b) Cualitativas: también llamadas categóricas, son características o

atributos que se expresan de forma verbal (no numérica), es decir,
mediante palabras. Éstas pueden ser: b.1) Dicotómicas: se presentan en
sólo dos clases o categorías. Ejemplos: género: masculino o femenino;
tipos de escuelas: públicas o privadas; procedencia de un producto:
nacional o importado; tipos de vehículos: automático o sincrónico.
b.2) Policotómicas: se manifiestan en más de dos categorías. Ejemplos:
marcas de computadoras, colores de tintas, tipos de empresas, clases
sociales.

Por otra parte, según su función en una relación causal, las variables se
clasifican en:
• Independientes: son las causas que generan y explican los cambios en la
variable dependiente. En los diseños experimentales la variable
independiente es el tratamiento que se aplica y manipula en el grupo
 experimental. Ejemplo: la dieta a la que es sometido un grupo de pacientes
obesos.
• Dependientes: son aquellas que se modifican por acción de la variable
independiente. Constituyen los efectos o consecuencias que se miden y
que dan origen a los resultados de la investigación. Ejemplo: el peso
corporal de los integrantes del grupo o muestra.
• Intervinientes: son las que se interponen entre la variable independiente y
la dependiente, pudiendo influir en lo modificación de esta última. En un
diseño experimental puro, este tipo de variable debe ser controlada con el
fin de comprobar que el efecto es debido a la variable independiente y no a
otros factores. Ejemplo: el ejercicio físico practicado por el grupo.

6. DATOS ESTADÍSTICOS:

Los datos estadísticos no son otra cosa que el producto de las

observaciones efectuadas en las personas y objetos en los cuales se
produce el fenómeno que queremos estudiar. Dicho en otras palabras, son
los antecedentes (en cifras) necesarios para llegar al conocimiento de un
hecho o para reducir las consecuencias de este.

Los datos estadísticos se pueden encontrar de forma no ordenada, por lo

que es muy difícil en general, obtener conclusiones de los datos
presentados de esta manera. Para poder obtener una precisa y rápida
información con propósitos de descripción o análisis, estos deben
organizarse de una manera sistemática; es decir, se requiere que los datos
sean clasificados. Esta clasificación u organización puede muy bien
hacerse antes de la recopilación de los datos.

Ejemplo: Si se quiere conocer las características de los estudiantes del

Núcleo San Carlos de la UNESR, que solicitan préstamo a la biblioteca de
dicha Universidad, la recolección de la información debe clasificar a cada
estudiante sobre la base de: Carrera que estudia, edad, semestre de
estudios, etc. Vemos pues que la clasificación marca la pauta de la clase de
datos que debe ser obtenido.

Clasificación de los datos

Los datos estadísticos pueden ser clasificados en cualitativos, cuantitativos,

cronológicos y geográficos.

Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre ellos es

de clase y no de cantidad.
Ejemplo:

Si deseamos clasificar los estudiantes que cursan la materia de estadística I por

su estado civil, observamos que pueden existir solteros, casados, divorciados,
viudos.

Datos cuantitativos: cuando los valores de los datos representan diferentes

magnitudes, decimos que son datos cuantitativos.

Ejemplo:

Se clasifican los estudiantes del Núcleo San Carlos de la UNESR de acuerdo a

sus notas, observamos que los valores (nota) representan diferentes magnitudes.

7. MEDIDAS DE TENDENCIA CENTRAL

La mayor parte de las serie de datos muestran una clara tendencia a agruparse

alrededor de un cierto punto central. Así pues, dada cualquier serie de datos
particular, por lo general es posible seleccionar algún valor o promedio típico para
describir toda la serie de datos. Este valor descriptivo típico es una medición de
tendencia central o de ubicación.

Describen un conjunto de elementos por la forma en que se comporta el centro de

su distribución

La media aritmética
La media aritmética es el promedio o medición de tendencia central de uso más común. Se
calcula sumando todas las observaciones de una serie de datos y luego dividiendo el total
entre el número de elementos involucrados.

La mediana
La mediana es el valor medio de una secuencia ordenada de datos. Si no hay empates, la
mitad de las observaciones serán menores y la otra mitad serán mayores. La mediana no se
ve afectada por ninguna observación extrema de una serie de datos. Por tanto, siempre que
esté presente una observación extrema es apropiado usar la mediana en vez de la media para
describir una serie de datos

La moda o modo es el valor de una serie de datos que aparece con más

frecuencia. Se obtiene fácilmente de una clasificación ordenada. A diferencia de la
media aritmética, la moda no se ve afectada por la ocurrencia de los valores
extremos. 
Ejemplo: Los valores siguientes son las calificaciones de un alumno durante todo
el año
7;  8;  9;  7;  9;  8;  8;  8;  7;  8
Podemos afirmar entonces que el modo es igual a 8, dado que es el valor que
aparece con más frecuencia.

8. DISTRIBUCIÓN DE FRECUENCIAS:

Las distribuciones de frecuencias son tablas en que se dispone las

modalidades de la variable por filas. En las columnas se dispone el
número de ocurrencias por cada valor, porcentajes, etc. La finalidad
de las agrupaciones en frecuencias es facilitar la obtención de la
información que contienen los datos.

Ejemplo: Quieren conocer si un grupo de individuos está a favor o en

contra de la exhibición de imágenes violentas por televisión, para lo
cual han recogido los siguientes datos:

Generalmente las tablas incluyen varías

columnas con las frecuencias relativas (son
el número de ocurrencias dividido por el
total de datos, y se simbolizan "fr" o "p "), i

frecuencias acumuladas (la frecuencia

acumulada es el total de frecuencias de los
valores iguales o inferiores al de referencia,
y se simbolizan "f " o "n ". a a