QU ES LA ESTADISTICA DESCRIPTIVA E INDUCTIVA?

La Estadstica es la ciencia que trata de los mtodos y procedimientos para recoger, clasificar, resumir, hallar regularidades y analizar datos, as como de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de decisiones y en su caso formular predicciones. Podemos por tanto clasificar la Estadstica en: Descriptiva o deductiva, que tiene por objeto la recogida, recopilacin, y reduccin de datos, su organizacin en tablas y grficos y el clculo de unos valores que representen al conjunto de datos. Inferencial o inductiva tiene por objeto establecer previsiones o conclusiones sobre una poblacin basndose en los resultados obtenidos de una muestra QU ES RECOPILACION DE DATOS? Se refiere al registro de aquellos hechos que permitan conocer y analizar lo que realmente sucede en la unidad o tema que se investiga. Esto consiste en la recoleccin, sntesis, organizacin y comprensin de los datos que se requieren.

Se conocen dos tipos de fuentes: 1. Primarias: que contienen informacin original no abreviada ni traducida. 2. Secundarias: obras de referencia que auxilian al proceso de investigacin. QU ES ORGANIZACIN DE DATOS? La estadstica con frecuencia se realiza con la intencin de llegar a establecer conclusiones o a obtener resultados, esto demanda muchas veces estudiar centenares, miles o aun cifras ms altas de cosas, objetos, personas o grupos. Por ejemplo un caso extremo de estudio que involucra a la estadstica es la realizacin de un censo, a pesar de la ayuda de procedimientos complejos diseados para tal fin, constituye siempre una tarea gigantesca resumir y describir las enormes cantidades de datos que se generan de los proyectos de investigacin. Usando los principios ms elementales de la estadstica descriptiva, es posible describir las caractersticas de los datos con bastante claridad y precisin, de modo que las tendencias o generalidades se puedan descubrir ms rpidamente y comunicar con mayor facilidad. Primero, es menester clarificar que dependiendo del nivel de medicin de la variable se posibilitar su organizacin. En el apartado anterior de variables y datos se estableci que los datos podan provenir de variables de tipo categrico o numrico.

EJEMPLOS DE ORGANIZACIN DE DATOS (EXCEL)

Deportes Futbol Basquetbol pin pon Natacion Atletismo

Conteo IIIIIIIIIIIIII IIIIIIIIIIIII III IIIII IIIIII TOTAL

No de personas que lo prefieren 14 13 3 5 6 41

QU ES UNA TABLA DE FRECUENCIA PARA DATOS NO AGRUPADOS? Distribucin de frecuencia para datos agrupados Cuando la muestra es grande es frecuente encontrar muchos valores de la variable y resulta poco prctico numerarlas todos, en estos casos resulta conveniente agrupar los valores en intervalos consecutivos llamados clases. Estos intervalos son de la forma cuyo extremo Li es el lmite inferior de la clase y el extremo es el lmite superior de la clase. No existe alguna ley que defina cmo obtener el nmero de clases; pero la experiencia recomienda que sean entre 5 y 20 clases. COMO CONSTRUIR UNA TABLA DE FRECUENCIA PARA DATOS NO AGRUPADOS? Y EJEMPLOS (EXCEL) Para construir una distribucin de frecuencias en clases seguimos el siguiente procedimiento aplicado al ejemplo: los puntajes de un examen de ingreso a la universidad realizado por 40 alumnos son los siguientes:110, 102, 108, 115, 120, 130, 93, 124, 112, 102, 110, 108, 108, 109, 110, 90, 95, 98, 104, 124, 130, 97, 125, 136, 140, 104, 108, 96, 106, 107, 103, 92, 122, 93, 99, 107, 105, 103, 115, 110. Paso 1. Determinamos el rango (R) de variacin de los datos que se define como R = Xmax Xmin, donde Xmax es el dato mximo y Xmin es el dato mnimo. Para el ejemplo Xmax = 140 y Xmin = 90 entonces R = 140 90 = 50 Paso 2. Determinamos el nmero de intervalos o clases k. Una forma de hacerlo es con la Regla de Sturges, donde: k = 1 + 3.3 log (n) ; donde n es el numero de datos (se recomienda que sean ms de 10). Para el ejemplo se tiene n = 40 datos, sustituyendo k = 1 + 3.3 log (40) = 1 + 3.3 (1.602) = 1 + 5.28 = 6.28, la cual se redondea al entero siguiente, en este caso k = 7. Otra alternativa es usando la raiz cuadrada del total de datos n para este ejemplo nos queda as: k = raz (n) = raz (40) = 6.32 que tambin se redondea al entero siguiente quedando k= 7. Paso 3. Calculamos la amplitud de clase (A), que corresponde a la cantidad de datos que van en casa clase, dividiendo el rango R entre el numero de clases k: sustituyendo se redondea a 8.

Paso 4. Construimos los intervalos o clases, como la variable es cuantitativa discreta los intervalos o clases son cerrados, es decir de la forma [Li, Ls].

Para formar las clases comenzaremos con los limites inferiores: En la primer clase tomamos Li1 = Xmin (el dato ms pequeo) Para las dems clases el lmite inferior se obtiene sumando la Xmin con la amplitud, es decir Li n = Li n 1 + A. Para nuestro ejemplo XMin = 90 y A = 8, entonces las 7 clases quedan:

Para obtener los limites superiores se toma el valor anterior al lmite inferior de la clase siguiente, y se va sumando la amplitud A = 8

Finalmente ya podemos elaborar las clases con sus respectivas frecuencias, recordando que cada clase abarca todos los valores que van desde el lmite inferior hasta el superior. Los puntajes de los 40 alumnos son:110, 102, 108, 115, 120, 130, 93, 124, 112, 102, 110, 108, 108, 109, 110, 90, 95, 98, 104, 124, 130, 97, 125, 136, 140, 104, 108, 96, 106, 107, 103, 92, 122, 93, 99, 107, 105, 103, 115, 110.