Sistematizacin de la informacin

Caractersticas Generales de la Estadstica Descriptiva. Estadstica Descriptiva Anlisis de Datos INTRODUCCION El concepto de Estadstica El origen de la Estadstica se remonta a dos tipos de actividades humanas: los juegos de azar y las necesidades de los Estados: necesidades de describir numricamente ciudades, provincias, etc. Los juegos de azar llevaron al estudio de la probabilidad, y ste condujo al tratamiento matemtico de los errores de las mediciones y a la teora que hoy constituye la base de la estadstica, mientras que la segunda actividad condujo a la estadstica descriptiva: presentacin de datos en tablas y grficos, aunque en nuestros das incluye tambin la sntesis de ellos mediante descripciones numricas. El mtodo estadstico moderno se refiere a la Inferencia estadstica: sta se relaciona con el desarrollo de mtodos y tcnicas para obtener, analizar e interpretar datos cuantitativos de tal manera que la confiabilidad de las conclusiones basadas en los datos pueda ser evaluada objetivamente por medio del uso de la probabilidad. La teora de la probabilidad permite pasar de datos especficos a conclusiones generales, por eso desempea un papel fundamental en la teora y aplicacin de la estadstica. En pocas recientes la inferencia estadstica ha adquirido la importancia que antes tena la estadstica descriptiva. La inferencia estadstica trata de generalizaciones basadas en muestras de datos: se aplica a problemas como estimar, mediante pruebas, la emisin promedio de contaminantes en una turbina, verificar las especificaciones de un fabricante a partir de mediciones efectuadas sobre muestras de un producto, etc. Cuando se hace una inferencia estadstica, debe procederse con cautela: debe decidirse hasta qu punto pueden hacerse generalizaciones a partir de un conjunto de datos disponibles, si las generalizaciones son razonables, o si sera preferible disponer de otro conjunto de datos. Algunos de los problemas importantes de la inferencia estadstica se refieren precisamente a la evaluacin de los riesgos y las consecuencias a las que uno se expone al hacer generalizaciones. Esto incluye una estimacin de la probabilidad de tomar decisiones errneas, las posibilidades de hacer decisiones incorrectas y de obtener estimaciones no comprendidas dentro de los lmites permitidos. Todos estos problemas los aborda en los ltimos aos la teora de la decisin. Podemos sintetizar lo anterior, mediante las siguientes definiciones:

El contenido de la estadstica moderna incluye la recopilacin, presentacin y caracterizacin de la informacin a fin de que auxilie tanto en el anlisis de datos como en el proceso de toma de decisiones. Se puede definir la estadstica descriptiva como los mtodos que implican recopilacin, presentacin y caracterizacin de un conjunto de datos con el objeto de describir en forma apropiada las diversas caractersticas de dicho conjunto.

Puede considerarse la inferencia estadstica como los mtodos que hacen posible la estimacin de una caracterstica de una poblacin, o la toma de una decisin con respecto a una poblacin, con base nicamente en resultados mustrales.

Para clarificar esta definicin, se requieren algunas definiciones: Poblacin (o universo): es la totalidad de elementos que se consideran. Muestra: es un subconjunto de una poblacin que se selecciona para su estudio. Parmetro: es una medida que se calcula para describir una caracterstica poblacional. Estadstica: es una medida utilizada para describir una caracterstica muestral. RECOPILACION DE DATOS Para el especialista, la informacin necesaria para toda investigacin est constituida por datos. A fin de que un anlisis estadstico resulte til en la toma de decisiones, los datos deben ser apropiados. Hay, por lo menos, tres maneras de obtener datos: i) utilizar los datos publicados por fuentes gubernamentales, industriales o particulares; ii) ii) a travs de la experimentacin; iii) realizando encuestas.

Tipos de datos En una investigacin estadstica, se manejan diversas caractersticas, a las que se denomina variables. Los datos son los resultados que se observan para estas variables. Bsicamente existen dos tipos de variables, que producen dos tipos de datos: cualitativos y cuantitativos. Las primeras variables producen respuestas categricas, en tanto que las segundas producen respuestas numricas. Por otra parte, los datos cuantitativos pueden ser discretos o continuos. Los datos cuantitativos discretos son respuestas numricas que surgen de un proceso de conteo, mientras que los continuos son los que surgen de un proceso de medicin. Tipos de escalas de medicin Todos los datos son en ltima instancia resultado de un proceso de medicin (hasta los datos discretos pueden considerarse resultado de una medicin mediante conteo). Podemos distinguir cuatro niveles de medicin: escala nominal, escala ordinal, escala de intervalo, escala de razn. Escala nominal: corresponde a los datos cualitativos, cuando se clasifican en categoras que no implican orden.
Es propietario de automvil? Cul es su afiliacin poltica? S No

Escala ordinal: cuando los datos cualitativos se clasifican en categoras distintas en las que existe algn orden.
Rango docente: Titular Asociado Adjunto JTP Auxiliar

Escala de intervalo: es una escala ordenada en la cual la diferencia entre las mediciones es una cantidad que tiene significado preciso. Por ejemplo, si una persona mide 1,65 m, entonces tiene 5 cm ms que otra que mide 1,70 m. Estos 5 cm representan la misma diferencia entre una persona que mide 1,82 m y otra que mide 1,77m.

Escala de razn: En este caso, adems de que las diferencias son significativas e iguales en todos los puntos de la escala, existe un cero real, de modo que se pueden considerar cocientes de mediciones. Por ejemplo, una persona que mide 180 cm tiene el doble de altura de otra que mide 90 cm, mientras que una temperatura de 80C no significa precisamente el doble de otra de 40C.

Temperatura (en grados C) Temperatura (en grados K) Edad Sueldo

de intervalo de razn de razn de razn

Caractersticas generales de estadstica inferencial.

La estadstica inferencial o inductiva trata de llegar a conclusiones que sobrepasan el alcance de los datos analizados, es decir, se trata de tcnicas que se emplean para inferir o deducir caractersticas desconocidas a partir de un conjunto de datos conocidos, apoyndose fundamentalmente en el clculo de probabilidades. Esto es as porque es imposible en la mayora de los casos utilizar como datos para comprobar las hiptesis la totalidad de los fenmenos que componen la poblacin objeto de estudio. (Por ejemplo, es imposible medir el dimetro de todos los cantos en una terraza fluvial, o encuestar a todos los agricultores de una determinada zonas...). Como resulta imposible examinar la poblacin entera de los fenmenos que estudiamos, la construccin de leyes y teoras se tiene que apoyar en DATOS MUESTRALES. A partir de unos pocos datos conocidos (los de la muestra), se trata de obtener informacin de la poblacin total, y esto lo hace apoyndose en el clculo de probabilidades, como hemos mencionado anteriormente. Uno de los principales objetivos de la estadstica inferencial es estimar las propiedades de una poblacin a partir del conocimiento de slo una muestra de ella. La estadstica inferencial se basa por lo tanto en la estadstica descriptiva, ya que la inferencia o deduccin de las propiedades de la poblacin entera se deriva de las caractersticas de la muestra que es analizada con las tcnicas de la estadstica descriptiva.

Definiciones e ideas previas

En el mbito cientfico, la estadstica, en general, y la estadstica inferencial, en particular, es el camino que hay que recorrer para llegar de una pregunta a la res puesta adecuada. As, la estadstica no es ms que un argumento para defender nuestras ideas. Cundo es necesaria la estadstica inferencial? Cuando queremos hacer alguna afirmacin sobre ms elementos delos que vamos a medir. La estadstica descriptiva, como indica su nombre, tiene por finalidad describir. As, si queremos estudiar diferentes aspectos de, por ejemplo, un grupo de personas, la estadstica descriptiva nos puede ayudar. Lo primero ser tomar medidas, en todos los miembros del grupo, de esos aspectos o variables para, posteriormente, indagar en lo que nos interese. Por ejemplo, para saber cul es la edad del grupo, podemos resumir el conjunto de todas las edades mediante la media. Eso nos dice, aproximadamente, alrededor de qu edad se sitan todos. Ya sabemos, pongamos, que la edad media es 40 aos. Pero adems podemos utilizar la desviacin tpica, si1. Introduccin, 2 queremos saber si el grupo tiene edades muy dispares (por ejemplo, una desviacin tpica de 12 aos) o si, por el contrario, tienen edades parecidas (una desviacin tpica de 2 aos). Slo con esos indicadores ya podemos hacernos una idea, podemos describir a ese conjunto de personas, al menos en referencia a su edad. Pero el tamao de los grupos que suelen interesar es demasiado grande, a veces tan grande como todo el mundo. Y esto, ms que ser una rareza, es en muchos campos la norma. Por ejemplo, cuando se afirma que las personas tenemos una agudeza visual menor que la de los halcones, podemos estar seguros de que no hemos medido la agudeza visual de todos los humanos ni la de todos los halcones. Pues bien, la estadstica inferencial es la que va a permitir dar ese salto de los resultados obtenidos para un grupo a la totalidad. Planteemos una cuestin concreta: Un profesor de estadstica afirma que se aprende mejor estadstica inferencial utilizando los ordenadores para mostrar lo que se estudia. Cmo podemos decidir si esta afirmacin es cierta? Una posible forma sera seleccionando dos grupos de alumnos (equivalentes) que estudien estadstica inferencial, y dar las mismas clases a ambos, incluido el mismo profesor, idnticos

ejercicios, etc., excepto que uno de ellos utilizan los ordenadores en su aprendizaje y otro no. Veamos las definiciones en relacin a este ejemplo, suponiendo que realiza mos el estudio con los alumnos de los grupos F (con computadora) y G (sin computadora):

Grupo F (con ordenador)

Grupo G (sin ordenador)

Poblacin: un conjunto de elementos (generalmente personas, en psicologa) que comparten al menos una caracterstica bien definida. Estudiantes de primero de psicologa que cursan estadstica inferencial con computadora Estudiantes de primero de psicologa que cursan estadstica inferencial sin computadora

Muestra: es un subconjunto de elementos extrados de una poblacin. Los estudiantes de primero de psicologa dela UCM, grupo F Los estudiantes de primero de psicologa dela UCM, grupo G

Variable: Caracterstica de los elementos de una poblacin que puede tomar diversos valores (al menos, dos). Nivel de conocimientos en estadstica II, medidos a travs de un examen. Nivel de conocimientos en estadstica II, medidos a travs de un examen.

Datos: Valores obtenidos al medir una variable en una muestra. Conjunto de notas obtenidas en el examen de estadstica para los alumnos del grupo F Conjunto de notas obtenidas en el examen de estadstica para los alumnos del grupo G

Estadstico: Es un valor numrico que expresa una caracterstica de una muestra. Formalmente, un estadstico es una funcin definida sobre una variable. Media (X ) delas notas obtenidas en el examen de estadstica para alumnos del grupo F Media (X ) delas notas obtenidas en el examen de estadstica para alumnos del grupo G Parmetro: Es un valor numrico que expresa una caracterstica de una poblacin. Media () delas notas obtenidas en el examen de estadstica para todos los estudiantes de primero de psicologa que cursan estadstica inferencial con ordenador. Media () delas notas obtenidas en el examen de estadstica para todos los estudiantes de primero de psicologa que cursan estadstica inferencial sin ordenador.

Bibliografa. Baird, D. C., Experimentacin, Prentice-Hall Hispanoamericana, S. A. G., HOEL Paul. Estadstica elemental. Editorial CECSA. Mxico, 1976. KREYSZING, Erwin. Introduccin a la estadstica matemtica. Editorial Limusa. Mxico, 1981. Lawson, John, Jose L. Madrigal & John Erjavec, Estrategias experimentales LINCOLN L., Chao. Introduccin a la estadstica. Editorial CECSA,. Mxico, 1985 MENDENHALL, William. Introduccin a la probabilidad y la estadstica. Traductor Segami Carlos. PARSEN, Emanuel. Teora moderna de probabilidad y sus aplicaciones. Editorial Limusa. Mxico, 1973. SEYMOUR Lipschutz. Ph. D. Teora y problemas de probabilidad. Editorial McGraw-Hill. Mxico, 1973. STEVENSON, William J. Estadstica para administracin y economa. Editorial Harla. Mxico, 1981. TARO, Yamane. Estadstica. Editorial Harla, 3. edicin. Mxico, 1979. WILLOUGHBY, Stephens. Probabilidad y estadstica. Publicaciones Culturales, S.A. Mxico, 1983.