Estadística descriptiva e inferencial TI_1

UNIVERSIDAD TÉCNICA DE MACHALA

Calidad, Pertinencia y Calidez
FACULTAD DE CIENCIAS QUÍMICAS Y DE LA SALUD
CARRERA DE INGENIERÍA QUÍMICA

ASIGNATURA: ESTADÍSTICA
TRABAJO DE INVESTIGACIÓN

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL

ESTUDIANTES:
APOLO VALLE JANNER
BARROS BERMEO TYRONE
BRAVO TINOCO CARLOS
CASTILLO GONZAGA HAMILTON
CHICA ALVAREZ ISABEL
GOYA CHICA DAMARYS
GUAMAN NAVARRETE KEITH
PACCHA PACCHA JONATHAN
ROGEL ULLOA JEAN
SANMARTIN ARIAS JAHIR

DOCENTE:
DR. QUIM. IND FREDIS PESANTEZ. MGS

CURSO: QUINTO SEMESTRE "B"

PERIODO ACADÉMICO: 2023 – D1

1
 Estadística descriptiva e inferencial TI_1

ÍNDICE

OBJETIVOS...............................................................................................................................3
Objetivo general:....................................................................................................................3
Objetivo específico:................................................................................................................3
MARCO TEÓRICO..................................................................................................................5
¿QUÉ ES LA ESTADÍSTICA?....................................................................................................5
ESTADÍSTICA DESCRIPTIVA...........................................................................................5
Descripción..............................................................................................................................5
Descripción de conceptos claves.............................................................................................6
Estadística descriptiva univariable.......................................................................................9
Estadística descriptiva bivariable.......................................................................................10
Ejemplo de estadística descriptiva......................................................................................11
ESTADÍSTICA INFERENCIAL........................................................................................12
Descripción............................................................................................................................12
Técnicas aplicadas en la estadística inferencial..................................................................13
Clasificación de los procedimientos de inferencia estadística...........................................13
Ejemplo de estadística inferencial...........................................................................................13
Consideraciones estadísticas de la agudeza vidual.................................................................14
CONCLUSIÓN.........................................................................................................................15
BIBLIOGRAFÍA......................................................................................................................16

2
 Estadística descriptiva e inferencial TI_1

OBJETIVOS

Objetivo general:
Analizar y comprender los conceptos de estadística descriptiva e inferencial mediante
ejemplos y descripción de términos básicos, para su correcta aplicación en nuestra vida
profesional y personal.
Objetivo específico:
 Aprender a diferenciar la estadística descriptiva e inferencial para aplicarlas
como corresponda.

3
 Estadística descriptiva e inferencial TI_1

INTRODUCCIÓN
En el mundo actual podemos decir que la estadística está presente todo el tiempo en la
vida cotidiana, desde como un gran instrumento para tomar decisiones como la
tabulación de una encuesta o como un recurso muy importante para interpretar la
información. Según (Proaño, 2020) “La estadística es la ciencia que se ocupa de
recolectar, organizar, analizar e interpretar datos para realizar una toma de decisiones
más efectiva” p15
La estadística se ocupa de la descripción de datos, del análisis de muestras, de la
contrastación de hipótesis, de la medición de relaciones, de la predicción, etc. La
Estadística descriptiva se dará lugar a partir de dos razonamientos razonamiento
deductiva e inductivo. (Borrego del Pino, 2008)
Acorde a lo establecido por (Proaño, 2020) p16

4
 Estadística descriptiva e inferencial TI_1

MARCO TEÓRICO
¿QUÉ ES LA ESTADÍSTICA?

La estadística es una disciplina que se encarga de procesar y organizar los datos, siendo
los datos cualquier medida o valor que se puede obtener a través de experimentos,
encuestas, censos u otros medios. El análisis de los datos por lo general se inicia con la
aplicación de métodos de estadística descriptiva, para luego seguir con métodos de
estadística inferencial.
La estadística tiene dos grandes áreas de estudio, Ambas son importantes y útiles,
pero tienen diferentes objetivos y enfoques:
 Estadística descriptiva que comprende un conjunto de métodos para organizar,
resumir y presentar los datos de manera informativa.
 Estadística inferencial comprende un conjunto de métodos para SABER ALGO
acerca de una población, basándose en una muestra. De aquí se desprenden dos
conceptos muy importantes dentro del mundo de la estadística como son: la
población y la muestra:
Poblacion: es el conjunto o recopilacion de datos,objetos o medidas de interes de todos
los individuos de una poblacion. Sera representada por la letra N.
Muestra: es la parte o subconjunto de la poblacion, que para ser considerada como tal,
debe ser significativa es decir, que permita inferir o estudiar el total de los datos(la
pooblacion). Sera representada por la letra n.

Imagen tomada de: Estadística descriptiva e inferencial. (Proaño, 2020)

5
 Estadística descriptiva e inferencial TI_1

ESTADÍSTICA DESCRIPTIVA

Descripción

La estadística descriptiva es una rama de la estadística que se enfoca en la recopilación,

organización, resumen y presentación de datos de una manera comprensible. Su
objetivo principal es describir y resumir las características fundamentales de un
conjunto de datos. Es decir, es aquella que arregla los datos de forma que puedan ser
analizados e interpretados, obteniendo así los parámetros que distinguen las
características de un conjunto de datos (lo que se conoce como estadísticos). Los
métodos de estadística descriptiva nos permiten:
 Determinar la tendencia central de una variable: promedio o media aritmética,
mediana o moda.
 Determinar la variabilidad de una variable: desviación estándar, varianza,
rangos.
 Determinar cómo es la distribución de una variable: histograma de frecuencias,
distribución normal.
Descripción de conceptos claves

1. Medidas de tendencia central: Son valores que representan el centro o la

ubicación central de un conjunto de datos. Las medidas de tendencia central más
comunes son:
 Media: Es el promedio aritmético de todos los valores en el conjunto de
datos. Se calcula sumando el total del conjunto de valores dividido entre
el número total de valores, es decir, el tamaño de la muestra. Se expresa
de la siguiente forma matemática:
x 1 + x 2+ …+ x n
X=
N
Donde x es el valor de la observación o número i; N el total de
observaciones o tamaño de la muestra. 
Supongamos que quiere determinar el promedio de la cantidad de ventas
diarios en 8 días, y los datos que arroja tu tabla de excel
son: 7,9,10,8,6,8,9,7.
La media se calcula de la siguiente forma:
Suma de muestra = 7+9+10+8+6+8+9+7=64
Tamaño de la muestra (N) = 8
Media = 64/8 = 8
Como resultado, podemos decir que tu negocio tiene una media de 8
ventas diarias en 8 días.

6
Estadística descriptiva e inferencial TI_1

 Mediana: Es el valor que divide al conjunto de datos en dos partes

iguales, de manera que el 50% de los valores están por encima y el 50%
están por debajo de la mediana. Es equivalente del percentil 50 (P50) o
del segundo cuartil (Q2). Si el tamaño muestral es impar, es el valor que
queda en el medio. Si el tamaño muestral es par, es la media aritmética (o
semisuma) de los dos valores centrales. La moda es el valor más repetido
de la distribución. Una distribución normal es unimodal (esto es, hay una
única moda, que coincide con la media y la mediana), pero puede haber
distribuciones bimodales (con dos modas) o con más de dos modas.
Para calcular la mediana, lo que se debe hacer es “partir en dos” la
muestra. Para hacer esto, es necesario agrupar los datos de menor valor a
mayor valor, dejando la misma cantidad de valores de un lado que del
otro.  Es diferente a la media ya que nos da la posición promedio del
conjunto de datos.
La fórmula matemática de esta medida de tendencia central es la
siguiente:
n

∑ ¿1 x i × f i
i
X=
N
Supongamos que hay dos grupos distintos de clientes a los que quieres
apuntar tu próxima estrategia, pero para eso quiere saber cuál es el punto
medio de ventas entre ambos grupos, sin importar su distinción: 
El primer grupo consiste de 8 clientes responsables de las ventas que
vimos arriba: 7,9,10,8,6,8,9,7
El segundo grupo consiste de 11 clientes y sus ventas son muy parecidas
a las del primer grupo, pero hay 3 alumnos más: 7,9,10,8,6,8,9,7,6,10,9
Lo importante aquí es que el primer grupo tiene un número par de
clientes y el segundo tiene un número impar.
Por lo tanto, cuando el número de observaciones es par, como lo es en
el primer grupo, la mediana se calcula de la siguiente manera: 
Lo primero que se debe hacer es ordenar los datos de menor a mayor:
7,9,10,8,6,8,9,7 → 6,7,7,8,8,9,9,10
Después ir eliminando los valores de ambos lados en dirección al centro:
6,7,7,8,8,9,9,10
En este caso, el punto medio son ambos valores de 8 por lo que la
mediana es 8.
Cuando el número de observaciones es impar, se repite el mismo
procedimiento. En el caso del segundo grupo, la mediana es:
7,9,10,8,6,8,9,7,6,10,9 → 6,6,7,7,8,8,9,9,910,10

7
Estadística descriptiva e inferencial TI_1

6,6,7,7,8,8,9,9,9,10,10
El resultado es el valor central. En el segundo grupo con 11 clientes, el
promedio o la mediana es 8. 
 Moda: Es el valor que ocurre con mayor frecuencia en el conjunto de
datos.
Si bien existe una fórmula matemática, lo más fácil de hacer es
determinar cuál es el valor que más se repite.

Mo=LM o+
( d1
d 1 +d 2)ω

2. Medidas de dispersión: Miden la variabilidad o dispersión de los datos alrededor

de una medida de tendencia central. Algunas medidas de dispersión importantes
son:
 Rango: Es la diferencia entre el valor máximo y el valor mínimo en el
conjunto de datos. Se calcula simplemente obteniendo la diferencia entre
el mayor y menor valor.
R=Max x i−Min xi

Para nuestro ejemplo de clientes del e-commerce, queremos conocer el

rango de ventas:
7,9,10,8,6,8,9,7 → 10 - 6 = 4. El rango es 4.
 Desviación estándar: Mide la dispersión promedio de los datos con
respecto a la media. Se puede calcular mediante la fórmula:

S=
√ ∑ ( X −x )2
n−1
Donde:
S = Desviación estándar.
∑ = Suma de.
X = Cada valor.
x̅ = Media aritmética.
 Varianza: Es el cuadrado de la desviación estándar y proporciona una
medida de la variabilidad de los datos. Para calcular la varianza se debe:
Calcular la media de los datos.
Encontrar la diferencia de cada punto de datos con respecto al valor
medio.
Elevar al cuadrado cada uno de estos valores.

8
 Estadística descriptiva e inferencial TI_1

Sumar todos los valores elevados al cuadrado.

Dividir esta suma de cuadrados entre n – 1 (para una muestra) o N (para
la población).
Formula:

S=
2 ∑ ( X i−x )2
n−1
Donde:

S2= varianza
X i = termino de conjunto de datos

x = medida de la muestra
n = tamaño de la muestra
3. Gráficos y tablas: La estadística descriptiva utiliza gráficos y tablas para
representar visualmente los datos. Algunos de los gráficos más comunes son:
 Histogramas: Muestran la distribución de frecuencias de un conjunto de
datos en forma de barras.
 Diagramas de dispersión: Representan la relación entre dos variables
numéricas en un sistema de coordenadas.
 Gráficos de torta o de barras: Se utilizan para mostrar la proporción o
frecuencia relativa de diferentes categorías en un conjunto de datos.
4. Medidas de posición: Estas medidas permiten identificar la posición relativa de
un valor dentro de un conjunto de datos. Algunas medidas de posición incluyen:
 Percentiles: Representan el valor por debajo del cual cae un cierto
porcentaje de los datos.
 Cuartiles: Dividen el conjunto de datos en cuatro partes iguales. El
primer cuartil (Q1) es el valor por debajo del cual cae el 25% de los
datos, el segundo cuartil es la mediana (Q2) y el tercer cuartil (Q3) es el
valor por debajo del cual cae el 75% de los datos.
 Deciles: son los 9 valores que dividen la muestra en 10 partes de igual
tamaño.
La estadística descriptiva puede ser: Univariable o bivariable.

9
 Estadística descriptiva e inferencial TI_1

Estadística descriptiva univariable

Imagen tomada de: Estadística descriptiva e inferencial (De la puente Viedma, 2018)

La decisión de qué estadística aplicar a cada variable, está en función del nivel de
medida de la misma.
- Estadísticos de tendencia central: son la moda, mediana y media, lo cuales se
utilizan para describir características de centralidad de las variables.
- Estadística de dispersión: Representan a la variable a través de un único valor.
El riesgo de este valor sea representativo o no de todos los casos y esta
característica afecta a la media.
- Estadísticos de forma: Permiten decir algo sobre la característica de la forma de
la distribución de la variable. La forma de la distribución se establece según la
norma, pero no significa constatar con la norma. El significa es que se a
comparar si la forma de la distribución de una variable tiene características
similares a la norma.
- Tablas de frecuencia: es apropiada para variables categóricas y numéricas
discretas, y numéricas continuas cuando la categoría se presenta por intervalos.
- Diagrama de barras: Es la representación gráfica en un sistema de coordenadas
cartesiana de dos dimensiones de la tabla de frecuencias

10
 Estadística descriptiva e inferencial TI_1

Estadística descriptiva bivariable

Es la estadística que describe o tabula las variables de dos en dos, ofrece tablas que son
el resultado de cruce de variables.

- Variable categórica por categórica: se cruzan dos variables X y Y, cada una de

ellas con 3 sucesos elementales x1, x2, x3 e y1, y2, y3, se obtiene una tabla de X
por Y de 3 categorías.

Ejemplo de estadística descriptiva

Cuando se quiere caracterizar un grupo de individuos, se usa la estadística descriptiva.

Por ejemplo, tenemos los siguientes datos de temperatura corporal en un grupo de
hombres y mujeres:

Temperatura corporal en hombres Temperatura corporal en mujeres

(ºC) (ºC)
36,1 36,2
35,9 37,2
36,0 37,3
36,4 37,1

11
 Estadística descriptiva e inferencial TI_1

36,3 37,0
36,7 37,2
36,9 36,9
36,8 36,8
37,2 36,4
37,0 37,0

Tal cual como están presentados no podemos sacar ninguna conclusión, pero al aplicar
las técnicas de estadística descriptiva, podemos decir entonces que:
 Los hombres en este grupo tienen una temperatura promedio de 36,53 ºC con
una desviación estándar de 0,45;
 Las mujeres en este grupo tienen una temperatura promedio de 36,91 ºc, con una
desviación estándar de 0,36.

ESTADÍSTICA INFERENCIAL

Descripción

La estadística inferencial o inferencia estadística es la parte de la estadística que busca

predecir o deducir características o resultados esperados de una población, basados en
los datos obtenidos de una muestra de esa población.
Se encarga de hacer inferencias o conclusiones sobre una población utilizando
información recopilada de una muestra. Mientras que la estadística descriptiva se centra
en resumir y describir los datos, la estadística inferencial busca generalizar y tomar
decisiones sobre la población a partir de la muestra.
La estadística inferencial se basa en el principio de que una muestra representativa de
una población puede proporcionar información útil y confiable sobre la población en su
conjunto. A través de la inferencia estadística, se realizan estimaciones, pruebas de

12
 Estadística descriptiva e inferencial TI_1

hipótesis y se obtienen intervalos de confianza para tomar decisiones y hacer

afirmaciones sobre la población.
En la estadística inferencial, se utilizan técnicas y procedimientos como la estimación
puntual y por intervalos, pruebas de hipótesis, análisis de varianza, regresión, entre
otros. Estos métodos permiten sacar conclusiones más allá de los datos observados en la
muestra, lo que es especialmente útil cuando no es posible o práctico estudiar o
recopilar datos de toda la población.
Es importante tener en cuenta que la estadística inferencial está sujeta a ciertos
supuestos y limitaciones, y se requiere de un diseño adecuado del estudio y una muestra
representativa para que los resultados sean válidos y generalizables a la población de
interés. Además, el tamaño de la muestra y el nivel de confianza seleccionados también
influyen en la precisión y validez de las conclusiones inferenciales.
En resumen, la estadística inferencial se ocupa de tomar decisiones y hacer inferencias
sobre una población a partir de información recopilada en una muestra representativa.
Es una herramienta fundamental en la investigación científica, el análisis de datos y la
toma de decisiones en muchos campos, permitiendo generalizaciones y conclusiones
más allá de los datos observados en la muestra.
Técnicas aplicadas en la estadística inferencial

 El t test: se usa para comparar la media aritmética de dos grupos determinando

si las diferencias entre los grupos ocurren al azar o de forma sistemática
indicando una diferencia real.
 El análisis de varianza o ANOVA: se aplica para comparar a dos o más grupos
de variables.
 El análisis de correlación: revela si los valores entre dos variables tienden a
cambiar sistemáticamente. Para hacer esas determinaciones se usa el coeficiente
de correlación r y el valor de p o de intervalo de confianza IC.
 El análisis de regresión: permite predecir un valor a partir de otro.

Clasificación de los procedimientos de inferencia estadística

Los procedimientos de Inferencia Estadística los podemos clasificar atendiendo a tres

criterios:
a) Respecto al objetivo de estudio. Si el objetivo es describir una variable o las
relaciones entre un conjunto de variables se utilizan técnicas de muestreo.
Cuando el objetivo es contrastar relaciones entre las variables y predecir sus
valores futuros se utilizan técnicas de diseño experimental
b) Respecto al método utilizado, nos encontramos con los métodos paramétricos y
los no paramétricos.
Los métodos paramétricos suponen que los datos provienen de una distribución que
puede caracterizarse por un pequeño número de parámetros que se estiman a partir de
los datos. Los métodos no paramétricos suponen únicamente aspectos muy generales de

13
 Estadística descriptiva e inferencial TI_1

la distribución y tratan de estimar su forma o contrastar su estructura c) Respecto a la

información considerada. Aquí distinguimos el enfoque clásico y el enfoque bayesiano.
El enfoque clásico supone que los parámetros son cantidades fijas desconocidas sobre
las que no se dispone de información inicial relevante. Por el contrario, el enfoque
bayesiano considera a los parámetros del modelo como variables aleatorias y permite
introducir información inicial sobre sus valores mediante una distribución de
probabilidades a priori.
La base en que se fundamenta la Estadística Inferencial es el Cálculo de
Probabilidades.
(Borrego del Pino, 2008)

Ejemplo de estadística inferencial

Si queremos determinar si algún comportamiento o estado biológico está asociado a una

enfermedad, utilizamos métodos de estadística inferencial. Por ejemplo, en un estudio
realizado en Alemania, se evaluó diferentes parámetros de salud a 3109 personas
durante casi siete años. Los resultados arrojaron que niveles altos de glucosa en sangre
(mayor de 126 mg/dl en ayunas), el fumar y la inactividad física estaban asociados con
el desarrollo de demencia.

Cuando se descubre un nuevo medicamento y se quiere demostrar su efectividad en

determinada enfermedad, se utiliza estadística inferencial. En este caso, se comparan los
efectos de un grupo tratado con el medicamento y otro grupo tratado con un placebo o
un medicamento de control.

Consideraciones estadísticas de la agudeza vidual

El cálculo de la media y la desviación estándar de la agudeza visual no es difícil, pero se

hace de una manera incorrecta en múltiples estudios de investigación. El problema
reside en que los optotipos actuales siguen una progresión geométrica, no aritmética (el

14
 Estadística descriptiva e inferencial TI_1

tamaño del opto tipo correspondiente a una AV de 0,1 no es el doble que la que
corresponde a 0,2, sino que cada paso de nivel supone un cambio de 0,1 unidades
logarítmicas). Por ello debe utilizarse la media geométrica, no la aritmética. La forma
más sencilla de calcular la medida de un grupo de agudezas visuales es utilizar no los
optotipos de Snellen, sino los optotipos de Log MAR (que significa logaritmo del
ángulo mínimo de resolución) y calcular entonces la media aritmética de los valores
obtenidos. Si no disponemos de éstos, debemos convertir cada valor al Log MAR
equivalente y seguidamente hacer la media,
Estadística descriptiva e inferencial 167 volviendo a hacer la conversión a la escala
decimal del resultado. También vale con hacer una transformación logarítmica de los
valores decimales, con lo que consigue normalizar la distribución. La tabla I da una
equivalencia de ambos parámetros y existen calculadoras on-line para el mismo
propósito Lo mismo que ocurre para el cálculo de la media, sucede para otros cálculos
estadísticos, tales como t de Student, ANOVA, correlaciones. Siempre deben utilizarse
los valores del LogMar. Otro problema se plantea con las agudezas visuales computadas
como «contar dedos» «movimiento de manos», «percepción de luz» y «no percepción
de luz». Holliday da las siguientes recomendaciones de equivalencia: – «Contar dedos»:
se puede asumir que, en pies se puede hacer un equivalente con un cociente entre el
número de pies a los que se ha contado dedos y 200 de denominador A 10 pies la AV
sería de 10/200 y a 2 pies 2/200. Si lo tomamos en metros, es lo mismo con un
denominador de 60. Por ejemplo, si se cuenta dedos a 3 metros 3/60= 0,03 en escala
decimal y a 1 metro 1/60=0,016. – Si no cuenta dedos y solo ve movimiento de mano,
los denominadores son, respectivamente 2000 y 600. Es decir, que movimiento de
manos a un metro es 1/600= 0,0016 en escala decimal. – La agudeza visual reducida a
la percepción de luz y no percepción de luz, según Holliday no son medidas reales de la
agudeza visual y por lo tanto estos casos deberían ser excluídas del estudio y señaladas
como criterio de exclusión en el material y métodos. Ese punto es muy discutible, ya
que da lugar a un sesgo evidente. Otro caso muy frecuente se da en pacientes que no
leen todos los opto tipos de una línea. Una solución, probablemente la más utilizada, es
tomar la línea con mayor agudeza visual en la cual el paciente ha sido capaz de ver la
mayoría de los opto tipos (por ejemplo, 3 de 5). Un método más exacto es interpolar
entre los valores vistos completamente y los parcialmente con el cociente de letras
vistas, siempre sobre el LogMar.

CONCLUSIÓN
En resumen, la estadística es una herramienta poderosa que se utiliza para analizar datos
y sacar conclusiones significativas de ellos. Existen dos ramas principales de la
estadística: la estadística descriptiva y la estadística inferencial. Ambas son importantes
y útiles, pero tienen diferentes objetivos y enfoques.

La estadística descriptiva tiene como objetivo resumir la información contenida en los

datos de la forma más sencilla y presentable posible, obteniendo así los parámetros que
distinguen las características de un conjunto de datos (lo que se conoce como
estadísticos). Pertenecen al ámbito de la estadística descriptiva las tablas de frecuencias,
a partir de las cuales se obtienen los estadísticos:

15
 Estadística descriptiva e inferencial TI_1

 Medidas de centralización: la media en todas sus variantes (aritmética,

geométrica, ponderada), la moda y la mediana
 Medidas de dispersión: la varianza, la desviación típica (raíz cuadrada de la
varianza) y el rango
 Medidas de tendencia central: los cuantiles y sus desgloses (percentiles,
cuartiles, deciles, etc.)
 Medidas de forma: los coeficientes de asimetría y curtosis
 Medidas de concentración: el coeficiente Gini, a partir del cual se obtiene la
curva de Lorenz
Estadística inferencial o inductiva plantea y resuelve el problema establecer previsiones
y conclusiones generales sobre una población a partir de los resultados obtenidos de una
muestra. Los modelos estadísticos actúan de puente entre lo observado (muestra) y lo
desconocido (población). Su construcción y estudio están basados en el cálculo de
probabilidades. Los procedimientos de inferencia estadística los podemos clasificar
atendiendo a tres criterios:
a) Respecto al objetivo de estudio
b) Respecto al método utilizado
c) Respecto a la información considerada

BIBLIOGRAFÍA

De la puente Viedma, C. (2018). Estadistica descriptiva e inferencial. Madrit, Madrit,

España: Ediciones IDT. Obtenido de
https://elibro.net/es/ereader/utmachala/59931
Proaño, W. (2020). ESTADISTICA DESCRIPTIVA E INFERENCIAL. Cuenca, Ecuador:
Casa Editora. doi:ISBN:978-9942-822-69-7.
https://publicaciones.uazuay.edu.ec/index.php/ceuazuay/catalog/book/127

Borrego, S., & Pino, D. (s/f). “ESTADÍSTICA DESCRIPTIVA E INFERENCIAL”.

Scalahed.com. Recuperado el 12 de junio de 2023, de
https://gc.scalahed.com/recursos/files/r161r/w24899w/Semana1/ESTADISTICA
_S1.pdf

CONEDUCYT. (2023, marzo 10). Aprende a sacar conclusiones con datos: La

diferencia entre estadística descriptiva e inferencial. lamalditatesis.
https://www.lamalditatesis.org/post/aprende-a-sacar-conclusiones-con-datos-la-
diferencia-entre-estad%C3%ADstica-descriptiva-e-inferencial

16
 Estadística descriptiva e inferencial TI_1

Santillán, A. (2016, septiembre 13). Estadística descriptiva e inferencial: conceptos

generales. Enfermeria Basada Evidencias (EBE).
https://ebevidencia.com/archivos/3568

Diferencia entre estadística descriptiva e inferencial. (2020, marzo 25). Diferenciador.

https://www.diferenciador.com/estadistica-descriptiva-e-inferencial/

Devore JL. Probabilidad y estadística para ingenieros y ciencias. Editorial: Cenpage

Learning Editores S.A. de C.V.; 2008 pag 10-31.

Pardell H, Cobo E, Canela J. Manual de bioestadística. . Editorial MASSON SA

Barcelona 1986. pag: 11-14.

Pardell H, Cobo E, Canela J. Manual de bioestadística. Editorial MASSON SA

Barcelona 1986. pag: 38-52.

Sanjuán, F. J. M. (2017, septiembre 28). Frecuencia absoluta. Economipedia.

https://economipedia.com/definiciones/frecuencia-absoluta.html

📊 Medidas de tendencia central: ¿qué son y cómo calcularlas? (s/f).

https://www.crehana.com. Recuperado el 12 de junio de 2023, de
https://www.crehana.com/blog/transformacion-digital/medidas-de-tendencia-
central/

17