UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS

INGENIERÍA CIVIL

Quishpe Casillas Alejandra Charlotte

Estadística

Ing. Ximena Fiallos

Paralelo: Ic-001

2023-2024

1
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

1. Muestra Estadística

Se entiende como un subconjunto más o menos representativo de una población estadística,

aislado del resto con fines de evaluación y estudio. Es decir, se trata de un fragmento de la
totalidad de elementos a estudiar, compuesta por un número más manejable de ellos,
seleccionados (idealmente) al azar. La lógica detrás de la toma de una muestra estadística
es que, dadas las condiciones propicias, puede estudiarse un conjunto muy voluminoso a
través de porciones más pequeñas que resulten representativas, o sea, que sean más o
menos proporcionales al resto.

1.1 Ejemplos de muestras Estadísticas

 Objeto de Muestra: El Ministerio de Educación de una ciudad está estudiando las

características de las escuelas.
Población: Todas las escuelas de la ciudad.
Muestra: 30 escuelas de la ciudad seleccionadas al azar.

 Objeto de Muestra: Un equipo de geógrafos está estudiando las características de

las montañas de la cordillera de los Andes.
Población: Todas las montañas de la cordillera de los Andes.
Muestra: 30 montañas seleccionadas según su altura.

 Objeto de Muestra: Un grupo de economistas está estudiando cómo son las

ganancias de los productores de alimentos orgánicos.
Población: Todos los productores de alimentos orgánicos de un país.
Muestra: 500 productores de alimentos orgánicos seleccionados al azar.

 Objeto de Muestra: Un equipo de marketing está estudiando cuáles son los colores
favoritos de los clientes de tiendas de ropa.
Población: Todos los individuos de diferentes ciudades del país.
Muestra: Los clientes de 10 ciudades del país elegidos al azar.

2
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

 Objeto de Muestra: Un grupo de zoólogos está investigando el ciclo de vida de las

mariposas del bosque tropical del Amazonas.
Población: Todas las mariposas que habitan en este bosque tropical.
Muestra: 30 individuos de cada conglomerado, es decir, de cada tipo de mariposa.

 Objeto de Muestra: Un equipo de investigadores está estudiando la alimentación

de los deportistas de alto rendimiento.
Población: Todos los deportistas de alto rendimiento.
Muestra: 500 deportistas de alto rendimiento seleccionados al azar.

 Objeto de Muestra: Un grupo de economistas está estudiando cómo se produce la

inflación en distintos países.
Población: Todos los países.
Muestra: 50 países elegidos al azar.

 Objeto de Muestra: Un grupo de investigadores está estudiando las características

de los exámenes estandarizados.
Población: Todos los exámenes estandarizados de un país.
Muestra: 40 exámenes estandarizados escogidos al azar.

 Objeto de Muestra: Una ONG ecologista está estudiando el grado de conocimiento

que tienen las personas sobre el reciclaje.
Población: Todos los habitantes de un país.
Muestra: 1.500 individuos escogidos al azar.

 Objeto de Muestra: Un meteorólogo está estudiando el aumento de la temperatura

en distintas regiones del planeta.
Población: Todos los lugares del planeta.
Muestra: Selección al azar de 10 lugares de cada conglomerado, es decir, de cada
continente.

3
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

 Objeto de Muestra: Un periodista está investigando la opinión de los ciudadanos

sobre el gobierno actual.
Población: Todos los ciudadanos mayores de 18 años.
Muestra: 1.000 ciudadanos seleccionados al azar.

2. Datos Estadísticos

Los datos estáticos son los resultados o las observaciones que se producen en los
experimentos científicos o en una investigación. Para llevar a cabo cualquier análisis es
necesario disponer de algunos datos. Sin datos no podemos pensar en una investigación o
en un análisis estadístico. Los datos juegan un papel vital en todo el campo y en todas las
teorías y mediciones. La medida de la tendencia central (media, mediana, moda), la medida
de la dispersión (varianza, desviación media, desviación estándar, etc.) son algunas de las
medidas estadísticas por las que encontramos las diferentes características de los datos.

2.1 Datos cualitativos

Los métodos de investigación cualitativa recogen datos no estructurados o no organizados

que suelen ser difíciles de definir estadística o numéricamente. La recogida y el análisis de
datos cualitativos tienen muchos usos, como la comprensión de fenómenos sociales, la
recopilación de las opiniones de la gente sobre diversos temas y la elaboración de pruebas
para recomendaciones. Se dividen en 2: cualitativos y estadísticos

 Datos Nominales

Los datos nominales se usan para etiquetar variables sin ningún orden o valor cuantitativo.
El color del cabello puede considerarse un dato nominal, ya que un color no se puede
comparar con otro color. El nombre “nominal” proviene del nombre en latín “nomen”, que
significa “nombre”. Con la ayuda de datos nominales, no podemos realizar tareas
numéricas ni dar ningún orden para ordenar los datos. Estos datos no tienen ningún orden
significativo; sus valores se distribuyen en categorías distintas.

Ejemplos de Datos Nominales:

4
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

 Color del cabello (Rubio, Rojo, Castaño, Negro, etc.)

 Estado civil (Soltero, Viudo, Casado)
 Nacionalidad (Indio, Alemán, Americano)
 Género (Masculino, Femenino, Otros)
 Color de ojos (Negro, Marrón, etc.)

 Datos Ordinales

Los datos ordinales tienen un orden natural en el que un número está presente en algún tipo
de escala. Estos datos se utilizan para observaciones como satisfacción del cliente,
felicidad, etc., pero no podemos realizar tareas aritméticas con ellos. Los datos ordinales
son datos cualitativos para los cuales sus valores tienen algún tipo de posición relativa.
Estos tipos de datos pueden considerarse “intermedios” entre datos cualitativos y
cuantitativos. Los datos ordinales solo muestran las secuencias y no se pueden usar para
análisis estadístico. En comparación con los datos nominales, los datos ordinales tienen
algún tipo de orden que no está presente en los datos nominales.

Ejemplos de Datos Ordinales:

 Cuando las empresas solicitan retroalimentación, experiencia o satisfacción en una

escala del 1 al 10
 Calificaciones en un examen (A, B, C, D, etc.)
 Clasificación de personas en una competencia (Primero, Segundo, Tercero, etc.)
 Estado Económico (Alto, Medio y Bajo)
 Nivel de Educación (Superior, Secundario, Primario)

2.2 Datos Cuantitativos

Los datos cuantitativos pueden expresarse en valores numéricos, lo que los hace contables e
incluyen análisis estadísticos. Estos tipos de datos también son conocidos como datos
numéricos. Responda preguntas como “cuánto”, “cuántos” y “con qué frecuencia”. Por
ejemplo, el precio de un teléfono, la memoria RAM de una computadora, la altura o el peso

5
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

de una persona, etc., se clasifican como datos cuantitativos. Los datos cuantitativos pueden
usarse para manipulación estadística. Estos datos pueden representarse en una amplia
variedad de gráficos y diagramas, como gráficos de barras, histogramas, gráficos de
dispersión, diagramas de caja, gráficos circulares, gráficos de líneas.

 Datos Continuos

Los datos continuos están en forma de números fraccionarios. Pueden ser la versión de un
teléfono Android, la altura de una persona, la longitud de un objeto, etc. Los datos
continuos representan información que se puede dividir en niveles más pequeños. La
variable continua puede tomar cualquier valor dentro de un rango. La diferencia clave entre
los datos discretos y los datos continuos es que los datos discretos contienen números
enteros, mientras que los datos continuos almacenan números fraccionarios para registrar
diferentes tipos de datos como temperatura, altura, anchura, tiempo, velocidad, etc.

Ejemplos de Datos Continuos:

 Altura de una persona

 Velocidad de un vehículo
 “Tiempo transcurrido” para completar una tarea
 Frecuencia de Wi-Fi
 Precio de participación en el mercado

 Datos Discretos

El término “discreto” significa distintivo o separado. Los datos discretos contienen valores
que son números enteros. El número total de estudiantes en una clase es un ejemplo de
datos discretos. Estos datos no pueden dividirse en valores decimales o fraccionarios. Los
datos discretos son contables y tienen valores finitos; no es posible subdividirlos. Estos
datos se representan mediante principalmente gráficos de barras, líneas numéricas o tablas
de frecuencias.

6
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

Ejemplos de Datos Discretos:

 Número total de estudiantes presentes en una clase

 Costo de un teléfono celular
 Número de empleados en una empresa
 El número total de jugadores que participaron en una competencia.
 Días en una semana

3. Escalas Estadísticas

Su definición consiste en un proceso de comparación cuantitativa entre dos o más

elementos. Por lo tanto, este instrumento combina símbolos y números para identificar las
veces que figura un determinado patrón en el conjunto de elementos estudiados. Al mismo
tiempo, es importante advertir que un elemento puede ser objetivo posible de ser medido.
Generalmente, los datos de una escala de medición se conforman por características o
propiedades que se atraviesan a partir de la medición de diferentes indicadores. Estos serán,
a su vez, determinados por el comportamiento del objeto de estudio.

 Escala Nominal

Consta de dos o más categorías mutuamente excluyentes. Si solo hay dos, se llama escala
nominal dicotómica. A cada categoría se le suele asignar un número de código sin
significado cuantitativo, lo que facilita su introducción en bases de datos. En cualquier
situación, si se usa una codificación propia, debe tenerse claro lo que significa cada código
para cada variable. Ejemplos:

 Género: En esta escala, clasificamos a las personas como masculino o

femenino.
 Color de ojos: Aquí, las opciones podrían ser azul, verde o marrón.
 Color de pelo: En esta escala, podríamos tener categorías como rubio, negro,
castaño, gris u otro.
 Tipo de sangre: Las opciones podrían ser O-, O+, A-, A+, B-, B+ o AB-.

7
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

 Preferencia política: En esta escala, podríamos tener categorías como

republicano, demócrata o independiente.

 Escala Ordinal

Las variables ordinales tienen la cualidad adicional, respecto a la escala nominal, de que sus
categorías están ordenadas por rango; cada clase posee una misma relación posicional con
la siguiente; es decir, la escala muestra situaciones escalonadas. Si se usan números, su
única significación está en indicar la posición de las distintas categorías en la serie; sin
embargo, no asumen que la distancia del primer escalón al segundo sea la misma que la del
segundo al tercero. Ejemplos:

 Ranking de estudiantes de secundaria: Clasificamos a los estudiantes en orden,

como 1.º, 3.º, 4.º, 5.º, etc.
 Clase social: En esta escala, las categorías podrían ser Alta, Media alta, Media,
Baja o Muy baja.
 Notas escolares cualitativas: Las calificaciones pueden ser I (Insuficiente), A
(Aceptable), B (Bueno), S (Sobresaliente) o E (Excelente).
 Grados militares: Aquí, las opciones podrían ser General, Coronel, Teniente
Coronel, Mayor, Capitán, etc.
 Niveles de dificultad de un videojuego: Por ejemplo, Fácil, Normal y Difícil.

 Escala De Intervalos

Las escalas de intervalos poseen la cualidad adicional de que los intervalos entre sus clases
son iguales. Diferencias iguales entre cualquier par de números de la escala indican
diferencias también iguales en el atributo sometido a medición. Sin embargo, la razón entre
los números de la escala no es necesariamente la misma que la existente entre las
cantidades del atributo. Ejemplos:

 Temperatura en grados Celsius o Fahrenheit

 Puntuación en un examen

8
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

 Fecha en el calendario gregoriano

 Hora en el reloj de 24 horas
 Net Promoter Score (NPS)
 Escalla de razón
Los datos de escala de razón se definen como un tipo de datos cuantitativos que se
caracterizan por un punto de cero absoluto, lo que significa que no hay ningún valor
numérico negativo. Los números se comparan en múltiplos uno. Los datos de escala de
razón tienen todas las propiedades de los datos de la escala de intervalo, a diferencia de los
datos de intervalo donde el cero es arbitrario, en los datos de una escala de razón el cero es
absoluto.
Ejemplos:

 Altura
 Ingresos salariales
 Peso corporal
 Edad
 Temperatura en Kelvin

REFERENCIAS
Datos cualitativos | QuestionPro. (s. f.). https://www.questionpro.com/es/datos-

cualitativos.html

Great Learning. (2023, 1 septiembre). 4 tipos de datos: nominal, ordinal, discreto y

continuo | Great learning. Great Learning Blog: Free Resources What Matters To

Shape Your Career! https://www.mygreatlearning.com/blog/tipos-de-datos/

Muguira, A. (2023, 23 febrero). Escala de razón. Conoce los datos de este tipo de escala

de medición. QuestionPro. https://www.questionpro.com/blog/es/escala-de-razon/

9
 UNIVERSIDAD CENTRAL DEL ECUADOR
FACULTAD DE INGENIERÍA Y CIENCIAS APLICADAS
INGENIERÍA CIVIL

10