Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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.
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
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
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
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 t2; 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