UNIVERSIDAD ALAS PERUANAS

FACULTAD DE CIENCIAS EMPRESARIALES Y EDUCACIÓN

ESCUELA PROFESIONAL DE ADMINISTRACIÓN Y NEGOCIOS
INTERNACIONALES

TEMA: TIPOS DE VARIABLES ESTADISTICA

PRESENTADO A LA CATEDRA DE: ESTADÍSTICA

DOCENTE: ING, ANTHONY MORA BONILLA

ESTUDIANTE: MELGAR HUAMÁN LEONEL

ALIAGA HUARACA GIANNELA
GOMEZ OLLERO BRIGITTE
CHAVEZ CAMAYO CINTHIA

HUANCAYO - 2019
DEDICATORIA:
A nuestros padres quienes a lo largo de toda nuestras vidas nos apoyan y nos motivan en
nuestra formación académica, creen en nosotros en todo momento y no dudan de nuestras
habilidades.
A nuestros profesores a quienes les debemos gran parte de nuestros conocimientos,
gracias a su paciencia y enseñanza, finalmente un eterno agradecimiento.
A esta prestigiosa universidad universidad la cual abre sus puertas a jóvenes como
nosotros preparándonos para un futuro competitivo y formándonos como profesionales
con mente emprendedora.
Contenido
INTRODUCCIÓN ............................................................................................................ 4
1.1. Definición: ............................................................ Error! Bookmark not defined.
1.1.1. distinción > 2 tipos: ....................................... Error! Bookmark not defined.
1.1.2. Referencia>.................................................... Error! Bookmark not defined.
1.2. Descripción ........................................................... Error! Bookmark not defined.
1.2.1. El suelo y el techo de las puntuaciones posibles. –Error! Bookmark not
defined.
1.2.2. La regla y la medida. – .................................. Error! Bookmark not defined.
1.2.3. El propio contenido del citado instrumento. –Error! Bookmark not defined.
2.1. Cualidades de los baremos ................................... Error! Bookmark not defined.
2.2. Procedimiento de selección: Aleatoriedad, .......... Error! Bookmark not defined.
2.3. Construcción de los baremos o normas ................ Error! Bookmark not defined.
2.3.1. Normas cronológicas o de edad ..................... Error! Bookmark not defined.
2.4. Normas típicas. – .................................................. Error! Bookmark not defined.
2.5. Puntuaciones típicas normalizadas. - .................... Error! Bookmark not defined.
2.6. Estaninos y Pentas ................................................ Error! Bookmark not defined.
3. EL MUESTREO .......................................................... Error! Bookmark not defined.
3.1. Tamaño de la muestra ........................................... Error! Bookmark not defined.
4. Procedimientos de selección ........................................ Error! Bookmark not defined.
4.1. Procedimientos de muestreo ................................. Error! Bookmark not defined.
4.2. El error muestral ................................................... Error! Bookmark not defined.
INTRODUCCIÓN

Sin embargo, en la Estadística Descriptiva no distinguimos entre Población y Muestra,

trabajamos con toda la Población y por lo tanto, no debemos realizar extrapolaciones,
simplemente recopilamos los datos, los ordenamos y analizamos para obtener
conclusiones.
En la Estadística Cualitativa trabajamos con variables estadísticas unidimensionales y
bidimensionales.
Con las Variables Estadísticas Unidimensionales trabajamos de forma aislada con una
sola variable estadística de la población y obtenemos conclusiones sobre esta variable.
Con las Variables Estadísticas Bidimensionales (pueden ser también
multidimensionales) estudiamos dos variables estadistícas, buscando información sobre
ambas variables de forma independiente, la relación entre ambas e incluso cómo puede
una de ellas incluir sobre la otra, y viceversa.
A los Caracteres Estadísticos Cuantitativos se les llama Variables Estadísticas, siendo
los valores estadísticos que recopilamos de cada miembro de la muestra y que representan
valores númericos, pudiendo distinguir entre:
1. Variables Estadísticas Discritas: aquellas que sólo pueden tomar un número
aislado de valores, tales como años, notas de un examen de clases, número de
hijos en un martimonio…)
2. Variables Estadísticas Continuas: aquellas que pueden tomar cualquier valor de
un intervalo, como el colestterol, la estatura (una persona puede medir
1,81494..mestros …)
Sin embargo, esta distinción es meramente teórica, porque tendemos a discretizar las
variables continuas, es decir, redondeamos la estatura a 1,82, por lo que se convertiría en
una Variable Estadística Discreta…
Lo que sí hacemos en la realidad, es distinguir entre datos simples y datos agrupados en
intervalos.
OBJETIVO GENERAL
•Conocer las diferentes variables estadísticas y determinar cómo operan en diferentes
actividades estadísticas. (Bencardino, 2014)

OBJETIVOS ESPECIFICOS
•Identificar y conocer cómo operan las variables estadísticas.
•Determinar la importancia de la aplicación de las variables estadísticas para el cálculo e
interpretación de datos estadísticos. (Hernández, 2018)
Tipos de Variables en Estadística

Analizar la naturaleza de los datos permite clasificar las variables estadísticas en:

-Variables cuantitativas: son las variables que se pueden cuantificar o medir. A su vez,
las variables cuantitativas pueden ser de dos tipos (Bencardino, 2014)

Continuas: son aquellas que pueden tomar cualquier valor dentro de un rango
determinado. Por ejemplo, los ingresos procedentes del trabajo que recibe una persona.

Discretas: a diferencia de las continuas no pueden tomar cualquier valor del rango.
Normalmente toman valores enteros. Son variables cuantitativas discretas el número de
hijos de una persona, el número miembros de un hogar mayores de 65 años.

-Variables cualitativas: representan una cualidad o atributo no medible

numéricamente. Son ejemplos habituales de variables cuantitativas: el sexo, el estado
civil, la nacionalidad, etc. (Bencardino, 2014)

Nominales: la variable puede tomar valores que no mantienen una relación de orden entre
sí. Por ejemplo la nacionalidad de una persona: española o extranjera.

Ordinales: las variables cualitativas ordinales a pesar de no poder cuantificarse

numéricamente sí pueden ordenarse. Es decir, existe cierta jerarquía entre los distintos
valores que puede tomar la variable. Por ejemplo, el grado de dificultad que tiene un hogar
para llegar a fin de mes: con mucha facilidad, con facilidad, con dificultad o con mucha
dificultad.

En Estadística

Según la medición
Variables cualitativas

Como su nombre lo indica son el tipo de variables que expresan distintas cualidades,
características o modalidad. Cada modalidad que se presenta se denomina atributo o
categoría, y la medición consiste en una clasificación de dichos atributos. Las variables
cualitativas puede ser dicotómicas cuando sólo pueden tomar dos valores posibles,
como sí y no, hombre y mujer o ser politómicas cuando pueden adquirir tres o más
valores. Dentro de ellas podemos distinguir: (Triola, 2019)
Variable cualitativa ordinal: La variable puede tomar distintos valores ordenados
siguiendo una escala establecida, aunque no es necesario que el intervalo entre
mediciones sea uniforme, (Bencardino, 2014)
por ejemplo:
¿Cuál es tu nivel de estudios?
1. Básico
2. Intermedio
3. Superior

 Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos
a un criterio de orden, como por ejemplo:

¿En qué lugar estudias?

1. Mi habitación
2. Salón
3. Cocina
4. Comedor
5. Patio
Variables cuantitativas
Son aquellas variables que toman como argumento, cantidades numéricas, son variables
matemáticas. Las variables cuantitativas además pueden ser: (Bencardino, 2014)

 Variable discreta: Es la variable que presenta separaciones o interrupciones en la

escala de valores que puede tomar. Estas separaciones o interrupciones indican la
ausencia de valores entre los distintos valores específicos que la variable pueda
asumir.

Ejemplo:

El número de personas que ingresan al cafetín (1, 2, 3, 4, 5).

 Variable continua: Es la variable que puede adquirir cualquier valor dentro de un

intervalo especificado de valores.

Por ejemplo:

Ingreso anual de una empresa

La masa (2,3 kg, 2,4 kg, 2,5 kg,...) o la altura (1,64 m, 1,65 m, 1,66 m,...), o el
salario. Solamente se está limitado por la precisión del aparato medidor, en teoría
permiten que exista un valor entre dos variables.
Según la influencia
Según la influencia que asignemos a unas variables sobre otras, podrán ser:
Variables independientes

Una variable independiente es aquella cuyo valor no depende de otra variable. La variable
independiente se representa en el eje de abscisas. (Hernández, 2018)

Variables dependientes

Una variable dependiente es aquella cuyos valores dependen de los que tomen otra
variable. La variable dependiente en una función se suele representar por y. La variable
dependiente se representa en el eje ordenadas. Son las variables de respuesta que se
observan en el estudio y que podrían estar influidas por los valores de las variables
independientes.
La variable dependiente es el factor que es observado y medido para determinar el efecto
de la variable independiente. (Hernández, 2018)

Variable discreta

Una variable discreta es una variable cuantitativa que toma valores aislados, es decir no
admite valores específicos. (Hernández, 2018)
Por ejemplo:
El número de hermanos de 6 compañeros: 3, 2, 4, 0, 1
En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable
aleatoria es una función que asigna a cada suceso definido sobre la variable aleatoria
la probabilidad de que dicho suceso ocurra. La distribución de probabilidad está definida
sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de
la variable aleatoria.
La distribución de probabilidad está completamente especificada por la función de
distribución, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea
menor o igual que
En probabilidad y estadística, una variable aleatoria o variable estocástica es
una variable estadística cuyos valores se obtienen de mediciones en algún tipo de
experimento aleatorio. Formalmente, una variable aleatoria es una función, que asigna
eventos (p.e., los posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc.) a
números reales (p.e., su suma).
Los valores posibles de una variable aleatoria pueden representar los posibles resultados
de un experimento aún no realizado, o los posibles valores de una cantidad cuyo valor
actualmente existente es incierto (p.e., como resultado de medición incompleta o
imprecisa). Intuitivamente, una variable aleatoria puede tomarse como una cantidad cuyo
valor no es fijo pero puede tomar diferentes valores; una distribución de probabilidad se
usa para describir la probabilidad de que se den los diferentes valores.
Las variables aleatorias suelen tomar valores reales, pero se pueden considerar valores
aleatorios como valores lógicos, funciones... El término elemento aleatorio se utiliza para
englobar todo ese tipo de conceptos relacionados. Un concepto relacionado es el
de proceso estocástico, un conjunto de variables aleatorias ordenadas (habitualmente por
orden o tiempo).
En estadística, la distribución binomial es una distribución de probabilidad discreta que
mide el número de éxitos en una secuencia de n ensayos de Bernoulli independientes
entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. Un
experimento de Bernoulli se caracteriza por ser dicotómico, esto es, sólo son posibles dos
resultados. A uno de estos se denomina éxito y tiene una probabilidad de ocurrencia p y
al otro, fracaso, con una probabilidad q = 1 - p. En la distribución binomial el anterior
experimento se repite n veces, de forma independiente, y se trata de calcular la
probabilidad de un determinado número de éxitos. Para n = 1, la binomial se convierte,
de hecho, en una distribución de Bernoulli.
En teoría de probabilidad, la distribución multinomial es una generalización de
la distribución binomial.
La distribución binomial es la probabilidad de un número de éxitos en N sucesos de
Bernoulli independientes, con la misma probabilidad de éxito en cada suceso. En una
distribución multinomial, el análogo a la distribución de Bernoulli es la distribución
categórica, donde cada suceso concluye en únicamente un resultado de un número finito
K de los posibles, con probabilidades (tal que para i entre 1 y K

y ); y con n sucesos independientes.

Entonces sea la variable aleatoria , que indica el número de veces que se ha dado el
resultado i sobre los n sucesos. El vector sigue una distribución
multinomial con parámetros n y p, donde .
Nótese que en algunos campos las distribuciones categórica y multinomial se encuentran
unidas, y es común hablar de una distribución multinomial cuando el término más preciso
sería una distribución categórica.
Fórmulas de la distribución binomial

n es el número de pruebas.

k es el número de éxitos.

p es la probabilidad de éxito.

q es la probabilidad de fracaso.

El número combi natori o

Media

Varianza

Desviación típica
Bibliografía

Bencardino, C. M. (2014). ESTADÍSTICA APLICADA cuarta edición. mexico: ECOE

EDICIONES.
David M. Levine, Timothy C Krehbiel, Mark L Berenson. (2014). Estadística para
administración, 6t° edición. mexico: Pearson.
Hernández, G. J. (2018). ELEMENTOS BÁSICOS DE ESTADÍSTICA DESCRIPTIVA .
mexico: Editorial LUIS AMIGO.
Triola, M. F. (2019). ESTADÍSTICA decimosegunda edición. Mexico: Pearson.