Introducción a la Estadística

Tema Nº 1.

Ing. Griceldo Carpio T.

1
Indicador de competencia
 Describe la importancia y conceptos básicos de la
estadística, mediante proceso interactivo entre el Docente y
Estudiantes, en aula.

Balance de Alimentos

80
60
Miles TM

40
20
0
2000 2010 2020 2030 2040 2050
Años
Oferta Deman

2
Conceptos de Estadística y Bioestadística:
 “La Estadística estudia los métodos científicos para
recoger, organizar, resumir y analizar datos, así como
para sacar conclusiones válidas y tomar decisiones
razonables basadas en tal análisis” (Murray R. Spiegel
1997).
 “…disciplina que se ocupa de: 1) la recolección,
organización y procesamiento de datos y 2) la obtención
de inferencias a partir de un volumen de datos cuando se
observa sólo una parte de ella.” (Daniel 1977).
 “Cuando los datos que se analizan proceden de las
ciencias biológicas o médicas, se prefiere el término
Bioestadística, para distinguir las herramientas y
conceptos de la estadística general” (Daniel 1977).

3
Concepto de estadística:
Recolección de datos

Organización

Disciplina que
se ocupa de: Procesamiento y Análisis

Obtención de Inferencias
o conclusiones

Toma de decisiones
4
Importancia de la Estadística:
 La estadística se aplica en los programas de gobierno,
ingeniería, agronomía, economía, medicina, biología,
psicología, pedagogía, sociología, física, etc. No hay
ciencia alguna que no la use o profesión que no la
aplique.
 Los Gobiernos (nacional, departamental y local) utilizan la
estadística para tomar decisiones respecto a programas y
proyectos tendientes a resolver los problemas de su
competencia.
 En la Industria, la mayor parte de los industriales la
utilizan para el control de calidad.

5
Importancia de la Estadística:
 En la Agropecuaria, se emplea en actividades como
experimentos sobre la reproducción de plantas y
animales.
 En el campo económico su uso es fundamental para
informar sobre el desarrollo económico de una empresa o
de un país.
Da a conocer los indicadores económicos relativos a la:
a) producción,
b) mano de obra
c) índices de precios para el consumidor
d) índice de inflación,
f) costo de la vida. 6
Ramas de la Estadística:

• Mediciones
• Encuestas
• Organización datos
Descriptiva: • Tabulación
• Representaciones
Estadística • Cálculo de parámetros

• Interpretación de
Inferencial: resultados
• Conclusiones y
predicciones

7
Estadística descriptiva o deductiva:
 La parte de la estadística que solo se ocupa de describir
y analizar un grupo dado sin sacar conclusiones sobre un
grupo mayor, se llama estadística descriptiva o deductiva.
(Murray R. Spiegel 1997)
 Es el estudio que se limita a la obtención, organización,
presentación y descripción de información numérica. La
descripción de los datos también puede hacerse usando
representaciones gráficas.
Ejemplo: Promedio de las calificaciones obtenidas en una
asignatura durante una gestión académica.

8
Estadística Inferencial o inductiva:
 “La inferencia estadística es una técnica mediante la cual
se obtienen generalizaciones o se toman decisiones en
base a una información parcial o completa obtenida
mediante técnicas descriptivas”.
 Apoyándose en el cálculo de probabilidades y a partir de
datos muestrales, se efectúa estimaciones, decisiones,
predicciones u otras generalizaciones sobre un conjunto
mayor de datos.
Ejemplo: Los meteorólogos hacen predicciones sobre el
estado del tiempo, apoyados en datos estadísticos
registrados y ciertas reglas de probabilidad.

9
Población y Muestra:
 Población o Universo:
Población estadística es la totalidad o conjunto de
personas, entidades u objetos del cual se quiere saber
algo que nos interesa, para tomar una determinación
acertada.
Su tamaño se denota con la letra N.

10
Población y Muestra:
 Muestra:
Es un subconjunto de la población.
Generalmente seleccionado aleatoriamente (al azar), en
que cada individuo de la muestra tiene la misma
posibilidad de ser parte de la muestra.
Su tamaño se denota con la letra n.

11
Población y Muestra:

Población o
universo
(grupo del cual se
desea saber algo)
Muestra
(grupo de
estudio)

12
Parámetro y Estadístico:

 Parámetro:
Es un valor numérico que caracteriza cierta población, es
decir, una medida descriptiva calculada a partir de los
datos de una población se llama parámetro.
 Estadístico:
Es un valor numérico que caracteriza cierta muestra, es
decir, una medida descriptiva calculada a partir de los
datos de una muestra se llama estadístico.

13
Variables y Valores:

 Variable:
Característica de cada sujeto de una muestra o de una
población; se llama “variable” porque precisamente “varía
de un sujeto a otro”.
 Valor:
Son los distintos estados en los que se puede encontrar
una característica en un sujeto.
Estos pueden ser cualitativos (masculino, femenino) o
cuantitativos (163 cm, 185 cm, etc.)

14
Variables y Valores:

 Ejemplos:
Variable: género
Valores: hombre y mujer
Variable “edad en años cumplidos”;
Valores: 0, 1, 2, 3, . . .
Variable “ingresos mensuales”
Valores: entre 800 Bs, 1200 Bs, 5000 Bs etc.

15
Clasificación de las Variables:

• En escala nominal
Cualitativas • En escala ordinal

Variables
• En escala de intervalos
Cuantitativas
• En escala de razón

16
Variables cuantitativas y cualitativas

 Las variables cuantitativas son aquellas en que los

valores son números. Cuantifican características que
unos poseen en mayor o menor cantidad que otros.
Ej. peso y estatura de las personas.

 Algunas características solo pueden ser clasificadas o

categorizadas y no expresadas en números, en este
caso nos referimos a variables cualitativas.
Ej. estado civil de las personas.

17
Variables cualitativas nominales

 Los valores son “categorías”.

 Las categorías son valores diferentes por una
cualidad, no por una cantidad.
 Ningún “valor” se puede decir que sea mayor o menor
que otro.
 Ejemplos: Partido político por el que votó, provincia
donde nació, género, estado civil, marca de coche que
conduce, etc.

18
Variables cualitativas ordinales:

 Categorías no numéricas, que tienen un orden pero no

existe un intervalo definido de una categoría a otra.
Ejemplos:
Clase social: alta, media y baja.
Calidad de los frutos de un árbol: bueno, regular,
malo.
 Ojo: Hay números que son variables cualitativas.
Ejemplo: El número de cédula de identidad, el número
telefónico, número de casa donde vive, etc.

19
Variables cuantitativas en escala de intervalos

 Los datos que se utilizan son cuantitativos y guardan

las características descritas en las medidas ordinales.
 No existe un cero natural, es decir, el cero no implica
necesariamente la ausencia del atributo en estudio.
 Implican la asignación de números de modo que a
iguales diferencias entre los grados del atributo,
correspondan iguales diferencias entre los valores
numéricos.
Ejemplo: La temperatura

20
Variables cuantitativas en escala de Razón

 Datos que cumplen con las características necesarias

para medirse con una escala de intervalo, y que
además posee un cero natural.
 Tener un cero natural implica que el punto cero no es
arbitrario y corresponde a una total ausencia del
atributo en estudio.
Ejemplo:
El peso de un niño al nacer puede ser: 3,00 kg; 3,67
kg; ó 3,7637 kg.; es imposible que un niño pese 0 Kg.,
en consecuencia el cero significa que la inexistencia
del niño.
21
Variables Continuas y Discretas

 Una variable que puede tomar cualquier valor entre

dos valores dados se dice que es una variable
continua, en caso contrario diremos que la variable es
discreta.
Ejemplos:
El número de hijos en una familia pude ser 1, 2, 3, . . .,
pero no 2.5 ó 3.842, entonces es una variable
discreta.
La estatura de una persona puede ser 1.7 m, 1.72 m,
o 1.718, dependiendo de la precisión del instrumento
de medición, entonces es una variable continua.
22