FACULTAD

CIENCIAS HUMANAS, DE LA EDUCACIÓN Y

DESARROLLO SOCIAL CARRERA
EDUCACIÓN BÁSICA
MODULO
VII
DOMINIO DEL CONOCIMIENTO MATEMATICO
PARALELO 03
ESTUDIANTE:
RAUL PAREDES
DESCRIBIR LOS TIPOS DE ESTADÍSTICA Y LA FUNCIÓN DE CADA UNO

Estadística descriptiva

Se puede definir como un método para describir numéricamente conjuntos numerosos.

Por tratarse de un método de descripción numérica, utiliza el número como medio para
describir un conjunto, que debe ser numeroso, ya que las permanencias estadísticas no
se dan en los casos raros. No es posible sacar conclusiones concretas y precisas de los
datos estadísticos. (Vargas, p.33)

Objetivo de la estadística descriptiva

La finalidad última de la estadística descriptiva es resumir la información de conjuntos

más o menos numerosos de datos. Para ello se asienta en un concepto inmediato a la
tarea de recuento: la frecuencia, medida empírica de la ocurrencia de los distintos
estados que puede presentar una variable. (SGT, p.16)

Estadística inferencial, analítica o deductiva

Estudia la probabilidad de éxito de las diferentes soluciones posibles a un problema en

las diferentes ciencias en las que se aplica y para ello utiliza los datos observados en una
o varias muestras de la población. Mediante la creación de un modelo matemático
infiere el comportamiento de la población total partiendo de los resultados obtenidos
en las observaciones de las muestras.(Fernández et.al, p.17)

Objetivo de la estadística inferencial

La inferencia estadística intenta tomar decisiones basadas en la aceptación o el rechazo

de ciertas relaciones que se toman como hipótesis. Esta toma de decisiones va
acompañada de un margen de error, cuya probabilidad está
determinada. (Vargas, p.33)

La estadística inferencial tiene dos objetivos básicos; a) obtener conclusiones válidas

acerca de una población sobre la base de una muestra, es decir, que las conclusiones
que obtengamos de una muestra se puedan extrapolar a la población que dio origen a
esa muestra y b) poder medir el grado de incertidumbre presente en dichas inferencias
en términos de probabilidad. (Díaz, p.287)

Estadística aplicada

La estadística aplicada está compuesta por los dos tipos de estadística que acabamos de
ver anteriormente. Es una estadística que arroja resultados sobre la población mediante
una o varias muestras. Se caracteriza por ser una parte de la estadística que se aplica a
otras ramas o ámbitos, como por ejemplo la psicología, la medicina o la historia.

Para estimar los conocidos parámetros poblacionales se emplean las funciones

conocidas como estadísticos o estimadores.
En este tipo de estadística se emplean con frecuencia los paquetes estadísticos, que son
herramientas informáticas que se encargan de resolver problemas relativos a la
estadística, acortando mucho los tiempos de resolución de dichos de problemas.

Estadística matemática

La estadística matemática es el tipo de estadística que se enfoca en un punto de vista

completamente formal y para realizar este tipo de estadística se emplean la teoría de la
probabilidad y algunas clases de matemáticas como, por ejemplo, álgebra o análisis.

La estadística matemática está formada a su vez por la estadística descriptiva (que es la

encargada de desarrollar la información, es decir, la encargada de realizar un resumen
y describir que características o cualidades posee cada elemento) y por la inferencia
estadística (que es la encargada de formular las conclusiones en función de los datos
que se han obtenido, es decir, comprueba que los datos se ajustan a unas condiciones
determinadas).

EXPLICAR LOS ELEMENTOS QUE SE UTILIZAN EN EL ANÁLISIS ESTADÍSTICO

El método científico se basa en dos tipos de razonamientos: el inductivo y el deductivo.

El método deductivo procede de lo general a lo particular. El método inductivo procede

justo a la inversa, observando unos pocos elementos, se infieren propiedades que luego
se extrapolan al resto de los elementos.

En ciencias matemáticas, mediante el método inductivo, el investigador observa

propiedades, que luego con la ayuda de razonamientos lógicos basados en el conjunto
de axiomas colocados al principio de la teoría, extiende a todos los elementos. Por
ejemplo en el Teorema de Pitágoras, observando la relación entre la suma de los
cuadrados de los catetos y el cuadrado de la hipotenusa en un pequeño número de
triángulos rectángulos observa que:

a2 = b2 + c2

Posteriormente y con la ayuda de los postulados de Euclides y el teorema de Tales,

extiende esta propiedad a todos los triángulos rectángulos.

Pero en las ciencias experimentales, donde no hay ese conjunto de axiomas, no cabe
más que obtener nuevas observaciones para contrastar dichas propiedades, es el
llamado método estadístico.

Breve esquema del método estadístico.

Problema real.

Una investigación empírica suele iniciarse con un interrogante del tipo:

¿Cuál es la relación entre? o ¿Qué diferencias existen entre?

En esta etapa hay que definir el problema en términos precisos indicando:

 El ámbito de la investigación, es decir, la población.

  Las variables que hay que observar y medir.

Esta fase es fundamental ya que las conclusiones sólo pueden aplicarse a los miembros
de la población definida y la validez de las conclusiones depende en general de las
variables observadas.

Construcción de un modelo estadístico.

Los modelos estadísticos pueden clasificarse en función de la información que utilizan y

del objetivo que pretenden.

Cuando sólo se estudia un fenómeno en un instante en el tiempo, se dicen que los

modelos son estáticos o transversales.

Cuando estudiamos la evolución de un fenómeno a lo largo del tiempo se dicen

dinámicos o longitudinales.

Si sólo se dispone de la información de una variable se llaman modelos extrapolativos.

En general, los modelos estadísticos usan una descomposición de los valores de una o
varias variables respuesta o dependientes en una parte sistemática o predecible y otra
parte aleatoria o no predecible:

R(t)= X(t) + U(t)

Donde R(t) es la respuesta observada, X(t) es la parte predecible y U(t) es la parte

aleatoria y no predecible.

Por tanto un modelo estadístico va a englobar en la parte predecible o determinista el

efecto de la variable o variables explicativas y en la parte aleatoria el efecto de los
factores no controlados.

Recogida de información muestral.

Una vez construido el modelo, tendremos que medir los valores de las variables de
interés.

Esta recogida de información se puede hacer en general de dos formas:

 Por muestreo probabilístico.

 Con un diseño de experimentos.

El muestreo probabilístico se emplea en modelos extrapolativos (univariantes)

El diseño de experimentos consiste en fijar los valores de ciertas variables y observar la

respuesta de otras.
Más adelante y con esta información daremos una medida de probabilidad de como esta
información confirma o no la hipótesis inicial.

Depuración de la muestra.

En la práctica es inevitable que entre el 2% y el 5% de las observaciones contengan

errores de medición, por lo tanto antes de iniciar la siguiente fase (estimación de
parámetros) conviene utilizar técnicas de análisis de datos para identificar valores
anómalos, errores de medición... etc y depurarlos.

Estimación de parámetros.

Los modelos estadísticos en general dependen de ciertas constantes desconocidas

denominadas parámetros.

La fase de estimación, consiste en utilizar la muestra para decidir que valores vamos a
asignar a los parámetros desconocidos, así como cuantificar el error cometido en su
estimación.

Los métodos de estimación son muy variados y normalmente se ven involucradas

técnicas de maximización y minimización, las técnicas más habituales son:

 Método de los momentos.

 Método de máxima verosimilitud.
 Método de los mínimos cuadrados.
 Método Montecarlo.
 Polinomios de Lagrange.
 Mínimos cuadrados ponderados.

Contrastes de simplificación.

En esta fase estudiaremos si el modelo puede simplificarse, por ejemplo ¿el valor de un
determinado parámetro puede ser cero?

Se utilizan las técnicas de contraste de hipótesis para determinar el número de

parámetros estadísticamente significativos que va a contener nuestro modelo.

Crítica y diagnosis del modelo.

Hasta esta etapa los resultados se han obtenido suponiendo que el modelo es el
correcto. En esta etapa se investiga la concordancia entre las observaciones y los valores
predichos por el modelo, asignando una medida de probabilidad a dicha concordancia.

De especial interés es comprobar que la parte aleatoria es realmente aleatoria.

Se realizan observaciones aleatorias de un fenómeno que no se puede predecir con

anterioridad.
Se realiza un muestreo (se selecciona una muestra representativa de la población).

Se recolectan datos de cada elemento muestreado (por ejemplo a través de un

cuestionario).El objetivo final es inferir estadísticamente algo sobre la población,
deseamos concluir algo sobre alguna característica de la población en la que se realiza
el estudio.

Importancia del estudio estadístico

Lo más importante no está en lo que la muestra nos dice sobre sus miembros
específicos, sino en cómo hacer inferencias sobre los miembros de la población que no
fueron incluidos en la muestra

DIFERENCIAR LOS TIPOS DE VARIABLES QUE SE PRESENTAN EN LA ESTADÍSTICA

Variables cuantitativas y cualitativas

De acuerdo al tipo de escala que se utilizan se puede clasificar en cualitativas o
cuantitativas.
Las variables cualitativas son aquellas que se usan para identificar un atributo de un
elemento. Se emplean con la escala nominal o la ordinal, y pueden ser numéricos o no.
Los datos contenidos en estas variables se resumen contando el número de
observaciones de cada valor que toma la variable, o la proporción en entre estos. Un
hecho importante a tener en cuenta es que, aun cuando para los datos cualitativos se
use un código numérico, las operaciones aritméticas como la suma o la multiplicación
no tienen sentido. Ejemplo:
El color de un auto.
Luego, las variables cuantitativas son aquellas que requieren valores numéricos para
definir los datos. Se emplean con las escalas de medición de intervalo o de razón. En
estas sí tienen sentido las operaciones aritméticas. Ejemplo:
La altura de una persona.
En general hay más alternativas para el análisis estadístico cuando se tienen variables
cuantitativas que con las variables cualitativas.

Variables continuas y discretas

El siguiente criterio de clasificación (solo para variables cuantitativas) es según como es
el conjunto de valores sobre el cual estas pueden tomar valores.
Una variable continua puede tomar valores dentro de un intervalo continuo, es decir,
dado dos puntos de un intervalo, la variable siempre podrá tomar infinitos valores entre
ambos puntos. Ejemplo:
La temperatura en una habitación.

En cambio, una variable discreta solo puede tomar valores sobre un conjunto finito de
valores o un conjunto infinito numerable (un conjunto infinito, pero cuyos elementos se
pueden contar). En otras palabras, no puede tomar valores sobre cualquier punto del
intervalo, sino solamente sobre aquellos incluidos en el conjunto al que pertenece. Esto
hace que surja el concepto de valores observados sucesivos, lo cual significa que, dado
una observación, puede existir una observación previa y otra posterior. Ejemplo:
Cantidad de años de vida de una persona.
Datos de sección transversal y de series de tiempo
Por último, otra clasificación típica que se suele realizar sobre los datos es respecto del
tiempo en que estos son adquiridos.
Los datos de sección transversal son los obtenidos en el mismo (o aproximadamente)
momento.
En un mismo periodo, cual es el PBI de un grupo de paises

Los datos de series de tiempo son datos obtenidos a lo largo del tiempo.
El PBI de un país a lo largo de los años

FUNDAMENTAR LA IMPORTANCIA DE LA REPRESENTACIÓN GRÁFICA DE LAS

VARIABLES

Su objetivo es captar la información obtenida en los datos en forma rápida por cualquier
persona, así cada representación debe llevar un título adecuado. Las normas en la
construcción de un gráfico estadístico son similares a los de gráficos de funciones, las
variables independientes, se ubican en las abscisas y las dependientes en las ordenadas.

Gráficos para variables

Los gráficos más usuales para representar variables de tipo nominal son los siguientes:
Diagramas de barras: Se representa en el eje de ordenadas las modalidades y en abscisas
las frecuencias absolutas o las frecuencias relativas. Si se intentan comparar varias
poblaciones entre sí, usando el diagrama, existen otras modalidades, como las
mostradas en la figura 2. Cuando los tamaños de las dos poblaciones son diferentes, es
conveniente utilizar las frecuencias relativas, ya que en otro caso podrían resultar
engañosas

Gráficos para variables cuantitativas

Para las variables cuantitativas, consideraremos dos tipos de gráficos, en función de que
para realizarlos se usen las frecuencias (absolutas o relativas) o las frecuencias
acumuladas: Diagramas diferenciales: Son aquellos en los que se representan
frecuencias absolutas o relativas. En ellos se representa el número o porcentaje de
elementos que presenta una modalidad dada. Diagramas integrales: Son aquellos en los
que se representan el número de elementos que presentan una modalidad inferior o
igual a una dada. Se realizan a partir de las frecuencias acumuladas, lo que da lugar a
gráficos crecientes. Obviamente, este tipo de gráficos no tiene sentido para variables
cualitativas. Según hemos visto existen dos tipos de variables cuantitativas: discretas y
continuas. Vemos a continuación las diferentes representaciones gráficas que pueden
realizarse para cada una de ellas así como los nombres específicos que reciben. Gráficos
para variables discretas Cuando representamos una variable discreta, usamos el
diagrama de barras cuando pretendemos hacer una gráfica diferencial. Las barras deben
ser estrechas para representar que los valores que toma la variable son discretos. El
diagrama integral o acumulado tiene, por la naturaleza de la variable, forma de escalera.
Un ejemplo de diagrama de barras así como su diagrama integral.

Gráficos para variables continúa

Cuando las variables son continuas, utilizamos como diagramas diferenciales los
histogramas y los polígonos de frecuencias. Un histograma se construye a partir de la
tabla estadística, representando sobre cada intervalo, un rectángulo que tiene a este
segmento como base. El criterio para calcular la altura de cada rectángulo es el de
mantener la proporcionalidad entre las frecuencias absolutas (o relativas) de cada
intervalo y el área de los mismos. El polígono de frecuencias se construye fácilmente si
tenemos representado previamente el histograma, ya que consiste en unir mediante
líneas rectas los puntos del histograma que corresponden a las marcas de clase. Para
representar el polígono de frecuencias en el primer y último intervalo, suponemos que
adyacentes a ellos existen otros intervalos de la misma amplitud y frecuencia nula, y se
unen por una línea recta los puntos del histograma que corresponden a sus marcas de
clase.

Conclusiones

No hay duda de que la Estadística es hoy una de las ciencias más útiles e influyentes en
la mayoría de los campos del conocimiento, que ofrece amplísimas posibilidades de
aplicación, y más todavía si se consideran la velocidad con la que se genera el desarrollo
tecnológico, los volúmenes de nueva información y el avance vertiginoso de la ciencia.
Es un hecho que a lo largo del tiempo cada vez más disciplinas encuentran en los
métodos estadísticos una opción para el adecuado planteamiento y solución de
problemas específicos. El reconocimiento de esta disciplina es un asunto incuestionable.
En el marco de la sociedad del conocimiento y la información, la Estadística tiene un
gran porvenir en el siglo XXI, y cada vez se abren más nichos de oportunidad para los
principios, técnicas y procedimientos que forman el cuerpo de esta ciencia.

Bibliografía
(s.f.).
anderson, m. (2016). mauricioanderson. Obtenido de mauricioanderson.com:
https://mauricioanderson.com/escalas-de-medicion-estadistica/
cientificas, c. s. (2018). humanidades.cchs. Obtenido de
http://humanidades.cchs.csic.es:
http://humanidades.cchs.csic.es/cchs/web_UAE/metodo/metodo.htm#Arriba

GestioPolis.com Experto. (2002, septiembre 22). ¿Qué es estadística? Tipos y objetivos.

Recuperado de https://www.gestiopolis.com/que-es-estadistica-tipos-y-objetivos/

halweb.uc3m. (2018). Uc3m Universidad Carlos III de Madrid. Obtenido de

/www.uc3m.es:
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EDescrip/tema2.
pdf