0 calificaciones0% encontró este documento útil (0 votos)
14 vistas20 páginas
El documento presenta definiciones clave de la estadística. Define la estadística como una disciplina científica que involucra la recopilación y análisis de datos numéricos. Explica que la estadística descriptiva se enfoca en describir y resumir datos, mientras que la estadística inferencial hace inferencias sobre poblaciones basadas en muestras. También define la estadística matemática como el desarrollo de métodos matemáticos para analizar datos.
El documento presenta definiciones clave de la estadística. Define la estadística como una disciplina científica que involucra la recopilación y análisis de datos numéricos. Explica que la estadística descriptiva se enfoca en describir y resumir datos, mientras que la estadística inferencial hace inferencias sobre poblaciones basadas en muestras. También define la estadística matemática como el desarrollo de métodos matemáticos para analizar datos.
El documento presenta definiciones clave de la estadística. Define la estadística como una disciplina científica que involucra la recopilación y análisis de datos numéricos. Explica que la estadística descriptiva se enfoca en describir y resumir datos, mientras que la estadística inferencial hace inferencias sobre poblaciones basadas en muestras. También define la estadística matemática como el desarrollo de métodos matemáticos para analizar datos.
científica: "La estadística es una disciplina científica que involucra la recopilación, análisis, interpretación, presentación y organización de datos numéricos con el objetivo de describir y comprender fenómenos, tomar decisiones informadas y hacer predicciones" (Levin, Fox & Forde, 2019, p. 5). Referencia bibliográfica: Levin, J., Fox, J. A., & Forde, D. R. (2019). Estadística para ciencias sociales (9ª ed.). Pearson. 2. Definición de estadística descriptiva: "La estadística descriptiva es una rama de la estadística que se enfoca en la descripción, resumen y presentación de datos, utilizando herramientas como medidas de tendencia central, medidas de dispersión y gráficos" (Nolan & Speed, 2019, p. 3). Referencia bibliográfica: Nolan, D., & Speed, T. (2019). Fundamentos de estadística con R y R Commander. Antoni Bosch Editor. 3. Definición de estadística inferencial: "La estadística inferencial es una rama de la estadística que se ocupa de hacer inferencias y generalizaciones sobre una población basándose en información obtenida de una muestra" (Gravetter & Wallnau, 2020, p. 3). Referencia bibliográfica: Gravetter, F. J., & Wallnau, L. B. (2020). Estadística para las ciencias del comportamiento (10ª ed.). Cengage Learning. 4. Definición de estadística matemática: "La estadística matemática es una rama de la estadística que se enfoca en el desarrollo y aplicación de métodos matemáticos y teoría de la probabilidad para analizar y modelar datos" (Hogg, McKean & Craig, 2019, p. 1). Referencia bibliográfica: Hogg, R. V., McKean, J., & Craig, A. (2019). Introduction to Mathematical Statistics (8ª ed.). Pearson. Definiciones básicas y terminología en estadística Introducción: • La estadística es una disciplina que se encarga de recolectar, analizar e interpretar datos con el fin de tomar decisiones informadas (Johnson & Bhattacharyya, 2010). En esta presentación, exploraremos las definiciones fundamentales y la terminología clave utilizada en estadística Población y muestra • Población: Conjunto completo de elementos o individuos que se estudian en un análisis estadístico (Navidi, 2015). • Muestra: Subconjunto seleccionado de la población que se utiliza para realizar inferencias o estimaciones sobre la población en su conjunto (Levy & Lemeshow, 2013). Variables • Variable: Cualquier característica o propiedad que puede variar en una población o muestra (Field, 2013). • Variable cualitativa: Describe una cualidad o atributo, como el color de los ojos (Agresti, 2018). • Variable cuantitativa: Representa una cantidad o medida numérica, como la edad o el peso (Tabachnick & Fidell, 2019). Datos • Datos: Valores o medidas recolectados para su análisis (Trochim & Donnelly, 2008). • Datos discretos: Valores aislados y contables, como el número de estudiantes en una clase (Agresti, 2018). • Datos continuos: Valores que pueden tomar cualquier valor en un rango, como la altura o el tiempo (Navidi, 2015). Estadísticos • Estadístico: Medida numérica calculada a partir de los datos de una muestra (Tabachnick & Fidell, 2019). • Media: Promedio aritmético de un conjunto de valores (Field, 2013). • Mediana: Valor central en un conjunto de datos ordenados de forma ascendente o descendente (Levy & Lemeshow, 2013). • Desviación estándar: Medida de dispersión que indica cuánto se alejan los valores individuales de la media (Agresti, 2018). Distribución • Distribución: Forma en que se dispersan los valores de una variable en una población o muestra (Navidi, 2015). • Distribución normal: Distribución simétrica con una forma de campana. Muchas variables en la naturaleza siguen esta distribución (Field, 2013). • Sesgo: Desviación sistemática de la distribución de los datos hacia un lado (Tabachnick & Fidell, 2019). Error muestral y significancia estadística • Error muestral: Diferencia entre el valor estimado basado en la muestra y el valor real de la población (Levy & Lemeshow, 2013). • Significancia estadística: Probabilidad de que una relación o diferencia observada entre variables no sea resultado del azar (Agresti, 2018). Tipos de datos y escalas de medición: Escala nominal: En esta escala, los datos se clasifican o categorizan en distintas categorías sin un orden o jerarquía específica. Los valores numéricos asignados a las categorías son meramente etiquetas y no tienen ningún significado intrínseco. Ejemplos de datos en escala nominal pueden ser el género (masculino/femenino), el estado civil (soltero/casado/divorciado), etc. Escala ordinal: En esta escala, los datos se ordenan o clasifican en categorías según una cierta jerarquía o secuencia. A diferencia de la escala nominal, aquí existe un orden implícito entre las categorías, pero no se puede establecer la magnitud de las diferencias entre ellas. Ejemplos de datos en escala ordinal pueden ser las calificaciones de un examen (A, B, C, etc.), las clasificaciones en una competencia (primer lugar, segundo lugar, tercer lugar), etc. Escala de intervalo: En esta escala, los datos se ordenan en categorías y se establecen diferencias igualmente espaciadas entre ellas. Además del orden y la igualdad de las diferencias, en esta escala se pueden realizar operaciones aritméticas como la suma y la resta. Sin embargo, no existe un punto de referencia absoluto o cero verdadero en esta escala. Ejemplos de datos en escala de intervalo pueden ser las temperaturas en grados Celsius o Fahrenheit, años calendario, etc. Escala de razón: Esta es la escala de medición más completa y rigurosa. En esta escala, los datos se ordenan en categorías, se establecen diferencias igualmente espaciadas y se cuenta con un punto de referencia absoluto o cero verdadero. En esta escala, se pueden realizar todas las operaciones aritméticas, incluyendo la multiplicación y la división. Ejemplos de datos en escala de razón pueden ser la altura de una persona, el peso de un objeto, la edad de una persona, etc. Proporciones, porcentajes, tasa: Proporción: Es una relación entre dos cantidades o medidas. Por ejemplo, si se tienen 10 hombres y 20 mujeres, la proporción de hombres a mujeres es de 1:2. Porcentaje: Es una forma de expresar una proporción en términos de partes de 100. Se calcula dividiendo la cantidad o medida específica por el total y luego multiplicando por 100. Por ejemplo, si de 50 estudiantes, 10 son hombres, el porcentaje de hombres sería (10/50) x 100 = 20%. Tasa: Es una medida de la proporción o frecuencia de un evento en relación con una unidad de tiempo o de algún otro factor. Se calcula dividiendo la cantidad del evento por el factor de referencia y multiplicando por un factor de escala. Por ejemplo, si en un año se registran 500 accidentes de tráfico en una ciudad con una población de 10,000 habitantes, la tasa de accidentes sería (500/10,000) x 1000 = 50 accidentes por cada 1,000 habitantes.