REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA
FUERZA
ARMADA BOLIVARIANA
NÚCLEO MÉRIDA

INTRODUCCIÓN A LA
ESTADISTICA

INTEGRANTE:
ALBERTH GIOVANNI OSORIO RODRIGUEZ

23727138
 INTRODUCCION

Estudiamos y realizamos una investigación para entender el origen y los

fundamentos de la probabilidad y estadísticas la cual utiliza las matemáticas para
el análisis y teoremas conformados que se desarrollan en las diferentes ramas de
la ciencia que son la biología, economía, física y entre otras.
Integramos los conceptos como población que estudian las grandes cantidades
de elementos presentes en un entorno donde existen poblaciones que pueden ser
finitas o infinitas dependiendo del grado o amplitud del entorno por eso abarcamos
el concepto de muestra que son relativos tanto muestra como población utilizando
técnicas para el muestreo o tipos de muestreo todo eso desarrollado con
ejemplos.
Ingresamos al análisis de distribución de frecuencia encargado de estudiar
datos y modalidades seguidos por tablas ejemplos representados para el estudio
de dicha frecuencia y sus derivados al resultado a mostrar lo cual quedaría en una
construcción de la distribución de frecuencias punto clave para elaborar las tablas
un ordenamiento donde utilizamos frecuencias relativas acumulada absoluta entre
otras.

Otros puntos importantes a tratar son los parámetros estadísticos dado por
las muestras obtenidas y análisis un ejemplo claro de ello son los parámetros
estadisiticos la mediana la desviación estándar donde también encontraremos
ejemplos de la media aritmética, mediana y moda.
 INTRODUCCIÓN A LA ESTADISTICA

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.
El origen de la palabra estadística se suele atribuir al economista Gottfried
Achenwall (prusiano, 1719-1772) que entendía la estadística como “ciencia de las
cosas que pertenecen al Estado”.
Conviene saber que la estadística NO es una rama de las matemáticas. Utiliza
herramientas de las matemáticas del mismo modo que lo hace la física, la
ingeniería o la economía, pero eso no las hace ser parte de las matemáticas. Es
cierto que tienen una relación estrecha, pero la estadística y las matemáticas son
disciplinas diferentes.
Una de las características fundamentales de la estadística es su
transversalidad. Su metodología es aplicable al estudio de diversas disciplinas
tales como: biología, física, economía, sociología, etc.
La estadística ayuda a obtener conclusiones relevantes para el estudio de todo
tipo de agentes como: humanos, animales, plantas, etc. Generalmente lo hace a
través de muestras estadísticas.

Ramas de la estadística
La estadística se puede subdividir en dos grandes ramas: descriptiva e
inferencial.
Estadística descriptiva: Se refiere a los métodos de recolección, organización,
resumen y presentación de un conjunto de datos. Se trata principalmente de
describir las características fundamentales de los datos y para ellos se suelen
utilizar indicadores, gráficos y tablas.
 Estadística inferencial: Se trata de un paso más allá de la mera descripción. Se
refiere a los métodos utilizados para poder hacer predicciones, generalizaciones y
obtener conclusiones a partir de los datos analizados teniendo en cuenta el grado
de incertidumbre existente.
La estadística inferencial se subdivide a su vez en dos grandes tipos:
estadística paramétrica y no paramétrica.

Estadística paramétrica: Se caracteriza porque asume que los datos tienen una
determinada distribución o se especifican determinados parámetros que deberían
cumplirse. Así por ejemplo, en un análisis paramétrico podemos trabajar bajo el
supuesto de que la población se distribuye como una Normal (hay que justificar
nuestro supuesto) y luego sacar conclusiones bajo el supuesto que esta condición
se cumple.

Estadística no paramétrica: En ella no es posible asumir ningún tipo de

distribución subyacente en los datos ni tampoco un parámetro específico. Un
ejemplo de este tipo de análisis es la prueba binomial.

Ejemplo de uso de la estadística en economía

La estadística es ampliamente utilizada en el análisis económico. Nos ayuda a
comprobar la aplicación de la teoría económica en la práctica. Algunos ejemplos
del uso de estadística en Economía son:
Elaboración de indicadores macroeconómicos agregados.
Predicciones acerca del comportamiento futuro de la demanda.
Testear la validez de hipótesis basadas en la teoría económica.
Calcular la tasa de paro.
Organizar y presentar datos económicos como: evolución de los precios, PIB, etc.

POBLACIÓN
 El concepto de población en estadística va más allá de lo que comúnmente se
conoce como tal. Una población se precisa como un conjunto finito o infinito de
personas u objetos que presentan características comunes.

Se destacan algunas definiciones:

Una población es un conjunto de todos los elementos que estamos estudiando,
acerca de los cuales intentamos sacar conclusiones, es un conjunto de elementos
que presentan una característica común.
El tamaño que tiene una población es un factor de suma importancia en el
proceso de investigación estadística y en nuestro caso social, y este tamaño viene
dado por el número de elementos que constituyen la población, según el número
de elementos la población puede ser finita o infinita.
Población finita: es aquella cuya cantidad de elementos es posible de
determinar. Ejemplo: conjunto de librerías de la ciudad de Lima.
Población infinita: es aquella cuya cantidad de elementos es imposible de
determinar. Ejemplo: conjunto de lápices fabricados en un proceso continuo.

Cuando el número de elementos que integra la población es muy grande, se

puede considerar a esta como una población infinita, por ejemplo; el conjunto de
todos los números positivos.
Una población finita es aquella que está formada por un limitado número de
elementos, por ejemplo; el número de habitantes de una comarca.
Cuando la población es muy grande, es obvio que la observación y/o medición
de todos los elementos se multiplica la complejidad, en cuanto al trabajo, tiempo y
costos necesarios para hacerlo. Para solucionar este inconveniente se utiliza una
muestra estadística.
Ejemplo: Evolución de la población española.

Es a menudo imposible o poco práctico observar la totalidad de los individuos,

sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado
población o universo, se examina una pequeña parte del grupo denominada
muestra.

MUESTRA:
La muestra es una representación significativa de las características de una
población, que bajo, la asunción de un error (generalmente no superior al 5%)
estudiamos las características de un conjunto poblacional mucho menor que la
población global.
Por ejemplo, estudiamos los valores sociales de una población de 5000
habitantes aprox., entendemos que sería de gran dificultad poder analizar los
valores sociales de todos ellos, por ello, la estadística nos dota de una
herramienta que es la muestra para extraer un conjunto de población que
represente a la globalidad y sobre la muestra realizar el estudio. Una muestra
representativa contiene las características relevantes de la población en las
mismas proporciones que están incluidas en tal población.
Los expertos en estadística recogen datos de una muestra. Utilizan esta
información para hacer referencias sobre la población que está representada por
la muestra. En consecuencia, muestra y población son conceptos relativos. Una
población es un todo y una muestra es una fracción o segmento de ese todo.
 TÉCNICAS DE MUESTREO:
Esto no es más que el procedimiento empleado para obtener una o más
muestras de una población; el muestreo es una técnica que sirve para obtener una
o más muestras de población.
Este se realiza una vez que se ha establecido un marco muestral representativo
de la población, se procede a la selección de los elementos de la muestra, aunque
hay muchos diseños de la muestra.
Al tomar varias muestras de una población, las estadísticas que calculamos para
cada muestra no necesariamente serían iguales, y lo más probable es que
variaran de una muestra a otra.
TIPOS DE MUESTREO:
Existen dos métodos para seleccionar muestras de poblaciones; el muestreo no
aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este último todos
los elementos de la población tienen la oportunidad de ser escogidos en la
muestra. Una muestra seleccionada por muestreo de juicio se basa en la
experiencia de alguien con la población. Algunas veces una muestra de juicio se
usa como guía o muestra tentativa para decidir cómo tomar una muestra aleatoria
más adelante. Las muestras de juicio evitan el análisis estadístico necesario para
hacer muestras de probabilidad.

En la práctica para estudiar una población grande, debemos tomar una

muestra. Por ejemplo, si queremos saber cuál es el candidato preferido para las
próximas elecciones presidenciales de Colombia, tomaría mucho tiempo
preguntarles a todos los electores por su candidato preferido, además, sería muy
caro contratar tantos encuestadores, digitadores y estadísticos. Por ello, es mejor,
analizar una muestra de electores, aplicar una encuesta, y a partir de allí sacar
conclusiones de la población.

Individuo: Es cada uno de los elementos que componen la población. También se

le conoce como unidad estadística.
Ejemplo 1
Para estudiar cuál es el candidato presidencial por el cual votarán los
venezolanos en las próximas elecciones, se toma una muestra de 3500 personas
de todo el país.
 La pregunta es la siguiente, ¿por quién votará en las próximas elecciones
presidenciales? Determine la población, muestra e individuos.
En este caso, la población sería la población electoral del país, es decir,
peruanos con derecho a voto.
La muestra sería el conjunto de 3500 venezolanos que forman parte de la
población.
Un individuo sería cada uno de los venezolanos con derecho a voto.
Ejemplo 2
Un estudiante de estadística quiere conocer si los profesores de su universidad,
UNAM, prefieren dictar clases con ropa formal o con ropa informal. Para ello,
realiza una encuesta a 120 profesores de la UNAM elegidos de forma aleatoria.
Identifique la población, muestra e individuos.
Población: conjunto de todos los profesores de la UNAM.
Muestra: 120 profesores de la UNAM.
Individuo: cada uno de los profesores de la UNAM.
Ejemplo 3
Un profesor desea realizar un análisis estadístico de las notas del examen final de
matemáticas de sus alumnos de último año. Por ello, coloca todas las notas
obtenidas en Excel y usa las funciones y herramientas estadísticas. La información
obtenida, ¿pertenece a la muestra o a la población?
– En este caso, la población, son todos los alumnos de último año. Se estudiarán
sus notas, pero todas las notas obtenidas. No se ha realizado ningún muestreo,
por ello, la información obtenida, pertenece a la población.

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:

La inspección de los datos originales no permite responder fácilmente a

cuestiones como cuál es la actitud mayoritaria del grupo, y resulta bastante más
difícil determinar la magnitud de la diferencia de actitud entre hombres y mujeres.
Podemos hacernos mejor idea si disponemos en una tabla los valores de la
variable acompañados del número de veces (la frecuencia) que aparece cada
valor:

x f
1 3
2 6
3 7
4 3
5 1
total 20
X: Símbolo genérico de la variable.
f: Frecuencia (también se simboliza como ni).
 La distribución de frecuencias de los datos del ejemplo muestra que la
actitud mayoritaria de los individuos del grupo estudiado es indiferente.
La interpretación de los datos ha sido facilitada porque se ha reducido el número
de números a examinar (en vez de los 20 datos originales, la tabla contiene 5
valores de la variable y 5 frecuencias).
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
"pi"), frecuencias acumuladas (la frecuencia acumulada es el total de frecuencias
de los valores iguales o inferiores al de referencia, y se simbolizan "fa" o "na". No
obstante la frecuencia acumulada también es definida incluyendo al valor de
referencia), frecuencias acumuladas relativas (la frecuencia acumulada relativa es
el total de frecuencias relativas de los valores iguales o inferiores al de referencia,
y se simbolizan "fr" o "pa")

La siguiente tabla indica que los valores 1 y 3 se repiten 12 veces, el valor 5 se

repite 3 veces

Xi Ni
1 12
3 12
5 3
6 45
8 72

Tablas de Distribución:
Las tablas de distribución de frecuencias se utilizan cuando se recolectan
datos, con ellas se pueden representar los datos de manera que es más fácil
analizarlos.
 
 Se pueden elaborar tablas de distribución de frecuencias para datos no
agrupados y para datos agrupados. Estas últimas se utiliza cuando se tienen
muchos datos.
 
Para elaborar tablas de distribuciones de frecuencia se debe tener en
cuenta lo siguiente:

Cuando hay muchos datos se agrupan en clases. Esto consiste en agrupar los
datos en una distribución de frecuencias, que puede definirse como una
ordenación o arreglo de datos en clases o categorías que muestran para cada una
de ellas, el número de elementos que contiene, denominada frecuencia.

Ejemplo tabla copiada de Excel

Suponga que un investigador desea determinar cómo varía el peso de un

grupo de estudiantes de primer semestre de una universidad. Selecciona una
muestra de 50 estudiantes y registra sus pesos en kilogramos. Los datos
obtenidos fueron los siguientes:
 

65          63           65           63           69           67           53           58          

60           61
64          65           64           72           68           66           55           57          
60           62
64          65           64           71           68           66           56           59          
61           62
63          65           63           70           67           66           57           59          
61           62
64          64           63           69           67           66           58           60          
61           62

Este diagrama facilita determinar la cantidad de veces que se repite un dato

y los valores de los datos con el fin de escribirlos de manera ordenada en la tabla.
 
 Para construir la tabla de datos no agrupados se debe calcular primero lo
siguiente:
 
Número de clases

k=1+3,322log(n)
=1+3,322log(50)
=6,64≈7

Rango

R=xn−x1=72−53=19R=xn−x1=72−53=19

Amplitud de clase

I=R/k
19/7
=2,71≈3

Punto medio: mi es el valor central de la clase.  Se obtiene calculando el

promedio de los límites reales, sumando al límite real inferior el límite real superior
y dividiendo por dos.
 
Frecuencia absoluta.  Se define como el número de elementos u observaciones
pertenecientes a una misma clase.
 
Frecuencia relativa:  Se obtiene dividiendo la frecuencia absoluta por el número
total de observaciones.  Indica la importancia relativa de la clase.
 
Frecuencias acumuladas:  Es la suma de las frecuencias absolutas o relativas en
sentido ascendente o descendente según se quieran acumular “hacia arriba” o
“hacia abajo”
Al construir la tabla de datos agrupados con la información del ejemplo, se tiene:

Tabla de datosos agrupados

 Construcción de una distribución de frecuencias
La  tabla de frecuencias es una ordenación en forma de tabla de los datos
estadísticos, asignando a cada dato su frecuencia correspondiente.
Tipos de frecuencias
·    Frecuencia absoluta  fi
·    Frecuencia relativa   fr
·    Frecuencia acumulada  Fi
·    Frecuencia porcentual f%
· Frecuencia absoluta
La frecuencia absoluta es el número de veces que aparece un
determinado valor en un estudio estadístico.    
  Se representa por fi.
La suma de las frecuencias absolutas es igual al número total de datos, que se
representa por N.       f1 + f2 + f3 + .... + fn = N
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma
mayúscula) que se lee suma o sumatoria.
                                                                 Σfi= N
                    · Frecuencia relativa
La frecuencia relativa es el cociente entre la frecuencia absoluta de un
determinado valor y el número total de datos.
 
fr= fi
    N
           La suma de las frecuencias relativas es igual a 1.
·    Frecuencia acumula
La frecuencia acumulada es la suma de las frecuencias absolutas de todos
los valores inferiores o iguales al valor considerado.
Se representa por Fi.
· Frecuencia porcentual
La frecuencia porvcentual es la fr  expresada en tantos por ciento y se representa
por f%                  f% = fr . 100

Parámetros Estadísticos

Un parámetro estadístico es un número que se obtiene a partir de los datos de

una muestra estadística. Los parámetros estadísticos también se conocen
como estadísticos descriptivos.
 
Los parámetros estadísticos sirven para sintetizar o resumir la información
dada por una tabla o por una gráfica. En otras palabras, dados unos pocos
parámetros estadísticos se puede tener una idea general de la distribución de la
información.
 
Los parámetros estadísticos dan un buen resumen cuando se conoce la
distribución de la población. En particular, si la muestra proviene de una
distribución normal, entonces el promedio típico y la desviación estándar dan
un buen resumen de la distribución.
 
Ejemplos de parámetros estadísticos son el promedio, la mediana, la
desviación estándar o los cuartiles.
 
Los parámetros estadísticos se clasifican según la información que resumen. Los
dos tipos más comunes de parámetros estadísticos son:
De tendencia central
De dispersión
Otros tipo de parámetros estadísticos son aquellos de forma y escala. Estos
parámetros son más utilizados en distribuciones como la Beta, Pareto o Weibul
por lo tanto, no las describiremos ya que nos enfocamos principalmente en la
distribución normal.
 
Medidas de tendencia central
 
Estos parámetros nos indican alrededor de qué valor (centro) se distribuyen los
datos.
 
Algunas medidas de tendencia central son (al dar clic en el enlace podrás ver una
descripción detallada de cada parámetro):
 
Media aritmética:
La media es el valor promedio de la muestra. También se puede interpretar como
el centro de gravedad de los datos.
 
Mediana:
La mediana es el valor que separa la mitad superior de la muestra y la inferior. En
otras palabras, divide los datos en dos partes iguales.
 
Moda:
La moda es el valor que más se repite en una muestra. Es decir, es el valor más
frecuente.
 
Ejemplo
 
Tenemos los siguientes datos, los cuales representan las edades en una oficina:
 

 
Para estos datos:
1 Su media es 29.92 años. Es decir, el trabajador promedio tiene 30 años
(después de redondear).
 2 La moda de estos datos es 27 años. Por lo tanto, 27 años es la edad más
frecuente.
 3 La mediana es 27 años también. Esto significa que la mitad de los empleados
tienen más de 27 años, mientras que la otra mitad tienen 27 años o menos.
 
Podemos observar los datos en la siguiente gráfica:
 Varianza y desviación estándar para datos agrupados por intervalos

Si necesitamos calcular la varianza y la desviación estándar de un conjunto

de datos agrupados por intervalos en un tabla de frecuencias, usaremos las
fórmulas que revisaremos en esta clase.

Donde:
k: número de clases.
fi: frecuencia absoluta de cada clase, es decir, el número de elementos que
pertenecen a dicha clase.
xi: marca de clase. Es el punto medio del límite inferior y del límite superior.
σ2: varianza de la población.
σ: desviación estándar de la población.
μ: media de la población.
s2: varianza de la muestra.
s: desviación estándar de la muestra.
x̄: media de la muestra.

Tenemos siempre que fijarnos si estamos trabajando con datos que forman
una población o con datos que forman una muestra, pues las fórmulas son
diferentes.
En los problemas, seguiremos los siguientes pasos:
Calculamos el número de elementos.
Calculamos las marcas de clase.
Calculamos la media.
Calculamos la varianza.
Calculamos la desviación estándar, que es la raíz cuadrada de la varianza.  
Ejemplo
Calcular la varianza y la desviación estándar de una población de niños a partir de
la siguiente tabla:

Sol:
En este caso, nos dicen que los datos pertenecen a una población de niños, por lo
tanto, usaremos las fórmulas de la población.
Primero calculamos el número de elementos de la población N:
 Conclusión

Luego de haber colgado los puntos y tener los conceptos guiados por un
orden tenemos una introducción más clara a la estadística representado con
ejemplos claves que permiten el estudio de las nociones básicas de la estadísticas
para así avanzar en los siguientes temas dejando en claro los objetivos principales
que representa la estadística utilizando el lenguaje de las matemáticas para
representar todos los teoremas expuestos y llevarlos a la realidad del análisis que
se pueda realizar en cualquier población y muestra construyendo datos
estadísticos importantes para el desarrollo de la ciencia.
 Bibliografía

http://www.ehu.eus/juancarlos.gorostizaga/apoyo/estadistica.htm#:~:text=Un%20caracter%20se
%20dice%20cualitativo,se%20le%20llama%20variable%20estad%C3%ADstica.

https://economipedia.com/definiciones/estadistica.html

http://mestreacasa.gva.es/c/document_library/get_file?folderId=500012827493&name=DLFE-
719392.pdf

https://sites.google.com/site/38matematica5/home/distribucion-de-frecuencia

https://matemovil.com/varianza-y-desviacion-estandar-para-datos-agrupados-por-intervalos/

http://cms.dm.uba.ar/academico/materias/2docuat2016/estadisticaQ/descriptiva2_2_2016.pdf

http://www.spssfree.com/curso-de-spss/analisis-descriptivo/index.html

https://es.wikipedia.org/wiki/Estad%C3%ADstica_descriptiva