Unidad I

Facultad de Ingeniera de Sistemas, Cmputo y
Telecomunicaciones
Sistema a Distancia

ESTADSTICA I

EDWIN MONTENEGRO DAZ

2010
Estadstica I - Unidad I Edwin Montenegro Daz

2 Sistema a Distancia

NDICE
Pg.
ndice..... 2
Presentacin... 7
Introduccin 8
Orientacin metodolgica 9
Evaluacin... 11
PRIMERA UNIDAD: Qu importancia tiene el estudio de la estadstica?..... 12
LECCIN 1.. 13
Estadstica.. 13
1. Concepto. 13
2. Importancia de la estadstica. 13
3. Oportunidades que ofrece la estadstica. 14
4. Divisin de la estadstica 15
5. Funciones de la estadstica 16
6. Ejemplos de la leccin 17
LECCIN 2.. 18
Conceptos bsicos de estadstica 18
1. Poblacin y parmetros... 18
2. Muestra y estadstico.... 18
3. Unidad de anlisis. 19
4. Variable, clases, ejemplos 20
5. Otros conceptos relacionados.. 21
6. Ejemplos de la leccin... 22
LECCIN 3.. 25
Escalas de medida.. 25
1. Concepto 25
2. Nominal .. 25
3. Ordinal. .. 25
4. De intervalo.. 25
5. De razn.... 26
6. Ejercicios de la leccin. 26
Resumen.. 27
Lectura . 28
Actividades. 29
Autoevaluacin .. 30
Exploracin on line .. 31
Referencias bibliogrficas 32
Bibliografa comentada. 32
SEGUNDA UNIDAD: Cmo recolectar datos? . 34
LECCIN 1. 35
Recoleccin de datos.... 35
1. Concepto 35
2. Importancia 35
3. Modalidades. ... 35
4. Informacin estadstica 36


5. Fuentes de datos.. 36
6. Ejemplo de la leccin 39
LECCIN 2 40
Tcnicas de recoleccin 40
1. Concepto. 40
2. La observacin... 40
3. La tcnica documental.. 41
4. La entrevista 42
5. El cuestionario 42
6. La encuesta. 44
7. La experimentacin 45
8. Ejemplo de la leccin. 45
Resumen 46
Lectura. 47
Actividades. 48
Autoevaluacin . 49
Exploracin on line.. 50
Bibliografa comentada.. 50
TERCERA UNIDAD: Cmo se organizan los datos?...................................... 51
LECCIN 1.. 52
Mtodos de agrupacin de datos.... 52
1. Concepto.. 52
2. Distribucin de frecuencias.. 52
3. Construccin de una tabla de distribucin de frecuencias. 53
4. Distribucin de frecuencias ms de 55
5. Distribucin de frecuencias menor que. 55
6. Distribucin de frecuencias de variable discreta.. 56
7. Tablas de contingencia.... 57
8. Ejemplos de la leccin. 57
LECCIN 2.. 59
Grficos y diagramas. 59
1. Concepto.. 59
2. Histogramas y polgonos.. 59
3. Diagramas de barras. 60
4. Grfico de frecuencias absolutas acumuladas. 61
5. Diagrama circular.. 62
6. Grficos de mximos mnimos y al cierre 62
7. Diagrama de tallo y hoja 63
Resumen 63
Lectura 64
Actividades 65
Autoevaluacin 66
Exploracin on line. 67
Bibliografa comentada. 68


CUARTA UNIDAD Cul es la importancia de las medidas
de tendencia central y de dispersin.. 69
LECCIN 1.. 70
Medidas de tendencia central para datos no agrupados.... 70
1. Concepto. 70
2. La media. 70
3. La mediana. 71
4. La moda.. 71
5. La media ponderada.. 72
6. La media geomtrica. 72
7. Comparacin de la media, mediana y moda. 73
8. Ejercicios de la leccin. 74
LECCIN 2. 75
Medidas de dispersin para datos no agrupados. 75
1. Concepto..... 75
2. Rango...... 75
3. Varianza y desviacin estndar de una poblacin.. 75
4. Varianza y desviacin estndar de una muestra... 77
5. Ejercicios de la leccin 78
LECCIN 3.. 80
Medidas de tendencia central y de dispersin para datos agrupados 80
1. Concepto..... 80
2. La media para datos agrupados.. 80
3. La mediana para datos agrupados.. 81
4. La moda para datos agrupados 82
5. La varianza y desviacin estndar muestral para datos agrupados.. 83
LECCIN 4.. 87
Otras medidas de dispersin 87
1. Concepto..... 87
2. Los cuartiles. 87
3. Los deciles . 88
4. Los percentiles. 88
5. Rango o recorrido intercuartlico... 90
6. Percentiles para datos agrupados 90
7. Igualdades. 91
8. Ejercicios de la leccin.. 91
LECCIN 5.. 93
Usos frecuentes de la desviacin estndar. 93
1. Concepto..... 93
2. Teorema de Chebyshev 93
3. La distribucin normal y la regla emprica . 93
4. El sesgo de Pearson... 96
5. Coeficiente de variacin... 97
6. Ejercicios de la leccin... 98
Resumen.. 100


Lectura. 102
Actividades. 104
Autoevaluacin 106
Exploracin on line 107
Referencias bibliogrficas. 108
Bibliografa comentada 108
QUINTA UNIDAD Cmo se establece la probabilidad de
eventos futuros.................................................................................................. 109
LECCIN 1. 110
Probabilidad.... 110
1. Concepto 110
2. Experimentos, espacio muestral y eventos 110
3. Enfoques conceptuales de probabilidad 111
LECCIN 2 114
Relaciones entre eventos 114
1. Concepto..... 114
2. Relaciones entre eventos... 114
LECCIN 3 117
Tabla de contingencia, tabla de probabilidad y probabilidad
condicional. 117
1. Concepto.... 117
2. Tabla de contingencia.. 117
3. Tabla de probabilidad.... 118
4. Probabilidad condicional.. 118
LECCIN 4 121
Las dos reglas de probabilidad. 121
1. Concepto.... 121
2. Reglas de la multiplicacin.. 121
3. Reglas de la adicin . 122
4. Ejercicios de la leccin.. 124
LECCIN 5. 125
Teorema de la probabilidad total, el teorema de Bayes y
las tcnicas de conteo. 125
1. Teorema de la probabilidad total... 125
2. Teorema de Bayes. 125
3. Tcnicas de conteo 127
4. Ejercicios de la leccin... 129
Resumen. 131
Lectura 133
Actividades. 133
Autoevaluacin.135
Exploracin on line 136


Bibliografa comentada.. 137
Glosario.. 138
Bibliografa.. 144



Presentacin



Introduccin
El presente Manual Autoinstructivo (MAI) de Estadstica I tiene como objetivo
apoyar al OSAED (Oficina de Servicios Administrativos de Educacin a
Distancia) de la Universidad Inca Garcilaso de la Vega en la formacin de
profesionales competentes en el rea de Ingeniera. Esta orientado a la
iniciacin gradual de los materiales autoeducativos, en bsqueda de medios
facilitadores del aprendizaje sin la presencia fsica del profesor.
Los manuales auto instructivos son textos que los estudiantes de la modalidad
de educacin a distancia deben leer por cuenta propia. No son para completar o
profundizar temas de las clases, sino para sustituir y constituirse en el medio
principal para estudiar la carrera profesional. Su estudio es complementado, con
la tarea eventual de asesora virtual o personal del docente.
El texto, en este caso, es el eje del proceso de aprendizaje. Pero tambin es, en
buena cuenta, una apuesta por la lectura sistemtica, paciente, persistente, de
bsqueda del saber por el saber y de conocimientos y destrezas para actuar
eficientemente all donde sea necesaria su accin profesional.
Frente a lo mucho por hacer en el campo educacional en nuestro pas, el
OSAED, se esfuerza por alcanzar su modesto aporte al ideal de descentralizar
la educacin y de socializar el conocimiento, motivado por su compromiso de
servir a nuestro pueblo en su diversidad pluricultural.
Frente a este hecho, la educacin -como pensamiento y accin- tiene un
imperativo ineludible: seleccionar, clasificar y procesar informacin y
experiencias para conducir el aprendizaje. As, la Facultad de Ingeniera de
Sistema Cmputo y Telecomunicaciones, contribuye a mejorar la calidad de los
conocimientos cientficos y tcnicos, imperativo que requiere un esfuerzo
institucional ms organizado y cohesionado tal como la actual gestin de
nuestra universidad.
En este sentido, asumimos el reto de competir en un mundo complejo, dinmico
y globalizado. Hemos iniciado como institucin un camino propio en la
modalidad a distancia en la cual somos pioneros en nuestro pas.
En este esfuerzo, estamos abiertos desde un comienzo a recibir crticas
fundamentadas con actitud constructiva que nos permitir ir mejorando nuestro
trabajo, una tarea que es el punto neurlgico de toda universidad que se precia
de tal.



El curso de Estadstica I es una asignatura de la especialidad de la Facultad de
Ingeniera de Sistemas Cmputo y Telecomunicaciones, de naturaleza terico
prctica, cuyo objetivo es contribuir a que el futuro ingeniero de sistemas est
capacitado a resolver problemas comunes de toda ndole y tomar decisiones ms
inteligentes y bien informadas, enfatizando en la importancia de la aplicacin del
anlisis estadstico.



Orientacin metodolgica

A. Estructura del texto
Este manual auto instructivo est dividido en cinco unidades; cada unidad comprende el
desarrollo de los temas del slabo indicado para el curso de Estadstica I. Adems cada
unidad comprende ejemplos y ejercicios prcticos para ser autodesarrolladas, que le
permitir al estudiante reforzar los temas ledos de modo que pueda avanzar en el
desarrollo de las siguientes unidades:
En la primera y segunda unidades, este manual ayudar al estudiante de ingeniera a tener
un panorama general de la importancia, los conceptos bsicos de estadstica a fin de que
pueda comprender los avances tecnolgicos que ms adelante se desarrollan, as como la
herramientas de recoleccin de datos.
En la tercera unidad, apreciamos la importancia de la organizacin y presentacin de datos
a fin de permitir la descripcin y la interpretacin rpida de los datos organizados.
En la cuarta unidad, se aborda aspectos fundamentales de las medidas de resumen.
La quinta unidad tiene como finalidad, conocer y aplicar los conceptos relacionados con la
teora de la probabilidad.
A medida que se desarrolla el MAI, se guiar al alumno por temas de inters y actualidad;
proporcionndole al estudiante una visin diferente del desarrollo de la estadstica para que
le sirva como herramienta en su desenvolvimiento profesional, de acuerdo a la siguiente
sumilla:

Sumilla: La asignatura pertenece al rea de formacin general y de naturaleza terico-
prctico, tiene como propsito que el estudiante domine los conceptos y las tcnicas de la
Estadstica Descriptiva (recoleccin, organizacin, presentacin y reduccin de datos) y la
teora sobre probabilidad, cuyo objetivo contribuye a que el futuro ingeniero de sistemas
est capacitado a tomar de decisiones ms inteligentes y bien informadas.
Contiene las siguientes unidades:

1. Importancia de la estadstica y definiciones bsicas.
2. Recoleccin de datos.
3. Organizacin y presentacin de datos.
4. Medidas de tendencia central y dispersin.
5. Principios de probabilidad.

B. Estrategias de aprendizaje

Al estudiar, relacione los temas aprendidos con los que usted est consultando de otras
fuentes como libros de apoyo y la red.
Desarrolle los ejercicios y las actividades de auto aprendizaje que se encuentra en cada
unidad.
Establezca un horario para estudiar y sujtese a l.


Como el presente es un manual de una asignatura extensa, de un curso que muchas veces,
abarca varios ciclos de enseanzas y hay bastante informacin por retener.

Los ejercicios de autoevaluacin que son de tipo objetivo, le permitir reforzar lo aprendido
en cada unidad. Analice detenidamente cada una de las preguntas y seale una sola opcin
y/o alternativa correcta.
Aproveche su tiempo. Tenga en cuenta que la realizacin de su carrera profesional est en
sus manos para que logre sus objetivos y sea un profesional competente en este pas. Todo
depende de usted.

C. Evaluacin
Ser indicado en la tutora y de cmo evaluar
Examen parcial.
Examen final.
Examen sustitutorio.



PRIMERA UNIDAD

Qu importancia tiene el
estudio de la estadstica?

Orientaciones y propsitos
La presente unidad tiene como propsito comprender los conceptos bsicos sobre
estadstica como estudio organizado; diferenciar y aplicar, con eficiencia, la terminologa
estadstica a fin de preparar la informacin estadstica.

Sumario
1. Cul es la importancia del estudio de la Estadstica?
2. Cules son las oportunidades que ofrece la Estadstica?
3. Cmo se divide la Estadstica?
4. Cules son las funciones de la Estadstica?
5. Cules son los conceptos bsicos de la Estadstica?
6. Cules son las clases de variables?
7. Cules son las escalas de medida?



LECCIN 1

Estadstica

1. Concepto
La estadstica es una ciencia que trata con el anlisis de datos y el proceso de toma
decisiones acerca del sistema a partir del cual los datos fueron obtenidos. (Hines,1980,p.1)
Otras definiciones
La Estadstica puede definirse como un mtodo de toma de decisiones frente a la
incertidumbre. (Avila, 2003, p.14).
Otra definicin Es la ciencia que orienta la toma de decisiones a partir del anlisis e
interpretacin de observaciones realizadas en forma directa o experimentalmente. (Avila,
2003, p.14). Este autor refiere ms de 63 definiciones.

Los autores modernos definen la Estadstica como la ciencia que permite la elaboracin y uso
de mtodos y procedimientos para la toma decisiones en presencia de incertidumbre. Es
decir, es un instrumento para la toma de decisiones cuando no se est seguro sobre el
estado final de la naturaleza (Gmez,2006,p.13).

2. Importancia de la estadstica. (Webster,2000,p.5)

Virtualmente cada rea de la investigacin cientfica seria puede beneficiarse del anlisis
estadstico. Para quien formula las polticas econmicas y para quien asesora al presidente y
a otros funcionarios pblicos sobre procedimientos econmicos apropiados, la estadstica ha
demostrado ser una herramienta valiosa. Las decisiones sobre tasas tributarias, los
programas sociales, el gasto de defensa y otros asuntos pueden hacerse de manera
inteligente tan slo con la ayuda del anlisis estadstico.
Los esfuerzos en control de la calidad, minimizacin de costos, combinacin de productos e
inventarios y otros asuntos empresariales pueden manejarse efectivamente con el uso de
procedimientos estadsticos comprobados.

Para quienes estn en el rea de investigacin de mercados, la estadstica es de gran ayuda
en el momento de determinar qu tan probable es que un producto nuevo sea exitoso. La
estadstica tambin es muy til para evaluar las oportunidades de inversin por parte de los
asesores financieros. Los contadores, los jefes de personal y los fabricantes encuentran
oportunidades ilimitadas de beneficiarse con el uso del anlisis estadstico. Incluso un
investigador en el campo de la medicina, interesado en la efectividad de un nuevo
medicamento, considera la estadstica una aliada imprescindible.



3. Oportunidades que ofrece la estadstica

3.1. Tomar decisiones (Spurr,1986,p.15)

Los datos estadsticos se recopilan y analizan no solamente con el propsito de
aadirlos al conocimiento cientfico en general, sino tambin para ayudar al hombre
racional en la toma de decisiones. La toma de decisiones es una de las funciones ms
importantes del ejecutivo de negocios, del funcionario de gobierno o del administrador
en cualquier campo. La funcin de la estadstica es ayudar a decidir cules datos son
necesarios y cmo se los recopilar, tabular, analizar e interpretar de manera que
nos lleven a la mejor decisin posible. (Spurr,1986,p.15)

Como un procedimiento de toma de decisiones, la Estadstica se ha convertido en un
instrumento cotidiano de los investigadores y profesionales de todos los campos del
conocimiento, quienes necesitan tener alguna familiaridad con principios estadsticos
para poder emitir y evaluar sus informes y evitar malos usos de la estadstica.
Hoy en da, los mtodos estadsticos ayudan a la realizacin de mltiples tareas en las
organizaciones productivas y sociales, tanto en los gobiernos regionales, empresas
pblicas como en las privadas; son la base para la realizacin de estudios tcnicos e
investigaciones que permiten la mejora de procesos de produccin, de bienes y de
servicios o el sustento de la toma de decisiones en las empresas u organizaciones de
los ms diversos giros. (Gmez,2006,pp.13,16).

3.2. Solucionar problemas. (Gmez,2006,p.16).

La velocidad del desarrollo tecnolgico, los volmenes de nueva informacin y el
avance vertiginoso de la ciencia, han generado una gran diversificacin en las
aplicaciones de la metodologa estadstica. Cada vez ms disciplinas encuentran en los
mtodos estadsticos una opcin para el adecuado planteamiento y solucin de
problemas especficos; hoy en da es ms sencillo decir en qu no se aplica la
Estadstica. Indudablemente, la metodologa estadstica ha adquirido una importancia
tal que el reconocimiento de esta disciplina es un asunto incuestionable. Hoy en da, la
Estadstica tiene un lugar muy significativo en la sociedad.
En todas las disciplinas en que trabaja el ser humano hoy, tiene la necesidad de
resolver problemas analizando informacin. La toma de decisiones acertadas depende
de la capacidad de anlisis del profesional en cuestin, la estadstica y el pensamiento
estadstico le aportan un marco de referencia para abordar problemas donde la
variabilidad e incertidumbre estn presentes.



4. Divisin de la estadstica. (Webster,2000,p.10)

Gran parte del trabajo estadstico se realiza con muestras. Las muestras son necesarias
debido a que con frecuencia las poblaciones son demasiado grandes para ser estudiadas en
su totalidad. Es muy costoso y demanda mucho tiempo examinar la poblacin total, por tanto,
debe seleccionarse una muestra de la poblacin, calcular el estadstico de la muestra, y
utilizarlo para estimar el parmetro correspondiente de la poblacin

Este anlisis sobre las muestras implica una distincin entre las dos principales ramas del
anlisis estadstico: (1) la estadstica descriptiva y (2) la estadstica inferencial.

4.1. Estadstica descriptiva. (Kazmier,1993,p.1) y (Toma,2007,p.21)

La estadstica descriptiva utiliza las tcnicas estadsticas para resumir y describir datos;
es decir, se ocupa de:
- Recolectar datos;
- Organizar datos: en tablas de distribucin de frecuencias;
- Presentar de datos: en cuadros, grficos y diagramas;
- Calcular medidas de tendencia central y dispersin (parmetros o estadsticos);
- Realizar el anlisis descriptivo e interpretar datos.

La finalidad es obtener una descripcin fcil, rpida, visual, til y significativa de dichos
datos. As como de facilitar su comunicacin e interpretacin.

Las tcnicas de la estadstica descriptiva pueden aplicarse ya sean en poblaciones
enteras o muestras.

Ejemplo. De estadstica descriptiva
Las calificaciones de cinco estudiantes del curso de estadstica son 17, 18, 19, 16, y
19. Se desea conocer la calificacin promedio de estos estudiantes. La calificacin
promedio se obtiene sumando las calificaciones y dividirla entre cinco, el resultado es
17.8.

4.2. Estadstica inferencial

La estadstica inferencial comprende las tcnicas estadsticas por medio de las cuales
utiliza la informacin de una muestra para extraer alguna inferencia (o conclusin o
generalizacin) acerca de la poblacin de la que se extrajo la muestra.
(Hines,1994,p.3)

Estas dos ramas de la estadstica no son mutuamente excluyentes, ya que para utilizar
las tcnicas de la inferencia estadstica, se requiere conocer las tcnicas de la
estadstica descriptiva. (Crdova 2000, p.2)

Cabe sealar que la Teora de Probabilidades es el soporte de la inferencia estadstica.
La estadstica inferencial comprende dos reas importantes: la estimacin y la prueba
de hiptesis.



N= Tamao de la
poblacin
MUESTRA
(n)
Ejemplo. De estadstica inferencial

Supongamos que el profesor del curso de estadstica no tiene tiempo para conocer la
nota promedio de todos los estudiantes del curso de la FISCT, entonces decide usar la
nota promedio de los cinco primeros estudiantes, para estimar la nota promedio de todos
los estudiantes del curso de estadstica de la FISCT.

PROBABILIDAD

MUESTREO INFERENCIA
ESTADISTICA

ESTADSTICA
DESCRIPTIVA

5. Funciones de la estadstica (Webster, Allen 2000, pag.11)

En repetidas ocasiones se ha enfatizado la utilidad de la estadstica y la amplia variedad de
problemas que puede resolver. Para resolver de manera ms completa esta amplia
aplicabilidad, es necesario analizar las siguientes funciones:

1. Recoleccin
2. Organizacin
3. Presentacin,
4. anlisis,
5. interpretacin de datos

En todo estudio estadstico el primer paso es la recoleccin de datos para luego organizar y
presentar estos datos de manera significativa y descriptiva. Los datos deben colocarse en un
orden lgico que revele rpida y fcilmente el mensaje que contiene. Este procedimiento
constituye el proceso de la estadstica descriptiva.

Luego de que los datos se han organizado y se han presentado para su revisin, se deben
analiza e interpretar. Estos procedimientos se basan en la estadstica inferencial y
constituyen un importante beneficio para el anlisis estadstico, mediante la ayuda en el
proceso de toma de decisiones y solucin de problemas.



6. Ejemplos de la leccin

1. Cuatro computadoras de marca A dejaron de funcionar despus de 1100, 980 ,900 y 1020
horas de uso continuo. Cinco computadoras de marca B dejaron de funcionar despus de
960, 1050, 1065, 845 y 980 horas de uso contino. Se llega a las siguientes conclusiones
(Moya,p4)

a. La duracin promedio de las computadoras de marca A es de 1000 horas, mientras
que la duracin promedio de las cinco computadoras de marca B es de 980
horas.(Estadstica descriptiva)

b. La duracin promedio de todas las computadoras de marca A es mayor que todas las
computadoras de marca B. (Estadstica Inferencial).

2. Ejemplo de estadstica descriptiva
Se desea conocer el ingreso promedio de los 15 millones de asalariados del Per, son
inters para un economista que asesore al Congreso en la formulacin del plan nacional
tributario.

3. Ejemplo de estadstica inferencial
Cuando el Ministerio de Trabajo utiliza el ingreso promedio de una muestra de varios miles
de trabajadores para calcular el ingreso promedio de la poblacin de 15 millones de
trabajadores, est utilizando una forma simple de estadstica inferencial.



LECCIN 2

Conceptos bsicos de la estadstica

1. Poblacin y parmetro

1.1 Poblacin o universo
Es el conjunto completo de individuos, objetos, o medidas que poseen al menos una
caracterstica comn observable, de naturaleza cualitativa o cuantitativa.
(Haber,1973,p.2)
El trmino poblacin se refiere a una coleccin completa de medidas de todos los
elementos de un universo, acerca del que deseamos obtener conclusiones o tomar
decisiones.(Hines,1994, p.2)
Es la recoleccin completa de todas las observaciones de inters para el investigador.
(Webster,2000,p.8)
Ejemplos
Los estudiantes egresados del pregrado de la UIGV 2009.
Los libros catalogados de las bibliotecas en la UIVG 2009
El parque de computadoras de los estudiantes de la UIGV.

1.2 Parmetro
Es una medida descriptiva de todas las observaciones de la poblacin que son de
inters para el investigador. (Webster, p.9)
Son las medidas de resumen de una poblacin (Avila Acosta,p.21),
Cualquier caracterstica medible de una poblacin.(Audrey,1973,p.2)
Ejemplos
El tiempo promedio () de los egresados UIGV para obtener su diploma de bachiller.
La proporcin () de libros deteriorados en la biblioteca de la UIGV.
La variabilidad () existente en los tiempos de acceso a la Web de la UIGV.

Parmetros ms usados:
La media o promedio poblacional= (letra griega que se lee mu)
La varianza poblacional =
2
(la letra griega se lee sigma)
Proporcin poblacional = (letra griega que se lee pi)

2. Muestra y estadstica

2.1 Muestra
Es un subconjunto de la poblacin o universo. (Haber,1973,p.2)
Aunque generalmente los estadsticos se interesan en algn aspecto de toda la
poblacin, generalmente descubren que las poblaciones son demasiado grandes para
ser estudiadas en su totalidad.
La muestra es una parte representativa de la poblacin que se selecciona para ser
estudiada ya que la poblacin es demasiado grande como para analizarla en su
totalidad. (Webster, p.9)

La seleccin y el estudio de una muestra, tiene por objeto la extraccin de conclusiones
que sean vlidas para la poblacin del cual se obtuvo la muestra. Las muestras son
necesarias porque estudiar las poblaciones completas resulta muy costoso y consume
demasiado tiempo. Al nmero de elementos de la muestra se llama tamao de la
muestra.


Ejemplo
Calcular el = ingreso promedio de los N=15 millones de asalariados sera una tarea
abrumadora. Por consiguiente, generalmente debe ser suficiente estudiar tan slo una
pequea porcin de dicha poblacin. A esta porcin ms pequea y ms manejable se le
denomina muestra.

2.2 Estadstico(a) o estadgrafo
Es una medida descriptiva de una muestra y sirve como una estimacin del parmetro
desconocido de la poblacin correspondiente. (Webster,2000,p.9)
Es una medida resumen que describe una caracterstica de la muestra.
(Moya,2000,p.10)

Ejemplos
El tiempo promedio (
x
) de los egresados de la FISCT para obtener su diploma de
bachiller.
La proporcin (p) de libros de ingeniera deteriorados en la biblioteca de la UIGV.
La variabilidad (s) de los tiempos de acceso de los estudiantes de la FISCT a la Web
de la UIGV.

Estadsticos ms usados:
La media o promedio muestral =
x

La varianza muestral = s
2

Proporcin muestral = p

El siguiente cuadro resume las notaciones para parmetros y estadsticos ms usados:

Poblacin Muestra
Medida Parmetro Estadstico
Media
x

Varianza
2
s
2

Desviacin estndar

s
Proporcin

p

3. Unidad de anlisis o unidad estadstica o unidad elemental. (Avila, p.20,21)

Es el objeto o elemento indivisible que ser estudiado en una poblacin o muestra, sobre
la cual se va a obtener datos.
La unidad de anlisis no es el fenmeno investigado sino el que genera el fenmeno y
proporciona los datos concretos
Pueden ser personas, instituciones, objetos, familias animales y otras unidades ms
complejas.

Ejemplos:
Los egresados UIGV para obtener su diploma de bachiller.
Los libros en la biblioteca de la UIGV.
Las computadoras que tratan de ingresar la Web de la UIGV.



4. Variable

Es la caracterstica de inters de la muestra o poblacin.
Es observable, susceptible de adoptar distintos valores o ser expresadas en varias
categoras.
Es un aspecto especfico de la unidad de anlisis, y que puede ser medido o
cuantificado, en una escala de registro.
Adquiere un valor determinado en cada unidad de anlisis.
Se define e identifica en funcin de los objetivos del estudio o investigacin.

Las clases de variable pueden ser: (1) cualitativa o (2) cuantitativa.

4.1 Variable cualitativa
Se miden de manera no numrica.

4.2 Variable cuantitativa
Si las observaciones o datos pueden expresarse numricamente.

Las variables cuantitativas pueden ser (1) continuas o (2) discretas.

4.2.1 Variable continua
- Es aquella que puede tomar cualquier valor dentro de un rango dado.
- Se pueden expresar por cualquier nmero real infinito no numerable.
- Generalmente resulta de la medicin.
- Acepta un nmero real.

4.2.2 Variable discreta
- Est limitada a ciertos valores, generalmente nmeros enteros, finitos o
infinitos numerables.
- Con frecuencia son el resultado de la enumeracin o del conteo.
- En ningn caso se observarn valores fraccionarios.

Ejemplos. De de variables

Nmero de estudiantes
Nmero de libros
Discretas Nmero de autos vendidos
Nmero de defectos
Cuantitativas
Peso de las personas
Continuas Talla de los alumnos
Sueldos de los empleados
Kilmetros recorridos

Color de cabellos
Color de ojos
Cualitativas Estado civil
Religiones
Razas

Variables


5. Otros conceptos relacionados.

5.1 Dato (Avila Acosta,2003,p.20)

Es el nmero o medida que ha sido recopilado como resultado de la observacin.
Es el valor o respuesta que adquiere la variable en cada unidad de anlisis.
Es el resultado de la observacin, entrevista o recopilacin en general.
Habr tantos datos como elementos que tiene la poblacin en estudio.
Los datos son la materia prima de la estadstica.

Ejemplos

El tiempo que los egresados UIGV para obtener su diploma de bachiller =4 meses.
Los libros pueden ser con deterioro o no, en la biblioteca de la UIGV.
La variabilidad existente en los tiempos de acceso a la Web de la UIGV= 30 seg.

5.2 Medicin. (Avila Acosta,2003,p.20,21)

Es el proceso mediante el cual se asigna valores, segn una escala analtica, a las
caractersticas de la unidad de anlisis. Al resultado que se obtiene en una medicin se
le llama dato.

5.3 Informacin

Es el resultado de los datos procesados de acuerdo a ciertos objetivos.
No hay informacin sin datos.

5.4 Estadsticas
Se tomar como sinnimo de datos estadsticos, servir para designar a toda coleccin
sistemtica de datos referentes a un determinado fenmeno.

5.5 Estadstico

Estadstico, es la persona que se dedica al estudio de la Estadstica, es el profesional
que analiza estadsticas, desarrolla mtodos y modelos estadsticos y contribuye a la
evolucin de la ciencia estadstica.

5.6 Indicadores

No determinan la realidad, la realidad determina el valor del indicador.
Es toda cantidad, valor o elemento que permite conocer el estado de un hecho.
Permite expresar o conocer la variacin, el comportamiento, la intensidad o relacin
de una o ms caractersticas, variables, hechos o fenmenos.
Es el dato numrico, resultado de un proceso que cuantifica una caracterstica de la
poblacin o muestra.
En este sentido, los llamados ndices, tasas, estadgrafo, medidas de resumen, etc.,
son indicadores.



6. Ejemplos de la leccin

1. Ejemplos de poblacin
Si los ingresos de los 15 millones de asalariados del Per son inters para un
economista que asesore al Congreso en la formulacin del plan nacional tributario,
entonces los 15 millones de ingresos constituyen la poblacin.
N=tamao de la poblacin =15 millones de salarios o ingresos
xi = observaciones o datos individuales.(Ejemplo:x1=S/.10,000)

Un cierto proceso de fabricacin produce unidades defectuosas y no defectuosas,
entonces el nmero total de unidades producidas en el proceso constituye la poblacin.
xi = observaciones individuales o atributos

Esquemas:

2. Ejemplos de parmetros:
= El ingreso medio o promedio de todos los asalariados del Per.
= La produccin media o promedio de todas las plantas manufactureras.
= proporcin o porcentaje de todas las unidades defectuosas de la poblacin.
= tasa de todas las unidades defectuosas de la poblacin

Poblacin de Ingresos S/.
N = 15000,000 =Tamao de la poblacin
X1=1,000
X2=5,000
.
.
.
.
.

.
XN=1,000
Poblacin de unidades producidas
N = Tamao de la produccin
X1 = Def.
X2 = No def.
.
.
.
.
.
.
.
.
XN = Def.
N= Tamao de la poblacin
Poblacin
PARMETROS

= Media o Promedio
poblacional

2
= Varianza poblacional
Poblacin
PARMETRO
=Proporcin
poblacional
N= Tamao de la poblacin


3. Ejemplos de poblacin, parmetros, muestra y estadsticos:

Cada mes el Ministerio de trabajo calcula el ingreso promedio de una muestra o
media muestral (x raya) de varios de miles de asalariados seleccionados entre la
poblacin de 15 millones de trabajadores. El promedio de esta muestra se utiliza
luego como una estimacin del ingreso promedio para toda la poblacin.

N= nmero total de ingresos o salarios, es la poblacin (N=15 millones).

= ingreso medio o promedio de todos los trabajadores de la poblacin o media
poblacional.

2
= Varianza de la poblacional o varianza poblacional

n = tamao de la muestra (n=30 das)

x
= ingreso promedio o medio de la muestra o media muestral

s
2
= varianza de la muestra o varianza muestral.

Se desea determinar la proporcin de partes defectuosas producidas en un proceso
de fabricacin, se examina un lote de unidades producidas (muestra) para determinar
en ste el nmero de defectuosas. La proporcin de la poblacin (), la cual es un
parmetro que se desconoce, este parmetro se estima mediante la proporcin
muestral (p). As, si en un lote de 300 unidades producidas, se encuentra 45
defectuosas, entonces la proporcin de defectuosas en la muestra ser p=45/300=
0.15= 15%. (Moya,2000,p.9)

N=Tamao de la poblacin
Muestra Aleatoria
n=Tamao de la muestra
X1
,
X2
,
XN
l Poblaciona Varianza
l Poblaciona Media
=
=
2
Muestral Varianza
Muestral Media
=
=
2
s
x
Estadsticos
Poblacin


N= Es la poblacin= nmero total de unidades producidas en el proceso.

= Proporcin poblacional = proporcin de todas las unidades defectuosas en la
poblacin.

n= Es la muestra = lote examinado de unidades producidas, es la muestra (n=300)

p = Proporcin muestral = proporcin de unidades defectuosas en la muestra
(p=45/300=0.15).

N=Tamao de la poblacin
Muestra Aleatoria
n=Tamao de la muestra
Estadstico
Poblacin
X1 = Def.
X2 = No def.
.
.
.
.
.
.
.
.XN = Def.
= Proporcin
poblacional
p = proporcin
muestral


LECCIN 3

Escalas de medida

1. Concepto (Webster,p.12-14)

Las variables pueden clasificarse con base en su escala de medida. La manera en que se
clasifican las variables afecta en gran parte la forma como se utilizan en el anlisis. Las
variables pueden ser (1) nominales, (2) ordinales, (3) de intervalo, o (4) de razn.

2. Medida en escala nominal

Una medida nominal se crea cuando se utilizan nombres o clasificaciones para establecer
categoras distintas y separadas, dentro de las cuales las variables pueden registrarse
exclusivamente. Se cuenta el nmero de observaciones perteneciente a cada categora.
Es importante recordar que una medida en escala nominal no indica ningn orden de
preferencia, sino que simplemente establece una disposicin categrica en la cual se puede
ubicar cada observacin.

Ejemplos:
- El sexo puede clasificarse como hombre o mujer. Se podra codificar tambin con un
1 o un 2, pero los nmeros serviran tan slo para indicar las categora y no tendran
significado numrico; los clculos matemticos que utilizan estos cdigos no tendran
sentido.
- Las gaseosas pueden clasificarse en Inca Kola, Kola Real, Coca-Cola o Pepsi. Cada
bebida podra registrase en una de estas categoras excluyendo las otras.

3. Medida en escala ordinal

Son las que clasifican las observaciones en categoras distintas y separadas, pero con un
orden significativo.

Ejemplos:
- Una tienda clasifica muchos de sus productos como buenos, mejores y los mejores.
- Las encuestas de opinin con frecuencia utilizan una medida en escala ordinal como
totalmente de acuerdo, de acuerdo, sin opinin, en desacuerdo, y en total
desacuerdo.
Los nmeros pueden utilizarse para ordenar rangos. Y al igual que con los datos nominales,
la magnitud de los nmeros no es importante; el rango depende slo del orden de los
valores.

4. Medida en escala de intervalo

En una escala de intervalo las variables se miden de manera numrica, y al igual que los
datos ordinales, llevan inherente un rango u ordenamiento. Sin embargo, a diferencia de los
rangos ordinales, la diferencia entre los valores es importante. Por eso, las operaciones
aritmticas de suma y resta, son significativas.



Ejemplo:

La escala Fahrenheit para las temperaturas, es un ejemplo de una escala de intervalo, 70
grados no es slo una temperatura ms alta que 60 grados, sino que la misma diferencia de
10 grados existe entre 90 y 100 grados Fahrenheit.

Es una escala de intervalos el valor de cero se selecciona arbitrariamente. No existe nada
concreto que haya obligado a fijar la temperatura cero grados, sino que, simplemente, es un
punto de referencia arbitrario. Hubiera podido crearse la escala Fahrenheit de manera que
cero se hubiera establecido en una temperatura ms caliente (o ms fra). No se da a cero
un significado distinto al decir que es 10 grados ms fro que 10 grados Fahrenheit. As, 80
grados no es dos veces ms caliente que 40 grados y la relacin 80/40 no tiene significado.[
80 2(40) ]

5. Medida en escala de razn

De todos los cuatro niveles de medida, slo la escala de razn se basa en un sistema
numrico en el cual el cero es significativo. Por lo tanto, las operaciones de multiplicacin y
divisin tambin toman una interpretacin racional.

Ejemplos:
- Variables como costos, rentabilidad y niveles de inventario se expresan como medidas
de razn.

- El valor de cero dlares para medir los ingresos, puede interpretarse de manera lgica
para explicar que no ha habido ventas.

- Una firma con una participacin en el mercado del 40% tiene dos veces ms
participacin que una firma con participacin en el mercado del 20%.[ 40 = 2(20) ].

- Las medidas tales como peso, tiempo y distancia tambin se miden en una escala de
razn, ya que cero es significativo y un artculo que pesa 100 libras tiene la mitad del
peso de un artculo que pesa 200 libras. [100 = 200/2 ].

6. Ejercicios de la leccin

1. Qu nivel de medicin utilizara Ud. en cada uno de los siguientes casos? Explique su
respuesta.

a. Un sistema para medir las preferencias de los clientes respecto a los vehculos con
base en su estilo (como convertible, van, camin, sedan, etc.)
b. Un sistema para evaluar a los empleados con base en el nmero de das que faltan al
trabajo.
c. Un sistema para identificar las ciudades de nacimiento de los clientes.
d. Un sistema para registrar la poblacin de las ciudades en las cuales viven los
clientes.

Respuesta
a. Ordinal.
Clasificacin en categoras diferentes y separadas, pero para medir un orden de
preferencia.



b. Intervalo.
Medida de escala numrica, con rango u ordenamiento. Las operaciones aritmticas
de suma y resta son significativas. Un empleado que tiene 70 faltas no slo falta ms
veces que uno que tiene 60 faltas, si no que la misma diferencia de 10 faltas existe
de empleados de 90 faltas y 100 faltas. Permite establecer distancias entre
individuos

c. Nominal.
Clasificacin en ciudades (categoras) diferentes y separadas, pero sin orden de
preferencia.

d. Razn o proporcin.
En esta escala se le da tambin un sentido a las razones entre dos medidas, es decir,
las veces que una medida contiene a la otra. Se utiliza cuando se determina la
igualdad de razones. Utiliza un sistema numrico. El valor de cero es significativo, las
variables como peso, altura, n de hijos, salario, tiempo y distancia se miden en
escala de razn. Una cuidad que tiene 1,000 habitantes tiene la misma capacidad
que 4 ciudades de 250 cada uno.[1000= 4(250) ]

RESUMEN

Este captulo aporta una visin general sobre lo que es la estadstica y como puede utilizarse.
Esta visin general sobre la naturaleza de la estadstica y los beneficios que puede
proporcionarnos se efecta revisando:

La importancia y las oportunidades que ofrece la estadstica, como solucionar problemas y
tomar decisiones.
La divisin de la estadstica: estadstica descriptiva y estadstica inferencial.
Las funciones de la estadstica: recoleccin, organizacin, presentacin, anlisis e
interpretacin de datos.
Las definiciones bsicas de estadsticas: poblacin y parmetro; muestra y estadstico; y
otros conceptos relacionados como dato, medicin, informacin, estadsticas, indicadores.
Dentro de la variables: cualitativas y cuantitativas (discretas y continuas).
Las escalas de medida: nominal, ordinal, de intervalo de razn.



LECTURA

Pensamiento estadstico*

El mundo de hoy se enfrenta, en diversos campos, a un volumen de informacin que cada vez va
en aumento y que es necesario manejar gil y eficientemente. La estadstica, en muchos casos,
se constituye en una buena opcin para hacerlo.

La nocin de estadstica de deriv originalmente del vocablo Estado, porque ha sido funcin
tradicional de los gobiernos centrales llevar los registros de poblacin, nacimientos, defunciones,
exportaciones, impuestos, etc. Contar y medir stos y otros hechos genera muchas clases de
datos.

Para entender la Estadstica es importante poner nfasis en los siguientes elementos del
pensamiento estadstico: la necesidad de contar con datos, la importancia de la produccin de
datos, as como la medicin e interpretacin y el modelamiento de la variabilidad de los datos.

Los autores modernos definen la Estadstica como la ciencia que permite la elaboracin y uso de
mtodos y procedimientos para la toma decisiones en presencia de incertidumbre. Es decir, es
un instrumento para la toma de decisiones cuando no se est seguro sobre el estado final de la
naturaleza.

Como un procedimiento de toma de decisiones, la Estadstica se ha convertido en un
instrumento cotidiano de los investigadores y profesionales de todos los campos del
conocimiento, quienes necesitan tener alguna familiaridad con principios estadsticos para poder
emitir y evaluar sus informes y evitar malos usos de la estadstica.

(*)Gmez, Doris y otros (2006) Estadstica descriptiva. Con soporte de spss y matlab. Lima,
Fondo editorial UNMSM, p.13.



ACTIVIDADES

1. Describa con sus propias palabras cmo pude utilizarse la estadstica para solucionar
problemas en varias disciplinas y ocupaciones.

2. Describa con sus propios trminos la diferencia entre una poblacin y una muestra; entre
un parmetro y un estadstico.

3. Diferencie entre una variable cuantitativa y una variable cualitativa. D ejemplos.

4. Diferencie entre una variable continua y una variable discreta. D ejemplos de cada una.

5. Diferencie entre estadstica descriptiva y la estadstica inferencial.

6. Seleccione un problema cualquiera que sea de su inters. Identifique variables
cuantitativas y cualitativas de esa poblacin que puedan seleccionarse para ser
estudiadas.

7. Si los estadsticos estn interesados realmente en poblaciones. Por qu generalmente
trabajan con muestras?

8. Cite varios ejemplos de comerciales de radio o televisin que utilicen la estadstica para
vender sus productos. Utilizan estadstica descriptiva o inferencial? Qu escala de
medicin utilizan? (Webster,p.14-16)



AUTOEVALUACIN

1. Cuatro computadoras de marca A dejaron de funcionar despus de 1,000 horas en
promedio de uso continuo. Cinco computadoras de marca B dejaron de funcionar despus
de 980 horas en promedio de uso contino. Marcar verdadero (V) o falso (F) si se trata de
estadstica descriptiva (ED) o de estadstica inferencial (Moya,p.4).

a. La diferencia entre los dos promedios (E.I.) ( )

b. La diferencia entre los dos promedios es demasiado pequeo para llegar
a la conclusin de que las computadoras marca A son mejores que las
computadoras marca B.(E.I.). ( )

c. Si se selecciona y prueba otra computadora de marca A, probablemente
durar ms que el promedio de las computadoras de marca B.(E.D) ( )

d. Ud. decide comprar computadoras marca A en vez de la computadora
marca B.(E.I.) ( )

Alternativas
a. VVFF b. VFVF c. FVFV d. FFVV

2. De los siguientes enunciados. Marcar verdadero (V) o falso (F) si se trata de estadstica
descriptiva (ED) o de estadstica inferencial. (Haber,p.8)

a. El estadstico de un equipo de futbol desea establecer el promedio
de pases de los jugadores del equipo.(E.D.) ( )

b. El profesor del curso de estadstica emplea diferentes mtodos de
enseanza con cada uno de sus dos cursos. Al final del curso,
compara las calificaciones obtenidas por sus alumnos con el fin de
establecer cual mtodo es ms efectivo.(E.D.) ( )

c. Un mdico general estudia la relacin entre el consumo de
cigarrillo y las enfermedades del corazn. (E.I.) ( )

d. Un estadstico registra el crecimiento de la poblacin en un rea
determinada.(E.D.) ( )

Alternativas
a. VFFV b. VFVF c. FVFV d. FVVF

3. Supngase que el 60% de los electores registrados en un pas son integrantes de un partido
A y el 40% no. A partir de una muestra de 500 electores, se encuentra que 250 pertenecen
al partido A. Responda lo siguiente: (Moya p.11)

a. Cul es la proporcin de lectores en la muestra que pertenecen al partido A?
b. Cul es la proporcin de lectores en la poblacin que pertenecen al partido A?

Alternativas:
a. 50% y 40% b. 60% y 50% c. 40% y 50% d. 50% y 60%



4. Expresar con V o F, segn considere verdadera o falsa, cada una de las siguientes
proposiciones. Reemplace cada enunciado falso con por la proposicin verdadera
correspondiente. (Toma,2007,p.23)

( ) a. La poblacin es una coleccin de todos los elementos de inters que estamos
estudiando.
( ) b. Un estadstico es una medida estadstica de la poblacin en estudio.
( ) c. La inferencia estadstica, formula inferencia en base de una muestra.
( ) d. El conjunto de valores posibles de una variable discreta siempre es finito.

Alternativas
a. VFVV b. VFVF c. FVFV d. FVVF

5. En que escala de medida estn basadas las respuestas al siguiente cuestionario.
(Haber,p.27). Ejemplo Razn =R; Ordinal =O, etc.

( ) a. Cul es su estatura?
( ) b. Cul es la temperatura de la fiebre?
( ) c. Cul es tu nombre?
( ) d. Cmo se compara este curso con otros que usted ha llevado?

Alternativas
a. IRNO b. NOIR c. RNIO d. RINO

Respuestas de control
1.c, 2.b, 3.d, 4.b, 5.d

EXPLORACIN ON LINE

4. http://www.inei.gob.pe
5. http://www.hiru.com/es/matematika/matematika_06700.html. Aplicaciones de la
estadstica.
6. http://www.estadisticaparatodos.es/webquest/webquest.html#3.
7. http://www.uv.mx/cienciahombre/revistae/vol18num2/articulos/historia/index.htm
8. http://www.cortland.edu/flteach/stats/links.html
9. 2 http://www.pwpamplona.com/wen/descriptiva/descriptiva.htm
10. http://www.rieoei.org/experiencias142.htm. Recursos de Internet para apoyo de la
investigacin y educacin estadstica. Santiago Inzunza Cazares. Facultad de
Informtica, Universidad Autnoma de Sinaloa, Mxico
11. http://www.stat.auckland.ac.nz/~iase/links/research
12. http://www-en.us.es/docbioest/htm/links.htm



Referencias bibliogrficas
Avila Acosta, Roberto (2003) Estadstica elemental. Lima, Estudios y Ediciones RA, pp. 14,20,21.

Crdova, Manuel (2000) Estadstica Descriptiva e inferencia. Aplicaciones. 4ta. Ed. Lima,
Editorial Moshera S.R.L., p.2

Gmez, Doris y otros (2006) Estadstica descriptiva. Con soporte de spss y matlab. Lima, Fondo
editorial UNMSM, pp. 9,13,16

Haber, Audrey y Richard P. Runyon (1973) Estadstica General. Versin en espaol. E.U.A.
Fondo Educativo Interamericano S.A., pp. 2,8,27

Hines, William y Douglas Montgomery (1980) Probability and statistics in engineering and
management science. Second Edition. New York, John Wiley & Sons, p.1

Hines, William y Douglas Montgomery (1994) Probabilidad y estadstica para ingeniera y
administracin. 3ra. Ed. en ingls, 2da. Ed. en espaol. Mxico, D.F., Cecsa, pp. 2,3

Kazmier, Leonard y Alfredo Daz Mata (1993) Estadstica aplicada a la administracin y a la
economa. 2da. Ed. Revisada. Mxico, McGraw-Hill, p.1.

Moya, Rufino (2000) Estadstica descriptiva. Conceptos y aplicaciones. Lima, Editorial San
Marcos, pp. 4,9-11.

Spurr, William y Charles Bonini (1986) Toma de decisiones en administracin mediante mtodos
estadsticos. Mxico, Limusa, p. 15.

Toma, Jorge y Jorge Rubio (2007) Estadstica aplicada. Primera parte. Apuntes de estudio 64.
Lima, Centro de Investigacin de la Universidad del Pacfico, pp. 21,23.

Webster, Allen L (2000) Estadstica aplicada a los negocios y la economa. 3ra. Ed. Santa Fe de
Bogot, Irwin MacGraw-Hill, pp. 5,8-16.

Bibliografa Comentada
Avila Acosta, Roberto (2003) Estadstica elemental. Lima, Estudios y Ediciones RA.
El contenido de este libro ha sido sistematizado con el propsito de que los lectores logren una
mayor comprensin y aplicacin de la Estadstica Bsica, utilizando un vocabulario sencillo y
preciso, reforzado con muchos ejemplos y evitando en todo momento las complejidades
matemticas.

Gmez, Doris y otros (2006) Estadstica descriptiva. Con soporte de spss y matlab. Lima, Fondo
editorial UNMSM.
Este es un libro de Estadstica introductorio, que abarca tpicos de la Estadstica Descriptiva y
que refleja los ltimos avances tecnolgicos y de enseanza. Los avances tecnolgicos se
reflejan en la incorporacin de tecnologas de reciente uso, para ilustrar los ejemplos y ejercicios
del libro, siendo sta una nueva ptica de abordar y ensear la Estadstica. Cabe indicar que
este libro tambin puede usarse sin ninguna tecnologa especfica, puesto que cada uno de los
temas se han ilustrados con ejemplos resueltos detalladamente.



Webster, Allen L (2000) Estadstica aplicada a los negocios y la economa. 3ra. Ed. Santa Fe de
Bogot, Irwin Mac Graw Hill.
Este libro enfatiza la importancia de aplicar el anlisis estadstico a la solucin de problemas y
toma de decisiones. Se ha condensado para presentar el material de forma concisa y manejable.
Principales caractersticas pedaggicas contenidas en esta edicin:
Cada captulo abre con un diagrama de flujo que mustralos principales temas a tratar
Los ejemplos presentan tres partes: planteamiento, solucin e interpretacin.
Se presentan ejercicios por resolver en cada seccin.
Cada captulo concluye con problemas resueltos, lista de frmulas y problemas por resolver.

Moya, Rufino (2000) Estadstica descriptiva. Conceptos y aplicaciones. Lima, Editorial San
Marcos.
Este libro presenta un tratado completo de la estadstica descriptiva de manera didctica con
abundante variedad de problemas resueltos, que permita una autoinformacin del lector. Por el
que se tendr un panorama bastante completo del uso apropiado de los trminos y las tcnicas
estadsticas descriptivas.

Unidad I

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Unidad I

Caricato da

Copyright:

Formati disponibili

Facultad de Ingeniera de Sistemas, Cmputo y

Potrebbero piacerti anche