INVESTIGACION DE

ESTADISTICA
 Alinisis de correlación simple

El análisis de correlación simple nos permite obtener relación entre dos conjuntos de
puntuaciones. Para investigar la relación entre dos variables es conveniente considerar:

Las observaciones que muestran los valores de las variables Si se tiene “n”
observaciones bidimensionales, cada par de puntos(X, Y) se representa en un sistema
de coordenadas rectangulares por un punto como parejas de observaciones se tenga.

Se construye a partir de relacionar un conjunto de indicadores sociales y económicos,

que son asumidos por el modelo neoclásico como efectos del impacto de la Inversión
Extranjera Directa; nosotros realizaremos un análisis individual con cada uno de ellos y
al final obtendremos un conjunto de valores que nos permita observar con mayor
claridad el impacto de la Inversión Extranjera en el Subdesarrollo desde el análisis
Socio - Económico, rebatiendo o confirmando los supuestos neoclásicos.

Diagrama de dispercion

El diagrama de dispersión permite estudiar las relaciones entre dos conjuntos

asociados de datos que aparecen en pares (por ejemplo, (x,y), uno de cada conjunto).
El diagrama muestra estos pares como una nube de puntos.

Las relaciones entre los conjuntos asociados de datos se infieren a partir de la forma de
las nubes.Una relación positiva entre x y y significa que los valores crecientes de x
están asociados con los valores crecientes de y una relación negativa significa que los
valores crecientes de x están asociados con los valores decrecientes de y.

Coeficiente de correlación

Frecuentemente denominado correlación. Una medida estadística ampliamente

utilizada que mide el grado de relación lineal entre dos variables aleatorias. El
coeficiente de correlación debe situarse en la banda de -1 a +1. El coeficiente de
correlación se calcula dividiendo la covarianza de las dos variables aleatorias por el
producto de las desviaciones típicas individuales de las dos variables aleatorias. Las
correlaciones desempeñan un papel vital en la creación de carteras y la gestión de
riesgos en realidad, la eficacia de una cobertura puede valorarse a partir del grado de
correlación entre el precio al contado de una posición en efectivo que se va a cubrir y el
precio del instrumento de cobertura. Cuanto mayor sea la correlación, más eficaz será
la cobertura.

correlacion de rango

Mide la interdependencia o grado de asociación entre dos variables. Se define como la

relación por cociente entre la covarianza de las dos variables y el producto de sus
desviaciones típicas. Su valor puede oscilar entre 0 y 1 y 0 y -1, según que la
correlación sea positiva o negativa. Un coeficiente de correlación igual a cero significa
ausencia de correlación.

Como resultado de la revisión de varios autores, asumimos el siguiente concepto:

SPEARMAN (Rho de Spearman). Este coeficiente es una medida de asociación lineal
que utiliza los rangos, números de orden, de cada grupo de sujetos y compara dichos
rangos. Existen dos métodos para calcular el coeficiente de correlación de los rangos:
uno, señalado por Spearman y otro, por Kendall. El r de Spearman llamado también rho
de Spearman es más fácil de calcular que el de Kendall. 5

Fórmula

en donde d i = r xi – r yi es la diferencia entre los rangos de X e Y.Otra variante de la

fórmula expresada es: 6

Algoritmo de solución : Observando el criterio de estadísticos actuales, la mayoría

confluye en el siguiente algoritmo de trabajo: Los valores de los rangos se colocan
según el orden numérico de los datos de la variable. Por ejemplo, si tenemos las
siguientes variables:

Que es la estadística y para que sirve

Es la rama de las matemáticas que se ocupa de reunir y organizar datos numéricos,

que ayuden a resolver problemas como el diseño de experimentos y la toma de
decisiones. Su finalidad es obtener información, analizarla, elaborarla y simplificarla lo
más posible, para que pueda ser interpretada fácilmente, por tanto, pueda utilizarse
para el fin que se desee.

Utilidad General de la Estadística:

En nuestros días, la estadística se ha convertido en un método efectivo para describir

los valores de datos económicos, políticos, sociales, psicológicos, biológicos o físicos;
sirviendo como herramienta para relacionar y comparar dichos datos.

ESTADÍSTICA DESCRIPTIVA

sta es la más conocida por la mayoría y como su nombre lo indica, su objetivo es

describir. En este caso se usan medidas numéricas para analizar datos y llegar a
conclusiones a partir de ellos.
estadistica descriptiva

Hay algunos elementos y categorías que pertenecen específicamente a este campo de

la Estadística, como por ejemplo:

El promedio: o medida de tendencia central que resulta del cálculo de la sumatoria de

todos los datos de una variable dividido entre el número de datos que contenga la
misma.

Dispersión: tiene que ver con la distancia o diferencia que hay entre cada valor de la
variable y el promedio de la misma.

Medida de asimetría y curtosis.

Exploración de relación y correlación entre conjuntos de datos.

Presentaciones de resultados estadísticos en forma de gráficos.

ESTADÍSTICA INFERENCIAL

Esta área de la Estadística se encarga del estudio de las muestras estadísticas. A partir
del análisis de dichas muestras, la Estadística Inferencial puede inferir, estimar o sacar
conclusiones a partir de la muestra de una población.

estadistica inferencial

A su vez, la Estadística Inferencial se divide en dos grandes grupos, que son:

La estimación de intérvalos de confianza: que es un rango de valores para un

parámetro desconocido a través de la medida de la muestra tomada de una población.

Prueba de significancia o prueba de hipótesis: consiste en poner a prueba las

afirmaciones que se hacen acerca de una población a partir de la medida de la
muestra.

En definitiva, la diferencia entre Estadística Descriptiva y Estadística Inferencial es que

la primera sólo se encarga de hacer descripciones a partir de ciertos datos; mientras
que la segunda se va más allá y hace estimaciones acerca de los datos que se recogen
de las muestras que se toman de una población.

Los datos agrupados en frecuencia son los que se distribuyen u organizan en una tabla
de frecuencia (La frecuencia es igual al número de veces en que se repite cada valor
en una serie de datos.), así, Por medio de ella, es fácil identificar la cantidad de
respuestas repetidas.
 Datos Agrupados

Los datos agrupados por intervalos son los que se organizan dentro de un rango y se
delimita su amplitud por límites establecidos. Así, por medio de esta, es fácil identificar
la cantidad de elementos en un determinado rango de valores.

DATOS NO AGRUPADOS

Los datos no agrupados son el conjunto de datos que no se ha clasificado y se es

presentada en su forma de aparición en una tabla de datos donde cada valor se
representa de forma individual. Por lo general este conjunto comprende una cantidad
de elementos menor a 30 (n<30) con poca o nula repetición.

Los datos no agrupados también los puedes ordenar, por ejemplo de la edad menor a
la edad mayor, no están contabilizados ni clasificados solamente están ordenados.

Medidas de tendencia central y de dispersión en datos agrupados

Se identifica como datos agrupados a los datos dispuestos en una distribución de

frecuencia. En tal caso las fórmulas para el cálculo de promedio, mediana, modo,
varianza y desviación estándar deben incluir una leve modificación. A continuación se
entregan los detalles para cada una de las medidas.

Promedio en datos agrupados

La fórmula es la siguiente:

Donde ni representa cada una de las frecuencias correspondientes a los diferentes

valores de Yi.

Consideremos como ejemplo una distribución de frecuencia de madres que asisten a

un programa de lactancia materna, clasificadas según el número de partos. Por tratarse
de una variable en escala discreta, las clases o categorías asumen sólo ciertos valores:
1, 2, 3, 4, 5.

Entonces las 42 madres han tenido, en promedio, 2,78 partos

Si la variable de interés es de tipo continuo será necesario determinar, para cada

intervalo, un valor medio que lo represente. Este valor se llama marca de clase (Yc) y
se calcula dividiendo por 2 la suma de los límites reales del intervalo de clase. De ahí
en adelante se procede del mismo modo que en el ejercicio anterior, reemplazando, en
la formula de promedio, Yi por Yc.

cuales son las principales medidas de tendencia central y que significa

Si la variable es de tipo discreto la mediana será el valor de la variable que
corresponda a la frecuencia acumulada que supere inmediatamente a n/2. En los datos
de la tabla 1 Me=3, ya que 42/2 es igual a 21 y la frecuencia acumulada que supera
inmediatamente a 21 es 33, que corresponde a un valor de variable (Yi) igual a 3.

Si la variable es de tipo continuo es necesario, primero, identificar la frecuencia

acumulada que supere en forma inmediata a n/2, y luego aplicar la siguiente fórmula

intervalo de clase

Rango utilizado para dividir el conjunto de posibles valores numéricos al trabajar con
grandes cantidades de datos. Por ejemplo, si los valores están entre 1 y 100, se
podrían definir grupos por medio de los intervalos 1-25, 26-50, 51-75, 76-100 cuando el
intervalo de la clase es 25.

Frecuencia estadística

La frecuencia estadística es la cantidad de veces que se repite una observación

durante la realización de un muestreo. Este concepto puede ser un poco abstracto si no
se explica empleando un ejemplo que logre ilustrar a que hace referencia el término
frecuencia estadística.

Supongamos que se hace un muestreo aleatorio (al azar) en la realización de una

encuesta que consta de una sola pregunta y que posee 3 opciones de respuesta. La
encuesta se le aplica a un grupo de 20 personas.

Cinco personas responden con la opción 1, diez con la opción 2 y cinco con la opción
3. Recordemos que la frecuencia estadística es la cantidad de veces que se repite una
observación, es decir, en este ejemplo, la frecuencia estadística es cinco para la opción
1, diez para la opción 2 y cinco para la opción 3.

Nótese que la sumatoria de las frecuencias estadísticas de cada observación u opción

en este caso, es igual al total de personas encuestadas. Esto significa que la frecuencia
estadística es la manera en que se distribuyen las respuestas de las personas.

Frecuencia absoluta

Se le llama frecuencia absoluta al número de veces que se repite una variable en un

experimento. Se representa con fi ó ni.

Frecuencia relativa

Representa la cantidad de veces que se repite una observación, expresado como

proporción de la muestra. Es decir, es el resultado de dividir el valor de la frecuencia
absoluta y el tamaño de la muestra estadística. Se representa con fi .
Está definida como f = n/N, siendo n el número de veces que se repite la respuesta y N
el tamaño de la muestra, este valor se expresa como porcentaje.

Frecuencia absoluta acumulada

La frecuencia acumulada es aquella que se obtiene al sumar todas las frecuencias

absolutas inferiores o iguales al valor en cuestión. Está representada por Ni.

Frecuencia relativa acumulada

En esta se tiene en cuenta la sumatoria de todas las frecuencias relativas inferiores o

iguales al valor en cuestión. Está representada por Fi ó Hi

a estadística descriptiva es la rama de la estadística que formula recomendaciones de

cómo resumir, de forma clara y sencilla, los datos de una investigación en cuadros,
tablas, figuras o gráficos. Antes de realizar un análisis descriptivo es primordial retomar
el o los objetivos de la investigación, así como identificar las escalas de medición de las
distintas variables que fueron registradas en el estudio. El objetivo de las tablas o
cuadros es proporcionar información puntual de los resultados. Las gráficas muestran
las tendencias y pueden ser histogramas, representaciones en “pastel”, “cajas con
bigotes”, gráficos de líneas o de puntos de dispersión. Las imágenes sirven para dar
ejemplos de conceptos o reforzar hechos. La selección de un cuadro, gráfico o imagen
debe basarse en los objetivos del estudio. Por lo general no se recomienda usar más
de siete en un artículo destinado a una publicación periódica, parámetro que está
también en función de la extensión misma del artículo.

Las curvas de Distribución de Frecuencia permiten examinar los Estadísticas de

Tendencia Central, estas se grafican en una curva de distribución de frecuencia, donde
en el eje horizontal se colocan las puntuaciones de izquierda a derecha, desde la mas
baja hasta la más alta respectivamente.

Una Curva de Distribución de Frecuencias es un sustituto de un histograma o polígono

de frecuencia, los cuales se sustituyen por un curva, ella será una estimación de la
forma como se distribuyen las puntuaciones en la población. Es importante destacar
que el área bajo la curva representa el número total de individuos en la población y es
igual a un porcentaje de 100%.

La Distribución Normal es una curva de distribución de frecuencia donde los tres

estadísticos de tendencia central (Media, Moda y Mediana) son iguales entre sí y la
forma que tiene la curva es de campana. Los tres estadísticos se encuentran en el
centro, la ubicación de la mediana garantiza la simetría de la curva, la moda indica el
punto más alto de la curva.
Sabemos que la mediana divide a los datos en dos partes iguales, también tiene interés
estudiar otros parámetros , llamados cuantiles, que dividen los datos de la distribución
en función de otras cantidades. Los más importantes son los cuartiles, quintiles, deciles
y percentiles.

Cuartiles: son tres valores que divides la serie de datos en cuatro partes iguales. Se
representan por Q1(cuartil primero), Q2 (cuartil segundo) y Q3 (cuartil tercero)

Quintiles: son cuatro valores que dividen la serie de datos en cinco partes iguales: K1,
K2, K3 y K4.

Deciles: Son nueve valores que dividen la serie de datos en 10 partes iguales: D1,
D2, ..., D9.

Percentiles: son 99 valores que dividen la serie de datos en 100 partes iguales: P1,
P2, ..., P99.

Se puede observar una relación gráfica entre los cuantiles en el enlace: Relación
gráfica entre los cuantiles.

Cálculo de los cuantiles

Debido a que los cuantiles son parámetros del tipo de la mediana, su cálculo se realiza
de forma análoga.

Momento estadístico
 Se llama momentos estadísticos a los valores específicos de cada distribución que la
caracterizan. Esta caracterización llega hasta el punto de que puede afirmarse la
igualdad de dos distribuciones por la igualdad de sus momentos o, si no se llega a este
extremo de identificación, su semejanza, tanto mayor cuanto más momentos de igual
valor posean ambas distribuciones.