UNIVERSIDAD DE ORIENTE

NÚCLEO DE SUCRE

ESCUELA DE CIENCIAS

DEPARTAMENTO DE MATEMÁTICAS

ESTADÍSTICA (QUÍMICA)

UNIDAD I: INTRODUCCIÓN A LA
ESTADÍSTICA

Profesora: Br. Susana Bermúdez

Liceth Lezama C.I.: 27.287.930
Sección: 01
Cumaná, noviembre de 2021
 Introducción
La palabra estadística se deriva de la palabra latina “STATUS”, que significa estado.
Los primeros usos de la estadística implicaron la compilación de datos para describir diversos
aspectos de un estado o país. En 1662, John Graunt publicó información estadística acerca de
los nacimientos y decesos. A este trabajo le siguieron estudios de mortalidad y tasa de
enfermedad, tamaño de poblaciones, ingreso y tasa de desempleo. En la actualidad, los
hogares, empresas y gobiernos se apoyan mucho en datos estadísticos para guiar sus acciones,
como por ejemplo, se compilan con regularidad datos para estimar la tasa de desempleo, tasa
de inflación, índice de consumidor, tasa de nacimiento y de defunción, contrataciones futuras,
niveles de producción, expansión hacia nuevos mercados, entre otros.

En este caso la estadística describe la muestra en términos de datos organizados y

resumidos, y luego infiere conclusiones respecto de la población. Aplicada a la investigación
científica, también infiere cuando provee los medios matemáticos para establecer si una
hipótesis debe o no ser rechazada. La estadística puede aplicarse a cualquier ámbito de la
realidad, y por ello es utilizada en física, química, biología, medicina, astronomía, psicología,
sociología, lingüística, demografía, etc. Y es importante en todos los contextos desde el
estudiantil, de trabajo y profesional por que se aplica en la vida diaria de cada uno de estos
en el estudiantil por ejemplo para sacar tu promedio de una calificación o para saber la media
o cuanto necesitas para ciertas materias.

La Estadística es una disciplina que utiliza recursos matemáticos para organizar y

resumir una gran cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de
ellos. Por ejemplo, la estadística interviene cuando se quiere conocer el estado sanitario de un
país, a través de ciertos parámetros como la tasa de morbilidad o mortalidad de la población.
 1.1 Importancia de la estadística

La estadística resulta fundamental para conocer el comportamiento de ciertos eventos,

por lo que ha adquirido un papel clave en la investigación. Se usa como un valioso auxiliar y
en los diferentes campos del conocimiento y en las variadas ciencias. Es un lenguaje que
permite comunicar información basada en datos cuantitativos.

Es tan importante que casi no existe actividad humana en que no esté involucrada la
Estadística. Las decisiones más importantes de nuestra vida se toman con base en la
aplicación de la Estadística.

La estadística es de gran importancia en la investigación científica debido a que:

 Permite una descripción más exacta.

 Nos obliga a ser claros y exactos en nuestros procedimientos y en nuestro pensar.
 Permite resumir los resultados de manera significativa y cómoda.
 Nos permite deducir conclusiones generales.

La evolución de la estadística ha llegado al punto en que su proyección se percibe en

casi todas las áreas de trabajo. También abarca la recolección, presentación y caracterización
de información para ayudar tanto en el análisis e interpretación de datos como en el proceso
de la toma de decisiones. La estadística es parte esencial de la forma profesional, es hasta
cierto punto una parte necesaria para toda profesión.

Sin duda la estadística es muy importante para nuestra vida ya que se encarga de
recopilar, organizar, procesar, analizar e interpretar datos con el fin de deducir las
características de una población objetivo, pero esta sería solo una visión estrecha de lo que
comprende esta rama del saber.

La importancia de la estadística radica fundamentalmente en su aplicación en el

proceso de todo tipo de investigación científica. Ella es de gran utilidad en las ciencias
sociales, en las ciencias naturales y en las ciencias formales. De manera, que la estadística es
por sí misma, auxiliar de todas las ciencias.

Alcance de la estadística

Algunos de los alcances de la estadística son:

  Nos ayuda a estudiar poblaciones completas acudiendo a una pequeña muestra,
ahorrando así recursos y tiempos.
 Cualquier población puede ser objetivo de estudio estadístico.
 La estadística es un potente auxiliar de muchas ciencias y actividades humanas.
 Muestra los aspectos cuantitativo de una situación.

Limitaciones de la estadística

 La estadística trata de poblaciones y establece afirmaciones sobre parámetros de las

mismas, no ocupándose de lo que ocurre con individuos concretos de la población.
 Los resultados no pueden ser absolutamente ciertos, y se deben expresar como una
probabilidad; es decir, las afirmaciones de la estadística son probabilística.
 No explica fenómenos ni establece relaciones causales, sino tan sólo asociaciones
estadísticas.

1.2 Definición de Estadística

La estadística es la ciencia que estudia las técnicas y procedimientos para la

recolección, organización, presentación y análisis de datos a fin de obtener conclusiones
acerca de los mismos.

Podemos considerar la estadística dividida en dos partes o áreas fundamentales, según

enfoquemos el estudio de la investigación sobre todo el conjunto de la población o sobre una
parte de ella. Esto es, estadística descriptiva y estadística inferencial.

Cuando hablamos de estadística descriptiva nos referimos a la parte de la estadística

que de forma minuciosa describe, resume y ofrece los métodos para hacer posible la
recolección, organización y presentación de los datos.

Esta perspectiva de la estadística está limitada a sí misma, simplemente a los datos

recolectados, aquí la estadística no realiza ningún tipo de generalización de los datos
obtenidos.

La estadística inferencial es la perspectiva que, fundamentándose en los resultados de

una muestra, determina características de la población, permitiendo generalizar sobre los
resultados obtenidos.

1. Las elecciones para diputados nacionales en México indican un 28,87 % de los votos
para el Partido Revolucionario Institucional, un 20,86 % para el Partido Acción
 Nacional, un 10,74 % para el Partido de la Revolución Democrática y un 7,16 % para
el Partido Verde Ecologista.
2. El porcentaje de población por encima de los 60 años en Canadá pasó del 17,03 % en
2002 al 21,3 % en 2013, con un crecimiento promedio del 0,20 % anual.
3. Dentro del hospital donde se realizó la muestra, puede comprobarse que de los casos
de infecciones intrahospitalarias, el 40 % involucra infecciones urinarias, el 25 % se
produce por heridas quirúrgicas, el 15 % son infecciones respiratorias y el 10 % están
asociadas al cateterismo.
4. En los cursos de la mañana, donde se realizó la muestra a partir de 50 alumnos que
figuran inscriptos, se comprobó que tomando como datos la cantidad de ausencias
durante el mes de marzo, la mediana es de 1,5 y la moda es de 2.
5. Los hábitos de alimentación de la población de moluscos del Océano Atlántico fue
investigada a través de 5 muestras diferentes, tomadas con 2 años de diferencia entre
cada una, y se comprobó que el 76 % de los animales modificaron sus territorios de
alimentación en la última década, mostrando este fenómeno una correlación directa
con el ascenso de las temperaturas registradas sobre la superficie del mar.

1.3 División: Estadística descriptiva y Estadística inferencial

La estadística descriptiva permite describir un conjunto de datos con el fin de

descubrir con precisión las diversas características de ese conjunto. Así, que la estadística
descriptiva es la que ordena, resume y clasifica los datos. Contrario a la estadística
inferencial la estadística descriptiva no hace inferencia sobre los datos; su propósito es
obtener una visión precisa y de conjunto de los datos observados. Como podemos deducir
la estadística descriptiva es un paso previo a la estadística inferencial.

Estadística descriptiva

Definición: la estadística descriptiva es la parte de la estadística que describe y

resume la serie de datos además de proporcionar los métodos de recolección,
organización y presentación.

Por lo visto anteriormente nos damos cuenta que la estadística descriptiva se

limita en sí misma a los datos recolectados y no realiza generalización acerca de donde
provienen esos datos estadísticos.
 Ejemplo de estadística descriptiva son: los datos de censo de población de un año
determinado, el número de clientes atendidos por una oficina de abogados etc.

1. Un ejemplo de estadística descriptiva sería cuando queremos calcular la media de

goles por partido de un futbolista. Se trata de estadística descriptiva, ya que
tratamos de describir una variable (número de goles). En este caso, mediante el
cálculo de una métrica.

Así pues, decir que Ronaldo metió 1,05 goles por partido durante los últimos 30
partidos, es una frase propia de estadística descriptiva.

2. También podríamos decir, por ejemplo, que el 30% de los compañeros de clase de
Juan tienen los ojos azules, el 60% castaños y el 10% restante negros. Se trataría
de una variable cualitativa (color de ojos), pero estamos describiendo la frecuencia
con la que aparece.
3. Para hacer un seguimiento del equipo de fútbol local y hacer nuevos fichajes, los
directivos llevan el registro del número de partidos jugados, ganados, empatados y
perdidos, así como el número de goles, los anotadores y cómo consiguieron anotar:
de tiro libre, de media cancha, penales, con pierna zurda o derecha, entre otros
detalles.
4. Una heladería dispone de varios sabores de helados y quiere mejorar sus ventas,
por lo tanto los dueños llevan a cabo un estudio donde cuentan la cantidad de
clientes, los separan en grupos por sexo y rango de edades.
En dicho estudio se registra el sabor de helado favorito y la presentación más
vendida, por ejemplo. Y con los datos recabados planifican las compras de los
sabores y los envases y accesorios necesarios para su preparación.
5. Las autoridades educativas de un país planifican mejoras institucionales.
Supongamos que van a implementar un nuevo sistema de comedores escolares.
Para ello es necesario contar con datos acerca de la población estudiantil, por
ejemplo la cantidad de alumnos por grado, su edad, sexo, estatura, peso y
condición socioeconómica. Luego esta información se presenta en forma de tablas
y gráficas.

Estadística inferencial
 Definición: es el enfoque estadístico destinado a hacer posible la estimación de
propiedades de una población o la toma de una decisión referente a una población,
fundamentándose sólo en los resultados de la una muestra.

La bondad de la estadística inferencial está en que esta utiliza técnicas especiales

para hacer afirmaciones generales respecto a una población observada a partir únicamente
de la observación de una parte de ella. De manera, que la estadística inferencial hace el
aporte de un conjunto de procedimientos en los cuales participa la aplicación de modelos
de probabilidad que permiten hacer inferencia validada para toda la población basándose
solo en los resultados de una muestra.

1. Supongamos que un investigador decide analizar cuántas personas poseen estudios

universitarios completos en una determinada ciudad. Para hacerlo, deberá utilizar la
estadística inferencial al tomar una muestra del total de personas de la población,
cantidad de habitantes, para analizarla y luego establecer hipótesis y conclusiones a
partir de los resultados obtenidos.
2. Un problema sencillo de estadística deductiva es el siguiente: un profesor de
matemáticas tiene a cargo 5 secciones de Álgebra elemental en una universidad y
decide usar las notas promedio de una sola de sus secciones para estimar el promedio
de todas. Otra posibilidad consiste en tomar una muestra de cada sección, estudiar sus
características y extender los resultados a todas las secciones.
3. El gerente de una tienda de ropa para damas quiere saber qué tanto se venderá cierta
blusa durante la temporada de verano. Para ello analiza las ventas de la prenda durante
las primeras dos semanas de la temporada y así determina la tendencia.
4. En epidemiología médica, teniendo los datos concretos de afectación de una población
determinada por una o varias enfermedades puntuales, los epidemiólogos y
especialistas en salud pública pueden llegar a conclusiones respecto a qué medidas
públicas son necesarias para evitar que dichas enfermedades se esparzan y contribuir a
su erradicación.
5. Análisis de mercado, las empresas a menudo contratan a otras empresas
especializadas en marketing para que realice sus nichos en el mercado a través de
diversas herramientas estadísticas y diferenciales, como consecuencia un Focus
groups, a partir de las cuáles deducir que producto prefiere la gente y en qué contexto,
etc.
1.4 Población (finita e infinita), muestra, muestreo, división: muestreo probabilístico
(o aleatorio) con reemplazo, sin reemplazo, y muestreo no probabilístico.
recomendaciones para seleccionar una muestra, dato estadístico, parámetro.

Población finita: Es aquella en la que el número de valores que la componen tiene

un fin. Por ejemplo, la población estadística que nos indica la cantidad de árboles de una
ciudad es finita. Es cierto que puede variar con el tiempo, pero en un instante determinado
es finita, tiene fin.

Población infinita: Se trata de aquella población que no tiene fin. Por ejemplo, el
número de planetas que existen en el universo. Aunque puede que sea finito, el número es
tan grande y desconocido que estadísticamente se asume como infinito.

Ejemplo, a partir de la definición anterior se puede hablar de:

1. La población de habitantes de un país.

2. La población de estudiantes universitarios.

3. Los miembros del colegio de ingenieros.

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

una población, sobre todo si es demasiado grande, en lugar de esto se examina una
pequeña parte de rsta, llamada muestra.

Muestra: Una muestra estadística es un subconjunto de datos perteneciente a una

población de datos. Estadísticamente hablando, debe estar constituido por un cierto
número de observaciones que representen adecuadamente el total de los datos.

La estadística, como rama de las matemáticas, se encarga de recoger datos,

ordenarlos y analizarlos. Es decir, cuando queremos estudiar un determinado fenómeno
recurrimos a la estadística. Un buen ejemplo de fenómeno que estudia la estadística, es el
salario medio de los ciudadanos de un país.

En este sentido, por cuestiones de tiempo y coste, no podemos recoger la totalidad

de los datos. Esta totalidad de los datos es lo que se conoce como población de datos o,
simplemente, población.

Se pueden dividir en dos grandes grupos, muestra probabilística y muestra no

probabilística:
 Muestra probabilística: En este tipo de muestras todos los sujetos disponibles tienen
las mismas probabilidades de ser incluidos.
o Muestra aleatoria simple: Es un conjunto de variables aleatorias independientes e
idénticamente distribuidas, obtenidas a partir de la variable aleatoria X y que se
distribuyen igual que la misma.
o Muestra aleatoria sistemática: En este caso la población se enumera y se agrupa en
grupos de 10 personas. Posteriormente, se selecciona a un miembro de cada grupo para
elaborar la muestra.
o Muestra aleatoria por conglomerados: La población se encuentra ya agrupada
previamente y de estos grupos se extraen los individuos para conformar la muestra.
o Muestra estratificada: En este caso la población se divide en subgrupos o estratos con
base en las variables de estratificación.
 Muestra no probabilística: En este tipo de selección de muestra todos los elementos
no tienen la misma probabilidad de ser elegidos, ya que depende del procedimiento
escogido para seleccionarlos.
o Bola de nieve: En primer lugar se seleccionan a diferentes sujetos. A partir de ahí estos
sujetos colaboran para encontrar a más sujetos que tengan relación con ellos.
o Muestra por cuotas: La población es elegida en función a unas características
determinadas.
o Muestra discrecional: La selección de la población la realizan los investigadores en
función a su propio criterio.
o Muestra por conveniencia: Es una muestra elegida por los propios investigadores
según su interés o cercanía.

Muestreo:

El muestreo es el proceso mediante el cual se selecciona un grupo de

observaciones que pertenecen a una población. Esto, con el fin de realizar un estudio
estadístico.

El muestreo, en otras palabras, es el procedimiento mediante el cual se toman a

ciertos individuos que pertenecen a una población que está siendo sujeto de un análisis.

El muestreo es necesario por el hecho de que las poblaciones pueden ser

demasiado grandes y no es factible (económica y materialmente hablando) tomar datos de
todos los individuos.
 El objetivo es que la muestra sea representativa. Es decir, que sus indicadores
como la media de edad, el ingreso promedio, el porcentaje de hombres y de mujeres, entre
otros, sea el mismo, o muy similar al de la población.

Según la técnica para seleccionar el subgrupo, se pueden diferenciar los siguientes:

 Muestreo probabilístico

Las observaciones son seleccionadas en base a la aleatoriedad, es decir, al azar. En

esta categoría podemos encontrar:

o Muestreo aleatorio simple: Todos los individuos de la población tienen la misma

probabilidad de ser elegidos como parte de la muestra. Tiene ventajas, como el
hecho de que es fácil de llevar a cabo a través de sistemas informáticos. Sin
embargo, se requiere el listado completo de toda la población y, si la muestra es
muy pequeña, la selección podría no ser representativa.
o Sistemático: Se elige una observación al azar y, para seleccionar el resto de la
muestra, se utilizan intervalos numéricos regulares. Es decir, supongamos que
tengo una población de 10.000 y, aleatoriamente, selecciono la observación 600,
después de lo cual puedo considerar intervalos de 30 observaciones. En este caso,
tomaría las observaciones 600, 630, 660, 690, 720, 750, 780, y así sucesivamente.
 Muestreo no probabilístico

La selección de la muestra no depende de la probabilidad, sino de la decisión de los

investigadores. Podemos distinguir algunas subcategorías:

o Método de confianza en los sujetos disponibles: Consiste en que el investigador

captará a los sujetos que estén a su disponibilidad. Esto, por ejemplo, en un punto
geográfico a determinada hora.
o Método opinático o intencional: El investigador utiliza su juicio o criterio para
elegir a quienes van a participar como parte de la muestra. Es decir, continuando
con el ejemplo anterior, el investigador podría captar la muestra en un lugar y
horario específico. Pero podría, dados los objetivos de la investigación, decidir
incluir solo a quienes estén casados y tengan entre 20 y 30 años.
 o Causal o incidental: El investigador selecciona directamente a los individuos que
van a formar parte de la muestra. Por ejemplo, a los estudiantes de una escuela.
Esto, dado que tiene fácil acceso a ellos.
o Bola de nieve: Consiste en que, después de encontrar al primer sujeto (o primeros
sujetos) de la muestra, el investigador le pide ayuda a él (o ellos) para identificar a
otros individuos con esas mismas características. Se trata de una técnica utilizada
cuando es difícil localizar a un grupo específico por el manejo de datos sensibles,
por ejemplo, emigrantes en situación de ilegalidad.
o Por cuotas: El investigador, tomando en cuenta la composición de la población, y
dividiendo por grupos o estratos, hará una selección proporcional de la muestra.
Por ejemplo, imaginemos que en la población hay un 40% de personas menores de
25 años, 35% de personas de entre 25 y 50 años, y 25% de individuos con más de
50 años. Entonces, una muestra de 4.000 personas tendría 1.600 sujetos menores
de 25 años, 1.400 de entre 25 y 50 años, y 1.000 adultos mayores de 50 años o
más. Cabe señalar que los individuos que cubrirán cada cuota serán seleccionados
por algún método no probabilístico, es decir, cualquiera de las técnicas explicadas
líneas arriba.
1. Por ejemplo, si en una población hay 70% hombres y 30% mujeres, los individuos de
la muestra deberán estar distribuidos de la misma manera.
2. Por ejemplo, si desea realizar una investigación de personas con problemas
psicológicos en el embarazo, seleccionará aquellas mujeres que hayan pasado por la
experiencia del embarazo.
3. Supongamos que un investigador debe estudiar la cantidad de personas que, de un
millón de habitantes de una ciudad, poseen título de grado. Para esto, tomará como
muestra la situación de 1000 personas seleccionadas aleatoriamente entre las
diferentes zonas de la ciudad.
A partir de estas 1000 personas escogidas como muestra, el investigador estimará un
promedio y en base a este llegará a una conclusión final.
4. Supongamos que un investigador debe estudiar la cantidad de personas que, de un
millón de habitantes de una ciudad, poseen título de grado. Para esto, tomará como
muestra la situación de 1000 personas seleccionadas aleatoriamente entre las
diferentes zonas de la ciudad.
A partir de estas 1000 personas escogidas como muestra, el investigador estimará un
promedio y en base a este llegará a una conclusión final.
 5. Supongamos que queremos realizar un estudio acerca del gasto medio de las familias
Españolas en el mes de junio. Para realizarlo tenemos dos opciones:
 Entrar a las cuentas bancarias de todas las familias de España.
 Preguntar a una cantidad de población representativa.

Si evaluamos la primera opción, no es la más favorable por varios motivos, uno de

ellos es que las familias no van a proporcionar sus datos y otro, es que tampoco se podría
ver datos de familia en familia, sobre todo cuando el territorio español abarca casi 50
millones de personas.

Por otro lado la opción número 2, es más factible. Ya que se puede recoger una
muestra estadística haciendo preguntas o encuestando a una población representativa, por
ejemplo, 200.000 personas. Aunque la cantidad es bastante elevada, es mejor a la cantidad
total de habitantes, por lo que es más fácil calcular el gasto medio de las familias españolas en
el mes de junio. Finalmente la información extraída será más o menos fiable según las
métricas de la investigación estadística.

Recomendaciones para seleccionar una muestra

Una forma de seleccionar una muestra aleatoria simple de tamaño n (con o sin
substitución), de una población de tamaño N, es mediante el uso de la tabla de números
aleatorios, para ello se procederá mediante los siguientes pasos:

1. Se enumeran los elementos de la población de forma horizontal o vertical, desde 0

hasta N − 1, con la cantidad de dígitos que posea N − 1.

2. Seleccionamos un punto de partida en la tabla de números aleatorios, para ello

se toma una fila y una columna al azar. El punto de partida será el número aleatorio que se
encuentre en la intersección de la fila y columna seleccionada.

3. Se establece un recorrido.

4. A medida que sigamos la dirección seleccionada, se deben tomar como números

aleatorios a aquellos que se encuentren enumerados entre 0 y N −1, hasta llegar al número de
elementos que se deben tomar como muestras. Se tomarán los primeros dígitos de los números
aleatorios en la tabla.
 5. Los elementos de la población que estén enumerados con los números aleatorios
seleccionados serán los elementos de la muestra.

Datos Estadísticos

Los datos estadísticos, en este marco, son los valores que se obtienen al llevar a cabo
un estudio de tipo estadístico. Se trata del producto de la observación de aquel fenómeno que
se pretende analizar.

1. que un periodista deportivo desea estudiar el rendimiento de un tenista a partir de los

resultados que logró en el último año. En dicho plazo, el jugador disputó 15
encuentros, de los cuales ganó 5 y perdió 10. Los datos estadísticos obtenidos de la
observación de los partidos son los siguientes: derrota – derrota – derrota – victoria –
derrota – victoria – victoria – derrota – derrota – derrota – derrota- derrota – victoria –
derrota – victoria.
2. Si lanzamos una moneda al aire 5 veces obtenemos 5 datos: cara, cara, cruz, cara, cruz
3. 1 para mujeres y 0 para hombres. Ten en cuenta que esos números no tienen
significado matemático.
4. Ejemplo de datos cualitativos:
 Nombre: Pedro Pérez
 Ocupación: comerciante
 Domicilio: Los Chaimas
 Género: Masculino
5. Ejemplo de datos cuantitativos:
 Edad: 22 años
 Estatura: 1,52
 Número de hijos: 0
 Número de tatuajes: 2
 Años de cargo: 2

Parámetro

Un parámetro estadístico, en estadística, es un valor que intenta resumir en un solo

número una determinada característica de una variable estadística.

En estadística, el parámetro estadístico es un valor, un número, que resume y permite

interpretar los datos extraídos en el estudio de una muestra estadística. Imaginemos que
hablamos de una población determinada que queremos analizar. En este caso, el parámetro
estadístico podría ser la edad media de la población en cuestión.

También, es conveniente señalar que a los parámetros estadísticos también se les

conoce como estadísticos descriptivos.

El cálculo de este parámetro, está definido mediante una fórmula aritmética. En el caso
de la población, la media presenta una fórmula que se utiliza para calcular y extraer dicho
parámetro.

El parámetro estadístico es un pilar fundamental de la estadística. Gracias a los

parámetros podemos conocer la situación de la realidad, pues permite interpretar y resumir un
gran número de datos que se extraen al analizar una determinada muestra estadística.

La media, la moda, la mediana, así como las principales medidas de tendencia central,
por ejemplo, son parámetros estadísticos. Permiten interpretar unos datos que se extraen de
una determinada población. Asimismo, las medidas de posición no central, como serían los
deciles, los percentiles o los cuartiles, también son parámetros estadísticos. Clasificando a la
población en grupos, nos permite interpretar datos y analizar la población.

1.5 Variable estadística, variable cualitativa, variable cuantitativa (discreta y

continua)

Variable estadística

Una variable estadística es una característica de una muestra o población de datos que
puede adoptar diferentes valores.

Cuando hablamos de variable estadística estamos hablando de una cualidad que,

generalmente adopta forma numérica. Por ejemplo, la altura de Juan es de 180 centímetros. La
variable estadística es la altura y está medida en centímetros.

También podríamos, por ejemplo, decir que el beneficio de una empresa ha sido de
22.300 dólares el último año. En este caso, la variable sería el beneficio y estaría medido en
dólares. Ambas variables son del tipo cuantitativo (se expresan con un número)

Claro que no todas las variables estadísticas son iguales y, por supuesto, no todas se
pueden (en principio) expresar en forma de número. Así, otra variable que podríamos
encontrarnos es el color de ojos de una persona. Por ejemplo, Juan tiene los ojos verdes y
Andrés los tiene azules. La variable sería el color de ojos y sería una variable cualitativa. Es
decir, no se expresa con número.

Variable cualitativa

Las variables cualitativas se refieren a características o cualidades que no pueden ser

medidas con números. Podemos distinguir dos tipos:

 Variable cualitativa nominal

Una variable cualitativa nominal presenta modalidades no numéricas que no admiten un

criterio de orden.

 Variable cualitativa ordinal o variable cuasicuantitativa

Una variable cualitativa ordinal presenta modalidades no numéricas, en las que

existe un orden.

1. Un ejemplo de variable cuantitativa serían las horas que trabaja un empleado a lo

largo de la semana.
2. Otro ejemplo podría ser el número de kilómetros que realiza un ciclista profesional
a lo largo de la temporada.
3. El estado civil, con las siguientes modalidades: soltero, casado, separado,
divorciado y viudo.
4. La nota en un examen: suspenso, aprobado, notable, sobresaliente.
5. Puesto conseguido en una prueba deportiva: primero, segundo, tercer.

Variable cuantitativa

Una variable cuantitativa es la que se expresa mediante un número, por tanto se

pueden realizar operaciones aritméticas con ella. Podemos distinguir dos tipos:

 Variable discreta

Una variable discreta es aquella que solo puede tomar un número finito de valores
entre dos valores cualesquiera de una característica.

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

2. Número de amigos de amigos de tu grupo social.
3. Número de veces que vas al cine al mes
 4. Número de autos que tiene tu familia.
5. Número de cuartos que tiene tu casa.
 Variable continua

Una variable continua es aquella que puede tomar un número infinito de valores entre
dos valores cualesquiera de una característica.

1. La estatura de 5 amigos: 1.73, 1.87, 1.63, 1,58, 1.90

2. Pasos que da una persona
3. Nivel sobre el mar en que se encuentra Cumaná
4. Medida del perímetro torácico
5. Nivel de temperatura del cuerpo humano.

5.6 Redondeo de datos y cifras significativas de un número

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, 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, 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.

Para tratar de minimizar el error de redondeo acumulado, se utiliza la técnica del

redondeo al par anterior al factor de aproximación que es el número cinco, para demostrar
cómo se aplica esta técnica, utilizaremos dos ejemplos:

Al redondear 114. 565 a la centésima más cercana tendremos un dilema, puesto que
esta cantidad estaría exactamente igual de cerca y de lejos de 114.56 y 114.57
respectivamente, si aplicamos está técnica del par antes que el cinco, el valor redondeado sería
114.56 por que el número par anterior al 5 es el 6.
 Si redondearemos cantidades en las que no contamos con números pares anteriores a
cinco se procede a redondear al número más cercano a 5, por ejemplo el valor 66.575 no tiene
valores pares en las cantidades decimales el redondeo correcto sería de 66.58, por cuánto se
redondea al valor más cercano a 5 que es el número 7.

Existen tres criterios para aproximar un número: la aproximación por defecto, la

aproximación por exceso y la aproximación por el método del número par más próximo.

 Aproximación por defecto. Si el dígito que se encuentra después del dígito a

aproximar es un número menor que 5, 50, 500, 5000 · · ·; es decir, se encuentra por
debajo del centro, el dígito a aproximar no se altera.

Ejemplo, Aproximar los siguientes números a la cantidad indicada

a. 7.42 aproximado a decimas es: 7,4

b. 5.3 aproximado a la unidad es: 5

c. 3.75636 aproximado a milésima es: 3.756

 Aproximación por exceso. Si el dígito que se encuentra después del dígito a

aproximar es un numero mayor que 5, 50, 500, 5000, . . .; es decir, se encuentra por
arriba del centro, el dígito a aproximar aumenta en una unidad.

Ejemplo, Aproximar los siguientes números a la cantidad indicada

a. 9.28 aproximado a décimas es: 9.3

b. 4.367 aproximado a centésima es:

c. 34.75651 aproximado a milésima es: 34.757

 Aproximación por el método del par más próximo. Si el dígito que se encuentra
después del dígito a aproximar es igual a 5, 50, 500, 5000, · · ·; es decir, se encuentra
exactamente en el centro, el dígito aumenta en una unidad si es impar, y no se altera si
éste es par.

Aproximar los siguientes números a la cantidad indicada

a. 4.5 aproximado al entero más próximo es: 5

b. 5.375 aproximado centésima es: 5.38

c. 3.85 aproximado a decimas es: 3.9

Redondear cada una de las siguientes cifras según lo especificado

a.- 26.4532 redondeado a centésimas es:

b.- 0.25 redondeado a décimas es: 0.30

c.- 0.0423 redondeado a centésimas es:

d.- 0.00551 redondeado a milésimas es: 0,006

Cifras significativas de un número

Las cifras significativas aportan información sobre el resultado de medición. Ellas

representan el uso de una o más escalas de incertidumbre en determinadas aproximaciones.
Por ejemplo, se dice que 4,7 tiene dos cifras significativas, mientras que 4,07 tiene tres.

5.7 Medición, errores de medición: ilegítimos, sistemáticos, aleatorios. Niveles de

medición: nominal, ordinal de intervalo, de razón.

Medición

La medición es el proceso a través del cual se compara la medida de un objeto o

elemento con la medida del otro. Para esto, se deben asignar distintos valores numéricos o
dimensiones utilizando diferentes herramientas y procedimientos.

Para medir se compara un patrón elegido con otro objeto o fenómeno que tenga una
magnitud física igual a este para así calcular cuántas veces el patrón está contenido en esa
magnitud en especial. Sin embargo, está acción que parece tan simple de calcular, se dificulta
cuando lo que se desea medir y expresar numéricamente es intangible o incluso evanescente.

Errores de medición

Los resultados obtenidos en una medición no siempre son exactos, ya que puede
ocurrir distintos tipos de errores:

 Errores sistemáticos: ocurre de igual modo todas las veces que se realice una
determinada medición debido a una falla del instrumento de medición o un error en el
método utilizado. Son errores que se atribuyen a una ley física por lo que se pueden
determinar sus causas y ser corregido.
  Errores aleatorios: ocurre de manera inevitable y se dan por cambios en el ambiente
físico en el que se realiza la medición o fallas en el operador. Son errores que no se
atribuyen a la ley física, por lo que no pueden ser eliminados.
 Errores ilegítimos: Supongamos que deseamos calcular el volumen de un objeto
esférico y para ello determinamos su diámetro. Si al introducir el valor del diámetro en
la fórmula, nos equivocamos en el número introducido, o lo hacemos usando unidades
incorrectas, o bien usamos una expresión equivocada del volumen, claramente
habremos cometido un error. Esta vez este error está más asociado al concepto
convencional de equivocación. A este tipo de errores los designamos como ilegítimos
o espurios. En este tipo de errores no se aplica la teoría estadística de errores y el
modo de evitarlo consiste en una evaluación cuidadosa de los procedimientos
realizados en la medición Un ejemplo de este tipo de error es el que se cometió en el
Mars Climate Explorer a fines de 1999, al pasar de pulgadas a centímetros se cometió
un error que costo el fracaso de dicha misión a Marte.

Niveles de medición

La estadística es la ciencia que recolecta y analiza datos que se comparan entre sí a

partir de una serie de escalas de medición que sirven como referencia. Existe tres tipos de
escalas de medición que varían según las características de los datos a comparar.

 Escala nominal: escala de medición cualitativa que clasifica variables en grupos o

categorías y las identifica con un nombre, símbolo o número elegido por el
investigador.
1. Preferencia de comida: desayuno, almuerzo o cena
2. Preferencia religiosa: Budista, Musulmana, Cristiana, Judía, Otra
3. Orientación política: izquierda, derecha, independiente.
4. Otro ejemplo de escala nominal son los números de seguro social, códigos postales y
números de teléfonos.
 Escala ordinal de intervalo: es la escala de medición numérica que mide la diferencia
real y numérica entre dos variables. En este tipo de escala el 0 no significa ausencia de
valor, sino que está dispuesto de manera arbitraria en algún lugar de la escala. Por
ejemplo: la temperatura.
1. Clasificación: 1er lugar, 2do lugar, 3er lugar,…, n lugar.
2. Nivel de acuerdo: no, tal vez, si.
3. Orientación sexual: heterosexual, homosexual, bisexual, pansexual, no binario.
 Escala de razón: es la medición numérica que mide la diferencia real y numérica
entre dos variables. En este tipo de escalas el 0 representa ausencia de medida. Por
ejemplo, el peso.
1. Reglas: centímetros, milímetros, pulgadas
2. Reloj: horas, minutos, segundos
3. Ingresos: dinero ganado el año pasado
4. Años de experiencia laboral

Valor verdadero

Precisión

Es una medida de la concordancia que tienen entre si una serie de medidas

realizadas en idéntica forma. Indica la reproductividad de los datos entre sí. A menor
dispersión de datos, la precisión es mayor.

La precisión de una medición se puede determinar simplemente al comparar los

datos experimentados repetidos. Desafortunadamente no es fácil obtener un estimado de
la exactitud, ya que para ellos se debe conocer el valor verdadero, es decir, la misma
información que se busca. Es tentador y erróneo suponer que si se conoce a la precisión el
resultado, también se tendrá su valor verdadero.

Exactitud

Establece el grado de concordancia de las medidas realizadas con un valor real o

verdadero. Es una medida de qué tanto se acerca la cantidad que experimentar al valor real
y puede ser positiva o negativa. Es decir, una baja o mala exactitud indica el valor de la
media difiere significativamente del valor de verdadero.

Los errores sistemático o determinados influyen en la exactitud de los resultados,

ya que este tipo de error ocasiona que la medida de una serie de datos sea distinta del valor
aceptado. Es muy común que el error sistemático ocasiones que todos los resultados de
una serie de mediciones repetidas sean altos y bajos.
 Los errores aleatorios o indeterminados afectan la precisión de la medición ya que
ocasionan que los datos se distribuyen más o menos con simetría alrededor de un valor
promedio.

Sesgo

El sesgo estadístico es la diferencia que se produce entre un estimador matemático

y su valor numérico, una vez realizado un análisis.

Por tanto, el sesgo es la diferencia que se da entre la teoría y la realidad.

Es muy habitual en estadística y debe ser controlado. Por otro lado, los estimadores
que no tienen sesgo se denominan insesgados y sería el estado ideal en una investigación,
aunque ello se debe a que es, prácticamente, inalcanzable.

1. Por ejemplo, imaginemos que queremos estudiar la afinidad de la población por un

candidato político. Los encuestadores podrían cometer un error que provoque un sesgo
si no eligen las zonas al azar. Es decir, si eligen zonas afines a dicho candidato.
2. En economía se puede cometer un sesgo, por ejemplo, en el estudio de la pobreza. Los
países deberían ser elegidos de forma paritaria para que exista un equilibrio. Así se
podrían estudiar las variables que promueven la pobreza, pero también la prosperidad.
3. En medicina se produce un sesgo estadístico de selección si al estudiar una
enfermedad no se usa el muestreo adecuado. Es decir, si queremos ver la incidencia
poblacional, debemos utilizar muestreos aleatorios, sobre todo si el objetivo es
confirmar el estudio.
 Conclusión

Los conceptos antes mencionados han sido analizados e investigados de tal manera de
hacer más fácil su comprensión y entendimientos ya que la estadística es la ciencia que trata
de entender, organizar y tomar decisiones que estén de acuerdo con los análisis efectuados. La
estadística juega un papel muy importante en nuestras vidas, ya que actualmente ésta se ha
convertido en un método muy efectivo para describir con mucha precisión los valores de datos
económicos, políticos, sociales, psicológicos, biológicos y físicos, además, sirve como
herramienta para relacionar y analizar dichos datos. El trabajo del experto estadístico ha
evolucionado mucho, ya no consiste sólo en reunir y tabular los datos, sino sobre todo en el
proceso de interpretación de esa información, ahora tiene un papel mucho más importante del
que tenia en años pasados.

Es de vital importancia para nuestra vida profesional venidera, que manejemos estos
conceptos con facilidad, así mismo el que los usemos de la manera apropiada, siempre en pro
de buscar soluciones a los problemas que se nos puedan presentar.