POBLACION,

MUESTRA
JAIRO SANTIAFO ROSAS SILVERIO
¿Qué es la estadística y la bioestadística?

 disciplina que se ocupa de 1) la recolección,

organización, resumen y análisis de datos, y 2) la
obtenci6n de inferencias a partir de un volumen de
datos cuando se examina solo una parte de estos
 Cuando los datos que se analizan proceden de las
ciencias biológicas 0 medicas, se utiliza el termino
bioestadística
¿Qué es un dato?

Los datos son la materia prima de la

estadística. Para este prop6sito se puede
definir a los datos como números. Las
dos clases de números que se utilizan en
estadística son números que resultan de
la toma de medidas, y aquellos que
resultan del proceso de conteo
¿Qué es una fuente de
datos?
 Cuando se utiliza una fuente para buscar respuesta a
preguntas investigando cuales son los datos apropiados.
o Registros rutinarios tipo de organizaci6n que lleve
registros de la operación diaria de sus actividades
o Encuestas
o Experimentación
o Fuentes externas. Los datos necesarios para responder a
una pregunta pueden ya existir como informes publicados,
bancos de datos disponibles
Variables

 una característica se clasifica como variable si, tal

como se observa, se encuentra que esta toma
diferentes valores en diferentes personas, lugares o
cosas.
o Cuantitativas
o Cualitativas
o Aleatoria
o Aleatoria directa
o Aleatoria continua
Variables cuantitativa y cualitativa

 Una variable cuantitativa es aquella que puede

medirse en la forma usual. las mediciones hechas
sobre variables cuantitativas conllevan informaci6n
respecto a cantidad.
 Las mediciones hechas sobre variables cualitativas
contienen información respecto a los atributos
Aunque en el caso de las variables cualitativas las
mediciones no se llevan a cabo en el sentido usual de
la palabra, se puede contar el numero de personas,
lugares 0 cosas pertenecientes a varias categorías
Variables aleatorias
 Cuando los valores se originan como
resultado de factores aleatorios (al azar),
que no pueden predecirse con exactitud y
anticipación, la variable se llama variable
aleatoria.
 Aleatoria discreta se caracteriza por
separaciones o interrupciones en la escala
de valores que puede tomar o números
enteros
 Una variable aleatoria continua no posee
las separaciones 0 interrupciones típicas de
una variable aleatoria discreta
Población y muestra
 una poblaci6n de entidades se define
como la colecci6n mas grande de
entidades de interés en un momento
particular Si una población de valores
consiste en un numero fijo de esos
valores, se dice que la población es
finita. Si, por otra parte, una población
consiste en una sucesión interminable
de valores, entonces es una población
infinita.
 MUESTRA una parte de una
poblaci6n.
Formula para muestra (finita)
Formula para muestra (infinita)

 .
Nivel de confianza
Nivel de error
distribución normal

 Se la denomina Campana de Gauss, ya que

al representar su función de probabilística
tiene forma de campana
 determinada por dos parámetros, su media
y su desviación estándar
 En la distribución normal, se puede calcular
la probabilidad de que varios valores
ocurran dentro de ciertos rangos o
intervalos.
Método para calcular la distribución
normal
 Para calcular probabilidades con variables que siguen la distribución normal se usan tablas. Pero, puesto
que sería imposible tener una tabla para cada posible distribución normal, solamente la tenemos para la
distribución normal estándar, es decir, para la  N( 0 , 1 ). 
 Necesitaremos, pues, ser capaces de transformar las variables X "normales" N(µ,σ) que encontremos,  en
variables Z que sigan una distribución normal estándar N(0,1). Este proceso de llevar cualquier
distribución normal a una N( 0 , 1 ) se llama "tipificación de la variable".
  
 Para tipificar X (o sea, transformarla en Z), el primer paso es "centrar" la variable; es decir, hacer
que la media µ sea 0.
  
 El siguiente paso es conseguir que la desviación típica σ sea 1.
  
 Por tanto para tipificar una variable lo que hemos de hacer es restar la media y dividir por la
desviación típica.
 Ejemplo
Ejemplo 1: X →N( 8 , 1.5). Calcula
P[ X < 6]