CENTRO DE ESTUDIOS SUPERIORES

BENEMERITO DE LAS AMERICAS

LIC EN ADMINISTRACION

MATERIA: ESTADISTICA DESCRIPTIVA 1

PROFESOR: ING. MIGUEL ANGEL LOPEZ SANCHEZ
TEMA: INTRODUCCION A LA ESTADISTICA
ALUMNO: CRISTIAN DANIEL LOPEZ GASGA
 QUE ES LA ESTADISTICA DESCRIPTIVA

Estadística descriptiva es la rama de las Matemáticas que recolecta, presenta y caracteriza

un conjunto de datos (por ejemplo, edad de una población, altura de los estudiantes de una
escuela, temperatura en los meses de verano, etc.) con el fin de describir apropiadamente
las diversas características de ese conjunto. Al conjunto de los distintos valores numéricos
que adopta un carácter cuantitativo se llama variable estadística. Las variables pueden ser
de dos tipos:

• Variables cualitativas o categóricas: no se pueden medir numéricamente (por ejemplo:

nacionalidad, color de la piel, sexo).

• Variables cuantitativas: tienen valor numérico (edad, precio de un producto, ingresos

anuales). Las variables también se pueden clasificar en:

• Variables unidimensionales: sólo recogen información sobre una característica (por

ejemplo: edad de los alumnos de una clase).

• Variables bidimensionales: recogen información sobre dos características de la población

(por ejemplo: edad y altura de los alumnos de una clase).

• Variables pluridimensionales: recogen información sobre tres o más características (por

ejemplo: edad, altura y peso de los alumnos de una clase). Por su parte, las variables
cuantitativas se pueden clasificar en discretas y continuas:

• Discretas: sólo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: número de
hermanos (puede ser 1, 2, 3…, etc., pero, por ejemplo, nunca podrá ser 3.45).

• Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la
velocidad de un vehículo puede ser 90.4 km/h, 94.57 km/h.…etc. Cuando se estudia el
comportamiento de una variable hay que distinguir los siguientes conceptos:

• Individuo: cualquier elemento que porte información sobre el fenómeno que se estudia.
Así, si estudiamos la altura de los niños de una clase, cada alumno es un individuo; si se
estudia el precio de la vivienda, cada vivienda es un individuo.

• Población: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten
información sobre el fenómeno que se estudia. Por ejemplo, si se estudia el precio de la
vivienda en una ciudad, la población será el total de las viviendas de dicha ciudad.

• Muestra: subconjunto que seleccionado de una población. Por ejemplo, si se estudia el

precio de la vivienda de una ciudad, lo normal será no recoger información sobre todas las
viviendas de la ciudad Facultad de Contaduría y Administración. UNAM Estadística
descriptiva Autor: Dr. José Manuel Becerra Espinosa 2 (sería una labor muy compleja),
sino que se suele seleccionar un subgrupo (muestra) que se entienda que es
suficientemente representativo. Las variables aleatorias son variables que son
seleccionadas al azar o por procesos aleatorios.

CLASIFICACIÓN DE LA ESTADÍSTICA

Estadística Descriptiva.

Es aquella que consiste en la evaluación de un fenómeno por medio de la observación y su

posterior presentación en datos y gráficos con el fin de detallar el mismo fenómeno y su
comportamiento.

Los pasos por medio de los cuales procede la estadística descriptiva son los siguientes:

1. Recolectar: en efecto los datos deben ser obtenidos de forma consecuente de una
muestra, es decir, los mismos deben proceder de la observación exacta de un
fenómeno y de su comportamiento, solo así es posible recabar toda la información
necesaria.

2. Analiza: no basta con la simple observación, los datos deben ser sometidos a una
serie de estudios con el fin de evaluarlos y proceder a su respectiva categorización,
los datos deben ser sometidos a procesos analíticos con el fin de proyectar los
resultados y si estos son o no consecuentes para la investigación.

3. Caracterización o categorización, esto equivale al proceso de agrupación de los

datos en distintos grupos con el fin de que los mismos puedan presentarse de forma
segmentada para una mejor apreciación de los resultados.

Estadística inferencial.

Refiere al estudio particular de una población con el fin de apreciar el comportamiento

determinado de la misma, en efecto, el proceso de estudio procede es de una muestra, con
la finalidad de obtener de la mismas las alternativas o probabilidades que pudieron
ocasionar que el fenómeno se suscitará.

Para poder entender el concepto de estadística inferencial, es menester proceder al

estudio de los conceptos básicos de la misma, como es población y muestra.

Una población no es más que una cantidad determinada de sujetos, una universalidad con
una característica peculiar que permite agruparlas; mientras que una muestra es una
pequeña toma que se realiza de la población procediendo a la categorización de forma
más estricta.

La estadística inferencial plantea sus postulados por medio de hipótesis que no son más
que planteamientos referenciales que se realizan respecto a una situación en específica,
los mismos pueden contener la conjugación de hechos con posibles alternativas de
ocurrencias.

La prioridad de esta rama de la estadística, es fijar conclusiones eminentes y necesarias.

Estadística es una de las ramas de la matemática con mayor aplicación en nuestra vida
cotidiana, ya mencionamos sus múltiples usos en varias ciencias, además comúnmente
vemos en periódicos o en televisión tablas y gráficas que hablan de estadísticas, pero
alguna vez te has preguntado: ¿cómo se obtuvo esa información? ¿qué tan validas son las
cifras que presentan esas tablas y gráficas?

Desafortunadamente la estadística también puede emplearse de forma equivocada, como

solía decir Benjamín Disraeli:
Hay tres tipos de mentiras: mentiras pequeñas, mentiras grandes y estadísticas

Esto puede ser porque se cometió algún descuido o error al manejar la información o bien
por la intención de manipular la información y engañar a las personas. Si bien es difícil
saber cuál de ambas situaciones se presenta, a continuación revisaremos algunos de los
principales abusos al realizar un estudio estadístico:

Selección de muestras erróneas: son muestras donde los elementos seleccionados no

representan al total de la población y por lo tanto las conclusiones no corresponden a la
realidad. Ejemplo de esto son las encuestas telefónicas o por internet.

En un programa de televisión un conductor leyó una encuesta que afirmaba que el 99% de
los mexicanos tenían televisión después de leer la cifra el conductor exclamo “esto no
puede ser posible ya que hay miles que ni luz eléctrica tienen mucho menos una tele” (la
encuesta fue realizada por teléfono).

 Muestras pequeñas: imagina que quieres saber la opinión de los demás sobre ti, y
para ello entrevistas a tus amigos, seguramente los resultados serán favorables,
 pero no necesariamente completos. Tal vez deberías preguntarle también a tus
familiares, vecinos, compañeros y maestros para tener mejor información. Lo mismo
pasa en las muestras entre más grandes mejor será la información.

 Gráficas engañosas: las gráficas (principalmente de barras y circulares) pueden

modificarse para resaltar ciertos datos y ocultar otros. Al ser un medio visual se
genera una impresión engañosa, por ello es importante analizar la información
numérica y ver que corresponda con la imagen.
 Preguntas orientadas: en ocasiones las preguntas están redactadas para generar
una cierta respuesta en el entrevistado. Compara las siguientes dos preguntas:
- ¿Estás de acuerdo con aumentar la tarifa del metro a 5 pesos?
- Si el gobierno se compromete a poner más trenes en servicio, a que se
reduzcan las aglomeraciones, los tiempos de espera y se pueda viajar con
ventilación y seguridad, ¿estaría dispuesto a pagar 5 pesos?
- Verdad que todo depende de cómo se escriba.

 Correlación y Causa: en muchas investigaciones se busca estudiar la relación entre

dos variables, pero algunos tratan de hacer parecer que una de ellas es la causa de
la otra. Hace unos días un estudio en una revista de medicina establecía que “los
países que consumen más chocolate tienen más premios nobel” entonces
podríamos concluir que el chocolate hace más inteligente a las
personas (sinceramente lo dudo, pero por si acaso antes de hacer un examen no te
olvides de llevar tu caja de chocolates).

Con lo que hasta ahora has estudiado podrás analizar ciertos aspectos a fin de establecer
que tan válido o confiable es un estudio o noticia que presente estadísticas. Para finalizar
disfruta del siguiente video que muestra de forma muy divertida algunos de estos usos y
abusos.

POBLACIÓN, PARÁMETRO, MUESTRA, ESTADÍSTICO

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.
De esta forma Levin & Rubin (1996). Indica que "Una población es un conjunto de todos los
elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones".
De igual forma Cadenas (1974). Expresa "Una población es un conjunto de elementos que
presentan una característica común".

PARÁMETRO
Es un valor, medida o indicador representativo de la población que se selecciona para ser
estudiado.
Otra definición podría ser, función definida sobre valores numéricos de una población. Se
llama parámetro a un valor representativo de una población, como la media aritmética, una
proporción o su desviación típica.

MUESTRA
La muestra es una pieza de la población a estudiar que sirve para representarla.
Según Levin & Rubin (1996). Apuntan que "Una muestra es una colección de algunos
elementos de la población, pero no de todos".
Según Cadenas (1974). "Una muestra debe ser definida en base de la población
determinada, y las conclusiones que se obtengan de dicha muestra solo podrán referirse a
la población en referencia",
El estudio de muestras es más sencillo que el estudio de la población completa; cuesta
menos y lleva menos tiempo.
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.

Estadístico
Es el elemento que describe una muestra y sirve como una estimación del parámetro de la
población correspondiente.
El estadístico sirve como una estimación del parámetro. Aunque en realidad el interés se
fija en el valor del parámetro de la población, con frecuencia debe haber conformidad con
solo calcularlo con un estadístico de la muestra que se ha seleccionado.

ESCALAS DE MEDICIÓN EN ESTADÍSTICA

Como hemos dicho, para que los datos tengan sentido es necesario compararlos.
Y para poder compararlos debemos utilizar escalas de medición. Dichas escalas
tendrán diferentes propiedades en función de las características de los datos que
se compararán. En estadística existen cuatro escalas de medición: nominal,
ordinal, de intervalo y de razón.

Escala nominal

Cuando un dato identifica una etiqueta (o el nombre de un atributo) de un

elemento, se considera que la escala de medición es una escala nominal. En esta
carecen de sentido el orden de las etiquetas, así como la com paración y las
operaciones aritméticas. La única finalidad de este tipo de datos es clasificar a
las observaciones. Ejemplo:
Una variable que indica si el visitante de este post es «hombre» o «mujer».

En esta variable se tienen dos etiquetas para clasifica r a los visitantes. El orden
carece de sentido, así como la comparación u operaciones aritméticas.

Escala ordinal

Cuando los datos muestran las propiedades de los datos nominales, pero además
tiene sentido el orden (o jerarquía) de estos, se utiliza una escala ordinal.
Ejemplo:

Una variable que mide la calidad de un post. La variable puede tomar valores
enteros del 1 al 5, donde el valor 1 es el peor y el 5 el mejor.

En esta variable sigue sin tener sentido las operaciones aritméticas, pero ahora
sí tiene sentido el orden. Si un post tiene valor 4 y otro tiene valor 2, el primero
se entiende que es mejor que es segundo.

Escala de intervalo

En una escala de intervalo, los datos tienen las propiedades de los datos
ordinales, pero a su vez la separación entre l as variables tiene sentido. Este tipo
de datos siempre es numérico, y el valor cero no indica la ausencia de la
propiedad. Veamos un ejemplo:

La temperatura (en grados centígrados) media de una ciudad.

En esta escala, los números mayores corresponden a temperaturas mayores. Es

decir, el orden importa, pero a la vez la diferencias entre las temperaturas
importa.

Escala de razón

En una escala de razón, los datos tienen todas las propiedades de los datos de
intervalo, y la proporción entre ellos tiene sentido. Para esto se requiere que el
valor cero de la escala indique la ausencia de la propiedad a medir. Ejemplos de
este tipo de variables son el peso de una persona a el tiempo utilizado para una
tarea. Ejemplo:

Una variable que mide el salario de una persona.

En esta variable, si una persona gana 100, y otra 10, la primera gana más que la
segunda (comparación). También tiene sentido decir que la primera gana 90 más
que la segunda (diferencia), o que gana 10 veces más (proporción).

Variables en estadística

Las variables se las suele dividir según distintos criterios, en función las
características de los valores que estas puedan tomar.
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 operacione s 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 var iable 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 r ealizar 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 países

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