Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Material Completo Estadística
Material Completo Estadística
Sexto Nivel
La statistic está ligada con the methods científicos en la toma, organization, recopilación, presentación y analysis de data, tanto para
the deduction de conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
Población
En general, en statistic se denomina población a un conjunto de elementos (que consiste en personas, objetos, etc.), que contienen
una o más características observables que se pueden medir.
A cada elemento de la población se denomina unidad elemental o unidad estadística. El resultado de medir una característica
observable en la unidad elemental se denomina dato estadístico.
2/27
Sexto Nivel
La estadística está ligada con los métodos científicos en la toma, organización, recopilación, presentación y análisis de datos, tanto para
la deducción de conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
Se denomina muestra a una parte de la población seleccionada de acuerdo con un plan, con el fin de obtener información referente a
la población de la que proviene. La muestra debe ser seleccionada de tal manera que sea representativa y, por lo tanto, el método de
selección de muestras debe garantizar la obtención de datos fidedignos.
2/27
Sexto Nivel
La estadística está ligada con los métodos científicos en la toma, organización, recopilación, presentación y análisis de datos, tanto para
la deducción de conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
Parámetro
Es una medida descriptiva que resume una característica de la población; por ejemplo, la media, la mediana o la varianza.
2/27
Sexto Nivel
La estadística está ligada con los métodos científicos en la toma, organización, recopilación, presentación y análisis de datos, tanto para
la deducción de conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
Estadístico
Llamado también estadígrafo, es una medida descriptiva que resume una característica de una muestra y es calculada a partir de
datos observados de una muestra aleatoria.
2/27
Sexto Nivel
La estadística está ligada con los métodos científicos en la toma, organización, recopilación, presentación y análisis de datos, tanto para
la deducción de conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
Variables
Se llama variable estadística a una característica definida en la población por la investigación estadística y que puede tomar dos o más
valores.
Las variables pueden ser cualitativas y cuantitativas. La primera describe cualidades mientras que la segunda describe cantidades. A
su vez, la variable cuantitativa puede ser continua o discreta. Es continua cuando puede tener valores en un intervalo y es discreta
cuando puede tomar exclusivamente valores exactos (enteros).
Los datos que vienen definidos por una variable discreta o continual se llaman datos discretos o datos continuos, respectivamente. En
general, las medidas dan origen a datos continuos, mientras que las enumeraciones o conteos originan datos discretos.
2/27
Sexto Nivel
Se denomina escala de medición a un instrumento de medida, con el que se asigna valores a las
unidades estadísticas para una variable definida.
3/27
Sexto Nivel
En estadística, una muestra estadística (llamada también muestra aleatoria o simplemente muestra) es
un subconjunto de casos o individuos de una población estadística.
Las muestras se obtienen con la intención de inferir propiedades de la totalidad de la población, para lo
cual deben ser representativas de la misma. Para cumplir esta característica, la inclusión de sujetos en la
muestra debe seguir una técnica de muestreo. En tales casos, puede obtenerse una información similar
a la de un estudio exhaustivo con mayor rapidez y menor coste abajo.
Por otra parte, en ocasiones el muestreo puede ser más exacto que el estudio de toda la población,
porque el manejo de un menor número de datos provoca también menos errores en su manipulación. En
cualquier caso, el conjunto de individuos de la muestra es el sujeto realmente estudiado; es decir, el
muestreo es importante porque:
4/27
Sexto Nivel
En el proceso de cualquier investigación, la recolección de datos constituye el paso fundamental para asegurarse la obtención de
resultados idóneos, ya sea dentro de una muestra o de una población.
La recolección de la información tiene que hacerse de acuerdo con una planificación y esquematización de la investigación, caso
contrario vamos a tener datos que no son relevantes, repetitivos y excesivos. Necesitamos organizar la información de tal manera
que pueda contribuir favorablemente al logro de los objetivos propuestos.
Con el panorama claro de las necesidades de información del proyecto, se deben realizar las siguientes actividades:
A continuación, vamos a ver los diferentes instrumentos y técnicas que tenemos para recolectar información.
Podemos decir que son las herramientas con las que se cuenta para la recolección de datos. Son los procedimientos especiales
utilizados para obtener y evaluar las evidencias necesarias, suficientes y competentes, que permiten formar un juicio profesional y
objetivo. En resumen, podemos decir que son cualquier recurso que recopile información referente a nuestro proyecto.
Tenemos diferentes clases de técnicas para recolectar información: verbales, oculares, documentales, físicas, escritas y de
auditoría.
a) Verbales. Consisten en obtener la información de manera oral mediante averiguaciones o indagaciones. Pueden ser:
entrevistas, encuestas y cuestionarios.
b) O l Obti l i f ió ifi d i l t f di t l l ó l bl d d
5/27
En el proceso de cualquier , la recolección de datos constituye
el paso fundamental para asegurarse la obtención de resultados idóneos,
sea dentro de una muestra o de una población.
Podemos decir que son las herramientas con las que se cuenta para la
recolección de . Son los procedimientos especiales utilizados para
obtener y evaluar las evidencias necesarias, suficientes y competentes, que
permiten formar un juicio profesional y objetivo. En resumen, podemos decir
que son cualquier recurso que recopile información referente a nuestro
proyecto.
· La observación
· La encuesta
· La entrevista
La observación
Es el registro visual de una situación real, estableciendo los acontecimientos
de acuerdo con algún esquema ya planificado.
La encuesta
Es una búsqueda sistemática de información en la que el investigador
pregunta a los investigados sobre los datos que desea obtener y
posteriormente reúne estos datos.
La entrevista
Es the communication interpersonal establecida entre el investigador y el
sujeto de studio, a fin de obtener respuestas verbales a las interrogantes
planteadas sobre el problema propuesto.
La encuesta
a) Exploratoria
b) Descriptiva
Definir la realidad, examinar un fenómeno para caracterizarlo y/o para
diferenciarlo de otros. Es el paso previo en cualquier investigación
mediante la encuesta (provoca los porqué de la investigación explicativa)
Etapas
- Definición teórica del fenómeno a estudiar y selección/definición de las
variables
- Definir la población
- Seleccionar muestras representativas
c) Explicativa
Tipos de variables
d) Predictiva
El diseño del cuestionario constituye el elemento principal del diseño de la encuesta; por lo tanto, su estructura es muy importante.
Dado esto, tenemos que formular preguntas directas y concretas, que abarquen la necesidad de información que el proyecto
requiere, de tal manera que en el momento de procesar toda esta información, esta no sea insuficiente ni inconsistente.
La estadística está ligada con los métodos científicos en la toma, organización, recopilación, presentación y análisis de datos, tanto
para la deducción de conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
• Interesante.
• Sencillo de entender.
• Preciso y claro en las preguntas.
• Ordenado.
• Debe tener un vocabulario adecuado.
• Debe tener espacio suficiente para respuestas.
Una vez que ya tengamos listos los apartados anteriores, procedemos a realizar una prueba piloto o experimental, con el fin de
identificar puntos críticos en los que exista controversia en las respuestas debido a una mala formulación de alguna pregunta (estas
se reformulan o en ciertos casos se eliminan).
6/27
Sexto Nivel
Bibliografía
Levin, Rubin y otros (2004). Estadística para la administración y economía. Estados Unidos: Pearson.
8/27
Sexto Nivel
Autoevaluación
Pregunta 1 de 18
9/27
Sexto Nivel
Autoevaluación
2. Un parámetro es:
Pregunta 2 de 18
10/27
Sexto Nivel
Autoevaluación
Pregunta 3 de 18
11/27
Sexto Nivel
Autoevaluación
Cuantitativas y cualitativas
Continua y no continua
Discreta y no discreta
Analítica y descriptiva
Pregunta 4 de 18
12/27
Sexto Nivel
Autoevaluación
Pregunta 5 de 18
13/27
Sexto Nivel
Autoevaluación
Pregunta 6 de 18
14/27
Sexto Nivel
Autoevaluación
Es una escala en la cual se tiene un cero relativo, es decir que no significa ausencia total de la propiedad que se observa
Se trata de mediciones numéricas en las cuales el valor del cero es arbitrario pero la diferencia de valores es importante
Nos permiten jerarquizar los datos en categorías, ordenadas en virtud de un determinado criterio
Se trata de medidas arbitrarias para definir un proceso
Pregunta 7 de 18
15/27
Sexto Nivel
Autoevaluación
Pregunta 8 de 18
16/27
Sexto Nivel
Autoevaluación
Pregunta 9 de 18
17/27
Sexto Nivel
Autoevaluación
Es más rápido e igual funciona para la población elegida sin importar las características del mismo
La metodología se la aplica según el tipo de muestra elegido
Por lo general no se pueden estudiar a las poblaciones en su totalidad, entonces estaremos obligados a hacer el
muestreo.
Es económico, pero depende del tamaño de la muestra y de la metodología elegida
Pregunta 10 de 18
18/27
Sexto Nivel
Autoevaluación
11. Las técnicas de recolección de datos son las_____________ con las que se cuenta para _____________, son los procedimientos
especiales utilizados para obtener y evaluar las evidencias necesarias
Pregunta 11 de 18
19/27
Sexto Nivel
Autoevaluación
Pregunta 12 de 18
20/27
Sexto Nivel
Autoevaluación
Pregunta 13 de 18
21/27
Sexto Nivel
Autoevaluación
Pregunta 14 de 18
22/27
Sexto Nivel
Autoevaluación
Inferencial
Exploratoria
Explicativa
Predictiva
Pregunta 15 de 18
23/27
Sexto Nivel
Autoevaluación
Pregunta 16 de 18
24/27
Sexto Nivel
Autoevaluación
17. Los tipos de pregunta que pueden realizarse en un cuestionario son: _______, de profundización, _________ o de control
Cerrada/parcialmente estructurada
Abierta/parcialmente estructurada
Abierta/sin estructura
Cerrada/sin estructura
Pregunta 17 de 18
25/27
Sexto Nivel
Autoevaluación
18. Un cuestionario debe ser: interesante, sencillo de entender, ____________, ordenado, ___________ y debe terne espacio suficiente
para las respuestas
Pregunta 18 de 18
26/27
1/21
Sexto Nivel
Toda actividad que hagamos con un propósito investigativo, en el cual el resultado sean varias mediciones, tiene más que simples
números o valores en una hoja. Este conjunto de datos puede ser organizado y tabulado, y de esta manera realizar, entre otros
procesos, gráficos que nos ayuden a captar tendencias y a establecer modelos de probabilidades. Lo que nos dice esto es que la
organización de los datos es muy importante para los procesos y análisis estadísticos.
Existen muchas herramientas para describir y resumir un gran conjunto de datos, una de las más simples pero no menos importante
es la ordenada, es decir, ordenar los datos de forma ascendente o descendente. Para ciertos propósitos este orden de los datos no
es suficiente, y es cuando necesitamos otras herramientas o métodos para organizarlos, de aquí tenemos lo siguiente:
a) Distribuciones de frecuencias
Una distribución de frecuencias se puede tomar como una tabla donde los datos están categorizados por filas, y su ocurrencia o
frecuencia en columnas, la finalidad que tiene esta distribución es hacer más fácil la obtención de información de los datos.
El número de veces que aparece un valor o la frecuencia con que aparece un valor se llama frecuencia absoluta (fi), y la suma de
estas frecuencias absolutas nos tiene que dar como resultado el número de datos.
Al ordenar nuestros datos tomando en cuenta estas consideraciones, podemos decir que hemos realizado una distribución de
frecuencias o tabla de frecuencias.
En la Tabla 1 se muestra un ejemplo de distribución de frecuencias del peso de 100 estudiantes de una universidad de Perú.
Tabla 1
Peso de estudiantes
2/21
Toda actividad que hagamos con un propósito investigativo, en el cual el
resultado sean varias mediciones, tiene más que simples números o valores
en una hoja. Este conjunto de datos puede ser organizado y tabulado, y de
esta manera realizar, entre otros procesos, gráficos que nos ayuden a captar
tendencias y a establecer modelos de probabilidades. Lo que nos dice esto
es que la organización de los datos es muy importante para los procesos y
análisis estadísticos.
a) Distribuciones de frecuencias
Una distribución de frecuencias se puede tomar como una tabla donde los
datos están categorizados por filas, y su ocurrencia o frecuencia en
columnas, la finalidad que tiene esta distribución es hacer más fácil la
obtención de información de los datos.
Tabla 1
Peso de estudiantes
Un dato importante que hay que mencionar es que cada clase tiene un límite
inferior y un límite superior (por ejemplo la tercera clase 160-169 tiene
como límite superior a 169 y como límite inferior a 160). Podemos ver que
estos valores son exactos y más adelante notaremos su importancia, además
es esencial que los valores no se solapen de una clase a otra, esto puede
causar mucha confusión.
Ejemplo 1
Desarrollo
Utilizando los conceptos revisados, calculamos lo solicitado (se puede hacer
manualmente o utilizando una hoja de cálculo, en la cual, hay que tener
tomar en cuenta la codificación de las fórmulas en cada celda):
Total 80
Ejemplo 2
La siguiente tabla representa la distribución de frecuencias para los valores
pagados por horas extras de 70 trabajadores del área de Limpieza de la
Universidad Internacional.
Salario Número de trabajadores
(frecuencia)
50-59,99 8
60-69,99 10
70-79,99 16
80-89,99 15
90-99,99 10
100-119,99 8
120-179,99 3
Elaborar una tabla de frecuencias acumuladas con criterio “menor que” y “o
más”.
Desarrollo
Utilizando los contenidos estudiados, se sabe que se debe tomar en cuenta
el límite inferior de cada intervalo de clase.
2. Criterio “o más”
Salarios Frecuencia % Frecuencia
acumulada acumulada
50 o más 70 100,00
60 o más 62 88,57
70 o más 52 74.29
80 o más 36 51,43
90 o más 21 30,00
100 o más 11 15,71
120 o más 3 4,29
179,99 o más 0 0.0
e) Tablas de contingencias
Tabla 2
Sexo y voto de 92 electores
Nota: La columna y fila General representan los totales por columna y por fila,
respectivamente.
f) Gráficos estadísticos
Una variable cualitativa, como se había indicado, se caracteriza por contener observaciones no numéricas sin embargo podrían ▲
ser representadas numéricamente por las frecuencias absolutas y relativas (Congacha, 2016). Gracias a este proceso, loa
gráficos utilizados con estas variables son: diagramas de barra y el gráfico circular (o de pastel).
Gráfico circular
Presenta los datos en forma círculo o tarta y de ahí que se lo llama también gráfico de pastel. El círculo que lo describe se
encuentra dividido en segmentos en donde cada área de cada uno de los segmentos es proporcional al número de casos en esa
categoría. De manera general, se usan porcentajes para cada categoría. Una muestra de cómo se ve el gráfico de pastel se
presenta en la figura 1.
3/21
Sexto Nivel
Gráfico de barras ▲
Otra manera de representar los datos es mediante el llamando gráfico de barras, que consiste en exhibir los datos mediante un
número de rectángulos, del mismo ancho, en donde cada uno de ellos representa una categoría particular. La longitud (y por lo
tanto el área) de cada rectángulo es proporcional al número de casos en la categoría que representa. Se usa de manera general
para datos cualitativos. Una muestra de cómo se ve el gráfico de barras se presenta en la figura 2.
3/21
Sexto Nivel
Como se conoce si los resultados de una investigación nos ha conducido a obtener valores numéricos, estamos tratando con las
variables cuantitativas. Para poder representarlos utilizamos histogramas, polígonos de frecuencia, ojivas, diagramas de caja,
diagramas de tallo y hojas y diagramas de puntos. Sin embargo, las variables cuantitativas también pueden utilizar el diagrama
circular y el diagrama de barras para ser representados (Congacha, 2016).
Histograma
Es un método útil y muy corriente de visualizar datos. Para el efecto hay que las clases (o intervalos) de una distribución de
frecuencias en el eje horizontal y las frecuencias absolutas en el eje vertical. Representa los datos de manera similar que el
diagrama de barras, es decir, que el área de cada barra rectangular es proporcional a la frecuencia de la clase.
4/21
Como se conoce si los resultados de una investigación nos ha conducido a
obtener valores numéricos, estamos tratando con las variables cuantitativas.
Para poder representarlos utilizamos histogramas, polígonos de frecuencia,
ojivas, diagramas de caja, diagramas de tallo y hojas y diagramas de puntos.
Sin embargo, las variables cuantitativas también pueden utilizar el diagrama
circular y el diagrama de barras para ser representados (Congacha, 2016).
Histograma
Es un método útil y muy corriente de visualizar datos. Para el efecto hay que
las clases (o intervalos) de una distribución de frecuencias en el eje horizontal
y las frecuencias absolutas en el eje vertical. Representa los datos de manera
similar que el diagrama de barras, es decir, que el área de cada barra
rectangular es proporcional a la frecuencia de la clase.
Figura 3. Histograma
Figura 4. Histograma
Polígono de frecuencias
Figura 8. Ojiva
Diagramas de caja
Los diagramas de caja se construyen tomando en consideración las
puntuaciones que dividen al grupo de datos en 4 partes iguales (es decir,
cuartiles, que es una medida de posición que se revisará en el tema siguiente).
Como los diagramas de caja toman en cuenta estos valores, permiten
visualizar el espacio que ocupa cada 25% de los datos considerados en
función de “puntuaciones directas” (Morales, 2008).
Este tipo de diagramas son utilizados para hacer comparaciones
principalmente cuando:
- Se tiene dos o más grupos medidos en la misma variable (el caso
más común) y
- Se tiene un mismo grupo medido en varias variables (la
condicionante en este caso es que cada variable está medida en un
mismo número de ítems)
Los diagramas de caja están formados por:
a) Un rectángulo (que es la caja) cuyos extremos son el cuartil 1 y el cuartil
3. Dentro del rectángulo se dibuja una línea que indica donde se
encuentra el segundo cuartil o mediana.
b) Dos brazos: el primero que comienza en el primer cuartil y termina en el
valor mínimo de los datos que se estudian y el segundo que comienza
en el tercer cuartil y termina en el valor máximo de los datos
considerados.
c) Los datos llamado atípicos (que son los valores extremos). Los datos
atípicos son aquellos datos que no cumplen con ciertas características
de heterogeneidad en el conjunto de datos estudiados.
En la figura 9 podrá visualizar un diagrama de caja y sus elementos:
Como se puede observar, para cada fila el número que se encuentra en el tallo
constituye el primer dígito(s) de los valores numéricos de los datos que se
estudia. En la hoja se coloca el dígito de 0 a 9 restantes. La dispersión
mostrará que tanto varía el conjunto de datos.
Diagramas de puntos
Los diagramas de puntos (o gráfico de puntos) se utilizan cuando los datos
que se tiene no se pueden separar fácilmente en categorías o clases. Para
construir estos diagramas colocamos la información sobre una línea horizontal
(a modo de recta numérica) como se puede apreciar en las figuras 11 y 12.
Recursos complementarios
Distribución de frecuencias
https://www.youtube.com/watch?v=Ecd3BIcJ1yA
5/21
Sexto Nivel
Bibliografía
Gorgas, J., Cardiel, N. (2011). Estadística básica para estudiantes de ciencias. España: Universidad
Complutense de Madrid.
Morales, P. (2008). Estadística Aplicada a las Ciencias Sociales. España. Universidad Pontificia Comillas
de Madrid
Webster, A. (2012). Estadística aplicada para la administración y economía. Estados Unidos: Irwin.
6/21
Sexto Nivel
Autoevaluación
Una herramienta con la cual podemos resumir mediante una tabla numerosos datos de tal manera que se ponga de
manifiesto la localización y la dispersión de las observaciones.
Una herramienta con la cual podemos resumir mediante un gráfico numerosos datos de tal manera que se ponga de
manifiesto la localización y la dispersión de las observaciones.
Una carta de control con la cual podemos resumir mediante proporciones numerosos datos de tal manera que se ponga
de manifiesto la localización y la dispersión de las observaciones.
Una evaluación con la cual podemos resumir mediante gráficos numerosos datos de tal manera que se ponga de
manifiesto la localización y la dispersión de las observaciones
Pregunta 1 de 14
7/21
Sexto Nivel
Autoevaluación
Pregunta 2 de 14
8/21
Sexto Nivel
Autoevaluación
Pregunta 3 de 14
9/21
Sexto Nivel
Autoevaluación
Pregunta 4 de 14
10/21
Sexto Nivel
Autoevaluación
Pregunta 5 de 14
11/21
Sexto Nivel
Autoevaluación
Pregunta 6 de 14
12/21
Sexto Nivel
Autoevaluación
7. Se presenta a continuación los pesos (en libras) de 40 estudiantes de la UDL Si se construye una tabla de distribución de frecuencias
entonces que enunciado es verdadero:
El rango de estos datos es 57 libras y el tamaño de cada uno si se utilizan 5 intervalos es 11 aproximadamente
El rango de estos datos es 56 libras y el tamaño de cada uno si se utilizan 20 intervalos será de 3 aproximadamente
13/21
Sexto Nivel
Autoevaluación
Pregunta 8 de 14
14/21
Sexto Nivel
Autoevaluación
Frecuencias acumuladas
Datos de una distribución
Frecuencias relativas
Ninguna
Pregunta 9 de 14
15/21
Sexto Nivel
Autoevaluación
Frecuencias absolutas
Frecuencias absolutas acumuladas
Frecuencias relativas porcentuales
Frecuencias relativas acumuladas porcentuales
Pregunta 10 de 14
16/21
Sexto Nivel
Autoevaluación
Pregunta 11 de 14
17/21
Sexto Nivel
Autoevaluación
12. El diagrama de tallo y hoja divide a cada uno de los datos proporcionados en:
Dos partes
Tres partes
Cuatro partes
Cinco partes
Pregunta 12 de 14
18/21
Sexto Nivel
Autoevaluación
13. Para un diagrama de caja se toma en consideración los valores que dividen al grupo de datos en:
Diez partes
Cinco partes
Cuatro partes
Cien partes
Pregunta 13 de 14
19/21
Sexto Nivel
Autoevaluación
El diagrama de caja visualiza el espacio que ocupa cada 25% del grupo en función de puntuaciones directas
El diagrama de caja visualiza el espacio que ocupa cada 33.33% del grupo en función de puntuaciones directas
El diagrama de caja sirve para hacer comparaciones entre dos o más grupos medidos en una misma variable
El diagrama de caja sirve para hacer comparaciones en un mismo grupo de datos medidos en varias variables
Pregunta 14 de 14
20/21
1/24
Sexto Nivel
Introducción
El uso de tablas y gráficos nos proporcionan información útil sobre el conjunto de datos que se está
investigando, sin embargo, no son el mejor referente para sacar conclusiones basados en el mismo
conjunto (Congacha, 2016).
Es importante saber que los datos recolectados para un estudio estadístico no son generalmente
constantes. Es necesario ver una medida que nos indique la variabilidad de estos datos y nos dé una
referencia sobre alrededor de qué valor fluctúan. Por otro lado, también es necesario conocer la simetría
y la forma en la que los datos tienden a agruparse.
Las medidas que permite esto son las llamadas medidas descriptivas y usualmente se encuadran en los
siguientes cuatro tipos:
2/24
Sexto Nivel
Los estadísticos de ubicación o de tendencia central (también llamados promedios) proporcionan una estimación de la puntuación
típica, común o normal encontrada en una distribución de puntuaciones en bruto.
Es muy importante que, a más de saber calcular las medidas de tendencia central, se pueda dar una interpretación correcta de la
información que estas proporcionan.
Una primera medida es la media poblacional que es la suma de todos los valores observados en la población dividido por el
número de datos en la población. La media muestral es la suma de todos los valores de la muestra dividido por el número de datos
en la muestra.
Si analizamos las propiedades de la media aritmética, entre las que destaca que es única y que su cálculo incluye todos los datos
de la muestra, es por esto que es la medida de tendencia central más utilizada; sin embargo, el valor de la media aritmética se ve
afectado por la presencia de uno o más valores sumamente grandes o pequeños (valores extremos). En tales casos, la medida de
tendencia central más representativa es la mediana. La media ponderada es un caso especial de la media aritmética.
Otra medida de tendencia central que es utilizada es la media geométrica que resulta útil para determinar el promedio de
porcentajes, razones, índices o tasas de crecimiento. La media geométrica es la raíz enésima del producto de n datos.
La mediana es el punto medio de los valores una vez que se han ordenado de menor a mayor. Si el número de datos es par, la
mediana es la media aritmética de los dos valores centrales. Si el número de datos es impar, la mediana es el único dato central.
Las principales propiedades de la mediana son que no es influida por la presencia de valores extremos y que es calculable en el
3/24
Los estadísticos de ubicación o de tendencia central (también llamados
promedios) proporcionan una estimación de la puntuación típica, común o
normal encontrada en una distribución de puntuaciones en bruto.
La mediana es el punto medio de los valores una vez que se han ordenado
de menor a mayor. Si el número de datos es par, la mediana es la media
aritmética de los dos valores centrales. Si el número de datos es impar, la
mediana es el único dato central. Las principales propiedades de la mediana
son que no es influida por la presencia de valores extremos y que es
calculable en el caso de datos de nivel ordinal o más altos.
Ejemplo
1) Media aritmética: =
2) Media geométrica
6) Tipo de sesgo: Media > Mediana > Moda sesgo positivo o a la derecha
Media aritmética
Donde:
= límite inferior de la clase de la mediana
= frecuencia acumulada de la clase anterior a la clase de la
mediana.
= frecuencia de la clase que contiene a la mediana
Moda
Se la puede aproximar por el punto medio de la clase modal.
Donde:
= límite inferior de la clase modal
= (frecuencia de la clase modal) – (frecuencia de la clase que
le antecede)
= (frecuencia de la clase modal) – (frecuencia de la clase que
le sigue)
= es el ancho del intervalo de clase.
Sexto Nivel
Una medida de ubicación, como la media o la mediana, solo describe el centro de los datos, pero no dice nada sobre la dispersión
de los datos. Por eso son necesarias las llamadas medidas de dispersión.
Una medida de dispersión pequeña indica que los datos se acumulan con proximidad alrededor de la media aritmética, mientras que
una medida de dispersión grande indica que hay uno o varios datos alejados de la media aritmética.
El rango es la medida de dispersión más simple. Es la diferencia entre el valor máximo y el valor mínimo de un conjunto de datos.
Es muy fácil de calcular y entender, sin embargo, es una medida de dispersión que da una información limitada ya que solo toma en
cuenta dos valores (el máximo y el mínimo) de la distribución.
La varianza es la media aritmética de las desviaciones de la media elevadas al cuadrado. La desviación estándar es la raíz
cuadrada de la varianza. Podemos hablar de una varianza poblacional y de una varianza muestral.
La diferencia principal es que, en la varianza poblacional, el numerador se divide por N (tamaño de poblacional) y en la varianza
muestral por n-1 (donde n es el tamaño muestral) ya que se debe compensar el hecho de que la distribución muestral tiene menor
dispersión que la distribución poblacional.
Ejemplo
Calcular la desviación estándar de los siguientes datos considerando que son datos: a) de una población y b) de una muestra.
4/24
Una medida de ubicación, como la media o la mediana, solo describe el
centro de los datos, pero no dice nada sobre la dispersión de los datos. Por
eso son necesarias las llamadas medidas de dispersión.
Una medida de dispersión pequeña indica que los datos se acumulan con
proximidad alrededor de la media aritmética, mientras que una medida de
dispersión grande indica que hay uno o varios datos alejados de la media
aritmética.
Ejemplo
4 5 8 7 9 6
a) µ = 39/6 = 6.5
X X-µ (X-µ)2
4 -2.5 6.25
5 -1.5 2.25
8 1.5 2.25
7 0.5 0.25
9 2.5 6.25
6 0.5 0.25
_____
S (X-µ)2=17.5 à σ2 = S (X-µ)2/N = 17.5/6 = 2.917 à σ = 1.708
Desviación estándar
Donde:
Dispersión relativa
Coeficiente de variación
De la población:
De la muestra:
Coeficiente de asimetría o sesgo, denominado coeficiente de Pearson
Rango Intercuartílico
Como bien se ha descrito en las medidas de tendencia central, la mediana nos permite dividir al grupo de datos ordenados en dos
partes iguales. Sin embargo, en ocasiones es necesario dividir al grupo de datos estudiado en más partes iguales, en este caso, se
estudian las llamadas medidas de posición.
Las medidas de posición más comunes son los cuartiles, deciles y percentiles (o centiles), aunque existe bibliografía que también
considera el uso de quintiles.
Los cuartiles dividen al grupo de datos ordenado en cuatro partes iguales y se denotan con la letra Q. Existe tres cuartiles: Q1, Q2
y Q3 indicando que el cuartil 2 o Q2 es el valor de la mediana. La figura 1 indica la representación de los cuartiles:
Los deciles en cambio dividen al grupo de datos ordenado en diez partes iguales y se denotan con la letra D. Existe nueve deciles:
D1, D2 …. D9 indicando que el decil 5 o D5 es el valor de la mediana. En la figura 2 se puede apreciar la representación de los
deciles:
5/24
Como bien se ha descrito en las medidas de tendencia central, la mediana
nos permite dividir al grupo de datos ordenados en dos partes iguales. Sin
embargo, en ocasiones es necesario dividir al grupo de datos estudiado en
más partes iguales, en este caso, se estudian las llamadas medidas de
posición.
Para la posición del primer cuartil Q1 use C = 25, para el tercer cuartil Q3 use
C= 75. (Q1 = C25; Q3 = C75), en algunos textos en vez de C se usa P, así
P25
Para calcular la posición de un percentil, por ejemplo; P30 use C = 300; para
el percentil 70 P70 use C = 700
Recuerde NO confundir posición del cuartil, decil o percentil con el valor del
cuartil, decil o percentil, son dos procesos diferentes que se complementan.
Ejemplo
Solución
De igual manera:
Donde:
Li = límite inferior de la clase o intervalo donde se debería encontrar el cuartil,
decil o percentil buscado
Fi-1 = frecuencia absoluta acumulada del intervalo anterior al intervalo donde
se debería encontrar el cuartil, decil o percentil buscado
fi = frecuencia absoluta del intervalo donde se debería encontrar el cual, decil
o percentil buscado
c = ancho del intervalo
Sexto Nivel
Aparte de las medidas de tendencia central y de dispersión, otra característica de un conjunto de datos es la forma. Hay cuatro
formas: simétrica, con sesgo positivo, con sesgo negativo y bimodal. En un conjunto simétrico media, mediana y moda son iguales y
los valores de los datos se dispersan uniformemente en torno a estos valores. Un conjunto de valores se encuentra sesgado a la
derecha o positivamente sesgado si existe un solo pico y los valores se extienden mucho más allá a la derecha del pico que a la
izquierda de este.
En una distribución sesgada a la izquierda o negativamente sesgada existe un solo pico pero las observaciones se extienden más a
la izquierda, en dirección negativa (figura 4).
6/24
Medidas de sesgo y curtosis
2 3 4 4 5 6
x (x- )
2 -2 4 16
3 -1 1 1
4 0 0 0
4 0 0 0
5 1 1 1
6 2 4 16
10 34
La curva es platicúrtica.
Rango intercuartílico
Ejemplo
1. El bigote izquierdo es
más corto que el derecho.
Comentario
3.5. Pasos para la elaboración de un informe básico utilizando elementos de la estadística descriptiva
Antes de describir los pasos que se deben seguir para la elaboración de un informe básico, se debe comenzar comprendiendo que
es un informe y cuál es su utilidad.
Definición
Un informe es un instrumento que nos permite “describir” las cualidades de un hecho y de todos los eventos que le rodean. Al
hablar de informes estadísticos podría entonces decirse que es el instrumento que nos permitirá “describir” las cualidades y
características del experimento que se está investigando.
El informe puede ser dado de manera oral o escrita y responde siempre a un objetivo muy concreto y tiene un carácter informativo.
Utilidad
Partiendo de su definición, podemos indicar que la utilidad que presenta un informe es proporcionar información relevante que nos
permita conocer las características y circunstancias sobre las cuales se desarrolla determinado suceso o experimento que se está
investigando.
Estructura
Un informe estadístico debe contener algunos puntos básicos, según se describe en la figura 6 (OBSICA, 2014):
7/24
Antes de describir los pasos que se deben seguir para la elaboración de un informe
básico, se debe comenzar comprendiendo que es un informe y cuál es su utilidad.
Definición
Utilidad
Estructura
La figura 7 ilustra las preguntas que contestan cada uno de estos aspectos
para lograr completar esta fase con éxito (OBSICA, 2014):
Figura 7. Aspectos a tomar en cuenta en la planificación
2) Redactar: Este paso se refiere a desarrollar todas las ideas que se han considerado
en la etapa 1 (planear) tomando en consideración toda la información recolectada.
5. Conclusiones y Recomendaciones
Sexto Nivel
Recursos complementarios
https://www.youtube.com/watch?v=0DA7Wtz1ddg
8/24
Sexto Nivel
Bibliografía
Gorgas, J., Cardiel, N. (2011). Estadística básica para estudiantes de ciencias. España: Universidad
Complutense de Madrid.
Webster, A. (2012). Estadística aplicada para la administración y economía. Estados Unidos: Irwin.
Galindo, E. (1999). Estadística para la administración y la ingeniería. Ecuador: Gráfica Mediavilla Hnos.
OBSICA (2014). Cuaderno Metodológico sobre Informes Descriptivos. El Salvador. Observatorio e Índice
de Seguridad Democrática del Sistema de la Integración Centroamericana
9/24
Sexto Nivel
Autoevaluación
1. Denny está preocupado, y con razón, por su nota en Estadístic En los cinco exámenes de este semestre ha conseguido las
siguientes notas: 63, 59, 71, 41, 32. Su profesor le ha advertido que cualquier nota por debajo de 60 es insuficiente. La nota promedio
de Denny es:
55
63
53.2
62.5
Pregunta 1 de 14
10/24
Sexto Nivel
Autoevaluación
4.8925
6.8965
5.6875
-4.8965
Pregunta 2 de 14
11/24
Sexto Nivel
Autoevaluación
6
6.5
-0.5
9
Pregunta 3 de 14
12/24
Sexto Nivel
Autoevaluación
4. Dadas las observaciones 4, 9, 8, -1, -0.5, 12, 5 y 9 ; podemos decir que presenta una moda:
bimodal
trimodal
unimodal
no tiene moda
Pregunta 4 de 14
13/24
Sexto Nivel
Autoevaluación
5. En un número reciente de la revista FORBEX se publicó que 30 de las 500 mayores empresas de los Estados Unidos declaraban
ingresos en millones de dólares, según la siguiente tabla:
14/24
Sexto Nivel
Autoevaluación
6. Dados los siguientes datos: 73, 82, 64, 61, 63, 68, 52, 73 ; el rango de los mismos es:
30
40
35
45
Pregunta 6 de 14
15/24
Sexto Nivel
Autoevaluación
7. Arturo Suárez vende cinco pólizas de seguros diferentes que saca del maletero de su Plymouth de 2010. Sus primas mensuales son
110, 145, 125, 95 y 150 us La varianza de estos datos será:
420
430
435
425
Pregunta 7 de 14
16/24
Sexto Nivel
Autoevaluación
8. Arturo Suárez vende cinco pólizas de seguros diferentes que saca del maletero de su Plymouth de 2010. Sus primas mensuales son
110, 145, 125, 95 y 150 us La desviación estándar de estos datos serán:
20.54
30.54
30.74
20.74
Pregunta 8 de 14
17/24
Sexto Nivel
Autoevaluación
9. El director de vuelo de PP necesita información sobre la dispersión del número de pasajeros. Las decisiones en relación con los
horarios y el tamaño más eficiente de los aviones dependen de la fluctuación de la carga de pasajeros. Cuál es el valor de la desviación
estándar de los datos indicados:
10.80
11.80
12.80
9.80
Pregunta 9 de 14
18/24
Sexto Nivel
Autoevaluación
Pregunta 10 de 14
19/24
Sexto Nivel
Autoevaluación
Leptocúrtica
Mesocúrtica
Platicúrtica
Ninguna
Pregunta 11 de 14
20/24
Sexto Nivel
Autoevaluación
12. Una medida de dispersión que se usa cuando la mediana es la descriptiva de tendencia central representativa es:
Rango
Rango Intercuartílico
Desviación media
Desviación estándar
Pregunta 12 de 14
21/24
Sexto Nivel
Autoevaluación
Pregunta 13 de 14
22/24
Sexto Nivel
Autoevaluación
Pregunta 14 de 14
23/24
1/23
Sexto Nivel
Cuando es posible escribir un evento que sea de interés en función de la unión, la intersección o el complemento hay reglas
especiales de probabilidad que pueden ayudar a simplificar los cálculos inherentes que se deban realizar:
Se aplica cuando los eventos son mutuamente excluyentes o disjuntos. (Recuerde que los eventos A y B son mutuamente
excluyentes cuando el evento A ocurre el evento B no puede ocurrir o viceversa)
En el ejemplo de las 3 bolas rojas, 2 blancas y 5 azules, calcular la probabilidad de que al sacar una bola de la urna esta sea:
3/23
Cuando es posible escribir un evento que sea de interés en función de la
unión, la intersección o el complemento hay reglas especiales de
probabilidad que pueden ayudar a simplificar los cálculos inherentes que se
deban realizar:
Ejemplo
Un estudiante está tomando Álgebra y Castellano. Si la probabilidad de que
apruebe Álgebra es 0.75, la de que apruebe Castellano es 0.90 y la
probabilidad de que apruebe Álgebra y Castellano es 0.70. Se pregunta,
¿cuál es la probabilidad de que apruebe Álgebra o Castellano?
Ejemplo
Se lanza un dado por dos ocasiones, ¿cuál es la probabilidad de que en los
dos lanzamientos caiga en 3?
· Probabilidad condicional
P(R y B) =
Obsérvese que la probabilidad de que la primera vez salga roja es 3 /10, pero
al haber sacado una roja ahora nos quedan en total 9 bolas, de las cuales 2
son blancas.
· Teorema de Bayes
Es decir:
· Probabilidad Marginal
La probabilidad marginal es aquella que permite calcular probabilidades
totales. Se da esta probabilidad cuando es de interés conocer la distribución
de un evento sin tener en cuenta el otro evento (a esto se lo llama
“marginar”). La distribución de la variable por separado se llama “distribución
marginal”:
Sexto Nivel
Los problemas de probabilidades se resuelven fácilmente usando una tabla de contingencia o matriz de probabilidad, en ella se
pueden leer las probabilidades a priori y las probabilidades conjuntas o de intersección. Además permite calcular fácilmente las
probabilidades de la unión de eventos y las condicionales, tal como se ilustra a continuación.
Ejemplo
El personal que labora en una empresa está formado por hombres y mujeres que trabajan en las siguientes secciones: Gerencia,
Profesional y Técnica, cuyos datos se resumen en la siguiente tabla:
Sección Género
Hombre Mujer
Gerencia 8 3
Profesional 24 16
Técnica 50 35
Complete esta tabla de contingencia y luego, suponiendo que se elige al azar un empleado, calcule las siguientes probabilidades:
Ejemplo
El personal que labora en una empresa está formado por hombres y mujeres
que trabajan en las siguientes secciones: Gerencia, Profesional y Técnica,
cuyos datos se resumen en la siguiente tabla:
Sección Género
Hombre Mujer
Gerencia 8 3
Profesional 24 16
Técnica 50 35
Solución
A la tabla de los datos le añadimos una fila y una columna para los totales
parciales de las filas y de las columnas. En la celda del extremo inferior
derecho se coloca el total horizontal y vertical.
Técnica 50 35 85
Total 82 54 136
a) P(Mujer) = 54/136
b) P(Hombre y Técnica) = 50/136
c) P (Gerencia o Profesional) = P(Gerencia) + P(Profesional) = 11/136 +
40/136 = 51/136
d) P(Gerencia/ Mujer) = 3/54 En la columna de MUJER vemos que 3 de
las 54 trabajan en gerencia. También se puede aplicar la fórmula de la
probabilidad condicional.
Aplicando la fórmula:
Diagrama de árbol
Existe un principio sencillo de los diagramas de árbol que hace que estos
sean mucho más útiles para los cálculos rápidos de probabilidad:
multiplicamos las probabilidades si se trata de ramas adyacentes
(contiguas).
Ejemplos
Las técnicas de conteo son aquellas que son usadas para enumerar eventos difíciles de cuantificar. Son utilizadas de manera
común en probabilidades.
Las técnicas de conteo se utilizan para poder calcular de una manera más ágil los elementos necesarios para el cálculo de
probabilidades utilizando el enfoque clásico.
1. Fórmula de la multiplicación. Si hay m formas de realizar una cosa y n formas de hacer otra, habrá mxn formas de realizar
ambas en conjunto. Esta regla se extiende a 3, 4 o más acciones.
Ejemplo
Un joven tiene 3 pares de zapatos, 4 pantalones y 5 camisas. ¿De cuántas maneras puede vestirse?
Ejemplo
El libro que va a colocar en primer lugar puede elegir de 4 maneras, le quedan 3 libros, entonces el que va a colocar en la segunda
posición puede elegirse de 3 maneras; le quedan 2 para la tercera posición; y una vez colocado el tercero le queda 1 para la cuarta
5/23
Las técnicas de conteo son aquellas que son usadas para enumerar eventos
difíciles de cuantificar. Son utilizadas de manera común en probabilidades.
Las técnicas de conteo se utilizan para poder calcular de una manera más
ágil los elementos necesarios para el cálculo de probabilidades utilizando el
enfoque clásico.
Ejemplo
Ejemplo
Ejemplo
12 13 21 23 31 32
3. Combinaciones.
Ejemplo
Observe que en este caso no importa el orden porque por ejemplo las sumas
1+2 y 2+1 son las mismas, entonces el número de sumas distintas son:
Ejemplo
¿Cuántas combinaciones de dos letras se pueden formar con las letras A, B,
C y D?
Autoevaluación
1. La probabilidad de extracción de una extracción de una baraja de 52 cartas de un rey, as, jota de tréboles o reina de diamantes es:
5/26
6/26
1/13
4/26
Pregunta 1 de 15
8/23
Sexto Nivel
Autoevaluación
2. La probabilidad de que aparezca al menos una cara en tres lanzamientos de una moneda:
1/8
7/8
1/4
3/8
Pregunta 2 de 15
9/23
Sexto Nivel
Autoevaluación
3. Se extrae una bola al azar de una caja que contiene 10 rojas, 30 blancas, 20 azules y 15 naranjas. La probabilidad de que sea no
roja o azul es:
1/3
3/5
2/5
2/3
Pregunta 3 de 15
10/23
Sexto Nivel
Autoevaluación
4. Una caja contiene 9 papeletas numeradas del 1 al 9 inclusive. Si se extraen tres papeletas sucesivamente, la probabilidad de que
sean alternativamente impar, par, impar o par, impar, par:
5/18
4/17
1/3
2/5
Pregunta 4 de 15
11/23
Sexto Nivel
Autoevaluación
5. La probabilidad de conseguir un total de 7 puntos una vez en dos lanzamientos de dos dados es:
11/36
9/4
5/18
5/12
Pregunta 5 de 15
12/23
Sexto Nivel
Autoevaluación
6. La probabilidad de conseguir un total de 7 puntos al menos una vez en dos lanzamientos de dos dados es:
5/18
5/36
1/36
11/36
Pregunta 6 de 15
13/23
Sexto Nivel
Autoevaluación
7. Se extraen sucesivamente dos cartas de una baraja de 52. La probabilidad de que la primera carta sea un as pero la segunda no es:
47/52
16/221
15/34
13/17
Pregunta 7 de 15
14/23
Sexto Nivel
Autoevaluación
8. Se extraen 3 cartas de una baraja de 52. La probabilidad de que dos sean jotas y una rey es:
22/245
6/5525
169/425
73/5525
Pregunta 8 de 15
15/23
Sexto Nivel
Autoevaluación
2/9
1/3
1/2
3/8
Pregunta 9 de 15
16/23
Sexto Nivel
Autoevaluación
10. En una encuesta realizada por la American encontró que 60% de sus socios hicieron alguna reservación en una línea aérea el año
pasado. Se toman dos integrantes al azar. ¿Cuál es la probabilidad de que ambos hayan hecho una reservación en alguna línea área?
0.36
0.66
0.96
0.16
Pregunta 10 de 15
17/23
Sexto Nivel
Autoevaluación
11. Hallar la probabilidad de que en tres lanzamientos aparezcan dos caras y un sello:
3/8
1/8
1/2
2/8
Pregunta 11 de 15
18/23
Sexto Nivel
Autoevaluación
12. Hallar la probabilidad de que en una familia con cuatro hijos tenga al menos un niño:
1/16
15/16
1/8
5/8
Pregunta 12 de 15
19/23
Sexto Nivel
Autoevaluación
1296
1196
956
1000
Pregunta 13 de 15
20/23
Sexto Nivel
Autoevaluación
14. Tres matrimonios se reúnen para celebrar el aniversario de cado uno de ellos. Desean que les hagan un fotografía de forma que
todos los hombres juntos y también todas las mujeres. ¿de cuántas formas pueden colocarse?
47
67
72
52
Pregunta 14 de 15
21/23
Sexto Nivel
Autoevaluación
15. Se quiere preparar una salsa con tres ingredientes. Si disponemos de 7 ingredientes en la alacena, cuántas salsas será posible
elaborar?
15
20
35
40
Pregunta 15 de 15
22/23
1/28
Sexto Nivel
Introducción
2/28
Sexto Nivel
5.1. Introducción a las variables aleatorias: Definición y tipos. Funciones de probabilidad y distribución para
variables aleatorias discretas
Una variable, como se sabe, es un símbolo que actúa en las funciones, las fórmulas, los algoritmos y las proposiciones de las ▲
matemáticas y la estadística, que según sus características se clasifican de distinto modo.
Se denomina entonces variable aleatoria (o estocástica) a la función que adjudica eventos posibles a números reales, es decir
cifras, y cuyos valores se miden en experimentos de tipo aleatorio. Los valores posibles representan los resultados de
experimentos que todavía no se llevaron a cabo o cantidades inciertas.
Es importante mencionar que estos experimentos aleatorios deben ser desarrollados bajo las mismas condiciones y que pueden
ofrecer resultados diferentes. La variable aleatoria, permite ofrecer una descripción de la probabilidad de que se adopten ciertos
valores, de ahí la relevancia de su estudio.
Las variables aleatorias pueden clasificarse en discretas y continuas. Son discretas cuando sólo puede tomar un número
determinado de valores (valores enteros) y son continuas cuando puede tomar distintos valores en un intervalo dado.
Al estudiar variables aleatorias, se debe tomar en consideración que la Teoría de Probabilidades y Estadística define para estas
las llamadas funciones de densidad de la distribución de probabilidad y la función acumulativa de probabilidad.
La función de densidad probabilidad para variables discretas asigna a cada resultado o suceso posible definido sobre la variable la
probabilidad que dicho suceso ocurra; mientras que para variables continuas asigna a cada intervalo de resultados posibles un
valor de probabilidad de que ese evento suceda.
3/28
Sexto Nivel
5.1. Introducción a las variables aleatorias: Definición y tipos. Funciones de probabilidad y distribución para
variables aleatorias discretas
La función acumulativa es la suma para las variables discretas y la integración para las variables continuas de las probabilidades ▲
que le corresponden a todos los posibles resultados considerados para la variable aleatoria (tomando en consideración desde el
valor más pequeño al más grande)
En estadística descriptiva se observó a las distribuciones de frecuencias como una forma útil de resumir variaciones en los datos
observados. Las distribuciones de probabilidad están relacionadas con las distribuciones de frecuencias. De hecho, podemos
pensar que una distribución de probabilidad es una distribución de frecuencias teórica.
Una distribución de frecuencias teórica es una distribución de probabilidades que describe la forma en que se espera varíen los
resultados. Como estas distribuciones representan las expectativas de que algo suceda, resultan modelos útiles para hacer
inferencias y tomar decisiones en condiciones de incertidumbre.
Las funciones de densidad de distribución y acumulativa, en su carácter de valiosos modelos teóricos para describir el
comportamiento de los valores de determinadas variables aleatorias, se distinguen por poseer parámetros para la población.
3/28
Sexto Nivel
5.1. Introducción a las variables aleatorias: Definición y tipos. Funciones de probabilidad y distribución para
variables aleatorias discretas
Función de densidad de distribución de probabilidad y distribución de probabilidades para variables discretas ▲
La definición para la función de distribución de una variable aleatoria discreta es (Galindo, 1999):
La representación gráfica de una distribución de probabilidad de una variable aleatoria discreta es análoga al diagrama de barras
de frecuencias relativas de una variable estadística discreta.
3/28
Sexto Nivel
La distribución de probabilidad binomial es una distribución de probabilidad discreta, en la cual solo hay dos resultados posibles
en cada ensayo: éxito o fracaso y los ensayos son independientes entre sí. La variable aleatoria cuenta el número de éxitos (x) en n
ensayos. La probabilidad de éxito en un ensayo se representa por Π y permanece contante en todos los ensayos.
Ejemplo: Se estima que 20% de las personas de un país están afectadas por una enfermedad. Se selecciona al azar a 9 personas.
Determinar la probabilidad de que 6 de ellas estén afectadas por la enfermedad.
Otra distribución de variable discreta que se va a examinar es la distribución hipergeométrica En la distribución binomial, la
probabilidad de éxito permanece constante en cada ensayo mientras que en la distribución hipergeométrica esto no ocurre ya que
el muestreo se realiza sin reemplazo. Si se selecciona una muestra de una población finita sin reemplazo y si el tamaño de muestra
n es mayor al 5% del tamaño de la población N, se aplica la distribución hipergeométrica. S es el número de éxitos en la población y
x el número de éxitos en las muestra.
4/28
Sexto Nivel
La distribución de probabilidad binomial es una distribución de probabilidad discreta, en la cual solo hay dos resultados posibles
en cada ensayo: éxito o fracaso y los ensayos son independientes entre sí. La variable aleatoria cuenta el número de éxitos (x) en n
ensayos. La probabilidad de éxito en un ensayo se representa por Π y permanece contante en todos los ensayos.
Ejemplo: Se estima que 20% de las personas de un país están afectadas por una enfermedad. Se selecciona al azar a 9 personas.
Determinar la probabilidad de que 6 de ellas estén afectadas por la enfermedad.
Otra distribución de variable discreta que se va a examinar es la distribución hipergeométrica En la distribución binomial, la
probabilidad de éxito permanece constante en cada ensayo mientras que en la distribución hipergeométrica esto no ocurre ya que
el muestreo se realiza sin reemplazo. Si se selecciona una muestra de una población finita sin reemplazo y si el tamaño de muestra
n es mayor al 5% del tamaño de la población N, se aplica la distribución hipergeométrica. S es el número de éxitos en la población y
x el número de éxitos en las muestra.
4/28
La distribución de probabilidad binomial es una distribución de
probabilidad discreta, en la cual solo hay dos resultados posibles en cada
ensayo: éxito o fracaso y los ensayos son independientes entre sí. La
variable aleatoria cuenta el número de éxitos (x) en n ensayos. La
probabilidad de éxito en un ensayo se representa por Π y permanece
contante en todos los ensayos.
En este ejemplo: N = 50 S= 40 n = 5 X = 4
Fórmula:
Donde:
La definición para la función de distribución de una variable aleatoria continua es (Galindo, 1999):
La definición de la función de densidad de distribución de probabilidad para una variable aleatoria continua es (Galindo, 1999):
“A una función real f no negativa que cumple que:
5/28
Sexto Nivel
Las distribuciones de probabilidad continua resultan de medir una variable continua. En este tipo de distribuciones generalmente se
desea conocer el porcentaje de observaciones que se encuentran dentro de cierto margen. Es importante señalar que una variable
aleatoria continua tiene un número infinitos de valores dentro de cierto intervalo en particular.
La distribución de probabilidad uniforme es la más simple de una variable aleatoria. Tiene forma rectangular y queda definida por
el valor máximo b y el valor mínimo a. La altura de la distribución es constante e igual a 1/(b-a).
Ejemplo:
Una distribución uniforme se define en el intervalo de 6 a 10. Hallar la media y calcular la probabilidad de un valor mayor a 7.
P (X>7) = (10-7)/(10-6) = 3/4 = 0.55 (basta con dividir las longitudes de los segmentos ya que la altura es la misma para ambas
áreas)
La distribución normal se la identifica como la piedra angular de la estadística moderna. Esto se debe en parte al papel que
desempeña en el desarrollo de la teoría estadística y en parte al hecho de que las distribuciones de datos observados
6/28
Las distribuciones de probabilidad continua resultan de medir una variable co
distribuciones generalmente se desea conocer el porcentaje de observacion
dentro de cierto margen. Es importante señalar que una variable aleatoria con
infinitos de valores dentro de cierto intervalo en particular.
Ejemplo:
P (X>7) = (10-7)/(10-6) = 3/4 = 0.55 (basta con dividir las longitudes de los
altura es la misma para ambas áreas)
d) entre 7 y 11 (un valor menor y otro mayor a la media, se suman las áreas)
Distribución t Student
RESUMEN:
Desviación estándar:
Características
Fórmula:
Desviación estándar:
Probabilidad acumulada.
Distribución hipergeométrica
Sean:
Ejemplo.
a)
c) P(X<=2) = P(X=0)+P(x=1)+P(X=2).
Problema inverso
Ejemplo
Un estudio del INEC determinó que la media del gasto mensual en alimen
integrada por cuatro personas es de $480 y que este rubro sigue una distrib
desviación estándar de $100.
e) ¿Cuál es el gasto mínimo del 12% de las familias que mas gastan?
Solución
En este caso: μ = 480, σ = 100
a) X = 580, luego:
de la media.
En este caso escogemos A(z) = 0.3810, cuyo valor de z es: z = +1.18 por en
de la media. Si se encontrara a la izquierda, se tomará z con signo negativo.
Es decir: X ≥ 598
Regla práctica: Una idea sencilla que permite una correcta aplicación
continuidad, es la de pensar que la gráfica de la distribución normal está forma
rectángulos, cada uno de los cuales se forma al fundir varillas (Las varillas est
otras) las cuales al fundirse formarían una sola lámina continua, de manera qu
6 al fundirse formará el rectángulo que va desde 5.5 hasta 6.5.
X≥ -0.5
X< -0.5
X≤ +0.5
≤ x ≤ -0.5 Y +0.5
X= -0.5 Y +0.5
b) La probabilidad de que x ≥ 25
d) La probabilidad de que 15 ≤ x ≤ 25
Solución
a) μ = np = 40x0.55 = 22; σ=
cuya probabilidad
Bibliografía
Webster, A. (2012). Estadística Aplicada para la Administración y Economía. Estados Unidos: Irwin.
Gorgas J., Cardiel N., Zamorano J., (2011). Estadística Básica para Estudiantes de Ciencias. España:
Facultad de Ciencias Físicas/Universidad Complutense de Madrid
8/28
1/22
Sexto Nivel
Introducción
En estadística, un muestreo es la técnica para la selección de una muestra a partir de una población. En el
muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la población, se pueden extraer
dos o más muestras de la misma población. Al conjunto de muestras que se pueden obtener de la
población se denomina espacio muestral.
El muestreo es una herramienta de la investigación científica. Su función básica es determinar qué parte
de una realidad en estudio (población o universo) debe examinarse con la finalidad de hacer inferencias
sobre dicha población.
El muestreo es más que el procedimiento empleado para obtener una o más muestras de una población;
el muestreo es una técnica que sirve para obtener una o más muestras de población.
Este se realiza una vez que se ha establecido un marco muestral representativo de la población. Se
procede a la selección de los elementos de la muestra aunque hay muchos diseños de la muestra.
Al tomar varias muestras de una población, las estadísticas que calculamos para cada muestra no
necesariamente serían iguales, y lo más probable es que variarán de una muestra a otra.
Muestreo estadístico
Es aquel que se basa en el principio de equiprobabilidad, es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamaño n tienen la misma probabilidad de ser elegidas.
2/22
Sexto Nivel
Las técnicas de muestreo nos permiten obtener una muestra representativa de la población general, “un plano a escala en el que estén
representadas en miniatura todas las características de la población general”. A través de las técnicas de muestreo, intentamos
garantizar la validez interna del estudio, pudiendo distinguir los siguientes tipos de muestreo:
1. Muestreo probabilístico
a) El muestreo aleatorio es aquel en el que todos los elementos de la población tienen la misma probabilidad de ser elegidos
como elementos de la muestra. Su principal inconveniente es que muchas veces es imposible obtener una lista de todos y
cada uno de los individuos de la población. Otro inconveniente es que en muestras pequeñas no garantiza la
representatividad, ya que en ocasiones el propio azar puede conducir a muestras altamente sesgadas.
b) El muestreo aleatorio sistemático es una técnica que simplifica el proceso de elección de los elementos de la muestra. En
primer lugar, se calcula la constante de la muestra (K), dividiendo el total de la población candidata (N) por el tamaño de la
muestra(n). Después, aleatoriamente, se obtiene el primer elemento. Los sucesivos elementos se obtienen del listado
ordenado mediante la suma de la constante (K), sucesivamente hasta completar la muestra. Este procedimiento requiere que
el orden con que está construida la lista no tenga ninguna influencia previsible sobre el resultado del estudio.
c) El muestreo aleatorio estratificado se trata de una modificación del muestreo aleatorio simple, que trata de garantizar que
la muestra es representatividad de la población estudiada, mediante el control de la igualdad de la distribución en la población
y en la muestra, de determinadas variables, estratos, que se consideran importantes para el estudio.
d) El muestreo por conglomerados es un método que consiste en lo siguiente: antes de seleccionar la muestra, la población
di id id d d i t (UPE) d l l 3/22 t t l t i C d d l UPE ti
Sexto Nivel
Las técnicas de muestreo nos permiten obtener una muestra representativa de la población general, “un plano a escala en el que estén
representadas en miniatura todas las características de la población general”. A través de las técnicas de muestreo, intentamos
garantizar la validez interna del estudio, pudiendo distinguir los siguientes tipos de muestreo:
d) El muestreo por conglomerados es un método que consiste en lo siguiente: antes de seleccionar la muestra, la población
se divide en unidades de primera etapa (UPE), de las cuales se toma una muestra aleatoria. Cada una de las UPE contiene
un conjunto de unidades de análisis, que también son seleccionadas aleatoriamente. En cualquier caso, las unidades de
muestreo de primera etapa deben cubrir por entero a la población sin intersecarse; o sea, todo miembro de la población o
unidad de análisis pertenecerá a una y solo una UPE. Si se admiten en la muestra a todas las unidades de análisis que
integran las UPE elegidas, se ha optado por un muestreo por conglomerados monoetápico. Si luego de seleccionadas
aquellas unidades de primera etapa que crean unidades de segunda etapa y dentro de cada una de ellas se eligen algunas
unidades de análisis, entonces se está ante un muestreo por conglomerados bietápico.
Ejemplo
Unidades de primera etapa: provincias; unidades de segunda etapa: hospitales: unidades de tercera etapa: servicios de
cardiología; unidad de análisis; individuos.
3/22
Sexto Nivel
Las técnicas de muestreo nos permiten obtener una muestra representativa de la población general, “un plano a escala en el que estén
representadas en miniatura todas las características de la población general”. A través de las técnicas de muestreo, intentamos
garantizar la validez interna del estudio, pudiendo distinguir los siguientes tipos de muestreo:
2. Muestreo no probabilístico
La técnica más utilizada es el muestreo consecutivo, que consiste en seleccionar a los individuos que cumplen los criterios de
selección, a medida que acuden a la consulta en un periodo determinado. Es el método más utilizado en ensayos clínicos,
principalmente cuando se trata de patología aguda.
3/22
3. Asignación a los grupos de estudio
b) Estudios de cohortes
En este tipo de estudio partimos de una muestra definida por los criterios de
selección. El investigador realiza la asignación a cada grupo, siendo
la asignación aleatoria o randomización la más utilizada. En esta la
asignación de los individuos a cada grupo se realiza al azar. Las ventajas de
este tipo de estudio son:
Son aquellas que dan lugar a que los sujetos o el investigador desconozcan
a qué grupo pertenecen.
4/22
Sexto Nivel
Una estadística muestral proveniente de una muestra aleatoria simple tiene un patrón de comportamiento (predecible) en repetidas
muestras. Este patrón es llamado la distribución muestral de la estadística. Si conocemos la distribución muestral podemos hacer
inferencia. Las distribuciones muestrales adoptan diferentes formas según las estadísticas investigadas y las características de la
población estudiada.
Es posible, entonces, también definir que una distribución muestral es una distribución de probabilidad de una estadística muestral
calculada a partir de todas las muestras posibles de tamaño "n" elegidas al azar de una población determinada. Generalmente, nos
interesa conocer una o más de las siguientes características de la distribución muestral:
La distribución muestral de las medias muestrales es un simple listado de todas las medias muestrales posibles. Tienen una media
aritmética que se llama “media de las muestras muestrales” o “media general” y se calcula de la manera habitual: se suman las
medias muestrales y el resultado se divide por el número de observaciones. Se utiliza el símbolo , de tal manera:
5/22
Una estadística muestral proveniente de una muestra aleatoria simple tiene
un patrón de comportamiento (predecible) en repetidas muestras. Este patrón
es llamado la distribución muestral de la estadística. Si conocemos la
distribución muestral podemos hacer inferencia. Las distribuciones
muestrales adoptan diferentes formas según las estadísticas investigadas y
las características de la población estudiada.
Ejemplo
la distribución muestral:
Un concepto muy importante es el del teorema central del límite o teorema del límite central que establece que “si todas las
muestras de un tamaño en particular se seleccionan de cualquier población, la distribución muestral de la media se aproxima a una
distribución normal. Esta aproximación mejora con muestras más grandes”.
Donde:
= media
= desviación estándar
n = tamaño de la muestra
Existen casos en los cuales se tiene como dato adicional la población de la cual proviene la muestra considerada, en estos se utiliza
la ecuación:
6/22
Un concepto muy importante es el del teorema central del límite o teorema
del límite central que establece que “si todas las muestras de un tamaño en
particular se seleccionan de cualquier población, la distribución muestral de
la media se aproxima a una distribución normal. Esta aproximación mejora
con muestras más grandes”.
Donde:
= media
= desviación estándar
n = tamaño de la muestra
Donde:
N = población
= media
= desviación estándar
n = tamaño de la muestra
Ejemplo
Intervalos de confianza
Para tener resultados fiables, el nivel de confianza debe ser alto (muy
cercano a 1) por lo que normalmente toma valores de 0,90; 0,95; 0,99 (90 %,
95 %, 99 % expresados como porcentajes).
Ejemplo
Una de las más comunes aplicaciones de los intervalos de confianza es la de estimar la media poblacional. Se toman dos
consideraciones:
Un intervalo de confianza para la media poblacional µ, a un determinado nivel de confianza, viene dado por la ecuación:
Donde:
n es el tamaño de la muestra.
σ es la desviación estándar de la población.
es el valor z que corresponde al área de α/2 en el extremo superior de la distribución normal estándar.
Es importante mencionar que si se desconoce el valor de σ puede reemplazarse por su estimador muestral, sin pérdida de
exactitud.
7/22
Estimación de la media poblacional: intervalo de confianza para la
media poblacional
Donde:
n es el tamaño de la muestra.
σ es la desviación estándar de la población.
Los valores más comunes utilizados como niveles de confianza con sus
respectivos valores de z son:
Ejemplo
días
n = 600
σ =1,90 días
Interpretación
Distribución T de Student:
Ejemplo
Con estos dos datos entrando a la tabla se obtiene que el valor t buscado es
de = 1,895.
Intervalo de confianza
Donde:
n es el tamaño de la muestra.
s es la desviación estándar muestral.
es el valor de la distribución t de Student a (n-1) grados de libertad,
para el cual el área en el extremo superior es igual a α/2.
Ejemplo
Datos
cm
n = 16, es decir n-1 = 16 -1 = 15
s = 8,3 cm
Interpretación
Muchas veces, las decisiones dependen de parámetros con dos categorías en donde puedan caer las respuestas. Es así que,
cuando esto sucede, el parámetro que se utiliza es la proporción poblacional.
Donde:
n es el tamaño de la muestra.
zα/2 es el valor z que corresponde al área α/2 en el extremo superior de la distribución normal estándar.
Ejemplo
En un estudio realizado a los egresados de la carrera de Licenciatura en Administración Educativa, los investigadores encontraron
que, de una muestra de 210 egresados, 77 habían repetido la materia de Dirección Estratégica. Calcule un intervalo de confianza al
90 % para la proporción poblacional de los que han repetido la materia de Dirección Estratégica.
8/22
Estimación de la media poblacional: intervalo de confianza para
proporciones poblacionales
Donde:
n es el tamaño de la muestra.
zα/2 es el valor z que corresponde al área α/2 en el extremo superior de la
distribución normal estándar.
Ejemplo
Datos
n = 210 egresados
Interpretación
Recursos complementarios
Tipos de muestreo
https://www.youtube.com/watch?v=dubWAjxtmLY
9/22
Sexto Nivel
Bibliografía
Galindo, E. (1999). Estadística para la administración y la ingeniería. Ecuador: Gráfica Mediavilla Hnos.
Levin, R. I. & Rubin, D. S. (2004). Estadística para administración y economía. Estados Unidos: Pearson
Educación de México, .S.A. de C. V.
https://profefily.com/wp-content/uploads/2017/12/Estad%C3%ADstica-para-administraci%C3%B3n-y-
economia-Richard-I.-Levin.pdf
Webster, A. L (2000). Estadística aplicada a los negocios y la economía (tercera edición). Santa Fe de
Bogotá: Irwin McGraw-Hill. https://www.casadellibro.com/libro-estadistica-aplicada-para-administracion-y-
economia/9788480862691/539147
10/22
1/25
Sexto Nivel
Introducción
Antes de comenzar con el estudio de las pruebas de hipótesis, es importante tratar el tema del tamaño
de muestra como complemento a lo visto en el tema 6 y que será de gran utilidad para el desarrollo de
estos contenidos.
Tamaño de muestra
ü El grado de error que se puede aceptar, que es un factor que depende de lo crítico que sea el trabajo
sobre el cual se está analizando el parámetro. Es importante mencionar que cualquier intervalo
dado tiene una amplitud igual al doble del error tolerable.
2/25
Antes de comenzar con el estudio de las pruebas de hipótesis, es importante
tratar el tema del tamaño de muestra como complemento a lo visto en el
tema 6 y que será de gran utilidad para el desarrollo de estos contenidos.
Tamaño de muestra
Despejando n se tiene:
Ejemplos
Datos
σ = 4 km
E = 0,2 km porque el intervalo es de la forma
Entonces:
Es decir, que se necesita un tamaño de muestra mínimo de 1537 atletas. Si
la muestra fuera demasiado alta, es necesario aumentar el error permitido.
Datos
Para este caso haremos uso de la proporción en donde se puede asumir que
p = 0,5.
E = 0,01
Nivel de confianza = 98 % (0,98), es decir, que α = 1- 0,98 = 0,02; por lo
tanto, α/2 = 0,01.
Entonces:
Es decir, que necesitará una muestra de 13 526 para el sondeo del caso.
Sexto Nivel
3/25
Sexto Nivel
En el análisis estadístico, se hace una aseveración de la población. Para verificar si la afirmación es razonable se usan datos. En la
mayor parte de los casos, la población es tan grande que por diversas razones, es necesario tomar una muestra de la población. Por
tanto, a partir de la muestra, se puede probar la afirmación para determinar si la evidencia empírica de la muestra fundamenta o no la
afirmación relativa a la población. Así, hipótesis es un enunciado de una población elaborado con el propósito de poner a
prueba; y el procedimiento, basado en la evidencia de la muestra y la teoría de la probabilidad, que se utiliza para determinar
si la hipótesis es una afirmación razonable, se denomina prueba de hipótesis.
Figura 1
Proceso de los cinco pasos
⇨ La hipótesis nula (denotada por Ho) es una declaración acerca del valor del parámetro de la población y debe contener la condición
de igualdad escrita con los símbolos , ≥ o ≤. En el caso de la media, la hipótesis nula se expresa en una de las tres formas:
⇨ La hipótesis alternativa (denotada por H1) es la declaración que debe ser verdad si la hipótesis nula es falsa. En el caso de la media,
la hipótesis nula se enuncia en una de las tres formas siguientes:
Existen tres métodos para probar hipótesis, que aparentemente son distintos,
pero que son equivalentes en el sentido de que siempre llevan a las mismas
conclusiones. El primer procedimiento es el método tradicional o de cinco
pasos, que será el que se usa en este curso. El segundo es el procedimiento
basado en los valores de P y el tercer procedimiento está basado en
intervalos de confianza.
Este proceso sistematiza una prueba, una hipótesis. Al llegar al quinto paso
aporta una clase de evidencia “más allá de la duda razonable”, en forma
similar a un proceso judicial. La figura 1 resume los pasos del método
tradicional.
Sexto Nivel
5/25
Sexto Nivel
Los siguientes son los supuestos para probar una hipótesis respecto a la media de una sola población.
Ø La muestra es grande (n>30), así que el teorema de límite central aplica y se usa la distribución normal.
Ø Al aplicar el teorema del límite central, se puede usar la desviación estándar de la muestra s como un estimador de la desviación
estándar poblacional s siempre que se desconozca s y el tamaño de la muestra sea grande (n>30).
Ø Un valor p es la probabilidad de que la estadística de prueba sea más extrema que la que se obtiene cuando la hipótesis nula es
verdadera.
Ø Si se conoce la desviación estándar de la población, , la estadística de prueba sigue la distribución normal estándar, z, y se
determina por:
Ø Si no se conoce, pero el tamaño de la muestra es mayor a 30, la desviación estándar de la muestra, s, remplaza a .
6/25
Los siguientes son los supuestos para probar una hipótesis respecto a la
media de una sola población.
Ejemplo
Como gerente de compras para una gran empresa de seguros, usted debe
decidir si actualizar o no los computadores de la oficina. Le han dicho que el
costo promedio de los computadores es de US$ 2100. Una muestra de 64
minoristas revela un precio promedio de US$ 2251, con una desviación
estándar de US$ 812. ¿A un nivel de significancia del 5 % parece que su
información es correcta?
Datos: ; ; ;
1) Planteamiento de la hipótesis
2) Nivel de significancia
4) Reglas de decisión
5) Conclusión
Ejemplo
Datos: ; , ; ,
1) Planteamiento de la hipótesis
2) Nivel de significancia
4) Reglas de decisión
5) Conclusión
En una prueba de una muestra, se compara una sola media de muestra con una media de población.
7/25
La distribución t se utiliza como el estadístico de la prueba cuando:
En una prueba de una muestra, se compara una sola media de muestra con
una media de población.
Ejemplo
n=12, ,
Planteamiento de la hipótesis
1) Nivel de significancia
4) Conclusión
En los numerales anteriores se presentaron los métodos para las pruebas de hipótesis, pero solo para la media de la población. En
esta sección se verá cómo se puede probar la aseveración realizada sobre la proporción, un porcentaje o una probabilidad de la
población. La prueba de una hipótesis sobre una proporción cumple con los siguientes supuestos:
Ø La estadística de prueba es
Figura 3
Cómo escoger entre distribución normal y t Student
8/25
En los numerales anteriores se presentaron los métodos para las pruebas de
hipótesis, pero solo para la media de la población. En esta sección se verá
cómo se puede probar la aseveración realizada sobre la proporción, un
porcentaje o una probabilidad de la población. La prueba de una hipótesis
sobre una proporción cumple con los siguientes supuestos:
Ø La estadística de prueba es
Figura 3
Cómo escoger entre distribución normal y t Student
Ejemplo
Una empresa informa que 52 % de los automovilistas que usan las autopistas
en el Ecuador son varones. Una muestra de 300 autos, que ayer viajaron
hacia el este por la autopista de Los Chillos, reveló que 170 fueron
conducidos por hombres. Al nivel de significancia de 0.01, ¿se puede concluir
que una mayor proporción de varones conducían por la autopista de Los
Chillos, que lo que indican las estadísticas nacionales?
Datos
2) Nivel de significancia
4) Reglas de decisión
5) Conclusión
Para comenzar este estudio, es necesario conocer qué son datos o muestras pareadas. Se puede indicar que las muestras
pareadas tienen como característica que cada observación de un primer grupo le corresponde o se encuentra relacionada con una
observación correspondiente a un segundo grupo, lo cual constituye un diseño más complejo que el visto con muestras
independientes como son las que se ha tratado hasta este momento.
Las muestras pareadas se obtienen cuando se han realizado comparaciones sobre una misma unidad global o unidad
experimental. Se presentan dos casos:
- Se determina una misma variable sobre la misma unidad experimental pero utilizando dos métodos diferentes.
En este tipo de datos se suele cometer, en algunas áreas, un error estadístico común: la utilización de pruebas para datos
independientes en muestras dependientes. Para poder analizar este tipo de muestras, hay que calcular la diferencia entre los datos
de la una muestra y la otra:
Donde X representa a la información proporcionada por la primera muestra y Y representa a la información proporcionada por la
segunda muestra. Entonces:
9/25
Para comenzar este estudio, es necesario conocer qué son datos o muestras
pareadas. Se puede indicar que las muestras pareadas tienen como
característica que cada observación de un primer grupo le corresponde o se
encuentra relacionada con una observación correspondiente a un segundo
grupo, lo cual constituye un diseño más complejo que el visto con muestras
independientes como son las que se ha tratado hasta este momento.
Ejemplo
Xi 81 85 82 82 90 83 73 93 92
Yi 76 71 87 79 90 89 76 75 89
di -5 -14 5 -3 0 6 3 -18 -3
Entonces:
1. Planteamiento de la hipótesis
Es una prueba bilateral ya que en el enunciado del ejercicio no nos indica
que sea mayor o menor, únicamente nos dice que “varió significativamente”.
2. Nivel de significancia
3. Estadístico de prueba
4. Regla de decisión
5. Conclusión
Las pruebas que se han revisado hasta aquí dependen de postulados sobre la población y sus parámetros y de ahí que se
denominan pruebas paramétricas. Sin embargo, en la práctica existen muchas situaciones en las cuales formular una hipótesis de
carácter segura sobre el valor de un parámetro o la forma de una distribución poblacional es imposible. En estos casos, se deben
usar las llamadas pruebas no paramétricas.
Existen algunas pruebas no paramétricas que se pueden utilizar para una necesidad determinada, entre ellas están:
- Ji Cuadrado (también identificada como chi cuadrada) para contratar la bondad de ajuste, tablas de contingencia y pruebas de
independencia
- Prueba de rachas
En este tema se revisará la prueba Ji cuadrado (ϰ2) de independencia, es decir, se analizará cuando la prueba Ji cuadrado permita
comparar dos atributos para determinar si hay alguna relación entre ellos. Esta comparación se realiza analizando la diferencia
entre frecuencias reales y frecuencias observadas.
La prueba ji cuadrado toma la forma siguiente:
10/25
Las pruebas que se han revisado hasta aquí dependen de postulados sobre la población y sus
parámetros y de ahí que se denominan pruebas paramétricas. Sin embargo, en la práctica existen
muchas situaciones en las cuales formular una hipótesis de carácter segura sobre el valor de un
parámetro o la forma de una distribución poblacional es imposible. En estos casos, se deben usar las
llamadas pruebas no paramétricas.
Existen algunas pruebas no paramétricas que se pueden utilizar para una necesidad determinada,
entre ellas están:
- Ji Cuadrado (también identificada como chi cuadrada) para contratar la bondad de ajuste, tablas de
contingencia y pruebas de independencia
- Prueba de rachas
En este tema se revisará la prueba Ji cuadrado (ϰ2) de independencia, es decir, se analizará cuando
la prueba Ji cuadrado permita comparar dos atributos para determinar si hay alguna relación entre
ellos. Esta comparación se realiza analizando la diferencia entre frecuencias reales y frecuencias
observadas.
La prueba ji cuadrado toma la forma siguiente:
El valor de debe ser comparado con el valor de que se lo encuentra utilizando la tabla de
distribución . Esta tabla la puede visualizar y descargar del enlace:
http://labrad.fisica.edu.uy/docs/tabla_chi_cuadrado.pdf o
https://eva.fing.edu.uy/pluginfile.php/347391/mod_resource/content/1/TablaChi2.jpg
Figura 4
Tabla Ji cuadrada
Para hacer la lectura de crítica se debe conocer el nivel de significancia y los (r-1) (c-1) grados de
libertad de lo que se está estudiando. (En este tipo de ejercicios, la información que nos proporciona
viene generalmente en tablas de contingencia y en este caso r es el número de filas y c es el número
de columnas).
Si el valor de calculada se encuentra en la zona oscura (es decir que es mayor a crítica) no se
puede aceptar la hipótesis nula ya que ha caído en la zona de rechazo.
Ejemplo
Wlma Armendariz es directora de investigación de productos Dow Chemical. Su proyecto actual exige
analizar la eficacia de un nuevo detergente para ropa infantil que Dow planea comercializar. A la
señora Armendariz le interesa en particular si la inclusión de amonio en la fórmula química del
detergente produce resultados más satisfactorios en cuanto a desinfección. Su prueba más reciente
fue elegir a 100 clientes potenciales y pedir a 75 de ellos a que prueben la fórmula con amonio. A los
otros 25 clientes les entregó el producto sin amonio. A los 100 se les solicitó que definieran el producto
con las calificaciones “mejor que la media”, “como la media” o “peor que la media”. Los resultados que
se obtuvieron fueron:
2. Nivel de significancia
Al ser una prueba ji cuadrada, usamos la tabla ji cuadrada para encontrar el valor de crítica.
Los grados de libertad se calculan como (r-1) (c-1). En este caso, r es igual a 3 filas (hay tres Atributo
A) y c es igual a dos columnas (hay dos Atributo B). Por lo tanto, (3-1) x (2-1) = 2 x 1 = 2 grados de
libertad.
3. Estadístico de prueba
Se puede observar que necesitamos encontrar los valores esperados. Se deben calcular seis valores
esperados (hay tres filas y dos columnas, 3 X 2 = 6).
- El 31 % (31/100 x 100) de los encuestados dijo que era mejor que la media.
- El 48 % (48/100 x 100) de los encuestados dijo que era igual que la media.
- El 21 % (21/100 x 100) de los encuestados dijo que era menor que la media.
Entonces el 31 % de los que usaron fórmula con amonio y el 31 % de los que usaron fórmula sin
amonio deberán dar esa calificación si no existiese diferencia de eficacia, por lo tanto:
sería el valor esperado de quienes probaron la fórmula con amonio y dijeron que
“era mejor que la media”.
sería el valor esperado de quienes probaron la fórmula sin amonio y dijeron que
“era mejor que la media”.
Este análisis se hace de igual manera para la calificación de “igual que la media” y “menor que la
media”.
4. Regla de decisión
Se tiene que 3,76 < 4,61; por lo tanto, no se rechaza Ho (o no hay suficiente evidencia estadística para
rechazar Ho).
5. Conclusión
Recursos complementarios
https://www.youtube.com/watch?v=AJcy4eZMwWM
11/25
Sexto Nivel
Bibliografía
Galindo, E. (1999). Estadística para la administración y la ingeniería. Ecuador: Gráfica Mediavilla Hnos.
Levin, R. I. & Rubin, D. S. (2004). Estadística para administración y economía. Estados Unidos: Pearson
Educación de México, .S.A. de C. V. https://profefily.com/wp-
content/uploads/2017/12/Estad%C3%ADstica-para-administraci%C3%B3n-y-economia-Richard-I.-
Levin.pdf
Webster, A. L (2000). Estadística aplicada a los negocios y la economía (tercera edición). Santa fe de
Bogotá: Irwin McGraw-Hill. https://www.casadellibro.com/libro-estadistica-aplicada-para-administracion-y-
economia/9788480862691/539147
12/25
1/16
Sexto Nivel
Introducción
Para comenzar el estudio de ANOVA se debe poner a consideración una pequeña introducción sobre este. ▲
El análisis de la varianza (conocido como ANOVA) constituye una metodología que permite comparar dos o más medias. Esto se
vuelve indispensable porque al querer comparar más de dos medias es una falacia tratar de utilizar repetidamente el contraste
(prueba de hipótesis) basado en z o en t Student.
a) Al realizar simultánea e independientemente varios contrastes de hipótesis, se tiene una probabilidad muy alta de encontrar
alguno significativo al azar.
b) En cada comparación, la hipótesis nula es que las dos muestras provienen de una misma población, lo que conlleva a que,
una vez que se hayan realizado todas las comparaciones posibles, la estimación de la varianza necesaria para el contraste es
distinta, pues se ha realizado sobre la base de muestras distintas.
El proceso que puede resolver estos dos inconvenientes es el ANOVA, que está muy ligado al diseño de experimentos y, de cierta
manera, es la base del análisis multivariante.
2/16
Sexto Nivel
Introducción
Para conocer cuál es la base de ANOVA, es necesario comenzar conociendo que la hipótesis nula de la que parten todos los tipos
de ANOVA (de un factor o de dos factores) es que la media de la variable que se está analizando es la misma en los diferentes
grupos, contrario a la hipótesis alternativa de que al menos dos difieren de forma significativa. Es importante recalcar que ANOVA
permite comparar múltiples medias, pero lo hace mediante el estudio de sus varianzas.
ANOVA tiene como base el que se calcula la media de cada uno de los grupos y a continuación se compara la varianza de estas
medias (esta varianza es explicada por la varianza grupo que se llama intervarianza y que se identifica con las siglas MSE) frente
a la varianza promedio dentro de los grupos (que es una varianza no explicada por la variable que se llama intravarianza y que se
identifica con las siglas MSA).
Bajo la hipótesis nula de que las observaciones de los distintos grupos proceden todas de la misma población –tienen la misma
media y varianza- , la varianza ponderada entre grupos será la misma que la varianza promedio dentro de los grupos. Si las
medias de los grupos están más alejadas las unas de las otras, la varianza entre medias se incrementará y dejará de ser igual a
la varianza promedio dentro de los grupos. (Amat, 2016)
2/16
Sexto Nivel
Introducción
El estadístico que se estudia en el ANOVA es el llamado Fcalculado (o simplemente F), que es el cociente entre la varianza de las ▲
medias de los grupos y el promedio de la varianza dentro de los grupos. El estadístico en mención sigue una distribución que se
llama “F de Fisher-Snedecor”. El Fcalculado se compara con el Fcrítico y se puede realizar el análisis necesario. Las tablas F
(donde encuentra el valor de Fcrítico) se las puede observar e imprimir para su uso en los siguientes enlaces:
http://www.uaaan.mx/~jmelbos/tablas/distf.pdf
http://dcb.fi-c.unam.mx/profesores/irene/Notas/tablas/Fisher.pdf
Si se cumple la hipótesis nula indicada, el estadístico F adquiere el valor de 1 ya que MSE y MSA son iguales. Cuanto más
difieran las medias de los grupos mayor será la varianza entre medias en comparación con el promedio de la varianza dentro de
los grupos y, por lo tanto, el valor de F será superior a 1.
MSE es un cociente en donde al numerador se lo llama suma de cuadrados del error y se representa por SSE y al denominador,
grados de libertad, por ser los términos independientes de la suma de cuadrados.
MSA también es un cociente, en donde al numerador se lo llama suma de cuadrados de los tratamientos y se representa por SSA
y al denominador (k-1) grados de libertad.
Existen algunos tipos de ANOVA en función de que si se trata de datos independientes, si son pareados, si comparan la variable
cuantitativa dependiente contra los niveles de una única variable explicatoria o factor o frente a dos factores.
Se revisará en este tema aquella ANOVA que compara la variable cuantitativa dependiente contra los niveles de una única
variable explicatoria llamada ANOVA de un factor.
2/16
Sexto Nivel
El ANOVA de un vía o de un factor es el tipo de análisis que se debe emplear cuando los datos que estamos considerando no están
pareados y se desea verificar si existen diferencias significativas entre las medias de una variable aleatoria continua en los
diferentes niveles de otra variable cualitativa o factor.
Como se indicó previamente, la diferencia de medias se analiza en función de la intervarianza y la intravarianza. Para este proceso,
ANOVA parte de la siguiente descomposición de la varianza:
Variabilidad total = variabilidad debida a los diferentes niveles del factor + variabilidad residual
Que es equivalente a:
Lo que es equivalente a:
Variabilidad total = variabilidad debida a los diferentes niveles del factor + variabilidad residual
Que es equivalente a:
Lo que es equivalente a:
Para poder realizar el cálculo de las diferentes varianzas se debe obtener las sumas de cuadrados que se
describieron anteriormente. La figura 1 muestra la tabla de datos que se requiere para hacer el
correspondiente análisis ANOVA.
Figura 1
Información necesaria para realizar la prueba ANOVA
Mide la variabilidad total de los datos, se define como la suma de los cuadrados de las diferencias de cada
observación respecto a la media general de todas las observaciones. Los grados de libertad para esta suma
son igual al número total de observaciones menos 1 (n-1).
Se obtiene como la suma de los cuadrados de las desviaciones de la media de cada “proveedor” respecto a
la media general, ponderando cada diferencia al cuadrado por el número de observaciones de cada grado
de libertad. Los grados de libertad correspondientes son iguales al número de niveles del factor menos uno
(k-1).
3) Suma de cuadrados residual/error (SSE)
Se calcula como la suma de los cuadrados de las desviaciones de cada observación respecto a la media del
nivel al que pertenecen. Los grados de libertad asignados para esta suma equivalen a la diferencia entre los
grados de libertad totales y los grados de libertad del factor, es decir, n-k.
El valor F que aparece en la última columna es el que permite determinar la validez de la hipótesis nula. Si F
es mayor a la Fcrítica se puede decir que no hay suficiente evidencia para aceptar la hipótesis nula (es decir
se rechaza Ho).
El valor de Fcrítico se encuentra utilizando la tabla de distribución F (que es una tabla de doble entrada). Se
necesitan tres elementos:
Ejemplo
El director de una institución educativa está interesado en estudiar el efecto sobre el rendimiento académico
de un grupo de estudiantes que han tomado tres tipos diferentes de apoyo académico. Se les aplicó una
prueba (sobre 200 puntos) y los resultados fueron los siguientes:
Contrastar con un nivel de significación del 5 % si el tipo de apoyo tiene algún efecto sobre el rendimiento
académico.
Para resolver el ejercicio, debemos suponer, en primera instancia, que los datos provienen de poblaciones
normales e independientes y con la misma varianza.
1. Planteamiento de la hipótesis
Se quiere comprobar que el rendimiento medio de los estudiantes será el mismo en los tres tipos de apoyo:
2. Nivel de significancia
Al ser una prueba ANOVA, usamos la tabla F para encontrar el valor de Fcrítica.
El nivel de significancia es del 5 % (α = 0.05). Los grados de libertad tanto para numerador como para el
denominador son:
a) Para el numerador
Debemos buscar los grados de libertad entre grupos = k-1. Tenemos 3 opciones de ayuda, entonces, 3 – 1
= 2.
b) Para el denominador
Tabla 1
Valores críticos de la distribución F (0,05)
3. Estadístico de prueba
Por lo tanto, se debe calcular los valores MSA y MSE para encontrar el cociente solicitado.
En el siguiente cuadro se muestran los valores obtenidos para tipo 1, tipo 2 y tipo 3.
Con estos valores se procede a calcular la media de las medias y la varianza respecto a la media de las
medias.
a) Cálculo de SSE
b) Cálculo de SST
c) Cálculo de SSA
4. Regla de decisión
Se tiene que 10,725 > 4.256, por lo tanto, se rechaza Ho (o no hay suficiente evidencia estadística para
aceptar Ho).
5. Conclusión
A un nivel de significancia de α=0.05, se rechaza la Ho, es decir, que hay diferencias significativas entre los
diferentes tipo de apoyo.
Sexto Nivel
Recursos complementarios
https://www.youtube.com/watch?v=DUT9jhPDih0
4/16
Sexto Nivel
Bibliografía
Galindo, E. (1999). Estadística para la administración y la ingeniería. Ecuador: Gráfica Mediavilla Hnos.
Levin, R. I. & Rubin, D. S. (2004). Estadística para administración y economía. Estados Unidos: Pearson
Educación de México, .S.A. de C. V. https://profefily.com/wp-
content/uploads/2017/12/Estad%C3%ADstica-para-administraci%C3%B3n-y-economia-Richard-I.-
Levin.pdf
Webster, A. L (2000). Estadística aplicada a los negocios y la economía (tercera edición). Santa fe de
Bogotá: Irwin McGraw-Hill. https://www.casadellibro.com/libro-estadistica-aplicada-para-administracion-y-
economia/9788480862691/539147
5/16
1/20
Sexto Nivel
¿Qué es el análisis de correlación? Se trata de un grupo de técnicas para medir la asociación entre dos variables. Por lo general, ▲
el primer paso es trazar los datos en un diagrama de dispersión que consiste en un gráfico en el cual se representan la variable
independiente (o predictora) en el eje X y la variable dependiente (o predecida) correspondiente en el eje y. Es importante elegir
una escala adecuada en cada eje para realizar dicho diagrama y además iniciar las escalas en valores cercanos a los valores
mínimos para evitar que una parte importante del diagrama queda vacío.
El diagrama de dispersión (o diagrama de puntos) nos da una idea inicial de cómo es la relación entre las variables que están
participando en nuestro análisis. La figura 1 evidencia cómo es un diagrama de dispersión.
Figura 1
Diagrama de dispersión
2/20
Sexto Nivel
Como puede observarse, un diagrama de dispersión es un diagrama en el plano X-Y en donde se grafican los puntos que ▲
corresponden a una pareja ordenada (x,y).
En un diagrama de dispersión se pueden encontrar algunos tipos de relaciones entre las variables involucradas, estos pueden
observarse en la figura 2.
Figura 2
Relaciones posibles entre X e Y en un diagrama de dispersión
2/20
Sexto Nivel
El uso del diagrama de dispersión nos da información sobre el tipo de ecuación de regresión (o modelo de regresión) que ▲
represente de mejor manera el comportamiento de los datos que se encuentran analizando.
Correlación
Una definición que entra en este estudio es el coeficiente de correlación. Esta medida describe la fuerza de la relación entre dos
conjuntos de variables en escala de intervalo o de razón. Esta medida se representa por la letra r y también se conoce como r de
Pearson, el apellido de su creador. El valor de r puede variar entre -1 (correlación negativa perfecta) y 1 (correlación positiva
perfecta). Un valor de 0 indica que no hay ninguna relación entra las variables.
Donde:
2/20
Sexto Nivel
Ejemplo ▲
Dados los siguientes valores de X e Y, determinar el coeficiente de correlación r.
X ̅=2.5 Y ̅=3
Sx = 1.291 Sy = 1.826
n-1 = 3
Para determinar la importancia del coeficiente de correlación, se utiliza una prueba de hipótesis, que se realiza para verificar si
efectivamente existe una correlación entre la población de la cual se seleccionó la muestra o si es, según sea el caso, mayor a 0,
menor a 0 o diferente de cero. Para ello, se calcula el estadístico de prueba t correspondiente. Este valor depende del coeficiente
de correlación r y del tamaño de muestra n. Tome en cuenta que, en este caso, se deben considerar n-2 grados de libertad
cuando busque el valor crítico de t en la tabla t de Student.
▼
2/20
Sexto Nivel
En la figura 2 se ha observado las posibles relaciones que pueden plantearse entre las variables que se encuentran en estudio. Al
ser observadores podemos analizar que se ha trazado una línea de color negro que ajusta visualmente la dirección de los puntos.
Esta línea se la llama línea de regresión.
La línea de regresión más sencilla es aquella que representa al modelo de regresión lineal, en la cual se está aseverando una
relación lineal (positiva o negativa) entre X e Y.
El modelo de regresión lineal simple es el modelo de regresión más sencillo y es el que todos los investigadores quisieran que sus
datos sigan, sin embargo, no siempre es posible.
El modelo de regresión simple responde a un modelo matemático de la ecuación de la recta en donde a es el valor del
corte en el eje Y y b es la pendiente de la recta.
Para encontrar esta ecuación de regresión lineal simple se debe realizar un análisis importante, el llamado análisis de regresión,
que consiste, mediante el método de los mínimos cuadrados, en obtener la ecuación de la recta de regresión.
L ió d l t d ió
3/20
Sexto Nivel
b = r Sy /Sx
Ejemplo
a = 3 – 1.399(2.5) = -0.498
Adicionalmente, se debe conocer sobre el coeficiente de determinación que es igual al coeficiente de correlación elevado al
cuadrado y representa la proporción de la variación total de la variable dependiente Y que se explica o contabiliza por la variación
de la variable dependiente X.
Muchas relaciones entre variables no se acoplan adecuadamente con el modelo de regresión lineal simple porque la variable
independiente no solo depende de un factor independiente sino de algunos. En estos casos, es conveniente hacer uso del modelo
de regresión lineal múltiple.
El modelo de regresión lineal múltiple trata de ajustar modelos lineales o que son linealizables entre una variable dependiente y
algunas independientes, y usualmente se usa mucho en investigación. Este modelo está representado de la siguiente manera:
Donde y es la variable independiente o endógena y x son las variables exógenas o independientes, u los residuos (error de
observación debido a variables no controladas), es el término independiente (es decir, el valor esperado de y cuando son
ceros) y los valores de , los coeficientes estimados del efecto marginal entre cada x e y.
El modelo de regresión lineal múltiple más simple es el que tiene dos variables independientes. Así:
Al igual que en el modelo de regresión lineal simple, el modelo de regresión lineal múltiple puede resolverse usando el método de
los mínimos cuadrados. En la actualidad, el uso del software ha facilitado estos cálculos.
3/20
Sexto Nivel
Hasta el momento se ha revisado el modelo de regresión lineal simple y múltiple; sin embargo, existen dos modelos principales más de
regresión simple: el de la logística y el de riesgos proporcionales o de Cox.
El modelo de regresión logística es utilizado para predecir el resultado de una variable categórica (recuerde que una variable
categórica es aquella que puede adquirir un número limitado de categorías-cualidades) en función de las variables independientes o
predictoras.
La regresión logística es muy utilizada a nivel de ciencias médicas y ciencias sociales ya que es muy útil para modelar la probabilidad
de un evento ocurrido en función de otros factores.
Al ser la variable dependiente cualitativa (y binaria) se la codifica con cero o con uno y la función de y ya no sería la media, sino el
logaritmo neperiano de la medida de la odd ratio (OR) del valor uno de la variable.
Odd ratio es una medida de la asociación entre dos variables, que indica la fuerza de la relación entre estas variables. El odd ratio se
utiliza cuando al menos estamos relacionando dos variables.
Esta función del ln (OR) se expresa en muchas ocasiones como ln(p/(1-p)), ya que la odds ratio es la probabilidad de que un suceso
ocurra (p) dividida para la probabilidad de que no ocurra (1-p). A esta función se la denomina logit, por lo que podemos ver también
representada la regresión logística de la siguiente forma: logit (y)=a+bx
4/20
Sexto Nivel
Recursos complementarios
https://www.youtube.com/watch?v=V3OcXK0zjZ4
5/20
Sexto Nivel
Bibliografía
Galindo, E. (1999). Estadística para la administración y la ingeniería. Ecuador: Gráfica Mediavilla Hnos.
Levin, R. I. & Rubin, D. S. (2004). Estadística para administración y economía. Estados Unidos: Pearson
Educación de México, .S.A. de C. V. https://profefily.com/wp-
content/uploads/2017/12/Estad%C3%ADstica-para-administraci%C3%B3n-y-economia-Richard-I.-
Levin.pdf
Webster, A. L (2000). Estadística aplicada a los negocios y la economía (tercera edición). Santa fe de
Bogotá: Irwin McGraw-Hill. https://www.casadellibro.com/libro-estadistica-aplicada-para-administracion-y-
economia/9788480862691/539147
6/20
1/15
Sexto Nivel
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Debe tomarse en cuenta que hay que evitar las palabras que no sirven para propósitos útiles y
que pueden confundir a las personas. Se recomienda no usar abreviaturas y que este como Discusión de
Introducción
máximo contenga doce palabras. resultados
Antecedentes Conclusiones
Justificación Referencias
Los informes expositivos son aquellos que utilizan la narrativa para exponer
los resultados y las conclusiones de los hechos que se han investigado.
Los informes analíticos son aquellos que determinan y van a desarrollar las
causas de un hecho o fenómeno que se ha estudiado.
También es importante mencionar que existen dos formas para presentar los
resultados: el contexto académico y el contexto no académico.
Cuando se habla de contexto académico, los resultados se preparan para ser
presentados a un grupo de individuos formado por profesores,
investigadores, alumnos o funcionarios de instituciones de educación
superior o de centros de investigación. (Es un contexto propio para
encuentros científicos o publicaciones del mismo tipo).
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
El resumen debe incluir palabras claves, debe ser preciso y únicamente informativo.
Adicionalmente, debe presentar coherencia en sus ideas, legible y conciso y tener una extensión Discusión de
Introducción
de 150 a 250 palabras. (Salazar de Ariza; Barrantes E. & Orellana de Mazariegos, 2015) resultados
Antecedentes Conclusiones
Justificación Referencias
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Introducción Discusión de
resultados
Antecedentes Conclusiones
Justificación Referencias
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Introducción Discusión de
resultados
Antecedentes Conclusiones
Justificación Referencias
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Antecedentes Conclusiones
Justificación Referencias
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Antecedentes Conclusiones
Justificación Referencias
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Introducción Discusión de
resultados
Antecedentes Conclusiones
Justificación Referencias
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Introducción Discusión de
resultados
Antecedentes Conclusiones
Justificación Referencias
Cuando se habla de redacción científica estamos identificando al arte y a la ciencia para comunicar válidamente conocimientos.
Este es un aspecto inherente al lenguaje que todos los universitarios deben dominar y luego demostrarlo en sus informes
académicos como la tesis de grado, informes, artículos científicos y otros documentos formales que, una vez elaborados, estén
listos para ser sometidos al análisis y a una lectura pública.
Los informes pueden producirse en diferentes niveles universitarios; por lo tanto, es necesario disponer de lineamientos generales
para una estructura normalizada de los mismos.
Los informes pueden ser de varios tipos según el contenido y la estructura que lleven.
Introducción Discusión de
resultados
Antecedentes Conclusiones
Justificación Referencias
Recursos complementarios
https://www.youtube.com/watch?v=1VGQP6fnt5o
3/15