Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
com
Introduccin
Justificacin
Descripcin de la empresa: ESSALUD
Antecedentes
Marco terico
Tamao de muestra para estimar proporciones con M.S.A.
Tamao de muestra para estimar la media con M.A.E.
Problema
Variables de estudio
Anlisis y discusin de resultados
Bibliografa
Introduccin
El presente trabajo, como parte del desarrollo del curso del primer ciclo de la Maestra Administracin y
Direccin de Empresas de la Universidad Privada Alas Peruanas, contiene un programa de curso donde se
plantean dos temticas importantes a desarrollar, la estadstica desde su enfoque descriptivo y el inferencial,
y el uso de modelos cuantitativos en la resolucin de problemas de gestin y administracin de sistemas
complejos, con especial nfasis en la toma de decisiones, puesto que la Estadstica es una disciplina que
apoya el proceso de toma de decisiones en diversas reas del conocimiento, adems, de entregar pautas
para la presentacin adecuada de informacin.
La temtica del curso, y que se ha intentado desarrollar a cabalidad en este trabajo de fin de curso, se
orienta a fortalecer la adquisicin de competencias en la formacin del nivel de postgrado, primero para un
tipo de usuario: administrador general o potencial, que puede sacar provecho de su uso en la comprensin
y aplicacin de los modelos cuantitativos para la toma de decisiones; o en segundo lugar, para estudiantes
de postgrado, con necesidades de aprender herramientas gerenciales, en donde la toma de decisiones
juegue un papel fundamental, como son las herramientas de gestin, administracin y economa, entre
otros, y se emplea de tres maneras: como gua en la toma de decisiones; como ayuda en la toma de
decisiones (pronsticos), y para automatizar la toma de decisiones (modelar y desarrollar una frmula
matemtica).
En el presente trabajo se exponen aplicaciones, ejemplos y/o casos de estadstica descriptiva e inferencia y
de investigacin operativa, con la caracterstica que el nivel de complejidad matemtica se mantiene al
mnimo nivel posible, y se hace especial nfasis en el planteamiento de modelos y en explicar cmo algunas
de las tcnicas existentes pueden ayudar a solucionar problemas que aparecen en cualquier organizacin.
Por ello, para su comprensin no se necesita una formacin matemtica previa; porque muchos de los
clculos se realizan mediantes software de aplicacin como el SPSS, la hoja de clculo MS Excel y otros
programas aplicativos estadsticos.
El trabajo est organizado por: introduccin, justificacin, descripcin de la empresa, antecedentes. Luego,
el Marco Terico de la Estadstica Descriptiva y Aplicada, y de los Mtodos Cuantitativos. Seguidamente, se
formulan el problema y las variables de estudio para las aplicaciones de la estadstica, as como la funcin
objetivo y el planteamiento del modelo, para el desarrollo del caso de investigacin operativa.
Posteriormente se hace el anlisis y discusin de resultados, y finalmente las conclusiones y
recomendaciones, as como los anexos y la bibliografa consultada.
Justificacin
En la Regin Tumbes existen instituciones universitarias como la Universidad Nacional de Tumbes y la filial
de la Universidad Privada Alas Peruanas. Ambas ofrecen una serie de servicios educativos en el nivel de
pregrado y postgrado, entre los que se encuentra la Maestra en Administracin y Direccin de Empresas, y
en ambos niveles la asignatura de estadstica es fundamental en la formacin de competencias profesional,
siendo en muchos casos requisito de las asignaturas del rea de investigacin, en tal sentido es importante
en el nivel de postgrado la comprensin de la estadstica aplicada, que en este curso se circunscribe a la
estadstica inferencia y a los mtodos cuantitativos.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
El desarrollo de este trabajo de fin de curso, es una estrategia didctica que permite al estudiante de
postgrado dedicar tiempo al estudio de manera que adapte su disponibilidad de tiempo con el manejo de
informacin relaciona con el quehacer profesional, que siendo en nuestro caso ESSALUD, nos permite no
solo comprender y aplicar los conceptos tericos, sino generalizar y fijar como aprendizaje significativo,
durante el proceso colaborativo de la elaboracin del trabajo, con el planteamiento de problemas con
informacin real y al alcance de los estudiantes, utilizando las herramientas de la investigacin operativa y
de la estadstica aplicada, que nos ha permitido enfrentar problemas estadsticos desde un nivel bsico a
otro intermedia y avanzado, con lo cual podemos afirmar que estamos en condiciones de explicar con
conocimiento lo aprendido, desarrollar habilidades y demostrar una valoracin y comprensin de la ciencia
estadstica.
Esta materia es importante y cobra relevancia, puesto que al ser la estadstica base para las materias de
investigacin, puesto que siendo la finalidad de la investigacin el anlisis o experimentacin de situaciones
para el descubrimiento de nuevos hechos, la revisin o establecimiento de teoras y las aplicaciones
prcticas de las mismas, se basa en los principios de observacin y razonamiento y necesita en su carcter
cientfico del anlisis tcnico de datos para obtener de ellos informacin confiable y oportuna. En ese
sentido ste anlisis de datos requiere de la Estadstica como una de sus principales herramientas, y
nuestra formacin postgradual requieren de conocimientos especializados en su quehacer o campo de
actividades, para el manejo eficiente de conceptos, tcnicas y procedimientos estadsticos. Es as que
hemos, alcanzado aprendizajes significativos en cada uno de los temas abordados con el auxilio
de herramientas de software, logrando alcanzar los propsitos del curso en forma gradual, adquiriendo
destrezas para aplicar correctamente las herramientas estadsticas aplicadas usando informacin disponible
en ESSALUD.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Antecedentes
Como dijera Huntsberger: "La palabra estadstica a menudo nos trae a la mente imgenes de nmeros
apilados en grandes arreglos y tablas, de volmenes de cifras relativas a nacimientos, muertes, impuestos,
poblaciones, ingresos, deudas, crditos y as sucesivamente. Huntsberger tiene razn pues al instante de
escuchar esta palabra estas son las imgenes que llegan a nuestra cabeza. La Estadstica es mucho ms
que slo nmeros apilados y grficas bonitas. Es una ciencia con tanta antigedad como la escritura, y es
por s misma auxiliar de todas las dems ciencias. Los mercados, la medicina, la ingeniera, los gobiernos,
etc. Se nombran entre los ms destacados clientes de sta. La ausencia de sta conllevara a un caos
generalizado, dejando a los administradores y ejecutivos sin informacin vital a la hora de tomar decisiones
en tiempos de incertidumbre. La Estadstica que conocemos hoy en da debe gran parte de su realizacin a
los trabajos matemticos de aquellos hombres que desarrollaron la teora de las probabilidades, con la cual
se adhiri a la Estadstica a las ciencias formales.
La Estadstica es la ciencia cuyo objetivo es reunir una informacin cuantitativa concerniente a individuos,
grupos, series de hechos, etc. y deducir de ello gracias al anlisis de estos datos unos significados precisos
o unas previsiones para el futuro. La estadstica, en general, es la ciencia que trata de la recopilacin,
organizacin presentacin, anlisis e interpretacin de datos numricos con e fin de realizar una toma de
decisin ms efectiva. Otros autores tienen otras definiciones de la Estadstica semejantes a las anteriores,
y algunos otros no tan semejantes. La ms aceptada, sin embargo, es la de Minguez, que define la
Estadstica como La ciencia que tiene por objeto aplicar las leyes de la cantidad a los hechos sociales para
medir su intensidad, deducir las leyes que los rigen y hacer su prediccin prxima.
Los estudiantes confunden comnmente los dems trminos asociados con las Estadsticas, una confusin
que es conveniente aclarar debido a que esta palabra tiene tres significados: la palabra estadstica, en
primer trmino se usa para referirse a la informacin estadstica; tambin se utiliza para referirse al conjunto
de tcnicas y mtodos que se utilizan para analizar la informacin estadstica; y el trmino estadstico, en
singular y en masculino, se refiere a una medida derivada de una muestra.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Marco terico
5.1. LA ESTADISTICA
5.1.1. Conceptos bsicos
Definicin de Estadstica
Es el conjunto de procedimientos y tcnicas empleadas para recolectar, organizar y analizar datos, los
cuales sirven de base para tomar decisiones en las situaciones de incertidumbre que plantean las ciencias
sociales o naturales. Tambin se puede definir la Estadstica como la Ciencia de la sistematizacin,
recogida, ordenacin y presentacin de los datos referentes a un fenmeno que presenta variabilidad o
incertidumbre para su estudio metdico, con objeto de deducir las leyes que rigen esos fenmenos, y poder
de esa forma hacer previsiones sobre los mismos, tomar decisiones.
Anlisis estadstico
El anlisis estadstico es todo el proceso de organizacin, procesamiento, reduccin e interpretacin de
datos para realizar inferencias. En este sentido, uno de los problemas fundamentales de la Estadstica es el
estudio de la relacin existente entre una poblacin y sus muestras. Segn la direccin de tal relacin la
Estadstica puede ser:
Deductiva, cuando a partir del conocimiento de la poblacin se trata de caracterizar cada muestra posible.
Inductiva, cuando a partir del conocimiento derivado de una muestra se pretende caracterizar la poblacin.
Asimismo, por el nivel, comprende dos partes:
Estadstica Descriptiva o General. Se refiere a la recoleccin, presentacin, descripcin, anlisis e
interpretacin de una coleccin de datos, esencialmente consiste en resumir stos con uno o dos elementos
de informacin (medidas descriptivas) que caracterizan la totalidad de los mismos.
Estadstica inferencial o Aplicada. Comprende aquellas tcnicas por medio de las cuales se toman
dediciones sobre un universo basado en una muestra. Debido a que esas dediciones se toman en
condiciones de incertidumbre, se requiere el uso de conceptos de probabilidad.
5.1.2. ESTADISTICA DESCRIPTIVA
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
en uno de dos grupos (hombre/mujer, enfermo/sano, fumador/no fumador). Son datos dicotmicos o
binarios. Como resulta obvio, en muchas ocasiones este tipo de clasificacin no es suficiente y se
requiere de un mayor nmero de categoras (color de los ojos, grupo sanguneo, profesin, etctera).
En el proceso de medicin de estas variables, se pueden utilizar dos escalas:
o
Escalas nominales: sta es una forma de observar o medir en la que los datos se ajustan por
categoras que no mantienen una relacin de orden entre s (color de los ojos, sexo, profesin,
presencia o ausencia de un factor de riesgo o enfermedad, etctera).
o
Escalas ordinales: en las escalas utilizadas, existe un cierto orden o jerarqua entre las
categoras (grados de disnea, estadiaje de un tumor, etctera).
C. REPRESENTACIN DE DATOS
Los datos son colecciones de un nmero cualquiera de observaciones relacionadas entre si, para que sean
tiles se deben organizar de manera que faciliten su anlisis, se puedan seleccionar tendencias, describir
relaciones, determinar causas y efectos y permitan llegar a conclusiones lgicas y tomar decisiones bien
fundamentadas; por esa razn es necesario conocer lo mtodos de Organizacin y Representacin, la
finalidad de stos mtodos es permitir ver rpidamente todas las caractersticas posibles de los datos que
se han recolectado.
Representacin Tabular:
Presenta las variables y las frecuencias con que los valores de stas se encuentran presentes en el estudio.
Representacin Grfica:
Se llaman grficas a las diferentes formas de expresar los datos utilizando los medios de representacin
que proporciona la geometra.
D. METODOS DE REPRESENTACIN DE DATOS CUANTITATIVOS
Arreglo de Datos. Es una forma de presentar los datos en un arreglo ascendente o descendente. Ofrece
las ventajas siguientes: describe los valores mnimos y mximos, en l se pueden dividir los datos
fcilmente en secciones, permite darse cuenta de los valores que aparecen ms de una vez, se puede
observar la distancia entre valores consecutivos.
Diagrama de Puntos. Muestra la frecuencia con que aparece cada uno de los valores.
Diagrama de Tallo y Hoja. Es til para realizar una exploracin preliminar del conjunto, genera una imagen
adecuada de ellos sin perder informacin.
Distribucin de Frecuencias. Es una forma de sintetizar los datos y consiste en valerse de una tabla para
clasificar los datos segn su magnitud, en ella se seala el nmero de veces que aparece cada uno de los
valores. Cuando se dispone de un gran nmero de valores discretos o cuando las variables son continuas,
tiene sentido formar una tabla que presente la distribucin de frecuencias de los datos agrupados en
intervalos o clases, de igual tamao si es posible, sin embargo una tabla de este tipo supone una
concentracin de datos que produce prdida de informacin.
E. DISTRIBUCIN DE FRECUENCIAS
Organizacin de datos agrupados
Definiciones
Clases o intervalos de clase: Grupo de valores que describen una caracterstica. Deben incluir todas las
observaciones y ser excluyentes. Los intervalos contienen los lmites de clase que son los puntos extremos
del intervalo. Se denominan intervalos cerrados, cuando contienen ambos lmites e intervalos abiertos si
incluyen solo un lmite.
Limites Reales: Sirven para mantener la continuidad de las clases
Anchura o tamao del intervalo: es la diferencia entre los lmites reales de una clase.
Nmero de clases: es el nmero total de grupos en que se clasifica la informacin, se recomienda que no
sea menor que 5 ni mayor que 15
Marca de Clase: Es el punto medio del intervalo de clase, se recomienda observar que los puntos medios
coincidan con los datos observados para minimizar el error.
Frecuencia: es el nmero de veces que aparece un valor
Frecuencia Acumulada: Indica cuantos casos hay por debajo o arriba de un determinado valor o lmite de
clase.
Frecuencia Relativa: Indica la proporcin que representa la frecuencia de cada intervalo de clase en
relacin al total, es til para comparar varias distribuciones con parmetros de referencia uniformes.
Frecuencia Acumulada Relativa: Indica la proporcin de datos que se encuentra por arriba o debajo de
cierto valor o lmite de clase.
Grficos de una Distribucin de Frecuencias
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Los grficos son tiles porque ponen en relieve y aclaran las tendencias que no se captan fcilmente en la
tabla, ayudan a estimar valores con una simple ojeada y brinda una verificacin grfica de la veracidad de
las soluciones.
Histograma:
Est formado por rectngulos cuya base es la amplitud del intervalo y tiene la caracterstica que la superficie
que corresponde a las barras es representativa de la cantidad de casos o frecuencia de cada tramo de
valores, puede construirse con clases que tienen el mismo tamao o diferente ( intervalo variable). La
utilizacin de los intervalos de amplitud variable se recomienda cuando en alguno de los intervalos , de
amplitud constante, se presente la frecuencia cero o la frecuencia de alguno o algunos de los intervalos sea
mucho mayor que la de los dems, logrando as que las observaciones se hallen mejor repartidas dentro del
intervalo.
Polgono de Frecuencias
Se puede obtener uniendo cada punto medio (marca de clase) de los rectngulos del histograma con lneas
rectas, teniendo cuidado de agregar al inicio y al final marcas de clase adicionales, con el objeto de
asegurar la igualdad del reas.
Curvas de frecuencia
No es ms que la curva suavizada que se traza sobre el polgono y representa la asimetra y la curtosis que
tiene la distribucin, permite visualizar un esquema ms claro del patrn de datos. Existen varios tipos de
curva de frecuencia: Curvas J, Simtricas o Asimtricas (sesgada a la derecha o a la izquierda),
Unimodales, Bimodales y Multimodales.
Ojivas: Cuando se trata de relacionar observaciones en un mismo aspecto para dos colectivos diferentes no
es posible ejecutar comparaciones sobre la base de la frecuencia, es necesario tener una base estndar, la
frecuencia relativa. La ojiva representa grficamente la forma en que se acumulan los datos y permiten ver
cuantas observaciones se hallan por arriba o debajo de ciertos valores. Es til para obtener una medida de
los cuartiles, deciles , percentiles.
F. MEDIDAS DESCRIPTIVAS
Con estas medidas se persigue reducir en pocas cifras significativas el conjunto de observaciones de una
variable y describir con ellas ciertas caractersticas de los conjuntos, logrando una comparacin ms precisa
de los datos que la que se puede conseguir con tablas y grficas. Estas usualmente se denominan:
Parmetros Estadsticos, Estadsticos o Estadgrafos.
As para variables categricas, como el sexo, se quiere conocer el nmero de casos en cada una de las
categoras, reflejando habitualmente el porcentaje que representan del total, y expresndolo en una tabla de
frecuencias.
Para variables numricas, en las que puede haber un gran nmero de valores observados distintos, se ha
de optar por un mtodo de anlisis distinto, respondiendo a las siguientes preguntas:
Alrededor de qu valor se agrupan los datos?
Supuesto que se agrupan alrededor de un nmero, cmo lo hacen? muy concentrados? muy dispersos?
a) Medidas de tendencia central
Los promedios son una medida de posicin que dan una descripcin compacta de cmo estn centrados los
datos y una visualizacin ms clara del nivel que alcanza la variable, pueden servir de base para medir o
evaluar valores extremos o raros y brinda mayor facilidad para efectuar comparaciones.
Es importante poner en relieve que la notacin de promedio lleva implcita la idea de variacin y que este
nmero promedio debe cumplir con la condicin de ser representativo de conjunto de datos.
Medidas de tendencia central: Media o Promedio
Es una medida matemtica, un nmero individual que representa razonablemente el comportamiento de
todos los datos.
La media no es ms que la suma de todos los valores de una variable dividida entre el nmero total de
datos de los que se dispone.
Como ejemplo, consideremos 10 pacientes de edades 21 aos, 32, 15, 59, 60, 61, 64, 60, 71, y 80. La
media de edad de estos sujetos ser de:
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
El promedio como punto tpico de los datos es el valor al rededor del cual se agrupan los dems valores de
la variable.
Para datos no agrupados X = S xi / n
Para datos agrupados X = S fi Xi / S fi
donde Xi es la marca de clase para cada intervalo y fi es la frecuencia de clase
Caractersticas de la Media:
1. En su clculo estn todos los valores del conjunto de datos por lo que cada uno afecta la media.
2. La suma algebraica de las desviaciones de los valores individuales respecto a la media es cero.
3. La suma del cuadrado de las desviaciones de una serie de datos a cualquier nmero A es mnimo si A = X
4. Aunque es confiable porque refleja todos los valores del conjunto de datos puede ser afectada por los
valores extremos, y de esa forma llegar a ser una medida menos representativa, por lo que si la distribucin
es asimtrica, la media aritmtica no constituye un valor tpico.
LA MEDIANA
La mediana, es el valor de la observacin que ocupa la posicin central de un conjunto de datos ordenados
segn su magnitud. Es el valor medio o la media aritmtica de los valores medios. La mediana es un valor
de la variable que deja por debajo de l un nmero de casos igual al que deja por arriba.
La mediana del ejemplo anterior sera el valor que deja a la mitad de los datos por encima de dicho valor y a
la otra mitad por debajo. Si ordenamos los datos de mayor a menor observamos la secuencia:
15, 21, 32, 59, 60, 60,61, 64, 71, 80.
Como quiera que en este ejemplo el nmero de observaciones es par (10 individuos), los dos valores que se
encuentran en el medio son 60 y 60. Si realizamos el clculo de la media de estos dos valores nos dar a su
vez 60, que es el valor de la mediana.
Si la media y la mediana son iguales, la distribucin de la variable es simtrica. La media es muy sensible a
la variacin de las puntuaciones. Sin embargo, la mediana es menos sensible a dichos cambios.
Geomtricamente la mediana es el valor de la variable que corresponde a la vertical que divide al
histograma en dos reas iguales. Cuando determinados valores de un conjunto de observaciones son muy
grandes o pequeos con respecto a los dems, entonces la media aritmtica se puede distorsionar y perder
su carcter representativo, en esos casos es conveniente utilizar la mediana como medida de tendencia
central.
Caractersticas de la mediana
1. Es un promedio de posicin no afectado por los valores extremos.
2. No est definida algebraicamente
3. Cuando la localizacin del elemento central puede ser determinada y los lmites de clase mediana son
conocidos, la mediana para la distribucin de frecuencias puede ser calculada por interpolacin, no
importando que sta contenga intervalos abiertos, cerrados, iguales o diferentes.
4. La suma de los valores absolutos, sin considerar el signo, de las desviaciones individuales respecto a la
mediana es mnimo.
5 La mediana en caso de una distribucin asimtrica, no resulta desplazado del punto de tendencia central.
6. Si el universo tiene curtosis excesiva la mediana como estadstico, vara menos que cualquier otra
medida.
7. Si la mediana se calcula por interpolacin y hay lagunas en los valores de la clase mediana o los datos
son irregulares, esta medida no es buena ya que su ubicacin puede resultar falsa.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
8. Si se desea ubicar las condiciones de un elemento en una clase, la mediana resulta ser la indicada, ya
que por comparacin pone en evidencia si un elemento est en la mitad superior a ella o en la inferior.
LA MODA
Es otra medida de tendencia central, no tan usual como las anteriores, es la moda, siendo ste el valor de la
variable que presenta una mayor frecuencia. Es el valor de un conjunto de datos que ocurre ms
frecuentemente, se considera como el valor ms tpico de una serie de datos.
En el ejemplo anterior el valor que ms se repite es 60, que es la moda
Para datos agrupados se define como Clase Modal el intervalo que tiene ms frecuencia.
La moda puede no existir o no ser nica, las distribuciones que presentan dos o ms mximos relativos se
designan de modo general como bimodales o multimodales.
Caractersticas de la Moda.
1. Representa ms elementos que cualquier otro valor
2. No est afectada por los valores extremos pero para datos continuos es dudoso su clculo.
3. La moda para una distribucin de frecuencias de datos agrupados no puede ser calculada exactamente,
el valor de la moda puede ser afectado por el mtodo de agrupacin de los intervalos de clase.
4. La moda no permite conocer la mayor parte de los datos
5. Algunas veces el azar interviene de manera importante y hace que un valor no representativo se repita
frecuentemente.
6. Puede usarse para datos cuantitativos como cualitativos
7. La moda como estadstico, vara mucho de una muestra a otra
8. Cuando se tienen dos o ms modas es difcil su interpretacin
9. Tiene la ventaja de que los datos desproporcionados con respecto al resto no la distorsionan, pero no se
presta para un tratamiento matemtico.
RELACIN ENTRE MEDIA, MEDIANA, MODA
Distribucin Simtrica: Cuando Media = Mediana = Moda
Distribucin Sesgada hacia la derecha: Cuando Moda < Mediana < Media
Distribucin Sesgada hacia la Izquierda: Cuando Media < Mediana < Moda.
OTRAS MEDIDAS:
MEDIA ARITMETICA PONDERADA
En sta, para cada uno de los valores de xi se asigna un factor wi de peso, que depende de la importancia
que el investigador desee darle.
Xp = S ( xi wi) / S wi
MEDIA GEOMTRICA
til cuando la variable cambia a lo largo del tiempo, esto es, en el calculo del promedio de tasas, razones,
proporciones geomtricas y relaciones de variables. Se utiliza en Matemticas Financieras y Finanzas para
promediar nmeros ndices, tasas de cambio, etc.
La media Geomtrica de una serie de nmeros es la raz n-sima del producto de esos nmeros
M = n e (x 1 * x 2 * x 3 *.....*x n )
Se ve afectada por todos los nmeros y valores extremos pero en menor grado que la Media Aritmtica, su
valor siempre es menor que el de sta.
MEDIA ARMNICA
Se utiliza para el promedio de rendimientos y velocidades. La Media Armnica de una serie de nmeros es
el reciproco de la media aritmtica del recproco de esos nmeros.
1 / MH = [ S 1 / xi ] / n
MEDIA CUADRTICA
Es la raz cuadrada de la media aritmtica de los cuadrados de los nmeros, se usa eficientemente para
promediar los errores o desviaciones porque es ms susceptible a los mismos.
MC = 2 e S [ xi 2 ] / n
b) Medidas de dispersin
Un rasgo principal de los datos es su dispersin o amplitud, que se refiere a su variabilidad, a la evaluacin
de cun separados o extendidos estn estos datos o bien cuanto difieren unos de otros.
Variacin: es el grado en que los datos numricos tienden a extenderse alrededor de un valor,
generalmente el valor medio
Por qu es importante la variacin?
1. Al menudo una medida de posicin de un conjunto de datos se vincula con la indicacin de cun tpico o
representativo es para la poblacin y para ello es necesario contar con la informacin que proporcionan las
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
mediadas de variacin. Solo el conocimiento de un estadstico de tendencia central no aclara o define toda
la distribucin, adems que no existe un valor de tendencia central ideal, por lo que es significativo tener
una idea de la dispersin de los valores y determinar si es mucha o poca alrededor de la media, pues si la
variacin es muy grande entonces esta medida de tendencia central no es buena seleccin como valor
tpico.
2. La medida de tendencia central no indica la relacin de un dato con los otros, es necesario para ello las
medidas de variabilidad o dispersin.
3. Al tratar problemas con datos dispersos se requiere conocer que problemas puede esto traer, hasta que
punto la dispersin tiene un riesgo aceptable o inaceptable en la toma de decisiones.
4. Al comparar dos distribuciones por lo general centramos la atencin en la posicin y en la dispersin.
RANGO
Mide la dispersin de la totalidad de los datos. Es la ms obvia de las mediadas ya que es la distancia entre
los valores mximo y mnimo.
El rango o recorrido da alguna idea del grado de variacin que ocurre en la poblacin, pero con frecuencia
los resultados pueden ser engaosos, pues este depende de los valores extremos e ignora la variacin de
las dems observaciones. Est afectado por ocurrencias raras o extraordinarias.
VARIANZA
Tal y como se adelantaba antes, otro aspecto a tener en cuenta al describir datos continuos es la dispersin
de los mismos. Existen distintas formas de cuantificar esa variabilidad. De todas ellas, la varianza (S2) de
los datos es la ms utilizada. Es la media de los cuadrados de las diferencias entre cada valor de la variable
y la media aritmtica de la distribucin.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Aunque en muchos contextos se utiliza el trmino de desviacin tpica para referirse a ambas expresiones.
En los clculos del ejercicio previo, la desviacin tpica muestral, que tiene como denominador n, el valor
sera 20.678. A efectos de clculo lo haremos como n-1 y el resultado seria 21,79.
El haber cambiado el denominador de n por n-1 est en relacin al hecho de que esta segunda frmula es
una estimacin ms precisa de la desviacin estndar verdadera de la poblacin y posee las propiedades
que necesitamos para realizar inferencias a la poblacin.
Cuando se quieren sealar valores extremos en una distribucin de datos, se suele utilizar la amplitud como
medida de dispersin. La amplitud es la diferencia entre el valor mayor y el menor de la distribucin.
Por ejemplo, utilizando los datos del ejemplo previo tendremos 80-15 =65.
Como medidas de variabilidad ms importantes, conviene destacar algunas caractersticas de la varianza y
desviacin tpica:
Son ndices que describen la variabilidad o dispersin y por tanto cuando los datos estn muy alejados
de la media, el numerador de sus frmulas ser grande y la varianza y la desviacin tpica lo sern.
Cuando todos los datos de la distribucin son iguales, la varianza y la desviacin tpica son iguales a 0.
Para su clculo se utilizan todos los datos de la distribucin; por tanto, cualquier cambio de valor ser
detectado.
COEFICIENTE DE VARIACIN
Otra medida que se suele utilizar es el coeficiente de variacin (CV). Es una medida de dispersin relativa
de los datos y se calcula dividiendo la desviacin tpica muestral por la media y multiplicando el cociente por
100. Su utilidad estriba en que nos permite comparar la dispersin o variabilidad de dos o ms grupos. As,
por ejemplo, si tenemos el peso de 5 pacientes (70, 60, 56, 83 y 79 Kg) cuya media es de 69,6 kg. y su
desviacin tpica (s) = 10,44 y la TAS de los mismos (150, 170, 135, 180 y 195 mmHg) cuya media es de
166 mmHg y su desviacin tpica de 21,3. La pregunta sera: qu distribucin es ms dispersa, el peso o la
tensin arterial? Si comparamos las desviaciones tpicas observamos que la desviacin tpica de la tensin
arterial es mucho mayor; sin embargo, no podemos comparar dos variables que tienen escalas de medidas
diferentes, por lo que calculamos los coeficientes de variacin:
A la vista de los resultados, observamos que la variable peso tiene mayor dispersin.
Cuando los datos se distribuyen de forma simtrica (y ya hemos dicho que esto ocurre cuando los valores
de su media y mediana estn prximos), se usan para describir esa variable su media y desviacin tpica.
En el caso de distribuciones asimtricas, la mediana y la amplitud son medidas ms adecuadas. En este
caso, se suelen utilizar adems los cuartiles y percentiles.
c) Medidas de posicin
Los cuartiles y percentiles no son medidas de tendencia central sino medidas de posicin. El percentil es
el valor de la variable que indica el porcentaje de una distribucin que es igual o menor a esa cifra.
As, por ejemplo, el percentil 80 es el valor de la variable que es igual o deja por debajo de s al 80% del
total de las puntuaciones. Los cuartiles son los valores de la variable que dejan por debajo de s el 25%,
50% y el 75% del total de las puntuaciones y as tenemos por tanto el primer cuartil (Q1), el segundo (Q2) y
el tercer cuartil (Q3).
LOS CUANTILES
Son valores que dividen a la distribucin en n partes iguales. Los cuantiles permiten hacer un anlisis
minucioso de la distribucin, se utilizan generalmente cuando se quiere ubicar un dato dentro del conjunto.
Por ejemplo. Pertenece el dato x al 50% superior ?, al 10% inferior? , al 50 % central?, etc.
a) CUARTIL O INTERVALO INTERCUARTIL:
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Cuando aumenta la dispersin de una distribucin de frecuencias, se ampla la distancia entre los cuartiles,
por lo que esta distancia puede usarse como base de una medida de variabilidad
Cuartiles, cuatro partes iguales: Q1, Q2, Q3
El intervalo intercuartil, es el recorrido entre el cuartil 3 y el cuartil 1. Es el intervalo en el cual est
comprendido el 50% de los datos centrales.
DECIL O INTERVALO INTERDECIL
Deciles, diez pares iguales : D1, D2..........D9
Mide la dispersin del 80% de los datos centrales y se obtiene de la diferencia entre el decil 9 y el decil 1,
evitando as los puntos extremos.
PERCENTIL O INTERVALO CENTIL
Percentiles o centiles, cien partes iguales: P1, P2.....P99
DESVIACIN CUARTLICA
Mide el intervalo promedio de un cuarto de los datos [Q3-Q1)/2]
Si la distribucin es perfectamente simtrica, los dos cuartiles Q1 y Q3 equidistan de la mediana y la mitad
de la distancia entre los cuartiles representa la distancia promedio entre ellos y la mediana.
Si en una distribucin simtrica se mide una distancia igual a la desviacin cuartlica a ambos lados de un
punto ubicado en el centro de los cuartiles, el 50% de los valores estarn incluidos dentro de esos lmites y
el valor del punto medio coincide con la mediana.
La ventaja de la desviacin cuartlica es que evita los valores extremos utilizando nicamente la mitad
intermedia de los datos.
DESVIACIN MEDIA
La desviacin Media o Desviacin absoluta promedio, es la media aritmtica de las desviaciones absolutas
de cada una de las observaciones con respecto a su valor central, la media aritmtica, o la mediana
Cuanto mayor es su valor, mayor es la dispersin de los datos
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Sk = 3 ( X - Me) / S
Estas medidas se conocen como el primero y segundo coeficiente de Pearson y varan entre el intervalo +
3, es cero para la distribucin normal.
MEDIDA CUARTIL DE ASIMETRIA
En una distribucin simtrica los cuartiles quedan simtricamente colocados respecto a la mediana, pero si
es asimtrica un cuartil se separa ms que otro. La medida cuartil de asimetra marca esta relacin
Sk =[ ( Q3 - Me) - ( Me - Q1) ] / ( Q3 - Q1)
Si la asimetra es a la derecha Q3 est ms lejos de la mediana que Q1, si la asimetra es a la izquierda Q1
est mas alejada de la mediana que Q3.Esta medida vara siempre entre + 1, si es cero la distribuciones
normal.
COEFICIENTE DE SESGO PERCENTLICO
Se aplica con el mismo criterio de la medida Cuartil de Asimetra
Sk = [( P90 - P50) - (P50 - P10) ] / ( P90 - P10)
MEDIDAS DE CURTOSIS
Al comparar cun aguda es una distribucin en relacin con la Distribucin Normal, se pueden presentar
diferentes grados de apuntalamiento.
1. Mesocrtica, Normal
2. PlarticrtiCa, Menor apuntalamiento
3. Leptocrtica, Mayor apuntalamiento
COEFICIENTE DE CURTOSIS PERCENTILICO
Una medida del apuntalamiento o curtosis de la distribucin est basada en los cuartiles y percentiles, y
est dada por el coeficiente de Curtosis Percentlico
K= ( 0.5 ( Q3 - Q1) ) / ( P90-P10)
Para la distribucin normal K toma un valor de 0.263 y las distribuciones se definen como:
Leptocrtica si k es mayor que 0.263
Platicrtica si k es menor que 0.263
5.1.3. ESTADISTICA INFERENCIAL O ESTADSTICA APLICADA
La estadstica inferencial se refiere al proceso de lograr generalizaciones acerca de las propiedades del
todo, poblacin, partiendo de lo especfico, muestra. las cuales llevan implcitos una serie de riesgos. Para
que stas generalizaciones sean vlidas la muestra deben ser representativa de la poblacin y la calidad de
la informacin debe ser controlada, adems puesto que las conclusiones as extradas estn sujetas a
errores, se tendr que especificar el riesgo o probabilidad que con que se pueden cometer esos errores. La
estadstica inferencial es el conjunto de tcnicas que se utiliza para obtener conclusiones que sobrepasan
los lmites del conocimiento aportado por los datos, busca obtener informacin de un colectivo mediante un
metdico procedimiento del manejo de datos de la muestra.
En sus particularidades la Inferencia distingue la Estimacin y la Contrastacin de Hiptesis. Es estimacin
cuando se usan las caractersticas de la muestra para hacer inferencias sobre las caractersticas de la
poblacin. Es contrastacin de hiptesis cuando se usa la informacin de la muestra para responder a
interrogantes sobre la poblacin.
La estadstica Inferencial, es el proceso por el cual se deducen (infieren) propiedades o caractersticas de
una poblacin a partir de una muestra significativa. Uno de los aspectos principales de la inferencia es la
estimacin de parmetros estadsticos. Por ejemplo, para averiguar la media, , de las estaturas de todos
los soldados de un reemplazo, se extrae una muestra y se obtiene su media, 0. La media de la muestra
(media muestral), 0, es un estimador de la media poblacional, . Si el proceso de muestreo est bien
realizado (es decir, la muestra tiene el tamao adecuado y ha sido seleccionada aleatoriamente), entonces
el valor de , desconocido, puede ser inferido a partir de 0.(Katherine, 2008)
La inferencia siempre se realiza en trminos aproximados y declarando un cierto nivel de confianza. Por
ejemplo, si en una muestra de n = 500 soldados se obtiene una estatura media 0 = 172 cm, se puede llegar
a una conclusin del siguiente tipo: la estatura media, , de todos los soldados del reemplazo est
comprendida entre 171 cm y 173 cm, y esta afirmacin se realiza con un nivel de confianza de un 90%.
(Esto quiere decir que se acertar en el 90% de los estudios realizados en las mismas condiciones que ste
y en el 10% restante se cometer error.)
Si se quiere mejorar el nivel de confianza, se deber aumentar el tamao de la muestra, o bien disminuir la
precisin de la estimacin dando un tramo ms amplio que el formado por el de extremos 171, 173.
Recprocamente, si se quiere aumentar la precisin en la estimacin disminuyendo el tamao del intervalo,
entonces hay que aumentar el tamao de la muestra o bien consentir un nivel de confianza menor.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Finalmente, si se quiere mejorar tanto la precisin como el , hay que tomar una muestra suficientemente
grande.
Los dos tipos de problemas que resuelven las tcnicas estadsticas son: estimacin y contraste de hiptesis.
En ambos casos se trata de generalizar la informacin obtenida en una muestra a una poblacin. Estas
tcnicas exigen que la muestra sea aleatoria. En la prctica rara vez se dispone de muestras aleatorias, por
la tanto la situacin habitual es la que se esquematiza en la figura
Entre la muestra con la que se trabaja y la poblacin de inters, o poblacin diana, aparece la denominada
poblacin de muestreo: poblacin (la mayor parte de las veces no definida con precisin) de la cual nuestra
muestra es una muestra aleatoria. En consecuencia la generalizacin est amenazada por dos posibles
tipos de errores: error aleatorio que es el que las tcnicas estadsticas permiten cuantificar y crticamente
dependiente del tamao muestral, pero tambin de la variabilidad de la variable a estudiar y el error
sistemtico que tiene que ver con la diferencia entre la poblacin de muestreo y la poblacin diana y que
slo puede ser controlado por el diseo del estudio.
A. ESTIMACIONES
Estimacin de la media
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
B. PRUEBAS DE HIPTESIS
Una hiptesis estadstica es una asuncin relativa a una o varias poblaciones, que puede ser cierta o no.
Las hiptesis estadsticas se pueden contrastar con la informacin extrada de las muestras y tanto si se
aceptan como si se rechazan se puede cometer un error.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Obsrvese que, de esta manera, se est ms seguro cuando se rechaza una hiptesis que cuando no.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Comparacin de medias
La hiptesis nula
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
C. MUESTREO
Es un procedimiento por medio del cual se estudia una parte de la poblacin llamada muestra, con el
objetivo de inferir con respecto a toda la poblacin.
Es importante relacionar el muestreo con lo que es el censo, el cual se define como la enumeracin
completa de todos los elementos de la poblacin de inters.
VENTAJAS DEL MUESTREO:
a) Costos reducidos.
b) Mayor rapidez para obtener resultados.
c) Mayor exactitud o mejor calidad de la informacin:
debido a los siguientes factores
c.1 Volumen de trabajo reducido.
c.2 Puede existir mayor supervisin en el trabajo.
c.3 Se puede dar ms entrenamiento al personal.
c.4 Menor probabilidad de cometer errores durante el procesamiento de la informacin.
d) Factibilidad de hacer el estudio cuando la toma de datos implica tcnicas destructivas, por ejemplo:
- Pruebas de germinacin.
- Anlisis de sangre.
- Control de calidad.
VENTAJAS DEL CENSO:
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Sin embargo, tambin se debe mencionar que el censo tiene algunas ventajas que son las siguientes:
a) Existe una cobertura total.
b) Tiene aceptacin pblica.
c) No se requieren grandes conocimientos de estadstica.
TIPOS DE MUESTREO:
MUESTREO NO PROBABILISTICO:
Los elementos de la muestra son seleccionados por procedimientos al azar con probabilidades conocidas
de seleccin. Por lo tanto es imposible determinar el grado de representatividad de la muestra. Dentro de los
tipos de muestreo no Probabilstico, podemos mencionar los siguientes:
a) Muestreo por Juicio, Seleccin Experta o Seleccin Intencional:
El investigador toma la muestra seleccionado los elementos que a l le parecen representativos o tpicos de
la poblacin, por lo que depende del criterio del investigados.
b) Muestreo casual o fortuito:
Se usa en los casos en no es posible seleccionar los elementos, y deben sacarse conclusiones con los
elementos que esten disponibles. Por ejemplo: en el caso de voluntarios para pruebas de medicamentos de
enfermedades como el corazn, cncer, etc.
c) Muestreo de cuota:
Se utiliza en estudios de opinin de mercado. Los enumeradores, reciben instrucciones de obtener cuotas
especificas a partir de las cuales se constituye una muestra relativamente proporcional a la poblacin.
d) Muestreo de poblaciones mviles:
Este tipo de muestreo utiliza mtodos de captura, marca y recaptura. Se utiliza mucho en el estudio de
migracin de poblaciones de animales y otras caractersticas.
MUESTREO PROBABILISTICO, ALEATORIO O ESTOCASTICO:
Los elementos de la muestra son seleccionados siguiendo un procedimiento que brinde a cada uno de los
elementos de la poblacin una probabilidad conocida de ser incluidos en la muestra.
a) PROPIEDADES DEL MUESTREO PROBABILISTICO:
1. Existe la posibilidad de definir inequvocamente un conjunto de muestras M 1, M2, .... , Mt mediante la
aplicacin del procedimiento a una poblacin. Esto significa que podemos indicar cuales unidades de
muestreo pertenecen a M1, M2 y as sucesivamente.
2. A cada posible muestra Mi se le asigna un probabilidad conocida de seleccin P i .
3. Seleccionamos una de las Mi por un proceso mediante el cual, cada M i tiene una probabilidad Pi de ser
seleccionada.
4. El mtodo de estimacin se realiza en base a la muestra, siendo unico para cualquiera de las posibles
muestras Mi.
TIPOS DE MUESTREO PROBABILISTICO:
a) Muestreo simple aleatorio (m.s.a.).
b) Muestreo Estratificado.
c) Muestreo Sistemtico.
d) Muestreo por conglomerados.
e) Muestreo por Areas.
f) Muestreo Polietpico.
MUESTREO SIMPLE ALEATORIO:
CARACTERISTICAS DEL MUESTREO SIMPLE ALEATORIO:
a) Cada uno de los elementos de la muestra, se selecciona aleatoriamente uno por uno.
b) Todos los elementos de la poblacin tiene la misma probabilidad de ser incluidos en la muestra.
TAMAO DE MUESTRA PARA ESTIMAR LA MEDIA CON M.S.A.
Para estimar la media poblacional utilizando una variable aleatoria continua se utiliza la siguiente relacin:
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Una muestra aleatoria estratificada es la obtenida mediante la separacin de los elementos de la poblacin en
grupos que no presenten traslapes, llamados estratos y la seleccin posterior de una muestra irrestrictamente
aleatoria simple en cada estrato.
En resumen, los motivos principales para utilizar un muestreo aleatorio estratificado son los siguientes:
a) La estratificacin puede producir un error de estimacin ms pequeo que el que generara un m.s.a. del
mismo tamao. Este resultado es particularmente cierto si las mediciones dentro de los estratos son
homogneas.
b) El costo por observacin en la encuesta puede ser reducido mediante la estratificacin de los elementos de la
poblacin en grupos convenientes.
c) Se pueden obtener estimaciones de parmetros poblacionales para subgrupos de la poblacin. Los
subgrupos deben de ser entonces estratos identificables.
Lo anterior debe de tomarse en cuenta cuando se est planeando estratificar o no una poblacin o decidiendo
en que forma se definirn los estratos.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
c. Determinar el modelo
Modelos
El modelo es una representacin simplificada de una situacin emprica.
Las ventajas de un modelo simple son :
a. Su economa de tiempo y esfuerzo mental
b. La persona que toma la decisin puede entenderlo con rapidez
c. Se puede modificar de manera rpida y efectiva
Programacin Lineal
La programacin lineal (PL) es el mtodo cuantitativo ms utilizado para la planificacin y toma de
decisiones.
Se pueden encontrar aplicaciones de PL en distintas reas de la empresa y sectores de actividad como
por ejemplo la programacin de los horarios del personal.
Los modelos de PL pueden concebirse como sistemas de asignacin de recursos limitados entre
distintos usos alternativos bajo determinadas hiptesis.
FORMULACIN ALGEBRAICA:
Todo problema de PL puede representarse como:
Problema
El problema planteado en el presente trabajo es:
En qu medida el trabajo colaborativo con informacin de la Red de Servicios de Salud de EsSalud,
permitir adquirir aprendizajes significativos?
En la siguiente temtica:
1. Aplicaciones de la estadstica descriptiva: Medidas de tendencia central y dispersin, frecuencias y
grficos, muestras, probabilidades.
2. Aplicaciones de la estadstica inferencial: Hiptesis Estadstica y modelos de contratacin de hiptesis
3. Simulacin de modelos de investigacin de operaciones mediante herramientas informticas.
Variables de estudio
8. FORMULACIN DE VARIABLES
9. FUNCIN OBJETIVO
10. PLANTEAMIENTO DEL MODELO
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
.
Para el caso planteado se determinaron las distintas frecuencias, las que se muestran en la
siguiente tabla:
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Tabla N 01. de distribucin de frecuencias de pacientes segn edad que se atienden en el servicio
de consultorio externo: Odontologa. Hospital de EsSalud Tumbes. Ao 2010.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
En el histograma se observa grficamente la distribucin de las edades de los pacientes, y que los
puntos ms altos estn en las edades 48, 50 y 52 las que coinciden con las frecuencias ms altas de
la tabla.
Otra forma de representar los datos es a travs de un polgono de frecuencias que es un grfico de puntos
en el cual se muestra la distribucin dibujada punto por punto representando los valores especficos de la
variable bajo estudio.
En el ejemplo se puede observar que se representan los 30 valores que toman las edades. La frecuencia
ms alta de pacientes la alcanza la edad 50.
POLIGONO DE FRECUENCIAS. Edad Pacientes que asistente Consultorio
Externo de Oftalmologa. Hosp. Essalud Tumbes. 2010.
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Por lo tanto, la media de edades de los pacientes que acuden al servicio de Odontologa en el Hospital de Essalud
Tumbes, es de 47 aos.
MEDIANA:
La mediana de acuerdo a los datos no agrupados es de 48 aos, es decir, es la edad de los pacientes que
acuden al servicio de Odontologa en el Hospital de Essalud Tumbes que se encuentra en la mitad de los 1000
datos.
MODA:
La moda de acuerdo a los datos no agrupados es de 50 aos, esto es, es la edad de los pacientes que acuden
al servicio de Odontologa en el Hospital de Essalud Tumbes que ms se repite.
DATOS AGRUPADOS:
MEDIA:
Aplicando la frmula se obtiene:
X= 47,170
Por lo tanto, la media de edades de los datos agrupados de los pacientes que acuden al servicio de Odontologa en
el Hospital de Essalud Tumbes, es de 47,170 aos.
MEDIANA:
Aplicando la frmula se obtiene:
Me = 47,154
La mediana de acuerdo a los datos agrupados es de 47,154 aos, es decir, es la edad de los pacientes que
acuden al servicio de Odontologa en el Hospital de Essalud Tumbes que se encuentra en la mitad de los datos
agrupados.
MODA:
Aplicando la frmula se obtiene:
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Mo = 49,667
La moda de acuerdo a los datos agrupados es de 49,667 aos, es decir, es la edad de los pacientes que
acuden al servicio de Odontologa en el Hospital de Essalud Tumbes en el intervalo que ms se repite de los datos
agrupados.
CASO 3: MUESTREO
TAMAO DE MUESTRA PARA ESTIMAR LA MEDIA CON M.S.A.
En un lote de frascos para medicina en almacn, con una poblacin de 8,000 unidades, se desea estimar la
media de la capacidad en centmetros cbicos de los mismos.
A travs de un pre muestreo de tamao 35 se ha estimado que la desviacin estndar es de 2 centmetros
cbicos. Si queremos tener una precisin 0.25 cms 3, y un nivel de significancia del 5% . De qu tamao debe
de ser la muestra?.
DATOS:
Solo faltara muestrear 203 frascos, pues los datos de los 35 frascos del pre muestreo siguen siendo vlidos.
TAMAO DE MUESTRA PARA ESTIMAR PROPORCIONES CON M.S.A.
Se desea determinar en qu proporcin los nios hijos de asegurados de Zarumilla toman el medicamento X en
el desayuno. Si se sabe que existen 1,500 nios y deseamos tener una precisin del 10 por ciento, con un nivel
de significancia del 5% De que tamao debe de ser la muestra?.
DATOS:
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
como se utiliz distribucin proporcional, a cada estrato le tocara el siguiente tamao de muestra:
n 1 = 81(558/998) = 45 ;
n 2 = 81(190/998) = 15
n 3 = 81(250/998) = 20.
CASO 4: PROBABILIDAD
I.C Para la media
1. En una muestra aleatoria de 90 pacientes se mide el nivel de glucosa en sangre en ayunas. Se obtiene =
132 mg/dl y s2 =109. Construir el IC al 95% para m Qu asuncin se ha hecho?
Solucin
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
podemos, mirar en las tablas de la t o extraer de un computador el valor de t= 0,025 que para 89 grados de
libertad (los grados de libertad son n - 1) es 1,99, o bien como n > 30 aproximar a la z y usar el valor 1,96.
2. Si de una poblacin normal con varianza 4 se extrae una muestra aleatoria de tamao 20 en la que se
calcula se puede decir que m tiene una probabilidad de 0,95 de estar comprendida en el intervalo
I.C Proporcin
De un total de100 vacunados se sabe que 10 pasan la gripe. Construir un IC al 95% para la probabilidad de
pasar la gripe si se est vacunado. En los otros 100 pacientes sin vacunar la pasan 20. Hay evidencia de
que la vacuna es eficaz?
Solucin
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Qu significa este intervalo? Que la verdadera proporcin de curaciones est comprendida entre,
aproximadamente, 72% y 88% con un 95% de probabilidad.
2. APLICACIONES DE LA ESTADSTICA INFERENCIAL: HIPTESIS ESTADSTICA Y MODELOS DE
CONTRATACIN DE HIPTESIS
CASO 01: PRUEBA DE HIPTESIS
Estamos estudiando el efecto del estrs sobre la presin arterial. Nuestra hiptesis es que la presin
sistlica media en varones jvenes estresados es mayor que 18 cm de Hg. Estudiamos una muestra de 36
sujetos y encontramos
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Otra manera equivalente de hacer lo mismo (lo que hacen los paquetes estadsticos) es buscar en las tablas
el "valor p" que corresponde a T=0,833, que para 35 g.l. es aproximadamente 0,20. Es decir, si H 0 fuera
cierta, la probabilidad de encontrar un valor de T como el que hemos encontrado o mayor (por qu mayor?
Porque la H1 es que m es mayor , lo que producira una media muestral mayor y por tanto mayor valor de t)
es 0,20, dicho de otra manera la probabilidad de equivocarnos si rechazamos Ho es 0,20, como la frontera
se establece en 0,05 no la rechazamos.
Este valor crtico de 0,05 es arbitrario pero es la convencin habitual. Cun razonable es?
CASO 02: PRUEBA DE INDEPENDENCIA
En una muestra de 100 pacientes que sufrieron infarto de miocardio se observa que 75 sobrevivieron ms
de 5 aos (xito). Se quiere estudiar su posible asociacin con la realizacin de ejercicio moderado (factor).
La tabla es
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
Bibliografa
1.
2.
Charles a. Gallagher Mtodos Cuanticos para la toma de decisiones MC Graw Hill 2007
Dawson-Saunders B, Trapp RG. Bioestadstica Mdica . 2 ed. Mxico: Editorial el Manual Moderno;
1996.
3. Fletcher RH., Fletcher SW., Wagner E.H. Epidemiologa clnica. 2 ed. Barcelona: Masson, Williams &
Wilkins; 1998.
4. Freund & Simon, ESTADISTICA ELEMENTAL, Prentice-Hall hispanoamericana S.A. 1992
5. Hillier Lieberman Investigacin de Operaciones MC Graw Hill 2002
6. Levin Richard, Estadstica para Administradores.Sexta Edicin. Prentice Hall. 1998
7. Martn Andrs A, Luna del Castillo JD. Bioestadstica para las ciencias de la salud. 4 ed. Madrid:
NORMA; 1993.
8. Milton JS, Tsokos JO. Estadstica para biologa y ciencias de la salud. Madrid: Interamericana McGraw
Hill; 2001.
9. Pita Fernndez S, Prtega Daz, S. 1997. Estadstica descriptiva de los datos. Unidad de
Epidemiologa Clnica y Bioestadstica. Complexo Hospitalario Universitario de A Corua (Espaa).
10. Pita Fernndez, S. Uso de la estadstica y la epidemiologa en atencin primaria. En: Gil VF, Merino J,
Orozco D, Quirce F. Manual de metodologa de trabajo en atencin primaria. Universidad de Alicante.
Madrid, Jarpyo Editores, S.A. 1997; 115-161. (Actualizado 06/03/2001)
11. Sackett, D.L., Haynes, R.B., Guyatt, G.H., Tugwell, P. Epidemiologa clnica. Ciencia bsica para la
medicina clnica. 2 ed. Madrid : Mdica Panamericana; 1994.
12. Weiers Ronald. Investigacin de Mercados. Prentice Hall. 1986
Autores:
Richard Zarate Marchan
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com
www.monografias.com
sparebtub@hotmail.com
Neiser Romero Cordova
Para ver trabajos similares o recibir informacin semanal sobre nuevas publicaciones, visite www.monografias.com