REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL DE LA FUERZA ARMADA
BOLIVARIANA

Taller, Estadística, variables y

gráficos.

Área:

Estadística, Bioestadística Y
Epidemiologia.

1. Estadísticas:
La Estadística es el estudio científico de datos numéricos basados en fenómenos
naturales o de la salud, la cual se refiere a un conjunto de métodos para la
obtención, la presentación y el análisis de las observaciones numéricas derivados
de distintos grupos, tanto en los programas de salud, la cual se encarga de los
cuantificados en informes mensuales en donde se cuantifica una serie de datos,
para medir los indicadores del mismo de la salud que por otra parte se desprenden
varias ramas donde están la estadística vital, como la natalidad, mortalidad y
morbilidad que son los que indican el estado de salud de una nación.

2. Estadísticas variables:

La estadística variable es un conjunto de valores que puede tomar cierta

característica de la población sobre la que se realizan estudios estadísticos y
sobre la que es posible su medición y estas variables pueden ser: por la edad, el
peso, las notas de un examen, los ingresos mensuales, las horas de sueño de un
paciente en una semana, el precio medio del alquiler en las viviendas de un barrio
de una ciudad, etc.

Las estadísticas variables se pueden clasificar por diferentes criterios, según su

medición existen dos tipos de variables:

Cualitativa, (o categórica): que son las variables que pueden tomar como valores
cualidades o categorías.

Ejemplos:

Sexo (hombre, mujer)

Salud (buena, regular, mala)

Cuantitativas, (o numérica): variables que toman valores numéricos.

Ejemplos:

Número de casas (1, 2,…). Discreta.

Edad (12,5; 24,3; 35;…). Continua.

3. Estadística inductiva:
Estadística inductiva, Trata de la generalización hacia las poblaciones de los
resultados obtenidos en las muestras y de las condiciones bajo las cuales estas
conclusiones son válidas y se enfrenta básicamente con dos tipos de problemas,
la estimación, que esta puede ser puntual o por intervalos y complementa un
punto de gran importancia y el contraste de hipótesis el cual desempeña las ideas
y las proposiciones de generalizar y estudiar las poblaciones.

4. Variable discreta:

Las variables discretas son aquellas cuyas observaciones se agrupan

inherentemente o naturalmente en categorías, porque dichas variable por su
naturaleza sólo pueden tomar ciertos valores muy específicos, el género de un
sujeto es un buen ejemplo de una variable discreta, donde los seres humanos
pueden ser mujeres o hombres, y se ajustan a una u otra categoría y no hay
continuidad ni puntos intermedios entre ellas, o como también los países o
regiones del mundo que también son buenos ejemplos de variables discretas, y
otro ejemplo son las calificaciones o educación de los maestros, y se pueden crear
las siguientes categorías para describir esta última variable en, (a) educación
primaria completa, (b) educación secundaria completa, (c) educación superior
incompleta, (d) educación superior completa y (e) educación de postgrado, y así
las variables discretas se basan a observar.

5. Variable continúa:

Se denomina variable continua a un símbolo que actúa en las proposiciones, las

fórmulas, las funciones y los algoritmos de la estadística y de las matemáticas y
que tiene la particularidad de poder adoptar diferentes valores. Y es aquella que
puede adoptar cualquier valor en el marco de un intervalo que ya está
predeterminado, entre dos de los valores, y siempre puede existir otro valor
intermedio, susceptible que puede ser tomado como valor por la variable continua.

Por lo que estas particularidades diferencian a la variable continua de la variable

discreta, que solo puede adquirir un valor de un conjunto de números, y existen
separaciones entre los valores sucesivos que pueden observarse lo que es decir,
que no se llenan con otros valores intermedios de las variables continuas, que en
teoría no se pueden medir con absoluta exactitud por lo que el valor que se
observa depende del instrumento empleado para la medición donde consideremos
las variables continuas a partir del peso de una persona, que puede pesar 78,5
kilogramos, 78, 54 kilogramos o 78, 546 kilogramos de acuerdo a la exactitud de la
balanza, y el ejemplo revela que al trabajar con variables continuas hay que
aceptar la existencia de un error de medición que se debe tratar de minimizar, ya
que implica una diferencia entre el valor verdadero y el valor medido y es
importante ya muchas veces siempre hay errores de medición, y esto es algo
inherente a los instrumentos de medición que sin embargo en cada caso pueden
existir causas diferentes, que por otro lado es posible anticiparse a algunos de
ellos y de este modo intentar reducir su impacto a través de procedimientos como
la calibración y la compensación.

6. Redondeo de datos:

Dentro de los procesos estadísticos hay ocasiones en la que los datos

suministrados para el análisis, y sobre todo aquellos que son resultados de un
proceso matemático, en los que obtenemos datos con valoraciones decimales, y lo
más común es aplicar la técnica del redondeo que consiste en aproximar lo más
posible a un valor más cercano o uno que sea más fácil para trabajar las
operaciones matemáticas como por ejemplo, si el valor obtenido o recolectado
es 72.3, se tiene la tendencia de redondear la cantidad a su valor más cercano, en
este  caso sería el 72 y se tiende a despreciar la tendencia decimal, por lo
contrario si el valor obtenido es 72.8 se redondea hacia el valor más cercano que
es el 73, en la práctica de estadística es preferible trabajar con los valores
suministrados u obtenidos en un cálculo de tal manera que se evite el error
del redondeo o redondeos acumulados.

7. Inferencias estadísticas:

La inferencia estadística es el conjunto de métodos y técnicas que permiten

inducir, a partir de la información empírica proporcionada por una muestra, cual es
el comportamiento de una determinada población con un riesgo de error medible
en términos de probabilidad, donde los métodos paramétricos de la inferencia
estadística se pueden dividir, básicamente en dos métodos de estimación de
parámetros y métodos de contraste de hipótesis, ambos métodos se basan en el
conocimiento teórico de la distribución de probabilidad del estadístico muestra que
se utiliza como estimador de un parámetro, por lo que la estimación de parámetros
consiste en asignar un valor concreto al parámetro o parámetros que caracterizan
a la distribución de probabilidad de la población que cuando se estima un
parámetro poblacional, aunque el estimador que se utiliza posea todas las
propiedades deseables, se comete un error de estimación que es la diferencia
entre la estimación y el verdadero valor del parámetro el error de estimación es
desconocido por lo cual es imposible saber en cada caso cual ha sido la magnitud
o el signo del error para valorar el grado de precisión asociado con una estimación
puntual se parte de dicha estimación para construir un intervalo de confianza en la
síntesis, de un intervalo de confianza que está formado por un conjunto de valores
numéricos tal que la probabilidad de que éste contenga al verdadero valor del
parámetro puede fijarse tan grande como se quiera y esta probabilidad se
denomina grado de confianza del intervalo, y la amplitud de éste constituye una
medida del grado de precisión con el que se estima el parámetro.

Métodos de la inferencia estadística:

Los métodos y técnicas de la inferencia estadística se pueden dividir en dos:

métodos de estimación de parámetros y métodos de contraste de hipótesis.

- Métodos de estimación de parámetros: Se encarga de asignar un valor al

parámetro o al conjunto de parámetros que caracterizan el campo sujeto a
estudio. Claro que al ser una estimación existe cierto error. Para obtener
estimaciones adaptadas a esa realidad, se crean intervalos de confianza.
- Métodos de contraste de hipótesis: Su objetivo es comprobar si una estimación
corresponde con los valores poblacionales. En todo contraste de hipótesis
existen dos supuestos. La hipótesis nula (H0) que recoge la idea de que un
 valor tiene un valor predeterminado. Si se rechaza la hipótesis nula (H0),
entonces se acepta la hipótesis alternativa (H1).
8. Representación gráfica:

En los análisis estadísticos, es frecuente utilizar representaciones visuales

complementarias de las tablas que resumen los datos de estudio, y con estas
representaciones, adaptadas en cada caso a la finalidad informativa que se
persigue, se transmiten los resultados de los análisis de forma rápida, directa y
comprensible para un conjunto amplio de personas.

Tipos de representaciones graficas:

Cuando se muestran los datos estadísticos a través de representaciones gráficas,

se ha de adaptar el contenido a la información visual que se pretende transmitir.
Para ello, se barajan múltiples formas de representación:

- Diagramas de barras: muestran los valores de las frecuencias absolutas sobre

un sistema de ejes cartesianos, cuando la variable es discreta o cualitativa.
- Histogramas: formas especiales de diagramas de barras para distribuciones
cuantitativas continuas.
- Polígonos de frecuencias: formados por líneas poligonales abiertas sobre un
sistema de ejes cartesianos.
- Gráficos de sectores: circulares o de tarta, dividen un círculo en porciones
proporcionales según el valor de las frecuencias relativas.
- Pictogramas: o representaciones visuales figurativas. En realidad son
diagramas de barras en los que las barras se sustituyen con dibujos alusivos a
la variable.
- Cartogramas: expresiones gráficas a modo de mapa.
- Pirámides de población: para clasificaciones de grupos de población por sexo y
edad.