FACULTAD DE MEDICINA HUMANA

“DANIEL ALCIDES CARRIÓN”

TÉRMINOS Y SÍMBOLOS EN
ESTADÍSTICA

ALUMNO: GERONIMO ESPINO, CARLOS SALVADOR

ICA – PERÚ
2022

BIOESTADÍSTICA
 GERONIMO ESPINO CARLOS SALVADOR – XI CICLO

TAREA – BIOESTADÍSTICA

TÉRMINOS Y SÍMBOLOS EN ESTADÍSTICA

 DEFINA LOS SIGUIENTES TÉRMINOS: ESTADÍSTICA DESCRIPTIVA,
ESTIMACIÓN, PARÁMETRO, POBLACIÓN, MUESTRA, INFERENCIA,
ALEATORIZACIÓN, CEGAMIENTO, SESGO, ERROR ALEATORIO,
DOCIMASIA DE HIPÓTESIS, HIPÓTESIS ESTADÍSTICA,
DISTRIBUCIÓN NORMAL, DISTRIBUCIÓN ATÍPICA, PRUEBA
ESTADÍSTICA PARAMÉTRICA, PRUEBA ESTADÍSTICA NO
PARAMÉTRICA.

 ESTADÍSTICA DESCRIPTIVA

Es la rama de la estadística que recolecta, analiza y caracteriza un conjunto

de datos (peso de la población, beneficios diarios de una empresa,
temperatura mensual, …) con el objetivo de describir las características y
comportamientos de este conjunto mediante medidas de resumen, tablas o
gráficos.

Por lo tanto, la estadística descriptiva se refiere al análisis, el resumen y la

presentación de los resultados relacionados con un conjunto de datos derivados
de una muestra o de toda la población.

 ESTIMACIÓN

La estimación de un parámetro involucra el uso de los datos muéstrales en

conjunción con alguna estadística. Existen dos formas de llevar a cabo la
anterior estimación, puntual o por intervalo.

En la primera se usa una muestra para obtener números que, en algún sentido,
sean los que mejor representan a los verdaderos valores de los parámetros de
interés.

En la segunda se determina un intervalo en la que forma probable se encuentre

el valor de parámetro y recibe el nombre de intervalo de confianza.

 PARÁMETRO

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 se clasifican según la información que resumen. Los
dos tipos más comunes de parámetros estadísticos son:

 Parámetros de centralización. Son datos que representan de forma global

a toda la población. Entre ellos vamos a estudiar la media aritmética, la
moda y la mediana.
 Parámetros de dispersión. Son datos que informan de la concentración o
dispersión de los datos respecto de los parámetros de centralización. Por
ejemplo, el recorrido, la desviación media, la varianza y la desviación
típica.

 POBLACIÓN

Es el conjunto total de individuos, objetos y eventos que tienen las mismas

características y sobre el que estamos interesados en obtener conclusiones.

 MUESTRA

Es una parte de la población, la cuál se seleccionará con el propósito de

obtener información. No olvidar que debe de ser representativa, ya que de la
muestra se infieren los resultados en la población.

 INFERENCIA

La inferencia estadística es el conjunto de métodos que permiten inducir, a

través de una muestra estadística, el comportamiento de una determinada
población. La inferencia estadística, estudia entonces como, a través de la
aplicación de dichos métodos sobre los datos de una muestra, se pueden
extraer conclusiones sobre los parámetros de la población de datos. De la
misma manera estudia también el grado de fiabilidad de los resultados
extraídos del estudio.

 ALEATORIZACIÓN

Se refiere a la asignación al azar de dos o más grupos para recibir el

tratamiento experimental o un tratamiento control.

Su objetivo es eliminar los efectos de todas las variables que podrían influir
sobre los resultados, conocidas o no, quedando así equilibradas en todos los
grupos de estudio. También promueve la adecuada dispersión de las unidades
experimentales y la independencia del efecto del tratamiento.

 CEGAMIENTO

Se refiere a que los participantes del estudio, los prestadores de salud y a veces
los responsables de la recolección y el análisis de los datos clínicos deben
ignorar cuál es la intervención asignada para que tal conocimiento no ejerza
influencia alguna sobre ellos. El cegamiento es importante para evitar el sesgo
en diferentes etapas de un estudio clínico controlado, aunque su implementación
no siempre es posible.
 SESGO

Sesgo estadístico es un error que se detecta en los resultados de un estudio y

que se debe a factores en la recolección, análisis, interpretación o revisión de
los datos.

El error sistemático o sesgo, aparece cuando se introduce un error en el diseño

del trabajo, ya sea en la selección de los individuos, en la información recogida
o en su análisis, de forma que se produzca una diferencia sistemática entre
los grupos, no atribuible al factor que se está estudiando.

A diferencia de lo que ocurre con el error aleatorio, no se atenúa al aumentar

el tamaño de la muestra, y una vez introducido, es prácticamente imposible de
remediar en la fase de análisis.

 ERROR ALEATORIO

El error aleatorio nace del hecho que se trabaja con muestras de individuos, y
no con toda la población. Procede, pues, de la variabilidad inherente al
muestreo.

Así, el error aleatorio depende del tamaño de la muestra: cuando éste

aumenta, el error disminuye. Este tipo de error está muy relacionado con el
concepto de precisión o fiabilidad. La estadística permite cuantificar el error
aleatorio.

 DOCIMASIA DE HIPÓTESIS

Se define como la comparación de los resultados obtenidos en dos o más

grupos sometidos a tratamientos diferentes. Se conoce con el nombre de
“Prueba de Significación Estadística.”

Por ejemplo, cuando la investigación comprueba diferencias, debemos

pronunciarnos sobre la realidad de tales diferencias, puesto que el error de
muestreo puede producir diferencias muéstrales que no corresponden a
diferencias reales entre las poblaciones originales.

 HIPÓTESIS ESTADÍSTICA

La hipótesis estadística es la suposición que se realiza acerca de las

características de una población. Es utilizada para verificarla o rechazarla tras
realizar el estudio estadístico pertinente.

 DISTRIBUCIÓN NORMAL

La distribución normal o distribución gaussiana, es la distribución continua que

se utiliza más comúnmente en estadística, es un modelo que aproxima el valor
de una variable aleatoria a una situación ideal, dependiendo de la media y la
desviación típica.
 DISTRIBUCIÓN ATÍPICA

Es una observación que numéricamente es muy distinta al resto de elementos

de una muestra. Estos datos nos pueden causar problemas en la interpretación
de lo que ocurre en un proceso o en una población.

 PRUEBA ESTADÍSTICA PARAMÉTRICA

Las pruebas paramétricas son una herramienta estadística que se utiliza para
el análisis de los factores de la población. Esta muestra debe cumplir ciertos
requisitos como el tamaño, ya que mientras más grande sea, más exacto será
el cálculo.

Este método requiere que se especifique la forma de distribución de la

población materna estudiada. Puede tratarse, por ejemplo, de una distribución
normal, como ocurre en general cuando se trata de muestras de gran tamaño.
En general, estas pruebas sólo pueden aplicarse a variables numéricas.

Las pruebas paramétricas están basadas en la ley de distribución de la variable

que se estudia. A pesar de que existen muchos tipos de leyes de distribución,
éstas se basan en las normales, que tiene dos parámetros: la media y la
desviación estándar. Lo suficiente para conocer la probabilidad.

 PRUEBA ESTADÍSTICA NO PARAMÉTRICA.

Las pruebas no paramétricas, también conocidas como pruebas de

distribución libre, son las que se basan en determinadas hipótesis, pero lo
datos observados no tienen una organización normal. Generalmente, las
pruebas no paramétricas contienen resultados estadísticos que provienen de
su ordenación, lo que las vuelve más fáciles de comprender.

Las pruebas no paramétricas tienen algunas limitaciones, entre ellas se

encuentra que no son lo suficientemente fuertes cuando se cumple una
hipótesis normal. Esto puede provocar que no sea rechazada, aunque sea
falsa. Otra de sus limitaciones es que necesitan que la hipótesis se cambie
cuando la prueba no corresponde a la pregunta del procedimiento si la muestra
no es proporcional.
 IDENTIFIQUE LOS SÍMBOLOS QUE REPRESENTAN A: MEDIA,
MEDIANA, PERCENTIL, CUARTIL, DESVIACIÓN ESTÁNDAR,
VARIANZA, ERROR ESTÁNDAR, INTERVALO DE CONFIANZA,
SUMATORIA, FRECUENCIA ABSOLUTA, FRECUENCIA RELATIVA.

SIMBOLOS:
 : Media
 : Mediana
 P: Percentil
 Q: Cuartil
 σ: Desviación estándar
 S2: Varianza
 σx: Error estándar
 IC: Intervalo de confianza
 Σ: Sumatoria
 fi: Frecuencia absoluta
 hi: Frecuencia relativa