Vous êtes sur la page 1sur 25

Matemticas aplicadas

Estadstica

NDICE:

PG.

1. ESTADSTICA 2
2. MANEJO DE INFORMACIN.
2.2. Frecuencias
2.3. Distribucin de frecuencias..
2.4. Representacin grfica e interpretacin

4
4
5
6

3. MEDIDAS DE TENDENCIA. 12
3.1. Media aritmtica.. 12
3.2. Mediana 12
3.3. Moda. 13
3.4. Cuantines 13
4. MEDIDAS DE DISPERSIN 15
4.1. Rango.. 15
4.2. Desviacin media.. 15
4.3. Desviacin estndar.. 16
4.4. Varianza 16
5. MEDIDAS DE FORMA... 16
5.1. Sesgo o asimetra 16
5.2. Curtosis o apuntamiento 17
6. MEDIDAS DE CORRELACIN 18
6.1. Coeficiente de correlacin.. 19
6.2. Recta de regresin... 20
6.3. Error estndar de estimacin. 21
7. APLICACIONES 22
8. BIBLIOGRAFAS... 24

ESTADSTICA:
Se designa con el nombre de estadstica a aquella ciencia que ostenta en sus
bases una fuerte presencia y accin de las matemticas y que principalmente se

ocupa de la recoleccin, anlisis e interpretacin de datos que buscan explicar las


condiciones en aquellos fenmenos de tipo aleatorio.
Se divide en dos reas:

Estadstica descriptiva La descripcin completa de una variable aleatoria


est dada por su funcin densidad de probabilidad (fdp). Afortunadamente
una gran cantidad de variables de muy diversos campos estn
adecuadamente descritas por unas pocas familias de fdps: binomial,
Poisson, normal, gamma, etc. Dentro de cada familia, cada fdp est
caracterizada por unos pocos parmetros, tpicamente dos: media y
varianza. Por tanto la descripcin de una variable indicar la familia a que

pertenece la fdp y los parmetros correspondientes.


Estadstica inferencial. 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

En un estudio estadstico distinguimos:


a) Poblacin: representa todo el conjunto de elementos que posee la informacin
que vamos a analizar.
b) Muestra: del total de la poblacin se selecciona un grupo representativo que es
el que vamos a estudiar.
c) Individuo: cada elemento de la muestra. En este ejemplo cada ciudadano del
grupo de 2.000 que hemos seleccionado.

d) Variable estadstica: es la informacin que vamos a analizar.


Se pueden analizar varias variables: por ejemplo podramos analizar la estatura
(1 variable) distinguiendo por sexo (2 variable) y por edades (3 variable).

Las variables pueden ser:

Cualitativas: caractersticas que no se pueden representar numricamente.

Por ejemplo, sexo.


Cuantitativas: caractersticas que s se pueden representar
numricamente. Por ejemplo, altura y edad.

Estas variables numricas a veces pueden tomar valores muy concretos (por
ejemplo, nmero de aos en el colegio: de 1 a 15), en cuyo caso se
denominan variables cuantitativas discretas, y otras veces pueden tomar un
nmero casi ilimitado de valores (por ejemplo, estatura; 1,41, 1,42, ... 1,54, 1,55,
1,81, 1,82, .) en cuyo caso se denominan variables cuantitativas
continuas.
Para hacer ms manejable la informacin, las variables cuantitativas continuas
se suelen agrupar por intervalos: por ejemplo estatura de 1,40 a 1,45, de 1,46 a
1,50, de 1,55 a 1,60, . De esta manera reducimos los grupos de respuesta.
Cuando agrupamos la informacin por intervalos podemos denominarlos indicando
el valor inferior y superior de cada intervalo (por ejemplo, intervalo del 1,40 al
1,45), o tambin podemos denominarlo indicando el valor central de cada intervalo
(por ejemplo el intervalo 1,40 al 1,45 lo identificaramos por 1,425). A este valor
representativo de cada intervalo se denomina marca de clase.
e) Modalidad: son los valores que pueden tomar las variables.

MANEJO DE LA INFORMACIN:
Manejo de Informacin (IM por su sigla en ingls) es la recoleccin y el manejo
de la informacin de uno o ms fuentes y la distribucin de esa informacin a uno

o ms audiencias. Esto en algunos casos involucra a ellos quienes tienen un papel


en la produccin o un derecho sobre la informacin. Gerenciar significa la
organizacin de y el control sobre la estructura, el procesamiento y el envo de la
informacin.

Frecuencia:
Una de los primeros pasos que se realizan en cualquier estudio estadstico es la
tabulacin de resultados, es decir, recoger la informacin de la muestra resumida
en una tabla en la que a cada valor de la variable se le asocian determinados
nmeros que representan el nmero de veces que ha aparecido, su proporcin
con respecto a otros valores de la variable, etc. Estos nmeros se
denominan frecuencias: As tenemos los siguientes tipos de frecuencia:
a) Frecuencia absoluta: La frecuencia absoluta de una variable estadstica es el
nmero de veces que aparece en la muestra dicho valor de la variable, la
representaremos por ni
b) Frecuencia relativa: La frecuencia absoluta, es una medida que est influida
por el tamao de la muestra, al aumentar el tamao de la muestra aumentar
tambin el tamao de la frecuencia absoluta. Esto hace que no sea una
medida til para poder comparar. Para esto es necesario introducir el concepto
de frecuencia relativa, que es el cociente entre la frecuencia absoluta y el
tamao de la muestra. La denotaremos por fi

Donde N = Tamao de la muestra


c) Frecuencia Absoluta Acumulada: Para poder calcular este tipo de
frecuencias hay que tener en cuenta que la variable estadstica ha de ser
cuantitativa o cualitativa ordenable. En otro caso no tiene mucho sentido el
clculo de esta frecuencia. La frecuencia absoluta acumulada de un valor de la
variable, es el nmero de veces que ha aparecido en la muestra un valor
menor o igual que el de la variable y lo representaremos por Ni.

d) Frecuencia Relativa Acumulada: Al igual que en el caso anterior la frecuencia


relativa acumulada es la frecuencia absoluta acumulada dividido por el tamao
de la muestra, y la denotaremos por Fi

e) Porcentaje Acumulado: Anlogamente se define el Porcentaje Acumulado y


lo vamos a denotar por Pi como la frecuencia relativa acumulada multiplicada
por 100.

Distribucin de frecuencias:
En estadstica, se le llama distribucin de frecuencias a la agrupacin de datos
en categoras mutuamente excluyentes que indican el nmero de observaciones
en cada categora. Esto proporciona un valor aadido a la agrupacin de datos. La
distribucin de frecuencias presenta las observaciones clasificadas de modo que
se pueda ver el nmero existente en cada clase.
-

Frecuencia absoluta (ni): corresponde al nmero de veces que se observa


dicho valor, o en otras palabras al nmero de veces que se presenta un
cierto dato.
Para agrupar los datos por su frecuencia, se deben seguir los siguientes
pasos:
o Se ordenan los datos en orden creciente o decreciente.
o Se cuenta la frecuencia absoluta de cada valor (cuntas veces se
repite cada magnitud)

Frecuencia absoluta Acumulada (Ni ): es la suma de las frecuencias


absolutas de cada intervalo. La frecuencia acumulada hasta el ltimo
intervalo es igual a la frecuencia total de toda la distribucin.

Frecuencia relativa (fi): >corresponde a la razn (divisin) entre la


frecuencia absoluta (ni) y el nmero total (N) de individuos de la poblacin.

Representacin grfica e interpretacin:


La representacin grfica de una distribucin de frecuencias depende del tipo de
datos que la constituya.
Datos correspondientes a un carcter cualitativo
La representacin grfica de este tipo de datos est basada en la proporcionalidad
de las reas a las frecuencias absolutas o relativas. Veremos dos tipos de
representaciones:
1. Diagrama de sectores: Est representacin grfica consiste en dividir un crculo
en tantos sectores circulares como modalidades presente el carcter cualitativo,
asignando un ngulo central a cada sector circular proporcional a la frecuencia
absoluta ni, consiguiendo de esta manera un sector con rea proporcional tambin
a ni .
As, los ngulos que corresponden a las cuatro modalidades de la tabla adjunta
sern
:

Rehusaron ciruga
Rehusaron radiacin
Empeoraron por

Nmero de casos
26
3
10

ngulo(grados)
234
27
90

una enfermedad
ajena al cncer
Otras causas

Y su representacin en un diagrama de sectores ser:

2. Diagrama de rectngulos: Esta representacin grfica consiste en construir


tantos rectngulos como modalidades presente los caracteres cualitativos en
estudio, todos ellos con base de igual amplitud. La altura se toma igual a la
frecuencia absolua o relativa (segn la distribucin de frecuencias que estemos
representando), consiguiendo de esta manera rectngulos con reas
proporcionales a las frecuencias que se quieren representar.
Ejemplo: La representacin grfica de la distribucin de frecuencias absolutas del
ejemplo anterior ser de la forma:

Datos sin agrupar correspondientes a un carcter cuantitativo


Estudiaremos dos tipos de representaciones grficas, correspondientes a
distribuciones de frecuencias (absolutas o relativas) no acumuladas y acumuladas.

1. Diagrama de barras: Consiste en levantar, para cada valor de la variable, una


barra cuya altura sea su frecuencia absoluta o relativa, dependiendo de la
distribucin de frecuencias que estemos representando.
As, la representacin grfica de la distribucin de frecuencias del ejemplo del n
de hijos ser:

2. Diagrama de frecuencias acumuladas: Esta representacin grfica se


corresponde con la de una funcin constante entre cada dos valores de la variable
a representar, e igual en cada tramo a la frecuencia relativa acumulada (o absoluta
acumulada si se trata de representar una distribucin de frecuencias absolutas)
hasta el menor de los dos valores de la variable que construyen el tramo en el que
es constante.
Tambin para el ejemplo del Nmero de Hijos, se tendr un diagrama de
frecuencias acumuladas como el del siguiente grfico:

Datos agrupados en intervalos correspondientes a un carcter cuantitativo

Al igual que antes, existen tambin dos tipos de representaciones grficas


dependiendo de si la distribucin de frecuencias en estudio es de datos
acumulados o de datos sin acumular.
1. Histograma:
Al ser esta representacin una representacin por reas, hay que distinguir si los
intervalos en los que aparecen agrupados los datos son de igual amplitud o no.
Si la amplitud de los intervalos es constante, dicha amplitud puede tomarse como
unidad y al ser
Frecuencia (rea) = amplitud del intervalo altura
la altura correspondiente a cada intervalo puede tomarse igual a la frecuencia.
Si los intervalos tienen diferente amplitud, se toma alguna de ellas como unidad
(generalmente la menor) y se levantan alturas para cada intervalo de forma que la
ecuacin anterior se cumpla.
En el ejemplo de los Niveles de Colinesterasa, al tener los intervalos igual
amplitud, la representacin grfica ser:

Ejemplo: Si tuviramos una distribucin de frecuencias como la siguiente,


correspondiente a puntuaciones obtenidas en un test psicolgico y en la que los
intervalos son de diferente amplitud

Ii
0-20
20-30
30-40
40-45
45-50
50-60
60-80
80-100

ni
8
9
12
10
9
10
8
4
?ni= 70

fi
8/70
9/70
12/70
10/70
9/70
10/70
8/70
4/70
?fi=1

Tomando la amplitud 5 como unidad, deberemos levantar para el primer intervalo


una altura de 2/70 para que el rea sea la freceuncia relativa 8/70. Procediendo de
la misma manera con el resto de los intervalos obtendramos como representacin
grfica la figura siguiente:

Obsrvese que la suma de todas las reas debe ser 1, tanto si los intervalos de la
distribucin de frecuencias relativas son o no de igual amplitud.
2. Polgono de frecuencias acumuladas: Se utiliza para representar distribuciones
de frecuencias (relativas o absolutas) acumuladas. Consiste en representar la
grfica de una funcin que una por segmentos las alturas correspondientes a los
extremos superiores de cada intervalo, tengan o no todos igual amplitud, siendo
dicha altura igual a la frecuencia acumulada, dando una altura cero al extremo
inferior del primer intervalo y siendo constante a partir del extremo superior del
ltimo.

As, para el ejemplo de los Niveles de Colinesterasa, el polgono de frecuencias


relativas acumuladas tendr una representacin grfica de la forma:

MEDIDAS DE TENDENCIA
Al describir grupos de observaciones, con frecuencia es conveniente resumir la
informacin con un solo nmero. Este nmero que, para tal fin, suele situarse
hacia el centro de la distribucin de datos se denomina medida o parmetro de
tendencia central o de centralizacin. Cuando se hace referencia nicamente a
la posicin de estos parmetros dentro de la distribucin, independientemente de
que sta est ms o menos centrada, se habla de estas medidas como medidas
de posicin. En este caso se incluyen tambin los cuantiles entre estas medidas.

La media aritmtica
Representa el valor medio que toman los datos de una observacin estadstica. Se
calcula sumando todos los resultados y dividiendo la suma entre el nmero de
registros. La media aritmtica tan slo se puede calcular con datos numricos (no
se puede calcular con datos cualitativos). El smbolo de la media aritmtica
.

Mediana
Es el valor que toma la variable de manera que al ordenarla de menor a mayor
quedara justo en el centro, siendo el 50% de los registros menores que ella y el
otro 50% superiores a ella. La mediana se representa por Me. La mediana se
puede hallar slo para variables cuantitativas.
#Clculo de la mediana
1 Ordenamos los datos de menor a mayor.
2 Si la serie tiene un nmero impar de medidas la mediana es la puntuacin
central de la misma.
2, 3, 4, 4, 5, 5, 5, 6, 6Me= 5
3 Si la serie tiene un nmero par de puntuaciones la mediana es la media entre las
dos puntuaciones centrales.
7, 8, 9, 10, 11, 12Me= 9.5
Moda:
Es el resultado ms repetido en una observacin estadstica (se puede calcular
con datos numricos y cualitativos). Se representa por Mo. Se puede hallar
la moda para variables cualitativas y cuantitativas.
Hallar la moda de la distribucin:
2, 3, 3, 4, 4, 4, 5, 5

Mo= 4

Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa


frecuencia es la mxima, la distribucin es bimodal o multimodal, es decir,
tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9

Mo= 1, 5, 9

Cuando todas las puntuaciones de un grupo tienen la misma


frecuencia, no hay moda.
2, 2, 3, 3, 6, 6, 9, 9
Si dos puntuaciones adyacentes tienen la frecuencia mxima, la moda es
el promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8

Mo = 4

Cuantiles:
Los cuantiles son aquellos valores de la variable, que ordenados de menor a
mayor, dividen a la distribucin en partes, de tal manera que cada una de ellas
contiene el mismo nmero de frecuencias.

Los cuantiles ms conocidos son:


a) Cuartiles (Qi): Son valores de la variable que dividen a la distribucin en 4
partes, cada una de las cuales engloba el 25 % de las mismas. Se denotan
de la siguiente forma: Q1 es el primer cuartil que deja a su izquierda el 25 %
de los datos; Q2 es el segundo cuartil que deja a su izquierda el 50% de los
datos, y Q3 es el tercer cuartil que deja a su izquierda el 75% de los datos.
(Q2 = Me)
b) Deciles (Di): Son los valores de la variable que dividen a la distribucin en
las partes iguales, cada una de las cuales engloba el 10 % de los datos. En
total habr 9 deciles. (Q2 = D5 = Me )
c) Centiles o Percentiles (Pi): Son los valores que dividen a la distribucin en
100 partes iguales, cada una de las cuales engloba el 1 % de las
observaciones. En total habr 99 percentiles. (Q2 = D5 = MeP50)
d) Percentiles: son 99 valores que dividen la serie de datos en 100 partes
iguales: P1, P2, ..., P99.
Clculo de los cuantiles

Debido a que los cuantiles son parmetros del tipo de la mediana, su clculo se
realiza de forma anloga.
Algunas de las frmulas son las siguientes:

MEDIDAS DE DISPERSIN:
Son parmetros estadsticos que indican como se alejan los datos respecto de la
media aritmtica. Sirven como indicador de la variabilidad de los datos. Las
medidas de dispersin ms utilizadas son el rango, la desviacin estndar y la
varianza.
Rango:
Indica la dispersin entre los valores extremos de una variable. se calcula como la
diferencia entre el mayor y el menor valor de la variable. Se denota como R.
Para datos ordenados se calcula como:
R = x(n) - x(1)
Donde:
x(n): Es el mayor valor de la variable.
x(n): Es el menor valor de la variable.
Desviacin media:
La desviacin respecto a la media es la diferencia entre cada valor de la variable
estadstica y la media aritmtica.
Di = x - x

La desviacin media es la media aritmtica de los valores absolutos de las


desviaciones respecto a la media.
La desviacin media se representa por

Desviacin estndar:
La desviacin estndar o desviacin tpica es la raz cuadrada de la varianza.
Es decir, la raz cuadrada de la media de los cuadrados de las puntuaciones de
desviacin.
La desviacin estndar se representa por .

Varianza
La varianza es la media aritmtica del cuadrado de las desviaciones respecto a la
media de una distribucin estadstica.
La varianza se representa por

MEDIDAS DE FORMA:
Sesgo o Asimetra:
La asimetra es la medida que indica la simetra de la distribucin de
una variable respecto a la media aritmtica, sin necesidad de hacer la

representacin grfica. Los coeficientes de asimetra indican si hay el mismo


nmero de elementos a izquierda y derecha de la media.
Existen tres tipos de curva de distribucin segn su asimetra:

Asimetra negativa: la cola de la distribucin se alarga para valores


inferiores a la media.

Simtrica: hay el mismo nmero de elementos a izquierda y derecha de


la media. En este caso, coinciden la media, la mediana y la moda. La
distribucin se adapta a la forma de la campana de Gauss, o distribucin
normal.

Asimetra positiva: la cola de la distribucin se alarga para valores


superiores a la media.

Curtosis o Apuntamiento:
La curtosis (o apuntamiento) es una medida de forma que mide cun escarpada
o achatada est una curva o distribucin.
Este coeficiente indica la cantidad de datos que hay cercanos a la media, de
manera que a mayor grado de curtosis, ms escarpada (o apuntada) ser la
forma de la curva.

La curtosis se mide promediando la cuarta potencia de la diferencia entre cada


elemento del conjunto y la media, dividido entre la desviacin tpica elevado
tambin a la cuarta potencia. Sea el conjunto X=(x1, x2,, xN), entonces el
coeficiente de curtosis ser:

MEDIDAS DE CORRELACIN:
La correlacin estadstica constituye una tcnica estadstica que nos indica si dos
variables estn relacionadas o no.
Por ejemplo, considera que las variables son el ingreso familiar y el gasto familiar.
Se sabe que los aumentos de ingresos y gastos disminuyen juntos. Por lo tanto,

estn relacionados en el sentido de que el cambio en cualquier variable estar


acompaado por un cambio en la otra variable.
De la misma manera, los precios y la demanda de un producto son variables
relacionadas; cuando los precios aumentan la demanda tender a disminuir y
viceversa.
Si el cambio en una variable est acompaado de un cambio en la otra, entonces
se dice que las variables estn correlacionadas. Por lo tanto, podemos decir que el
ingreso familiar y gastos familiares y el precio y la demanda estn correlacionados.
Relacin Entre las Variables
La correlacin puede decir algo acerca de la relacin entre las variables. Se utiliza
para entender:
1. si la relacin es positiva o negativa
2. la fuerza de la relacin.
La correlacin es una herramienta poderosa que brinda piezas vitales de
informacin.
En el caso del ingreso familiar y el gasto familiar, es fcil ver que ambos suben o
bajan juntos en la misma direccin. Esto se denomina correlacin positiva.
En caso del precio y la demanda, el cambio se produce en la direccin opuesta, de
modo que el aumento de uno est acompaado de un descenso en el otro. Esto
se conoce como correlacin negativa.

Coeficiente de Correlacin
La correlacin estadstica es medida por lo que se denomina coeficiente de
correlacin (r). Su valor numrico vara de 1,0 a -1,0. Nos indica la fuerza de la
relacin.
En general, r> 0 indica una relacin positiva y r <0 indica una relacin negativa,
mientras que r = 0 indica que no hay relacin (o que las variables son

independientes y no estn relacionadas). Aqu, r = 1,0 describe una correlacin


positiva perfecta y r = -1,0 describe una correlacin negativa perfecta.
Cuanto ms cerca estn los coeficientes de +1,0 y -1,0, mayor ser la fuerza de la
relacin entre las variables.
Como norma general, las siguientes directrices sobre la fuerza de la relacin son
tiles (aunque muchos expertos podran disentir con la eleccin de los lmites).

Valor de r
-1,0 A -0,5 o 1,0 a 0,5
-0,5 A -0,3 o 0,3 a 0,5
-0,3 A -0,1 o 0,1 a 0,3
-0,1 A 0,1

Fuerza de relacin
Fuerte
Moderada
Dbil
Ninguna o muy dbil

La correlacin es solamente apropiada para examinar la relacin entre datos


cuantificables significativos (por ejemplo, la presin atmosfrica o la temperatura)
en vez de datos categricos, tales como el sexo, el color favorito, etc.

Recta de regresin
Cuando la lnea de regresin se asemeja a una recta (regresin lineal), puede
ajustarse a esta forma geomtrica por medio de un mtodo general conocido
como mtodo de los mnimos cuadrados. La recta de ajuste tendr por ecuacin y
= ax + b, donde los coeficientes a y b se calculan teniendo en cuenta que:

La recta debe pasar por el punto (

La separacin de los puntos de la grfica de dispersin con respecto a la

).

recta de regresin debe ser mnima.


Estas dos condiciones conducen a una recta de ajuste expresada por la ecuacin:

Donde
: Media aritmtica de la primera variable
: Media aritmtica de la segunda variable,
sx: Desviacin tpica de la primera variable y
sxy: Valor denominado covarianza, que se define por la expresin:

Error estndar de estimacin:


El Error estndar es el trmino utilizado para referirse a una estimacin de la
desviacin estndar, derivado de una muestra especial utilizada para calcular la
estimacin en las estadsticas. En la ms comn, error estndar es un proceso de
estimacin de la desviacin estndar de la distribucin de muestreo asociada con
el mtodo de estimacin
Cada estadstica tiene un error estndar asociado. Una medida de la precisin de
la estadstica puede deducir que el error estndar de 0 representa que la
estadstica tiene ningn error aleatorio y el ms grande representa menos preciso
de las estadsticas. Error estndar no es constantemente informados y no siempre
fciles de calcular. Tiempos de espera es uno de los ejemplo bien para
Frmula de error estndar
El error estndar de la media (SEM) es la desviacin estndar de la estimacin
promedio de muestra de una media de la poblacin. La calculadora de Error
estndar utiliza la frmula para calcular que el error estndar de la media es la
desviacin estndar dividida por la raz cuadrada del tamao de la muestra

Donde
SExx = Error estndar de la media
s = Desviacin estndar de la media
n = Nmero de observaciones de la muestra

APLICACIONES:
La estadstica es un potente auxiliar de muchas ciencias y actividades
humanas: sociologa, sicologa, geografa humana, economa, etc:

En las ciencias naturales: se emplea con profusin en la descripcin de


modelos termodinmicos complejos (mecnica estadstica), en fsica
cuntica, en mecnica de fluidos o en la teora cintica de los gases, entre
otros muchos campos.

En las ciencias sociales y econmicas: es un pilar bsico del desarrollo


de la demografa y la sociologa aplicada.

En economa: suministra los valores que ayudan a descubrir


interrelaciones entre mltiples parmetros macro y microeconmicos.

En las ciencias mdicas: permite establecer pautas sobre la evolucin de


las enfermedades y los enfermos, los ndices de mortalidad asociados a
procesos morbosos, el grado de eficacia de un medicamento, etctera.

Es una herramienta indispensable para la toma de decisiones. Tambin es


ampliamente empleada para mostrar los aspectos cuantitativos de una situacin.
La estadstica est relacionada con el estudio de proceso cuyo resultado es ms o
menos imprescindible y con la finalidad de obtener conclusiones para tomar
decisiones razonables de acuerdo con tales observaciones.

El resultado de estudio de dichos procesos, denominados procesos aleatorios,


puede ser de naturaleza cualitativa o cuantitativa y, en este ltimo caso, discreta o
contina.
Son muchas las predicciones de tipo socilogo, o econmico, que pueden hacerse
a partir de la aplicacin exclusiva de razonamientos probabilsticos a conjuntos de
datos objetivos como son, por ejemplo, los de naturaleza demogrfica.
Las predicciones estadsticas, difcilmente hacen referencia a sucesos concretos,
pero describen con considerable precisin en el comportamiento global de
grandes conjuntos de sucesos particulares. Son predicciones que, en general, no
acostumbran resultar tiles.
Para saber quin, de entre los miembros de una poblacin importante, va a
encontrar trabajo o a quedarse sin l; o en cuales miembros va a verse aumentada
o disminuida una familia concreto en los prximos meses. Pero que,
en cambio puede proporcionar estimaciones fiables del prximo aumento o
disminucin de la tasa de desempleo referido al conjunto de la poblacin; o de la
posible variacin de os ndices de natalidad o mortalidad.

BIBLIOGRAFA:
http://www.definicionabc.com/general/estadistica.php
http://html.rincondelvago.com/estadistica_42.html
http://wiki.salahumanitaria.co/index.php/Manejo_de_Informaci%C3%B3n
http://www.aulafacil.com/Matematicas_2ESO/Curso/Lecc-55.htm
http://www.profesorenlinea.mx/matematica/Estadistica1%28VF%29.htm
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_frecuencias
http://es.wikipedia.org/wiki/Medidas_de_tendencia_central
http://www.eumed.net/diccionario/definicion.php?dic=1&def=36
http://thales.cica.es/rd/Recursos/rd99/ed99-0122-04/cuantiles.html
http://www.ditutor.com/estadistica/medidas_centralizacion.html
http://thales.cica.es/rd/Recursos/rd99/ed99-0278-01/est_des4.html
http://www.ecured.cu/index.php/Medidas_de_dispersi%C3%B3n
http://www.vitutor.net/2/11/medidas_dispersion.html
http://www.ditutor.com/estadistica/desviacion_estandar.html

http://www.universoformulas.com/estadistica/descriptiva/asimetria-curtosis/
https://explorable.com/es/la-correlacion-estadistica
http://www.hiru.com/matematicas/recta-de-regresion-y-correlaciones
http://es.ncalculators.com/statistics/standard-error-calculadora.htm
http://www.monografias.com/trabajos10/esta/esta.shtml#apli