REPBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS

CENTRALESRMULO GALLEGOS
REA DE POSGRADO
MAESTRIA EN EDUCACIN MENCIN DESARROLLO COMUNITARIO

Estadstica para una y

varias variables

Tutor:
Autores:
Dro. Jos Gregorio Medina Zacaras.
Blanca Norwin
Machuca Teresa
Lpez Settimia
Prez Yenni
Vicua Luis

El Socorro, Junio de 2015

NDICE
INTRODUCCIN...3
Estadstica para una y varias variables..4
Contraste de Hiptesis..4
Error Tpico.......5
Nivel de Significacin......6
Nivel de Confianza.......7
Estimacin Puntual.. 8
Prueba del valor Z ..12
Eleccin de la Prueba estndar14
Planteamiento de la hiptesis..... 15
Prueba Chi- Cuadrado....18
Conclusin..22
Referencias Bibliogrficas...23

INTRODUCCIN
A continuacin se presenta las bases conceptuales de la estadstica para una y
varias variables, para interpretar las diferentes investigaciones, estableciendo los
aspectos metodolgicos de cada corriente de pensamiento.
Tener claros conocimientos sobre conceptos bsicos que de alguna manera
necesitamos entender para poder establecer el desarrollo econmico, crecimiento
econmico y su desarrollo e identificar las manifestaciones de dicho desarrollo en
Venezuela.
Las variables son la base o materia prima de la investigacin cuantitativa. Las
diferentes formas de anlisis de los datos recogidos o disponibles para una
investigacin de este tipo se refieren a variables. Tanto el problema de investigacin,
como los objetivos buscados se formulan con el uso de una o ms variables
En este punto es necesario definir qu es una variable. Una variable es una
propiedad que puede variar y cuya variacin es susceptible de medirse u observarse.
Ejemplo de variables : el sexo, la motivacin intrnseca hacia el trabajo, el atractivo
fsico, el aprendizaje de conceptos, el conocimiento histrico sobre los esfuerzos de
integracin de Simn Bolvar, la religin ,a resistencia de un natural, la agresividad
verbal, la personalidad autoritaria, la cultura fiscal y la exposicin a una campaa de
propaganda poltica. La variable se aplica a un grupo de personas u objetos, los cuales
adquieren diversos valores o manifestaciones respecto a la variable. Por ejemplo, la
inteligencia: es posible clasificar a las personas de acuerdo con su inteligencia, varan
en ello. Cabe destacar que de esta manera este trabajo de investigacin documental se
relaciona con el que hacer diario e interactuando en el proceso de evolucin del
individuo.
3

Estadstica para una y varias variables

Un test estadstico es un procedimiento para, a partir de una
muestra

aleatoria

significativa, extraer

conclusiones

que

permitan aceptar o rechazar una hiptesis previamente emitida sobre

el valor de un parmetro desconocido de una poblacin.
La hiptesis emitida se designa por H 0 y se llama hiptesis
nula.
La

hiptesis

contraria

se

designa

por H 1 y

se

llama hiptesis

alternativa.
Contrastes de hiptesis
1. Enunciar la hiptesis nula H 0 y la alternativa H 1 .
Bilateral
Unilateral

H 0 =k

H1 k

H0 k

H1 < k

H 0 k
H1> k
2. A partir de un nivel de confianza 1 o el de significacin .
Determinar:
El valor z / 2 (bilaterales), o bien z (unilaterales)
La zona de aceptacin del parmetro o p.
3. Calcular: x o p', a partir de la muestra.
4. Si el valor del parmetro muestral est dentro de la zona de la
aceptacin, se acepta la hiptesis con un nivel de significacin . Si
no, se rechaza.

Error tpico
La desviacin tpica de estas distribuciones mustrales se denomina error
tpico y se puede estimar a partir de los datos de una muestra. Por lo tanto un error
tpico es la desviacin tpica de una distribucin muestral, y se interpreta como
cualquier desviacin tpica.
Utilidades del error
Establecer los lmites probables (intervalos de confianza) entre los que se encuentra
la media de la poblacin, un planteamiento tpico y frecuente en estadstica inferencia
Comprobar si una muestra con una determinada media puede considerarse como
perteneciente a una poblacin cuya media conocemos, es tambin de inters y es
simplemente una aplicacin del anterior.
Determinar el nmero de sujetos que necesitamos en la muestra para extrapolar
los resultados a la poblacin.

: Es la desviacin tpica poblacional.

n: es el tamao de muestra.
Ejercicios
En una fiesta se cuenta con una poblacin de 158 personas, que obtienen una muestra

de 76 personas que bailan un solo gnero de msica y una desviacin tpica de 18

obtener el error tpico de esta.
=18/76-1 = 25 = 2.07

En una institucin hay una poblacin de 86 estudiantes se obtiene una muestra de 28

sujetos que estudian ciencias sociales con una desviacin tpica de 12 obtener el error
tpico fe la muestra
= 12/28-1= 27= 2.3

Nivel de significacin
Cuando se toma la decisin de rechazar o no la Hiptesis Nula podemos
acertar o cometer errores. En el trabajo real no sabemos qu ocurre porque no
sabemos si la Hiptesis Nula es verdadera o no. Sin embargo, dados ciertos supuestos
podemos obtener las probabilidades de cometer errores de tipo I y de tipo II.
La probabilidad de cometer errores de tipo I, que se simboliza alfa, es la
probabilidad de ocurrencia de los valores del estadstico en la regin de rechazo
cuando la Hiptesis Nula es verdadera. El valor de alfa, tambin denominado nivel de
significacin, es definido por el investigador antes de recoger los datos, y la
costumbre es hacer alfa=0.05 o alfa=0.01 (en el ejemplo alfa es igual a 0.05). La
probabilidad de cometer errores de tipo II se simboliza beta y depende de varias
circunstancias como la distancia que separa el valor asignado al parmetro en la
Hiptesis Nula de su valor real, el tamao muestral y el valor asignado a alfa.

Nivel de confianza
El nivel de confian za es la probabil idad de que el par metro
a es t imar s e encuentre en el interva lo de confianza.

El nivel de confian za (p ) s e des igna me dian te 1 , y s e

s uele tomar en tanto por cien to.

Los nive les de confi anza ms us uales s on: 90%; 95% y

99%.
El nivel de s ignific acin s e des igna med iante .
El valor crti co (k) co mo z
P( Z> z
P[- z

/2

/2

/2

) = /2
< z < z

/2

] = 1 -

En una dis tribuc in N (, ) el in tervalo car acter s tico

corres pondi ente a una probabi lidad p = 1 - es :
( - z

/2

, + z

/2

Ejercicio
La me di a de las es t aturas de una mu es tra alea toria de
400 pers onas de una ciudad es 1,75 m. S e s abe que la
es ta tura de las pers onas de es a ciudad es una variabl e
al eator ia que s igue una dis tribuc in nor ma l con var ianza
2 = 0,16 m 2 .
Cons tru ye un interva lo, de un 95% de confianza, para la
med ia de las es tatur as de la poblacin.
n = 400
x = 1.75

= 0.4

1 = 0.95
z

/2

= 1.96

(1.75 1.96 0.4/20 )

(1.7108,1.7892)

Estimacin puntual

Si a partir de las observaciones de una muestra se calcula un solo valor como

estimacin de un parmetro de la poblacin desconocido, el procedimiento e
denomina estimacin puntual.
Por ejemplo queremos estimar la nota media de los alumnos de bachiller en la
asignatura de matemticas que notaremos

. Sea X la variable aleatoria que indica la

nota obtenida por cada estudiante. Tomamos una muestra de tamao n y denotamos
la nota media de la muestra. Si al tomar una muestra de 100 estudiantes obtenemos
que la media es 62, este nmero lo tomaramos como estimativo de
62 es una estimacin puntual de

. Decimos que

Un estimador puntual T de un parmetro

es cualquier estadstica que nos permita a

partir de los datos mustrales obtener valores aproximados del parmetro .

Para indicar que T es un estimador del parmetro

escribimos

=T .

Con esto queremos decir que empleamos la expresin dada mediante T para obtener
valores prximos al valor del parmetro.
Es muy probable que haya error cuando un parmetro es estimado. Es cierto que
si el nmero de observaciones al azar se hace suficientemente grande, stas
proporcionaran un valor que casi sera semejante al parmetro; pero a menudo hay
limitaciones de tiempo y de recursos y se tendr que trabajar con unas cuntas
observaciones. Para poder utilizar la informacin que se tenga de la mejor forma
posible, se necesita identificar las estadsticas que sean buenos estimadores. Hay
cuatro criterios que se suelen aplicar para determinar si una estadstica es un buen
estimador: Insesgamiento, eficiencia, consistencia y suficiencia

Pruebas para dos muestras independientes

Los contrastes que se presentan a continuacin permiten comprobar si dos

muestras aleatorias e independientes proceden de una misma poblacin. El nico
requisito para aplicar estos contrastes es que la variable est medida al menos en una
escala ordinal.

Algunas de las pruebas que pueden realizarse con el programa SPSS son: la
prueba U de Mann-Whitney, la prueba Z de Kolmogorov-Smirnov y la prueba de
rachas de Wald-Wolfowitz.

Prueba u de mann-whitney

La hiptesis nula del contraste es que las dos muestras, de tamao n1 y n2,
respectivamente, proceden de poblaciones continas idnticas:

. La

hiptesis alternativa puede ser unilateral o bilateral y nicamente supone que la

tendencia central de una poblacin difiere de la otra, pero no una diferencia de forma
o de dispersin. Por esta razn esta prueba es el equivalente no paramtrico de la
prueba t para la diferencia de dos medias cuando las muestras son independientes
pero no puede suponerse la normalidad de las poblaciones de origen.

10

Para realizar el contraste se ordenan conjuntamente las observaciones de las

dos muestras, de menor a mayor, y se les asignan rangos de

. Si la

tendencia central de ambas poblaciones es la misma los rangos deberan distribuirse

aleatoriamente entre las dos muestras y el rango medio correspondiente a las
observaciones de una muestra debera ser muy similar a los correspondientes a las
observaciones de la otra. El estadstico de prueba U de Mann-Whitney se construye a
partir de la suma de rangos de una de las muestras, Ri, elegida arbitrariamente:

Para tamaos de muestra pequeos la distribucin del estadstico U, bajo el

supuesto de que la hiptesis nula sea cierta, es discreta y est tabulada. Si los tamaos
son suficientemente grandes la distribucin del estadstico se aproxima a una normal
de parmetros:

El estadstico de prueba es el valor Z:

La regin de rechazo de H0 se localiza en las dos colas de la normal tipificada

si H1 no es direccional o en una de las colas si H1 es direccional.

Prueba z de kolmogorov-smirnov

11

Esta prueba se utiliza para contrastar la hiptesis nula de que dos muestras
independientes de tamaos n1 y n2 proceden de la misma poblacin. El contraste se
basa en las diferencias entre las frecuencias relativas acumuladas hasta los mismos
puntos de corte correspondientes a las dos muestras. Si H0 es cierta es de esperar que
dichas diferencias sean pequeas. Cuando la hiptesis alternativa no es direccional el
contraste es sensible a cualquier diferencia existente entre las dos poblaciones, no
slo en cuanto a tendencia central, sino tambin en cuanto a forma, asimetra, etc.
El estadstico de prueba es:

Cuando esta diferencia es significativamente grande se rechaza la hiptesis de

que las muestras proceden de la misma poblacin y la decisin se basa en el valor
tipificado del estadstico de prueba, Z, que tiene distribucin normal tipificada.

Prueba de rachas de wald-wolfowitz

Permite contrastar la hiptesis nula de que dos muestras independientes

proceden de poblaciones con distribuciones continas idnticas contra la hiptesis
alternativa de que las poblaciones difieren en algn aspecto, que puede ser tanto la
tendencia central como cualquier otra caracterstica.

12

Para realizar el contraste se combinan las observaciones de ambas muestras,

ordenndolas de menor a mayor, y se halla el nmero de rachas o valores sucesivos
de una misma muestra en la secuencia ordenada.

El estadstico de prueba es el nmero de rachas, R. Si los tamaos de las

muestras son , el valor de R est comprendido entre 2 yn1 + n2. Si la hiptesis nula es
cierta, las observaciones de ambas muestras aparecern muy mezcladas, y en la
secuencia ordenada habr un gran nmero de rachas; por el contrario, si ambas
poblaciones de origen difieren las observaciones de cada muestra tendern a aparecer
juntas y el nmero de rachas ser pequeo.

Cuando ambos tamaos mustrales son superiores a 10 la distribucin de R es

aproximadamente normal de parmetros:

La decisin se basa en el valor tipificado de R, que tiene distribucin

aproximadamente normal tipificada.

Aunque para realizar este contraste es suficiente que las variables se midan en
una esa ordinal, la presencia de empates, que este tipo de escala favorece, afecta

13

negativamente a la fiabilidad del contraste y en tal caso es preferible utilizar la prueba

de Kolmogorov-Smirnov.

Prueba del valor Z

Como sabemos, la curva normal de frecuencias tiene la forma de campana, en
cuyo centro se ubican tres medidas de tendencia central (promedio [media
aritmtica], mediana y moda). En particular, el promedio o media aritmtica es la
medida representativa de un universo muestral, mientras que a los lados de este valor
se encuentran valores ms altos y ms bajos, aproximadamente la mitad para cada
lado, los cuales se dispersan segn una medida denominada desviacin estndar.

El valor Z se define matemticamente con la frmula:

Donde:
Z = valor estadstico de la curva normal de frecuencias.
X = cualquier valor de una muestra estadstica.
= promedio o media aritmtica obtenido de la muestra
estadstica,

valor

representativo.

= desviacin estndar.
Pasos:
Calcular el promedio y la desviacin estndar de las observaciones de la muestra en
estudio.

14

Del valor del cual se desea obtener una inferencia estadstica, calcular la
diferencia que existe con respecto al promedio: X -

Dividir la diferencia calculada entre la desviacin estndar obtenida de la muestra en

estudio, que corresponde al valor Z.
Localizar el valor Z calculado, en la tabla de probabilidades asociadas con
valores tan extremos como los valores observados de Z en la distribucin normal y
obtener la probabilidad de que exista una magnitud de discrepancia entre los valores
Xy

Decidir si se acepta o rechaza la hiptesis.

Ejemplo:
Un mdico que labora en una poblacin acostumbra efectuar mediciones de
peso y talla a sus pacientes, de los cuales dos tienen pesos que difieren de las tres
medidas de tendencia central, pero particularmente del promedio. El mdico est
interesado en saber si los pesos de sus dos pacientes corresponden a esa poblacin y
qu tanto difiere de la representacin de su grupo de asistencia mdica y de estudio.
Los pesos corporales de la poblacin estudiada se encuentran listados del ms
bajo al ms alto en la tabla siguiente, y el mdico ha marcado los puntos donde se
localizan la media aritmtica, la mediana y la moda. Los pesos de sus pacientes
problema son de 54 y 80 kg.

15

Pacientes adultos de tallas similares que asisten a consulta mdica.

Eleccin de la prueba estadstica.

El modelo de investigacin tiene una muestra. Las mediciones de la tabla anterior son
cuantitativas, de variable continua, por lo tanto, tienen una escala de intervalo. Los
intervalos entre un peso menor y otro mayor y entre todos los valores parecen no
diferir notoriamente y permiten suponer que se distribuyen normalmente.
Planteamiento de la hiptesis.
Hiptesis alterna (Ha). Los pesos corporales de los dos sujetos de
investigacin y asistencia mdica (54 y 80 kg) difieren significativamente del
promedio, por lo tanto, no corresponden a la poblacin.

16

Hiptesis nula (Ho). Las diferencias de los pesos de los sujetos de estudio se
deben al azar, por lo cual no hay diferencias significativas y corresponden a la misma
poblacin.
Nivel de significacin.
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza
Ho.
Zona de rechazo.
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Aplicacin de la prueba estadstica.
Tomando en cuenta los pasos, se calcula el promedio o media aritmtica. De acuerdo
con la siguiente frmula:

La desviacin estndar se calcula con la ecuacin siguiente:

Una vez calculados el promedio y la desviacin estndar, se calcula el valor Z.

En la tabla de probabilidades asociadas en valores extremos como los de 2 en

la distribucin normal, se busca la localizacin de los valores Z1 y Z2 calculados, a

17

fin de obtener la probabilidad de su magnitud de discrepancia con respecto a la media

aritmtica.
El primer valor de Z1 es 1.69, de modo que se localiza el 1.6 y en la
interseccin de la columna 0.09, correspondiente a las centsimas, se observa el valor
0.0455. Esta es la probabilidad de que el valor 54 kg pertenezca a la poblacin de
pesos corporales, donde el promedio es 73.2 kg y la desviacin estndar 11.39 kg.
El segundo valor de Z2 es 0.6, de manera que en la tabla se observa esa cifra y
en la interseccin de la columna 0.00 se halla el valor 0.2743.
Decisin.
El valor de Z1 tiene una probabilidad menor que la de significancia. Para este
caso, se acepta Ha y se rechaza Ho. Para el valor de Z2, la probabilidad es
aproximadamente de 0.27, pero de cualquier manera mayor que el nivel de
significancia, el cual se ubica en la zona de rechazo. Se acepta Ho y se rechaza Ha.
Interpretacin.
El peso del individuo que tiene 54 kg difiere notoriamente del promedio, que es
la representativa de esa poblacin, a un nivel de confianza menor que 0.05; en
cambio, el otro sujeto slo difiere a un nivel mayor que 0.05 de confianza, lo cual
significa que est dentro de la poblacin de tallas similares.
La siguiente figura contiene tanto el polgono de frecuencias en funcin de una
serie de clases elaboradas con las observaciones de 150 pesos corporales, como los
lmites de las desviaciones estndar con respecto al promedio. Los valores Z de los
dos pesos problema se dibujan con dos flechas, de acuerdo con los valores de peso
que corresponden. La Z1 se encuentra muy por fuera de -1 desviacin estndar y muy
cercana a -2 desviaciones estndar. Para ser ms precisos, tiene 1.69 desviaciones
18

estndar, igual al valor Z; en cambio, el valor Z2 tiene 0.6 desviaciones estndar y

an se encuentra dentro del lmite de +1 desviacin estndar. Cabe recordar que +1 y
-1 desviaciones estndar se encuentran aproximadamente en el 68% de las
mediciones.

Con todo lo anterior se comprende el significado del valor Z en la curva normal de

frecuencias: es el nmero de desviaciones estndar que se desvan con respecto al
promedio o media aritmtica.

Prueba chi-cuadrado

Esta prueba puede utilizarse incluso con datos medibles en una escala nominal.
La hiptesis nula de la prueba Chi-cuadrado postula una distribucin de probabilidad

19

totalmente especificada como el modelo matemtico de la poblacin que ha generado

la muestra.

Para realizar este contraste se disponen los datos en una tabla de frecuencias.
Para cada valor o intervalo de valores se indica la frecuencia absoluta observada o
emprica (Oi). A continuacin, y suponiendo que la hiptesis nula es cierta, se
calculan para cada valor o intervalo de valores la frecuencia absoluta que cabra
esperar o frecuencia esperada (Ei=npi , donde n es el tamao de la muestra y pi la
probabilidad del i-simo valor o intervalo de valores segn la hiptesis nula). El
estadstico de prueba se basa en las diferencias entre la Oi y Ei y se define como:

Este estadstico tiene una distribucin Chi-cuadrado con k-1 grados de libertad si
n es suficientemente grande, es decir, si todas las frecuencias esperadas son mayores
que 5. En la prctica se tolera un mximo del 20% de frecuencias inferiores a 5.

Si existe concordancia perfecta entre las frecuencias observadas y las

esperadas el estadstico tomar un valor igual a 0; por el contrario, si existe unas
grandes discrepancias entre estas frecuencias el estadstico tomar un valor grande y,
en consecuencia, se rechazar la hiptesis nula. As pues, la regin crtica estar
situada en el extremo superior de la distribucin Chi-cuadrado con k-1 grados de
libertad.

20

Anlisis de Varianza
Es una tcnica estadstica que divide y analiza la variabilidad total observada
de una variable en porciones atribuibles a distintos factores de inters para el
investigador.
Para entender mejor la definicin veamos el siguiente ejemplo:
Ejemplo
Se desea estudiar el efecto que puedan tener 5 tipos de dietas en el tiempo de
coagulacin de la sangre extrada de 24 animales. El anlisis de varianza supone que
cualquier variacin que existe entre los promedios del tiempo de coagulacin de la
sangre se atribuye a:
1. Variacin de los tiempos de coagulacin dentro de las dietas.
2. Variacin debido a las dietas, esto es, debido a la composicin de cada dieta. La
variacin dentro de cada dieta se debe, por supuesto, a diversas causas, tal vez al
tipo de sangre, a la presin, o cualquier otro elemento no tomado en cuenta. De
cualquier manera dicha variacin es considerada como una variacin al azar o
aleatoria. En cambio, la variacin debido a la dieta, es una variacin que no
depende de variables asociadas con el animal sino de la composicin de la dieta.
En este caso, el anlisis de varianza busca identificar cuanto de la variacin del
tiempo de coagulacin de la sangre se debe a la dieta y cuanto a otros elementos
no tomados en cuenta.

Ejemplo

21

Se desea conocer la efectividad que tienen cuatro metodologas para la

enseanza de la estadstica en cierta universidad. Para ello se aplicaron las cuatro
metodologas sobre un grupo de estudiantes pertenecientes a dicha universidad y se
registro la nota final obtenida por cada alumno al final del semestre. En este caso la
variabilidad de la nota entre los alumnos se puede explicar por:
1. La variabilidad aportada por las distintas metodologas y
2. la variabilidad aportada por los estudiantes
El Anlisis de Varianza en el Diseo de Experimentos.
Cuando se est realizando una investigacin el investigador puede bien sea
observar las caractersticas de los datos ya existentes (sin tener participacin en su
generacin) o imponer deliberadamente una o ms condiciones experimentales sobre
los elementos en estudio. En el segundo caso, se dice que el experimento fue
diseado. El principal propsito del diseo de un experimento es reducir la
variabilidad de las respuestas, pues previamente se establecen las variables que se
piensan inciden sobre el fenmeno en estudio, as como sus posibles valores. Algunos
conceptos relacionados con el diseo de experimentos.
(Variable dependiente o respuesta) Es la variable que nos interesa medir o respuesta
que se va estudiar, para determinar el efecto que tiene sobre ella la o las variables
independientes.
(Variables independientes o factores) Son las variables que pueden influenciar en la
variabilidad de la variable respuesta. Estas son controladas completamente por el
experimentador.

22

SPSS es un software informtico desarrollado para realizar anlisis estadsticos y

gestin de datos.
Utiliza mens descriptivos y cuadros de dilogo simples para ejecutar las funciones
solicitadas por el usuario.
Tambin ofrece la posibilidad de ejecutar una serie de comandos especificados en
lo que se denomina fichero de sintaxis.
SPSS posee una estructura tipo modular. Las distintas funcionalidades que
incorpora se corresponden con mdulos, cada uno de los cuales ha sido realizado por
alguna institucin.
El mdulo base forma el ncleo del sistema, y contiene los comandos de lectura y
transformacin de datos y ficheros, as como procedimientos estadsticos bsicos.
Ejecucin de SPSS:
Al ejecutar el programa desde el men inicio, se muestra la ventana de la
derecha, donde se nos ofrecen diversas opciones para abrir ficheros con datos,
introducir nuevos datos o ejecutar un tutorial. F Cargad "Datos de Empleados" Hay
una vista de datos y vista de variables (tipo hoja de clculo) - para la versin 10 en
adelante-. La extensin de los ficheros con los que trabaja SPSS es .sav. Se pueden
crear ficheros de datos nuevos, importar bases de datos Excel, Oracle, etc, o importar
ficheros de texto (datos con algn tipo de separaciones).

23

CONCLUSIN

Existen diferentes razones por las cuales los profesionales de la atencin

primaria deben conocer los fundamentos de la epidemiologa y la estadstica como
instrumentos del trabajo cotidiano. Entre dichas razones sealamos las siguientes: La
estadstica para una y varias variables invaden el campo de la investigacin, esto
permiti a portar conocimiento los cuales nos permitir leer la bibliografa de la
ciencia con ms capacidad crtica para detectar errores potenciales y falacias. Nos
ser tambin til para llegar a conclusiones correctas acerca de procedimientos para
el diagnstico y del resultado de las pruebas

Su conocimiento nos permitir a su vez valorar protocolos de estudio e

informes remitidos para su publicacin y participar, en definitiva, en la investigacin.
Resulta imprescindible, por lo tanto, conocer los conceptos bsicos de estadstica que
nos faciliten la realizacin de estudios y conocer las posibilidades a desarrollar con
ayuda de de investigaciones realizadas en diferentes bibliografas para mejorar dicho
anlisis.
Cuando se realiza un estudio de investigacin, se pretende generalmente
inferir o generalizar resultados de una muestra a una poblacin. Se estudia en
particular a un reducido nmero de individuos a los que tenemos acceso con la idea
de poder generalizar los hallazgos a la poblacin de la cual esa muestra procede. Este
proceso de inferencia se efecta por medio de mtodos estadsticos basados en la

24

probabilidad. En este trabajo se pretende dar a conocer algunas nociones estadsticas

que nos ayudarn a explorar y describir, en un primer momento, nuestros datos.

REFERENCIAS BIBLIOGRFICAS

Sackett, D.L., Haynes, R.B., Guyatt, G.H., Tugwell, P. (Madrid, 1994)

Estadstica General
Editorial: Panamericana; 1994.
Fletcher RH., Fletcher SW., Wagner E.H. (Barcelona, 1998) Estadistica
Descriptiva.
Editorial: Williams & Wilkins; 1998.
Dawson-Saunders B, Trapp RG. (Mexico, 1996)Estadstica aplicada .
Editorial: el Manual Moderno;
Milton JS, Tsokos JO. (Madrid, 2001)Estadstica para biologa y ciencias de
la salud.
Editorial:: Interamericana McGraw Hill; 2001.
Martn Andrs A, Luna del Castillo JD. (Madrid, 1993) Estadstica
Editorial: NORMA; 1993.

25