ESTADÍSTICA

Es el conjunto de procedimientos y técnicas empleadas para recolectar, organizar y analizar datos, los cuales sirven de base para tomar
decisiones en las situaciones de incertidumbre que plantean las ciencias sociales o naturales.

La estadística descriptiva es una gran parte de la estadística que se dedica a analizar y representar los datos. Este análisis es muy básico.
Aunque hay tendencia a generalizar a toda la población, las primeras conclusiones obtenidas tras un análisis descriptivo, es un estudio
calculando una serie de medidas de tendencia central, para ver en qué medida los datos se agrupan o dispersan en torno a un valor central.

La Estadística inferencial o Inferencia estadística 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.

Población.- El conjunto completo de donde se toma una muestra. al de variable aleatoria , o magnitud numérica de naturaleza aleatoria, X,
asociada a los objetos (individuos) sobre los que se desarrolla una experiencia, cuyo resultado depende del azar.  

La repetición n veces, en idénticas condiciones, de la citada experiencia aleatoria, afectará a una muestra de n objetos u individuos de la
población, y tendrá asociada una sucesión de n variables aleatorias, independientes, X1 , X2  ,...,  Xn ,  réplicas de X. 

Un ejemplo obvio de población y muestra surgiría al considerar una urna de bolas blancas y negras, con independencia de su número. Si la
experiencia consistirá en extraer al azar una bola y nuestro interés se centra en el color de la bola, nuestra población, desde el punto de vista
estadístico, es una variable dicotómica, por ejemplo, una variable de Bernoulli, que toma dos únicos valores: X=1 si la bola extraída es blanca,
X=0 si es negra. Una muestra de tamaño n, una vez extraída de la población, y observado el color de las correspondientes bolas, no será otra
cosa que una secuencia de unos y ceros, n en total. (Las idénticas condiciones a las que se alude anteriormente, pueden asegurarse
reintroduciendo la bola después de cada extracción, o bien considerando que el tamaño de la muestra es pequeño respecto al "gran número"
de bolas de la urna.

MUESTRA: Una selección tomada de un grupo más grande (la "población") para poder examinarla y determinar algo sobre el grupo más
grande.

Descripción matemática de una muestra aleatoria

El uso de muestras para deducir fiablemente características de la población requiere que se trate con muestras aleatorias. Si la muestra
estadística considerada no constituye una muestra aleatoria las conclusiones basadas en dicha muestra no son fiables y en general estarán
sesgadas en algún aspecto.

En términos matemáticos, dada una variable aleatoria X con una distribución de probabilidad F, una muestra aleatoria de tamaño N es un
conjunto finito de N variables independentes, con la misma distribución de probabildad F.[1]

Otra forma más intuitiva, de entender una muestra es considerar que una muestra es una sucesión de N experimentos independientes de una
misma cantidad. Es importante diferenciar una muestra de tamaño N, o más exactamente un muestreo de tamaño N, del resultado concreto
de de los N experimentos (que como conjunto de valores fijos, en sí mismo, no es una muestra). El concepto de muestra incluye de alguna
manera el procedimiento escogido para obtener los datos (es decir, si las variables aleatorias consideradas son independientes entre sí, y si
tienen la misma distribución).

En general, resulta muy difícil comprobar si una determinada muestra es o no aleatoria, cosa que sólo puede hacerse considerando otro tipo
de muestreos aleatorios robustos que permitan decir si la primera muestra era aleatoria o no.

Una selección que se escoge aleatoriamente (puramente por azar, impredeciblemente).

Ejemplo: si tu quisieras tomar una muestra aleatoria de agua de un río, podrías tomar un mapa del río y escoger un punto con los ojos
vendados ¡y a ver entonces cómo llegas allí!

Para ser realmente aleatorio, se debería escoger también una fecha, hora y profundidad aleatoriamente.

Importancia de determinar el tamaño de una muestra

El determinar el tamaño de una muestra representa una parte esencial del método científico para poder llevar a cabo una investigación. Al
muestreo lo podemos definir como el conjunto de observaciones necesarias para estudiar la distribución de determinadas características en la
totalidad de una población, a partir de la observación de una parte o subconjunto de una población, denominada muestra.
Definir el Tamaño de una Muestra

Al definir el tamaño de la muestra, nosotros deberemos procurar que ésta información sea representativa, válida y confiable y al mismo
tiempo nos represente un mínimo costo. Por lo tanto, el tamaño de la muestra estará delimitado por los objetivos del estudio y las
características de la población, además de los recursos y el tiempo de que se dispone.

n Estadística el tamaño de la muestra es el número de sujetos que componen la muestra extraída de una población, necesarios para que los
datos obtenidos sean representativos de la población.

Variable es aquello que varía o puede variar. Se trata de algo inestable, inconstante y mudable. En otras palabras, una variable es un símbolo
que representa un elemento no especificado de un conjunto dado. Este conjunto es denominado conjunto universal de la variable o universo
de la variable, y cada elemento del conjunto es un valor de la variable.

UNA VARIABLE CONTINUA, es aquella que puede tomar un valor cualquiera para un determinado intervalo. O sea en la práctica los valores
para esta variable solo están limitados por la precisión de los instrumentos de medición, en el caso de medidas como el peso, por dar un
ejemplo; o sea siempre va a haber un valor entre dos valores que pueda tomar una variable continua.

Variable discreta

Una variable discreta es aquella que toma valores aislados, es decir no admite valores intermedios entre dos valores específicos. Por ejemplo:

El número de hermanos de 5 amigos: 2, 1, 0, 1, 3.

Variable continua

Una variable continua es aquella que puede tomar valores comprendidos entre dos números. Por ejemplo:

La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.

En la práctica medimos la altura con dos decimales, pero también se podría dar con tres decimales.

Variables discretas y variables continuas

Una distribución de los datos en categorías que ha demostrado ser útil al organizar los procedimientos estadísticos, es la distinción entre
variables discretas y variables continuas. Una variable discreta es sencillamente una variable para la que se dan de modo inherente
separaciones entre valores observables sucesivos. Dicho con mas rigor, se define una variable discreta como la variable tal que entre 2
cualesquiera valores observables (potencialmente), hay por lo menos un valor no observable (potencialmente). Por ejemplo, un recuento del
número de colonias de un cultivo en agar es una variable discreta. Mientras que cuentas de 3 y 4 son potencialmente observables, no lo es
una de 3,5.

Una variable continua tiene la propiedad de que entre 2 cualesquiera valores observables (potencialmente), hay otro valor observable
(potencialmente). Una variable continua toma valores a lo largo de un continuo, esto es, en todo un intervalo de valores. Longitudes y pesos
son ejemplos de variables continuas. La estatura de una persona, pude ser 1,70 mts. ó 1,75 mts., pero en potencia al menos podría tomar
cualquier valor intermedio como 1,73 mts. por ejemplo.

Un atributo esencial de una variable continua es que, a diferencia de lo que ocurre con una variable discreta, nunca se la  puede medir
exactamente. Con una variable continua debe haber inevitablemente un error de medida.

Un importante principio sobre variables continuas es que siempre se registran en forma discreta, quedando la magnitud de la distancia entre
valores registrables adyacentes determinada por la precisión de la medición.

2. Tabla de distribución de frecuencias.

Una de los primeros pasos que se realizan en cualquier estudio estadístico es la tabulación de resultados, es decir, recoger la información de la
muestra resumida en una tabla, que denominaremos distribución de frecuencias, en la que cada valor de la variable se le asocian
determinados números que representan el número de veces que ha aparecido, su proporción con respecto a otros valores de la variable, etc.

Por tanto, llamaremos distribución de frecuencias a un agrupamiento de datos en clases acompañada de sus frecuencias: frecuencias
absolutas, frecuencias relativa o frecuencia porcentuales. En caso de que las variables estén al menos en escala ordinal aparecen
opcionalmente las frecuencias acumuladas absolutas, y frecuencias acumuladas porcentuales. Las distribuciones de frecuencias varían en
dependencia si corresponden a una variable discreta o a una variable continua.
Ejemplo #1: Variable Continua:

La tienda CABRERA’S Y ASOCIADOS estaba interesada en efectuar un análisis de sus cuentas por comprar. Uno de los factores que más
interesaba a la administración de la tienda era el de los saldos de las cuentas de crédito. Se escogió al azar una muestra aleatoria de 30
cuentas y se anotó el saldo de cada cuenta (en unidades monetarias) como sigue:

77.97 13.02 17.97 89.19 12.18 8.15 34.40 43.13 79.61 90.99

43.66 29.75 7.42 93.91 20.64 21.10 17.64 81.59 60.94 43.97

32.67 43.66 51.69 53.40 68.13 11.10 12.98 38.74 70.15 25.68

Solución:

1. A= ( 7.42, 8.15, …, …, …, 90.99, 93.91 )

donde: X1 = valor mínimo = 7.42

Xn= valor máximo = 93.91

2. Efectuar el arreglo ordenado de la población o muestra:

R = valor mayor – valor menor = Xn – X1 = 93.91 – 7.42 = 86.49

3. Encontrar el rengo o recorrido de los datos: "R"

K=1+3.322(log N)

Nota: en el ejemplo en estudio N=30 por cuanto que son 30 clientes en la muestra:

K = 1 + 3.322 (log 30)

= 1 + 3.322 (1.477) el log fue obtenido según calculadora

= 1+ 4.9069

= 5.9069 ~6 aproximado al siguiente entero

4. Encontrar en número de clases "K" , según la fórmula de Sturges:

5. Determinar la amplitud de la clase: "C"