ESTADISTICA: DEFINICIN

Definicin: "Es el conjunto de mtodos y tcnicas que permiten determinar,

de una muestra debidamente representativa de una poblacin, los valores
estadsticos, a fin de poder inferir sobre los parmetros poblacionales con
un cierto grado de bondad"
Esta definicin comprende tanto a la estadstica descriptiva como a la
estadstica inferencial. Mark Berenson y David Levine 1, definen Estadstica
descriptiva como El conjunto de mtodos que incluyen la recoleccin,
presentacin y caracterizacin de un conjunto de datos con el fin de
describir apropiadamente sus caractersticas.
Mientras que a la estadstica inferencial la definen como Conjunto de
mtodos que hacen posible la estimacin de una caracterstica de la
poblacin o la toma de una decisin referente a una poblacin basndose
solo en los resultados de una muestra.
POBLACIN:
Definicin: "El conjunto de datos cuantificable pertenecientes al sistema en
estudio constituye la poblacin."
MUESTRA:
Definicin: Una muestra estar constituida por un subconjunto de la
poblacin."
Cada uno de los elementos que forman parte de la muestra se denominan
observacin.
MUESTRA DEBIDAMENTE REPRESENTATIVA
Definicin: Una muestra se dice que es debidamente representativa de
una poblacin cuando presenta sus mismas caractersticas.
VALORES ESTADSTICOS
El estudio realizado sobre una muestra nos permite determinar valores cuyas
caractersticas nos referiremos ms adelante y a los cuales se los denomina
estimadores pudiendo tambin tomar el nombre de valores estadsticos.
Los valores propios de la poblacin toman el nombre de Parmetros.
Si se pretendiere determinar el salario de los empleados metalrgicos del Pas,
tomaramos una muestra constituida por operarios de distintas empresas y
distintas provincias y siempre proporcional al nmero de operarios de cada
lugar, el salario promedio obtenido en la muestra se denomina estadstico,
mientras que el salario promedio de toda la poblacin obrera metalrgica se
constituye en parmetro.
PARMETROS
Definicin: Los valores en estudio, que en la muestra toman el nombre de
Estadsticos, en la poblacin se los denominan Parmetros.

Definicin: Se define como bondad al margen de seguridad con que se

realiza la inferencia de acuerdo a los estudios realizados sobre la o las
muestras.
Variable, Datos
La Estadstica basa su aplicacin en el estudio y anlisis de nmeros los que se
denominan Datos. Si dichos datos son obtenidos a travs de una muestra, se
los llama observaciones, las que deben responder a una determinada
caracterstica que es la que tenemos en estudio, puede ser la produccin
avcola en la provincia, la inversin de dinero en publicidad en los distintos
medios durante el ao 1998, o a la cantidad de precipitaciones en el sur de la
provincia, la concurrencia a un Centro Comercial, cada una de estas toma el
nombre de Variable.
TIPO DE VARIABLE

Discretos: Se dice que un valor es discreto cuando es el resultado de un

conteo.
Nmero de televisores por hogar
Cantidad de alumnos aprobados o reprobados en una evaluacin
Nmero de habitantes por mdicos en una localidad; etc.
Continuos: Se dice que una variable es del tipo continuo cuando asume

valores dentro de un intervalo de nmeros reales.

Las alturas de los alumnos de un curso
La longitud de peces en un lago
El volumen de precipitaciones anuales etc.
Es decir en definitiva, cuando el valor del dato u observacin se mide en un
intervalo, decimos que es del tipo continuo
Nominales: Cuando los valores que adopta la variable en estudio puede ser
clasificada de acuerdo a categoras, ej.: Estado civil: casado, soltero.
Jerarquizados: Este tipo de dato se presenta cuando es necesario otorgarle a
la
variable una cierta jerarqua de orden
VALORES ESTADSTICOS

SERIE SIMPLE
La primera operacin a realizar par el estudio de esa muestra es la de ordenar
las observaciones de menor a mayor.
El conjunto de observaciones ordenadas de menor a mayor se denomina Serie
Simple.
Con todos los valores que adopta la variable en estudio se genera una
distribucin, denominada Distribucin de la Variable en estudio.
MEDIA
Se define como media aritmtica o promedio de una distribucin al cociente
entre la suma de todas las observaciones dividido el nmero total de ellas.
Dentro de los valores estadsticos de posicin central la media es el de mayor
representatividad, pero debemos tener presente que a su ves es el ms
sensible a los valores extremos de la distribucin.

MEDIANA
Se define como Mediana de una distribucin, al valor que ocupa el punto medio
de la
Distribucin.
Cuando el nmero de componentes de la distribucin es impar, la mediana
est perfectamente definida, pero para el caso de que n sea par, no se tiene
un nico valor central, en este caso la mediana estar dada por el promedio de
los dos valores centrales.
MODA

Se define como Moda de una distribucin al valor que ms veces se repite. si

se presentare el caso en que todos los valores de la distribucin tienen el
mismo nmero de repeticiones, diremos que dicha distribucin no tiene moda.
FRECUENCIA
Dada una distribucin se define como Frecuencia de un valor, al nmero de
veces que el mismo se repite.
FRECUENCIA RELATIVA
Definicin: Se define como frecuencia relativa de un valor y se expresa como
fri, al cociente entre su frecuencia y la suma de todas las frecuencias (la suma
de todas las frecuencias es igual al nmero de elementos de la distribucin).
FRECUENCIA ACUMULADA
Se define como frecuencia acumulada de una clase (por ejemplo i) y se la
denota como fai, a la suma de su frecuencia y la suma de las frecuencias de
los valores que le anteceden.
FRECUENCIA DESACUMULADA
Se define como frecuencia desacumulada de un valor, fds de una
distribucin, a la diferencia entre el nmero total de observaciones y su
frecuencia acumulada.
Una distribucin puede ser:

DISTRIBUCIN DE INTERVALOS DE CLASE

Para generar una distribucin de intervalos de clase debe tener en cuenta:
a) La cantidad de intervalos: La determinacin del nmero de intervalos, a los
que llamaremos como k est relacionada con el nmero de observaciones n.
b) La amplitud de intervalo x para la cul adoptaremos la expresin

c) No puede haber un intervalo con frecuencia cero, si esa situacin se

presentare, ser necesario modificar la cantidad de intervalos o la amplitud de
intervalo.
d) Al definir los lmites de los intervalos debe tenerse en cuenta la posibilidad
que uno de ellos puede ser cerrado y el otro abierto:
e) Es conveniente que todos los intervalos tengan el mismo tamao y cuando
esto no sea posible, los intervalos de diferente amplitud deben ubicarse en los
extremos.
4

VALORES DE DISPERSIN
RANGO O AMPLITUD
Definicin
La diferencia entre los valores extremos de una distribucin se denomina
Alcance o
Rango y se lo denota como R
A) 0 1 1 2 4 6 8 10 12 14
En la distribucin A
R = 14 0 = 14
DESVIO MEDIO
VARIANZA
DESVIACION ESTANDAR
COEFICIENTE DE VARIACION
El valor de su desviacin estndar nos indica el grado de dispersin de sus
valores con respecto a la media
PROBABILIDADES
Cuando un fenmeno puede presentarse de distintas maneras, la factibilidad
de ocurrencia de cada una de ellas se la define como probabilidad.
Cada una de las distintas maneras en que puede presentarse el fenmeno se
denomina evento.
EVENTOS: DEFINICIN Y CLASIFICACIN

Un evento se dice que es compuesto cuando est conformado por ms de un

evento simple
DETERMINACIN DE PROBABILIDADES
Se tiene tres planteos bsicos para definir una probabilidad, estas son:
a) Planteamiento clsico
b) Planteamiento basado en la frecuencia relativa
c) Planteamiento subjetivo
PLANTEAMIENTO CLSICO
5

Cuando un fenmeno puede presentarse de n formas distintas, todas ellas

igualmente posibles, y de esas n formas en c de ellas lo hace con una
determinada caracterstica, entonces, la probabilidad de que al presentarse el
fenmeno lo haga con la caracterstica en estudio est dado por el cociente de
c sobre n.

Si a c se lo denomina como nmero de casos favorables y a n como nmero de

casos posibles podramos expresar la probabilidad clsica como:
P Nm ero de casos favorables
nm ero de casos posibles
Con este concepto la probabilidad de que al lanzar un dado presente la cara con un
nmero par ser de:
3
P(A) =
6
3 son los casos favorables (2, 4 y 6) y el nmero de casos posibles es 6.
Recordemos el evento C = deba cumplir con la condicin de ser (par) y mayor o igual que
4, es decir, deba cumplirse simultneamente los eventos A y B
P (C) = P ( A y B )
En este caso los eventos favorables son E4 y E6, cumplen con la condicin de ser pares y
mayores o iguales a 4 por lo tanto aplicando el concepto de probabilidad clsica emprica
tendremos:
2
La probabilidad P(C) =
6
PLANTEAMIENTO EN BASE A LA FRECUENCIA RELATIVA.
Analicemos el lanzamiento de una moneda. Dos son los eventos simples en
que puede presentarse el fenmeno, que se obtenga una cara o una cruz.

Por otra parte si en 10 lanzamientos se obtuvieron cuatro caras y seis cruces

entonces la frecuencia relativa de obtencin de caras es:

Ley de los Grandes Nmeros que dice:

6

Cuando un fenmeno se pone en evidencia de distintas maneras, la frecuencia

relativa de ocurrencia de cada una de ellas tiende a coincidir con su
probabilidad de ocurrencia cuando el nmero de veces que se presenta el
fenmeno es lo suficientemente grande.
en este caso se define como probabilidad a la frecuencia relativa observada de
un evento durante un gran nmero de intentos.
PROBABILIDAD SUBJETIVA
La probabilidad subjetiva queda librada al criterio de quin la determina en
funcin de la evidencia con que se cuente para la misma
REGLA ADITIVA
P(A o B) = P(A) + P(B) P(A y B )

Regla multiplicativa: P(A y B) = P(A) . P( B / A) = P(B) . P(A / B)

7

RELACIN ENTRE EVENTOS

EVENTOS COMPLEMENTARIOS
Dos eventos A y B se denominan COMPLEMENTARIOS cuando la suma de sus
probabilidades es igual a 1:
P(A) + P(B) = 1
EVENTOS MUTUAMENTE EXCLUYENTES
Se dice que dos eventos son mutuamente excluyentes cuando la ocurrencia de
uno de ellos implica la no ocurrencia del otro.
El no poder ocurrir simultneamente implica que la probabilidad de ocurrencia
simultnea de ellos es igual a cero.
si dos eventos son complementarios indefectiblemente son mutuamente
excluyentes.
EVENTOS INDEPENDIENTES
Dos eventos se dicen que son independientes, cuando la ocurrencia de uno de
ellos no modifica la probabilidad de ocurrencia del otro.
Y se expresa como:
P( A / B)= P(A).
Cuando dos eventos son independientes, la ocurrencia simultnea de ambos es
igual al producto de sus probabilidades.
1. Se define como probabilidad marginal a la probabilidad simple
correspondiente a un evento.
Los sucesos mutuamente excluyentes deben ser dependientes, pero los
sucesos dependientes no tienen necesariamente que ser mutuamente
excluyentes.
COMBINACIONES Y PERMUTACIONES
Dos combinaciones son distintas cuando varan en por lo menos un elemento
Dos permutaciones son distintas cuando varan en la ubicacin de por lo menos
un elemento.
Al conjunto de combinaciones y permutaciones se las denomina Variaciones o tambin
8

Permutaciones de n elementos tomados de r en r,