CONCEPTOS

BASICOS DE
ESTADISTICA
UNIDAD I
CAPITULO 1

1
INTRODUCCION
La noción de “estadística” se derivó originalmente del
vocablo “estado”, porque ha sido función de los gobiernos
centrales llevar registros de población, nacimientos,
defunciones, vocaciones, cosechas, impuestos y muchas
otras clases de cosas y actividades. Contar y medir estos
hechos genera muchas clases de datos numéricos.

La estadística tiene como primer objetivo el estudio

cuantitativo de todos los individuos de una población o
parte de ella (muestra), lo que implica medir sus variables
en forma adecuada.

En el presente tema se revisan algunos conceptos sobre

números y se analizan los tipos de escalas que se usan en
estadística. 2
OBJETIVOS
INSTRUCCIONALES
1. Diferenciar los conceptos de Población,
Marco muestral y muestra.
2. Identificar los distintos tipos de variables.
3. Dada una variable, reconocer el nivel o
escala en que se debe medir.
4. Conocer el mecanismo de selección
para un diseño de muestreo aleatorio
simple (MAS).

3
CONTENIDOS
1. Definiciones de estadística.
2. Población.
3. Muestra.
4. Marco muestral.
5. Parámetro.
6. Estadístico.
7. Concepto de variable.
8. Niveles de medición de las variables.
9. Muestreo Aleatorio Simple (MAS), Tamaño
Muestral, Mecanismo de selección Coordinado
negativo, Mecanismo de selección de Fann-
Muller. 4
 DEFINICION DE ESTADISTICA
La estadística es la disciplina (arte y ciencia)
que se ocupa de:
1) la recolección, organización y
procesamiento de datos, y
2) la obtención de inferencias a partir de un
volumen de datos cuando se observa
sólo una parte de ellos
Se puede considerar la estadística como un
conjunto de métodos que se utilizan para
obtener, recolectar, presentar, analizar e
5
interpretar datos numéricos
 RAMAS DE LA ESTADISTICA

 ESTADISTICA DESCRIPTIVA: Es el conjunto de

métodos para resumir y presentar en forma clara una
serie de observaciones. Comprende el diseño y
construcción de cuadros y gráficos; métodos para
resumir la información como las medidas de tendencia
central y de variabilidad.
 ESTADISTICA INFERENCIAL: Es aquella que le
permite al investigador obtener conclusiones y hacer
generalizaciones para toda una población, con la
información extraída de una parte de ella (muestra)
 BIOESTADISTICA: Cuando los datos que se analizan
proceden de las ciencias biológicas o médicas, la
estadística recibe el nombre de Bioestadística (o
Biometría).
6
 POBLACION
 Conjunto completo de individuos, objetos o medidas
que tienen alguna característica común observable.
Ejemplos de población: Todos los conectores que se
venderán a los consumidores, Una población física real
podría ser un lote de pastillas de silicio producidas en
una fábrica de semiconductores
 El total de los elementos de una población lo
denotaremos por N, también se denomina TAMAÑO
POBLACIONAL.
 Las medidas calculadas sobre una población se
denominan PARÁMETROS, generalmente se denotan
con letras griegas por ejemplo: µ (miu, media
poblacional) ² (sigma² varianza poblacional).
 CENSO: Cuando el estudio se hace sobre todos y cada
uno de los elementos pertenecientes a la población.
7
 MUESTRA

Es un subconjunto de elementos
pertenecientes a la población. El
total de elementos de una
muestra se denota por la letra n.
Siempre se cumplirá que la
muestra n será menor que la
población N (n<N).

8
 ESTADISTICAS ó ESTADISTICOS: Medida
descriptiva, calculada a partir de los datos de la
muestra y se denotan por letras latinas por
ejemplo: m (media muestral), s² (Varianza
muestral).
 MARCO MUESTRAL: Es una lista, mapa u otra
especificación de los elementos que componen la
población de referencia para extraer muestras. Un
ejemplo sería tomando como marco muestral todos
los estudiantes matriculados en la Universidad de
Sucre, podríamos proceder a aplicar métodos de
selección de muestras para obtener muestras de
estudiantes por facultad.
 MUESTREO: Es el procedimiento mediante el
cual se selecciona la muestra.
9
 CONCEPTO DE VARIABLE O CARACTER

 Es cualquier característica o atributo de una

persona, medio ambiente o situación
experimental, que puede variar de persona a
persona, de un medio ambiente a otro o de
una situación experimental a otra. Una
característica o atributo se clasifica como
variable si, tal y como se observa, se
encuentra que ésta toma diferentes valores.
Algunos ejemplos de variables son presión
atmósférica, Humedad Relativa,
Capacidad de campo.
 Si una característica no difiere dentro de la
muestra, ella no puede ser de interés
estadístico.
10
 TIPOS DE VARIABLES
 VARIABLES CUALITATIVAS: Son aquellas cuyos
valores consisten en categorías de clasificación o
atributos, es decir no son de carácter numérico y se
establecen diferencias conceptuales. Ejemplos de
variables cualitativas son: Textura (Arenosa,
Arcillosa, Franco), Transferencia de Calor
(Radiación, Conducción, Convección). Este
tipo de variables también son llamadas categóricas y
algunas veces sus categorías se denominan
modalidades.
 VARIABLES CUANTITATIVAS: Son aquellas que son
susceptible de representación numérica, es decir, sus
valores son de carácter numérico y expresan una
magnitud. Ejemplos de variables cuantitativas son:
Temperatura Ambiente, Peso Seco, Número de Bacterias en un
Cultivo .
11
 Variables Cuantitativas

 VARIABLES CUANTITATIVAS DISCRETAS:

Son las que resultan de un conteo o recuento.
Pueden ser variables cualitativas o
cuantitativas cuyos valores son siempre
enteros, ejemplos: número de aspersores,
Total de uniones en un sistema de riego, Total
de bombas .
 VARIABLES CUANTITATIVAS CONTINUAS:
Son las que provienen de una medición, por
ejemplo, Longitud de un ducto, temperatura
de un ventilador, tiempo de reacción
bacteriana. 12
 NIVELES DE MEDICION DE LAS
VARIABLES
De acuerdo con los tipos de variables
descritos anteriormente, se pueden utilizar
diferentes niveles de medición o escalas.
Hay 4 tipos de escala o niveles de medición
que son:
Nominal
Ordinal,
Intervalar o de intervalo, y
de Razón.
13
 ESCALA NOMINAL
 Se miden en esta escala, variables cuyos resultados son
categorías conceptuales y que deben cumplir las siguientes
condiciones:
 Las categorías deben ser exhaustivas: Esto significa que fuera
de ellas no puede caer ninguno otro resultado de la variable, o
que cualquiera que sea el resultado, debe caer en las categorías
señaladas.
 Deben ser excluyentes: Un resultado no puede caer en dos
categorías.
 Un ejemplo de escala nominal puede ser la variable “Causa de
muerte”. La mediremos en escala nominal estableciendo los
siguientes valores o categorías: Muerte natural, Homicidio,
Accidentes, Suicidios.
 Obsérvese que cuando una persona fallece, entonces:
 La causa de su muerte debe estar en alguna de las cuatro
categorías
 La causa de su muerte no puede estar en más de una categoría.

14
 ESCALA ORDINAL
 En esta escala se establecen en categorías en las que,
además de cumplir las condiciones de la nominal, se
puede identificar un orden (mayor que, igual a, menor
que). Sin embargo, no se pueden establecer diferencias
numéricas entre dos valores de una variable en esta
escala.
 Ejemplos: Al clasificar individuos según su estrato
socioeconómico obtenemos las categorías Alto, Medio,
y Bajo, pero no se puede establecer cuanto mayor es la
categoría Alto que la media.
 El nivel nutricional de los niños se puede clasificar en:
Normal, Desnutrición leve, Desnutrición moderada y
Desnutrición Severa.

15
 ESCALA DE INTERVALO
 Corresponde a variables numéricas. Las categorías se
ordenan en unidades igualmente espaciadas, se
cumplen las siguientes condiciones:
 Existe un cero pero es arbitrario
 Es posible medir las diferencias relativas entre cada
punto de la escala.
 Ejemplos: El termómetro centígrado es un ejemplo de
escala intervalar, la diferencia entre 30 y 31 ºC es la
misma que entre 82 y 83.
 La variable “Calificación de un examen”, los valores son
numéricos, el cero es arbitrario.

16
 ESCALA DE RAZON
 Esta es una escala de carácter numérico, se pueden
establecer comparaciones por cociente entre dos
valores de la variable, proceso que no se puede hacer
con la escala de intervalo. Además el cero de esta
escala es absoluto;
 Ejemplos: La variable “Número de personas por
familia”, variable “Edad” de un grupo de personas.
 La edad es un ejemplo de escala de razón, existe un
punto cero absoluto, el nacimiento y la magnitud de las
diferencias entre edades es la misma. De esta manera,
David, que tiene 18 años de edad, duplica la edad de su
hermano que tiene 9.
17
Las escalas Nominal y
Ordinal se emplean para
medir variables
cualitativas y cuantitativas
discretas, mientras que las
escalas de Intervalo y de
Razón se usan
exclusivamente para
variables continuas. 18
 Tipo de
Variables Tipo de preguntas
respuestas

Cualitativos ¿Vulnerabilidad? Si/No

Cuantitativos Discretos ¿Nº químicos usados? 4

Cuantitativos Continuos ¿Dureza total del agua? 180

19
 DISEÑOS DE MUESTREO DE
ELEMENTOS
 En el estudio del muestreo existen ocho diseños
muestrales de elementos, cada uno con su mecanismo
de selección que garantice una precisión deseada bajo
una confiabilidad determinada.
 Los diseños de muestreo existentes, más conocidos,
son: El diseño de Bernoulli, el muestreo aleatorio
simple (MAS), el r-sistematico, el diseño de muestreo
con reemplazamiento MCR, Diseño con
reemplazamiento y probabilidad de selección
proporcional al tamaño o PPT, Diseño de Poisson,
Diseño sin reemplazamiento y probabilidad de inclusión
proporcional al tamaño o diseño -PT.
 En este texto solamente haremos mención del MAS. Los
demás diseños sólo se ven en un curso de Muestreo.

20
 MUESTREO ALEATORIO
SIMPLE (MAS)
Este esquema constituye la base de la
mayoría de los tipos de muestreo.
El método consiste en tomar al azar n
unidades de la población N, de tal manera
que cada combinación posible de las n
unidades tenga la misma probabilidad de
ser escogida.
Las unidades de muestreo se extraen en
forma independiente. Por lo general el
muestreo se hace sin reemplazo. 21
 TAMAÑO MUESTRAL EN UN
MAS

X  t / 2 S x E  max X  
2
S S t / 2
E  t / 2 S x  t / 2 n
n E²
n0
n
n0
1
N 22
 EJEMPLO
 Para determinar la longitud de la pupa en la
especie Chrysomina semilutearia (plaga
forestal), se tomaron 10 ejemplares al azar,
obteniéndose los siguientes valores
 X promedio = 20.67 mm
 S² = 7.26
 Cuál será el tamaño de la muestra requerida
para estimar la media poblacional  con una
precisión E=1 mm y una confiabilidad 1- =
0.95

23
 EJEMPLO
Se tiene E=1 mm, =0.05
Se toma inicialmente t2; por lo cual
2
S t / 2 7.26 * 4
n1    29.04
E² 1²
El nuevo valor de t/2(n-1) = t0.025(28)=2.0484=2.05
Con el nuevo valor de t se recalcula el tamaño de la
muestra: n2 = 31
Se obtiene nuevamente t/2(n-1) = t0.025(30) =
2.0484=2.03
 n3 = 30
24
 MECANISMOS DE SELECCIÓN
DE LA MUESTRA
 Una vez que el tamaño de la muestra es
calculada se procede a realizar la selección.
Para un universo con N elementos y una
cantidad n previamente calculada, se escogen
n elementos del universo sin reemplazamiento
en forma tal que en cada extracción los
elementos presentes tengan igual probabilidad
de selección.
 METODO COORDINADO NEGATIVO
 METODO DE FAN-MULLER

25
 METODO COORDINADO
NEGATIVO
 Consiste en realizar N ensayos con distribución
uniforme (0, 1) de probabilidad.
 Asignarlos a cada uno de los elementos del
universo
 Ordenar los elementos respecto a los valores
aleatorios y considerar como muestra los
elementos correspondientes a los n valores
aleatorios más pequeños.
 Este método presenta algunos inconvenientes
con los valores aleatorios repetidos.

26
METODO COORDINADO NEGATIVO
ALGORITMO EN EXCEL
 Se registran e identifican todas las unidades de
la población en las dos primeras columnas.
 Genere números aleaorios en la segunda
columna mediante la función =Aleatorio().
 La función anterior se copia para las restantes
N - 1 celdas de la segunda columna.
 Convierta las fórmulas en valores
 Ordene en orden ascendente o descendente de
números aleatorios.
 Los n primeros valores de la población que
aparecen en la columna respectiva
corresponden a una muestra aleatoria simple sin
reemplazo.
27
 MECANISMO DE
SELECCIÓN FANN-MULLER
 Realice N ensayos aleatorios con distribución
uniforme (0, 1). En Excel utilice la función
=Aleatorio() como se indico anteriormente. Lo
denotaremos k
 Decida si k < Ck=(n-nk)/(N-k+1), n = tamaño de
la muestra, nk cantidad de seleccionados en los k-
1 ensayos anteriores
 si k < Ck entonces el elemento k pertenece a la
muestra
 Haga nk igual a la cantidad de seleccionados en
los k-1 ensayos anteriores.
 Determine Ck = (n-nk)/(N-k+1)
 El proceso termina cuando nk = n
28