Registro de conceptos estadsticos como recurso

para una alfabetizacin estadstica

55B/142

Directora:
Mara Eugenia ngel
Investigadores:
Graciela Fernndez
Laura Polola
Mario Enrique Borgna
Liliana Sandra Pagano
Silvia Brunetti
Miriam Ecalle

Informe Final
Diciembre 2010
Registrado en Direccin Nacional de Derecho de Autor
Expediente N 963.575 el 28/9/2011
Todos los Derechos Reservados SECyT-UNLaM

1- Informe tcnico - acadmico

1.1. Resumen
Con el objetivo de elaborar un registro de trminos y conceptos estadsticos, se desarrolla el

presente trabajo que consiste en identificar y clasificar conceptos, estableciendo similitudes y

diferencias de interpretaciones de acuerdo al contexto de aplicacin acadmico-profesional.
Se trata de elaborar un lenguaje estadstico a travs del cul se puedan resignificar algunos
conceptos bsicos como as tambin analizar y describir herramientas estadsticas para su
mejor aprovechamiento.
Se ha realizado una revisin y anlisis bibliogrfico de material estadstico a fin de localizar
algunos usos y aplicaciones de diversos trminos, as como ubicar posibles interpretaciones
errneas o ambiguas como situaciones donde se poda detectar cierta manipulacin de la
informacin.
El registro con los trminos seleccionados es el producto final de la presente investigacin,
elaborado a partir de la confluencia del material procesado con los estndares tericos
vigentes.
Palabras claves: registro estadstico herramientas estadsticas tcnicas estadsticas
conceptos estadsticos significados estadsticos.

1.2. Introduccin
Llegar un da en el que el razonamiento estadstico ser tan necesario
para el ciudadano como ahora lo es la habilidad de leer y escribir.
H. G. Wells (1866-1946)

En el complicado mundo de hoy pocas cuestiones estn claras y no sujetas a controversia.

Para entender y poder emitir una opinin sobre un determinado tema se debe recoger
informacin, es decir, contar con datos. Y, para interpretarlos es conveniente poseer
conocimientos bsicos de Estadstica, que es la ciencia que brinda herramientas adecuadas
para extraer conclusiones vlidas de conjuntos de datos.

La influencia de la estadstica como disciplina transversal en las dems ciencias y su

utilizacin creciente ms all del mbito cientfico -facilitada y potenciada por las nuevas
tecnologas en el tratamiento estadstico de la informacin- requiere establecer un referente
conceptual que permita su buen uso y aplicacin; de ah la necesidad de construir un puente
entre la teora formal y la prctica responsable. Es decir, en la nueva situacin sociocultural
del mundo actual, se instala la necesidad de una alfabetizacin estadstica orientada a
determinar qu conocimientos, valores y habilidades necesita desarrollar el ciudadano de hoy
para desempearse socialmente con pericia.
Con el presente trabajo se ha iniciado una reestructuracin, una renovacin de los trminos,
conceptos y herramientas estadsticas desde lo formal pero sin dejar de lado la funcin
comunicativa del lenguaje que permita remediar en parte su desconocimiento o usos errneos.
El objetivo general de la investigacin fue precisamente la elaboracin de un registro de
trminos y conceptos estadsticos donde se unificaran y jerarquizaran las definiciones a partir
de las similitudes y diferencias de interpretaciones de acuerdo a su contexto y aplicacin. Para
lograrlo se identificaron, compilaron, compendiaron, puntualizaron, analizaron, describieron y
sintetizaron los trminos, conceptos y herramientas estadsticas seleccionadas.
Los estadsticos han invadido todas las ramas de la ciencia con una rapidez de conquista
que slo tiene como rivales a Atila, a Mahoma y al escarabajo de Colorado.
Maurice Kendall (estadstico britnico)

Se ha hecho mencin de la presencia de la informacin como un contexto donde el hombre se

encuentra inmerso y se hace imperiosa su interpretacin, manejo, anlisis y tratamiento para
sacar conclusiones, pero qu se entiende por informacin?
Se puede decir que informacin es todo mensaje oral o escrito posible de impactar sobre la
percepcin de un sujeto y su estado cognoscitivo. Cuando la persona logra interpretar
correctamente un mensaje se dice que se ha comunicado satisfactoriamente, que se ha logrado
interpretar correctamente la informacin, y, su importancia radica en que se reduce la
incertidumbre que rodea a la situacin que se ha planteado permitiendo una mejor toma de
decisiones frente a la misma.
Caben algunos interrogantes, por qu se resalta la situacin actual de las sociedades
modernas?, esto no ocurra antes?, qu es lo que ha cambiado?
A nuestras sociedades se las denomina Sociedades de la Informacin porque desde las ltimas
dcadas del siglo XX, la disponibilidad de las nuevas tecnologas de la informacin y de la
3

comunicacin ha permitido un cambio a nivel global de las economas de los pases gracias
precisamente a concebirla como un recurso de produccin. La informacin se ha transformado
en un medio estratgico, tanto para las empresas como para los gobiernos y los ciudadanos,
por eso la importancia de que el trabajador, el estudiante y los profesionales en general se
encuentren capacitados para la interpretacin y tratamiento de la misma.
La informacin permite construir conocimiento til para la accin, entendido como la
interaccin permanente de experiencias, valores, informacin y saber hacer, que genera, en
forma cclica, nuevas informaciones, experiencias y conocimientos.1
Se ha establecido un nuevo paradigma, que ha generado una mayor demanda de los sistemas
de informacin estadstica. Estos sistemas estn compuestos por datos provenientes de las ms
diversas fuentes, integrndolas y relacionndolas para cubrir la diversificacin de la demanda.
Por ello se puede decir que todo trabajador y estudiante se ha convertido en un usuario de
informacin estadstica. La diversidad que presentan estos usuarios obedece a su capacidad de
abordar los fenmenos econmicos y sociales desde diferentes caractersticas, como ser: la
magnitud o dimensin de los fenmenos, estructura y forma en que se desagregan sus
componentes, distribucin espacio- temporal y las relaciones entre fenmenos.
La informacin estadstica si bien se enmarca en un entorno de aproximaciones matemticas,
es la que hace posible el acceso al conocimiento de la realidad, interpretacin de la forma en
que se comportan los fenmenos, la prediccin de su conducta futura siempre y cuando
cuente, necesariamente, con los atributos de calidad, veracidad y precisin.
El extraer informacin de los datos de campo, poder representarla tabular y/o grficamente,
permite darle sentido a esos datos. Lo mismo ocurre al contemplar la realidad desde la
perspectiva de su modelizacin surgiendo la comprensin de las cualidades o caractersticas
del mundo real.
Debido al caudal de aplicaciones y a la complejidad que puede involucrar el trabajo con la
informacin estadstica, se puede prever un incremento de la demanda de herramientas de
fcil comprensin y manejo como punto de partida. Dentro de este contexto surgi la
necesidad de elaborar un registro de conceptos y procedimientos de diversa complejidad
atendiendo a los requerimientos de la sociedad de hoy.

Cuadernos del SIEL Sistema de Informacin Estadstica Local, Serie 1. Materiales institucionales,
conceptuales y metodolgicos Cultura Estadstica y Gestin Local Instituto Nacional de Estadstica y Censos
Direccin Nacional de Planificacin y Coordinacin Estadstica Julio 2007.
4

1.3. Desarrollo de la investigacin

A partir de la decisin de elaborar el registro de conceptos estadsticos en funcin de los
requerimientos, se realizaron diversos relevamientos basados en la observacin y bsqueda de
carencias y necesidades de los usuarios en relacin al conocimiento estadstico.

Relevamiento de informacin secundaria y sus resultados

La primera tarea correspondi al tratamiento de informacin secundaria mediante la
recopilacin de terminologa estadstica utilizada en medios de difusin, revistas de
divulgacin general, pginas de Internet y textos de Estadstica y de otras ramas del
conocimiento incluyendo textos escolares.
El trabajo se centr en seleccionar, registrar y analizar informacin referida a la utilizacin de
trminos y conceptos estadsticos.

Revisin de libros de texto escolares

Una de las primeras acciones fue trabajar con los textos escolares de los ltimos aos del
nivel primario y primeros del secundario debido a que es en esos niveles de escolaridad donde
se realiza el primer acercamiento a la estadstica.
A continuacin se mencionan las observaciones realizadas a diferentes textos donde aparecen
algunos conceptos de manera incompleta o parcial o conceptualizaciones gemelas que, por un
exceso de simplificacin, se identifican como iguales cuando no lo son. Las mismas fueron
organizadas en bloques teniendo en cuenta la fuente de donde fueron extradas la cual se cita
al final de cada uno de ellos.
El concepto de suceso aparece relacionado con cada resultado posible de un experimento aleatorio
siendo muy restrictiva la definicin, ya que no se menciona en ningn momento que un suceso
puede tener ms de un elemento. Se identifica el concepto de suceso en trminos generales con el
de suceso elemental.
Se define probabilidad (siguiendo la definicin clsica de Laplace) como el cociente entre el
nmero de casos favorables y nmero de casos posibles omitiendo que los espacios muestrales
deben ser finitos y equiprobables.2
Se trabaja con el concepto de variable sin definirla, no se la reconoce como caracterstica que se
desea estudiar en la poblacin.3
2
3

Ed. Estrada Manual de 6 grado. 2006

Matemtica de 7 grado (1 E.S.B.). Ed. Puerto de Palos. 2005.
5

 Las medidas no son definidas como concepto, slo se trabajan desde su clculo numrico y no
desde su interpretacin enmarcada en el contexto de un problema, no se justifica la necesidad de su
clculo y de su aplicacin.
La nocin de mediana pierde su caracterstica esencial al slo definirse como valor central sin otra
consideracin que la complete y justifique.
La nica diferenciacin entre mediana y media aritmtica que se realiza es a travs de su forma de
clculo.
Las medidas de dispersin slo se calculan sin explicar qu indican y sin vincularlas con las
medidas de posicin.4

Los conceptos de muestra y poblacin no se distinguen claramente.

A todas las medidas se las denomina parmetros estadsticos perdindose la distincin entre los
conceptos de parmetro poblacional y estadstico muestral, y cmo estn relacionados.
Se presentan las medidas de tendencia central para resumir la informacin contenida en los datos y
no se dan sus respectivas interpretaciones.
Las variables cualitativas no se mencionan an cuando prevalecen en la informacin de uso
corriente, por ejemplo en los medios de comunicacin.
Se presentan las medidas de dispersin, aclarando solamente que permiten completar la
informacin que proporcionan los datos, pero no se trabaja sobre su construccin y concepto. 5

Se presentan los parmetros estadsticos de centralizacin y de dispersin sin dar sus

interpretaciones.
Se consideran los conceptos de muestra y de poblacin en forma indistinta.
Se plantean problemas que involucran propiedades y relaciones no vistas entre las medidas.6
Se denomina parmetros estadsticos a los valores que representan a los datos de una muestra o de
una poblacin en forma indistinta.7

Se denomina suceso a cada uno de los resultados del experimento, dando una definicin restrictiva
e incompleta del concepto.
Se define muestra y poblacin, pero a todas las medidas se las denomina parmetros estadsticos.8

A las variables cualitativas se las identifica como caracteres pero no variables. 9

Se define estadstica descriptiva como la parte de la estadstica que trata de analizar un grupo dado
sin incluir la distincin de los conceptos de poblacin y muestra.
A las variables cualitativas slo se las trata en su cuantificacin numrica.
A las medidas se las denomina estadsticos de centralizacin o posicin, se presenta slo el clculo
y no se aclara que se est trabajando con muestras. Ni se mencionan sus propiedades,
interpretaciones y relaciones.
4

Textos 8 y 9 ((2 y 3 E.S.B.): Matemtica I, Ed. Santillana, 1995. Matemtica 8, Ed. Nuevas Propuestas.
Matemtica 8, Ed. Tinta Fresca, 2005. Matemtica 9, Ed. Puerto de Palos, 2001.
5
Ed. Kapelusz de 9 ao.
6
Ed. Santillana de 9 ao.
7
Ed A-Z de 9 ao .
8
Ed. Kapelusz de 1 ao.
9
Ed. Kapelusz de 1 ao.
6

 Para calcular probabilidades se dan dos mtodos: recurriendo al experimento, usando la frecuencia
relativa y utilizando la frmula de Laplace, sin especificar las condiciones de aplicacin de cada
una de las definiciones.
Se presenta la probabilidad total, condicional y la regla de la multiplicacin desde una definicin
incompleta de probabilidad.10

En resumen, en algunos de los textos revisados aparecen definiciones prximas a las que se
manejan en los libros de Estadstica y que pueden considerarse universalmente aceptadas.
Esto sucede con la definicin de suceso o la definicin clsica de probabilidad, que se
presentan slo en una de sus formas o dejando de lado el contexto de trabajo, ya que no se
tienen en cuenta caractersticas del fenmeno o experimento como, por ejemplo, que hay
sucesos con ms de un elemento o que todos los resultados del experimento sean igualmente
probables de ocurrir. Para el caso de la nocin emprica de probabilidad, para espacios
muestrales no equiprobables, se enuncia una aproximacin al concepto como la
frecuencia relativa de un suceso al realizar el experimento un nmero muy grande de
veces justificando esta prctica con la ley de los grandes nmeros, a medida que aumenta
el nmero de repeticiones del experimento, el valor de la frecuencia relativa del evento se
aproxima ms a la probabilidad del mismo. El valor de esta propiedad no se agota en lo que
afirma sino que adems introduce la nocin de lmite de manera concreta.
En los temas trabajados en estadstica descriptiva es reiterativa una tendencia muy marcada al
clculo matemtico de las medidas en detrimento de la conceptualizacin e interpretacin.
Por otro lado, es para destacar que en el material examinado, aparecen referencias histricas
sobre las primeras experiencias de recoleccin de datos, siendo sta una buena herramienta
didctica complementaria y un elemento para la motivacin de la curiosidad de valor per se.
Muchas observaciones se repitieron en diferentes textos, de esta manera la frecuencia con que
aparecen tambin resulta interesante a la hora de la deteccin de las carencias o
inconvenientes en la presentacin de los conceptos estadsticos. De esta forma los conceptos
pilares donde se han detectado las mayores dificultades son:

10

Poblacin y muestra.
Individuo.
Variables cualitativas y cuantitativas discretas y continuas.
Tabla de frecuencias, frecuencias absolutas y relativas.
Media, Moda y Mediana.
Varianza y desvo absoluto, medio y tpico.
Azar y aleatoriedad.

Ed. A-Z, Funciones y estadstica De Simone, Turner.

7

Espacio muestral y sucesos. Sucesos especiales.

Probabilidad.

En general, puede decirse que los conceptos expresados aparecen de manera incompleta o
confusa sin llegar a su formalizacin a travs de una visin ms integral de los mismos. La
trascendencia de estos conceptos es fundamental como base para la construccin del
conocimiento estadstico, y por esta razn constituyen el punto de partida en la elaboracin
del registro de trminos estadsticos.
Estos conceptosnodos permiten establecer redes conceptuales que involucran un buen
nmero de nociones, tcnicas y procedimientos que podrn consultarse en el registro.

Revisin de libros universitarios bsicos

En los libros universitarios revisados, los de uso ms frecuente, no se han detectado nociones
confusas o contradictorias, sin embargo estos textos pueden agruparse en dos grandes grupos
no excluyentes: los de estadstica aplicada y los enfocados ms a desarrollos tericos. En
relacin a los primeros es comn apreciar una tendencia calculista sobre la interpretativa o
analtica; mientras que en los ms tericos se nota poca presencia de situaciones concretas
donde se puedan aplicar los contenidos.
En ambos casos se pierde el objetivo de la transferencia, aplicacin y comprensin acabada de
los conceptos tratados.
En estos libros suelen aparecer distintos nombres para un mismo concepto como ser:
Docimasia de Hiptesis se utiliza en el libro de Probabilidad y aplicaciones estadsticas de P.
Meyer el nombre que puede darse a la metodologa utilizada para resolver casos de
verificacin de hiptesis, tambin denominada prueba o ensayo de hiptesis.
Al teorema de probabilidad total se lo denomina tambin regla de eliminacin.
Definir los conceptos estadsticos identificndolos con los nombres que reciben sus referentes
en la teora de conjuntos es otro ejemplo, tal como se utiliza en los mdulos de estadstica y
probabilidades finitas de la Maestra en Enseanza de la Matemtica de la UNCU.
Al mismo tiempo el trmino promedio, que se refiere indistintamente a media aritmtica,
mediana, centro de amplitud y moda, aunque cada uno presenta un panorama diferente sobre
la representacin de los datos, usualmente en los textos se refiere a la media aritmtica.

Vale aclarar que hasta el trmino estadstica presenta distintas acepciones, puede significar la
ciencia propiamente dicha como as tambin el resultado del trabajo realizado por un
estadstico. Y la expresin estadstico, por su parte, puede identificarse con la persona
especializada en estadstica como as tambin con medidas obtenidas a partir de muestras.
En algunas reas, como ser Metodologa de la Investigacin Social se pudo observar el uso
indistinto de los conceptos de unidad de observacin y unidad de anlisis siendo stos
diferentes para ciertos autores, como R. Sierra Bravo 11, quien sostiene que la unidad de
anlisis corresponde a colecciones de individuos o conglomerados- y las unidades de
observacin en general pueden ser individuos particulares.
En los casos expuestos, se observan distintos trminos que se utilizan para indicar
significados iguales - significados idnticos- y expresiones idnticas para designar distintas
nociones muchas veces sin las debidas aclaraciones para el lector novato.
Otra observacin encontrada en estos libros es que en general se emiten conclusiones
taxativas en los procedimientos inferenciales ambientes no determinsticos donde el uso de
los verbos en modo potencial podra ayudar a conservar la nocin de incertidumbre que deben
acompaar a estas conclusiones.

Revisin de pginas de Internet de uso pblico

A continuacin se sintetizan algunas observaciones realizadas en las pginas de Internet

analizadas en las que se encontraron errores en ciertos conceptos.
Cada bloque corresponde a una fuente que se cita al final de cada uno de ellos.
Se presenta un ejemplo de muestra representativa que contradice a la definicin del concepto
suministrado. Se toma como muestra de la poblacin de todos los estudiantes de la Universidad de
Mlaga, al conjunto de los alumnos de la Facultad de Medicina, que no constituye una muestra
representativa de dicha poblacin.
Se afirma errneamente que la mediana de una variable discreta es siempre un valor de la variable
estudiada.12

Se considera a la estimacin como la operacin por la que se asigna a un parmetro de la poblacin

el mismo valor que a un estadstico calculado a partir de una muestra, y a la estimacin por
11

Sierra Bravo, R. Tcnicas de Investigacin Social. Teora y Ejercicios. Decimosegunda Edicin. 1998.
Editorial Paraninfo.
12
Bioestadstica: Mtodos y Aplicaciones. Bioestadstica. Facultad de Medicina. Universidad de Mlaga. ISBN:
847496-653-1. http://www.bioestadistica.uma.es/libro/node2.htm
9

intervalo como una operacin arriesgada. De esta forma slo se tiene en cuenta como vlida la
estimacin puntual de parmetros.
Se acota el campo de la Estadstica Inferencial slo a las operaciones de estimacin sin incluir las
pruebas de hiptesis.
Se hace referencia a la distribucin de Poisson slo como el caso lmite de la Binomial.
Se sostiene que la proporcin es sinnimo de frecuencia relativa, es decir que no la trata como una
medida de intensidad o tasa y que el sesgo es sinnimo de asimetra.
Se afirma que la distribucin t de Student es una distribucin que sigue la estimacin de la
desviacin tpica.13

Se refiere a la dicotoma como el proceso de categorizacin de una variable en sus dos modalidades

posibles. Cuando existen variables factibles de dicotomizar a pesar de presentar ms de dos

categoras.
Hay imprecisin al puntualizar a la mediana como el valor central que divide a la poblacin en dos
subpoblaciones iguales. Cuando en realidad la igualdad slo debe referirse a la cantidad de
elementos y no a atributos esenciales.
En el procedimiento para trazar un polgono de frecuencias se omiten los tramos inicial y final de
dicha representacin grfica.
Se toma al rango como la situacin de un dato respecto a una distribucin.
Se circunscribe la variabilidad a la medida rango o recorrido de una variable en estudio. 14

Se identifica al concepto atributo slo con variables cualitativas.

Al especificar lo que representa un espacio muestral no se aclara que se refiere a los resultados de
un experimento aleatorio.
Se afirma que la estimacin es el valor especfico observado de un estimador, dejando de lado la
estimacin por intervalos de confianza.
Se considera que la Inferencia estadstica es el proceso de generalizar los resultados de la muestra
a los resultados de la poblacin, cuando la inferencia no es slo una generalizacin. 15

Se representa al polgono de frecuencias en forma errnea sin tener en cuenta la marca de clase de
los intervalos previo al primero y posterior al ltimo con frecuencia cero, comenzando en el lmite
inferior del primer intervalo y terminando en el lmite superior del ltimo intervalo de clase.
Se traza mal la ojiva, uniendo las marcas de clase y no partiendo de cero en el lmite inferior del
primer intervalo.
Al precisar el concepto de parmetro estadstico no lo diferencia del estadstico muestral.
No se hace una descripcin adecuada del histograma.16

Se define de dos maneras distintas a los percentiles, una de ellas como cada uno de los 99
segmentos que se toman al dividir una muestra o un conjunto de elementos ordenados por cien

13

Diccionario de Estadstica Prctica http://www.hojamat.es/estadistica/diccio/diccestad.htm.

Fernando Valdes - Universidad Romulo Gallegos (Robert Ponterio - Project Director and HTML). SUNY
Cortland Dept. of International Communications and Culture. GLOSARIO
http://maristascoruna.wikispaces.com/file/view/Apuntes+Estadistica+P4.pdf
15
http://www.so.ucr.ac.cr/Enlaces/Estadistica/problemas/Diccionario.html
16
http://www.vitutor.com/estadistica/descriptiva/a_2.html
14

10

partes de igual frecuencia. Y otra como puntos caractersticos de la distribucin que dividen a la
distribucin en cien partes.17
Se define el concepto de Aleatorio afirmando que no sigue un patrn particular que se
pueda describir directamente por ecuaciones. Se basa ms en la probabilidad. El trmino aleatorio
representa una idea que debe ser expresada en trminos del concepto de probabilidad.
Se trata de una definicin circular porque a partir de la probabilidad se intenta medir la aleatoriedad
de un suceso o fenmeno.
Se define Atributos como caracterstica cualitativa de un objeto o individuo tal como sexo, pas de
origen, estado marital.
Es una definicin acotada pues no contempla las caractersticas cuantitativas como por ejemplo la
edad es un atributo de la unidad de anlisis y no es una caracterstica cualitativa.

Se considera la Variable cuantitativa discreta como aquella a la que se les puede asociar
un nmero entero, es decir, aquella que por su naturaleza no admiten un fraccionamiento de la
unidad, por ejemplo nmero de hermanos, pginas de un libro, etc. Variable que tiene un nmero
limitado de valores. El sexo, por ejemplo, sera una variable discreta pero cuidado, no lo es.

Se define a la Variable dependiente como aquella que tericamente puede tomar cualquier
valor en una escala de medidas, ya sea entero o fraccionario cuando esa definicin correspondera a
una variable cuantitativa y que se trata de una Variable aleatoria o estocstica cuando no es posible
hacer medidas numricas, seran aquellas que son susceptibles de clasificacin. 18 Concepto errneo
pues confunde las variables aleatorias con las variables cualitativas o categricas.

En sntesis, en las pginas consultadas se han detectado imprecisiones en definiciones de

conceptos y en representaciones grficas. Se encontr adems que no se define el concepto de
media aritmtica y slo se indica el procedimiento algebraico para su determinacin,
quedando de lado el significado, su interpretacin y sus limitaciones.
Muchas de las imprecisiones detectadas coinciden con las encontradas en los libros de texto
de la escuela.

Revisin de informacin periodstica

Debido al gran volumen de informacin periodstica que incluye datos estadsticos que son
interpretados libremente se han seleccionado algunos casos interesantes, a modo de ejemplo,
como los siguientes:
En el artculo del diario Clarn del 26 de julio de 2009, bajo el ttulo Inmovilidad social dice:
Casi 4 de cada 10 chicos que nacen en un lugar ubicado en el quintil ms bajo de la pirmide
socioeconmica (el 20% ms pobre) permanece en esa condicin el resto de sus vidas. En
contraposicin, slo un 22% de los hijos de padres que estn entre el 20% ms rico de la
Argentina sigue estando en ese quintil en su vida adulta. Aqu se considera quintil como el
17
18

http://es.wikipedia.org/wiki/Medidas_de_posici%C3%B3n_no_central
Diccionario de Estadstica Prctica. Universidad Intermericana de Panama. Lic. Admin de Recursos Humanos.
2 de febrero de 2007.
11

porcentaje de datos que deja por debajo ese valor (una franja) y no como un punto en el espacio de
los datos ordenados, sin especificar su valor. Adems no se aclara qu variable se analiz para
determinar las regiones mencionadas de la pirmide. Por otro lado, la inmovilidad social que se
estudia, aparece cuantificada en funcin de los datos analizados, pero de ninguna manera pueden
asimilarse como nmeros que establecen parmetros, salvo que se apliquen tcnicas de inferencia
apropiadas. Esto no se aclara y puede llevar a conclusiones equivocadas.

Juan Ignacio Piovani en el XXV Congreso ALAS, Porto Alegre, Brasil en agosto de 2005, en
su ponencia expresa que ha tratado de mostrar que las ideas estereotpicas con respecto a la
estadstica y sus aplicaciones en las ciencias sociales tienen evidentemente algn fundamento;
pero como sucede con los estereotipos, son visiones simplificadas y estandarizadas de una trama
mucho ms compleja y que detrs de la denuncia legtima de los lmites que dichos instrumentos
tienen se halla la ignorancia y el desinters por aprender algo que demanda esfuerzo, y que dentro
de ciertos lmites y concebido como instrumental a los fines cognoscitivos de la ciencia podra
resultar de mucha utilidad (Marradi, 1997). Yule se esforz por denunciar los efectos nefastos de
la absolutizacin de la medicin en la investigacin social y econmica. Para l muchos
fenmenos no eran medibles y deban por lo tanto ser analizados, an en el marco de un abordaje
estadstico, cualitativamente. Fue justamente l quien inici el desarrollo de tcnicas estadsticas
adecuadas para el tratamiento de variables cualitativas. As, las herramientas estadsticas suelen
quedar tironeadas entre un uso dogmtico, ritualista y acrtico, Ya en la dcada de 1930, el
destacado socilogo de la Escuela de Chicago Znaniecki adverta sobre los riesgos de sustituir
los mtodos intelectuales por tcnicas tabulares, y de esta forma eliminar el pensamiento terico
del proceso de investigacin cientfica. Tambin cita a Pearson quien en 1933 se lamentaba por
el carcter purista y alejado de los problemas de la prctica cientfica que la estadstica y sus
aplicaciones estaba adquiriendo. Para l ella deba ser eminentemente aplicada, y tal
definicin daba prioridad a la consideracin de los problemas de investigacin, y no a los
instrumentos. La estadstica era justamente instrumental, un medio al que recurrir en la labor
cientfica, y no un fin en s mismo. Pearson tema, como Znaniecki, que la investigacin
apelando a la estadstica como instrumento que todo lo puede quedara en manos de los que
llamaba tcnicos de la ciencia, sujetos carentes de aquella imaginacin disciplinada que
caracteriza al verdadero cientfico. Esto implica, obviamente, problematizar los instrumentos que
se utiliza en la investigacin. Dice Piovani que cuando estn dadas las condiciones para su uso, no
hay ninguna razn para no usarlas; pero cuando no estn dadas tales condiciones, no hay ninguna
razn para usarlas.19

En Los retos de la cultura estadstica de Carmen Batanero, Universidad de Granada, Espaa, 2002,
la autora se refiere a la reflexin epistemolgica sobre el significado de los conceptos,
procedimientos (en general objetos) particulares. La especialista afirma que los organismos
oficiales de estadstica se han concienciado de la necesidad de hacer llegar los estudios que
realizan en forma comprensible a todos los ciudadanos y al mismo tiempo mejorar la imagen
pblica de la estadstica. Adems de poner el nfasis en la provisin de informacin y consejo
para el gobierno y uso profesional y en investigacin, las organizaciones estadsticas oficiales se
interesan en proporcionar informacin a la sociedad, como un todo. En vistas de la difusin y

19

Juan Ignacio Piovani. XXV Congreso ALAS. Universidade Federal do Rio Grande do Sul. Porto Alegre, 2226 de agosto de 2005. La estadstica y el sentido comn de los socilogos. Universit degli studi di Bologna,
Representacin en Argentina. Universidad Nacional de La Plata.
12

necesidad de trabajar sobre este tema, menciona una pgina con la iniciativa de una revista para la
educacin estadstica.20

En el artculo titulado Peligrosas estadsticas y dudosas encuestas de Rosa Montero, escritora

espaola, publicado por el diario Los Andes, 17 de octubre de 2004, Mendoza, Argentina, la autora
presenta situaciones que conducen a resultados absurdos o engaosos alertando acerca de los
efectos del mal uso de la Estadstica o de interpretacin errnea de Informacin estadstica.
Muestra abusos en el uso de la Estadstica y afirma que las encuestas son poco confiables pues
dependen tanto de la formulacin de las preguntas como de la seleccin de los encuestados 21.

En La media no es el mensaje, artculo de Stephen Jay Gould, bilogo y prolfico divulgador

cientfico, l relata su propia experiencia dado que enferm gravemente de un cncer muy raro y
agresivo en 1982. Busc informacin estadstica sobre la enfermedad y se enter con espanto
que, una vez detectado, la media de supervivencia era de 8 meses. En base a su incansable espritu
curioso pudo profundizar sobre cmo fueron obtenidas las estadsticas halladas y comprendi que
su vida podra no terminar en el tiempo medio. El ya saba que una media puede extraerse, por
ejemplo, de una muestra de pacientes muy homognea, en la que todos mueren aproximadamente
al cabo de 8 meses, pero tambin puede tratarse de una curva muy pronunciada, en la que algunos
enfermos mueran enseguida y otros vivan mucho tiempo. Todo indicaba que dado su calidad de
vida Gould perteneca al grupo de mayor sobrevida, de hecho vivi 20 aos ms y muri de otra
enfermedad. De esta manera, conocer las propiedades de la media aritmtica permiten lograr una
correcta interpretacin, ya que en ciertas distribuciones no es representativa del conjunto de datos
y, sin saberlo, se puede llegar a conclusiones fatalistas.

Las publicaciones analizadas corroboran que existe un denominador comn que hace que las
estadsticas no siempre sean bien vistas en algunos mbitos y circunstancias. No quedan
dudas que la imagen de la estadstica se encuentra deteriorada y de acuerdo a estas
experiencias puede deberse al mal empleo o, en algunos casos inclusive, al uso
malintencionado que se hace de sus resultados para mostrar realidades que no son.
El mal uso de la estadstica, en general puede resumirse como la falta de conocimiento del
alcance de la informacin estadstica, el manejo indiscriminado de datos cuantitativos, que si
no se expresan responsablemente pueden resultar con derivaciones alarmantes o hasta
devastadoras- si se habla, por ejemplo, de enfermedades, crisis econmicas, catstrofes
climticas y tendencias de todo tipo.
Por las dificultades y errores encontrados es recomendable la divulgacin masiva de los
conocimientos bsicos estadsticos a los alumnos, profesionales y trabajadores en general
porque las consecuencias de la ignorancia estadstica queda patente en las publicaciones
revisadas. Por otro lado, cabe agregar que la liviandad con que pueden extraerse predicciones
20
21

http:/www.ugr.es/local/batanero/sergroup.htm.
An las encuestas ms exactas y fiables pueden conducir a graves errores segn cmo se lea a veces
incluso pueden matar, afirma ejemplificndolo con el ejemplo de un enfermo terminal de cncer.
13

a partir de hechos ocurridos denota una hipersimplificacin en la interpretacin de las causas

que lo producen, sin tener presente que existen factores que no pueden manejarse pero si tal
vez controlarse, as como mltiples factores que podran corregirse para evitar consecuencias
no esperadas como tragedias de cualquier ndole.

Antecedentes en investigacin sobre la formacin de conceptos estadsticos

I. Evaluacin del Conocimiento Estadstico en la Formacin Inicial del Profesorado

realizado en la Universidad de Lleida (Espaa). Informe elaborado por Assumpta Estrada22
Mediante estudios de campo realizados sobre la educacin estadstica de profesores en
formacin se obtuvieron resultados que permiten ver cmo hay situaciones recurrentes ms
all del origen y el contexto de las observaciones realizadas.
En particular se trata de un trabajo de evaluacin del conocimiento estadstico en la formacin
inicial del profesorado. De ah surge como primera y ms importante recomendacin la
necesidad de potenciar la formacin estadstica de los futuros profesores.
El objetivo del trabajo fue el de obtener informacin sobre cules son los principales errores y
dificultades de los profesores en formacin en conceptos estadsticos elementales (incluidos
en los contenidos del nivel primario) como ser promedio, probabilidad, frecuencia,
dispersin, asociacin, muestreo y simetra, interpretacin de grficos, efectos de valores
atpicos, entre otros.
Un dato a considerar es que se diferenci a los participantes por especialidad en la formacin
docente y por los aos de estudio.
Las conclusiones obtenidas del trabajo indicaron que si bien la especialidad influy sobre los
resultados, tanto como para concluir que los de reas como Lenguas o Educacin Inicial
fueron los de menor porcentaje de aciertos y los de Educacin Especial o Educacin Fsica los
de mayores porcentajes de aciertos, los aos de estudio no cambiaron significativamente los
resultados.
La explicacin que da la investigadora a estos resultados es que posiblemente esto se deba a
que la enseanza que reciben se basa principalmente en el clculo, la aplicacin rutinaria de
frmulas y la representacin grfica, siendo raras las actividades interpretativas similares a las
propuestas en el cuestionario.

22

http://web.udl.es/usuaris/z4084849/docs/uno45.pdf
14

Los resultados generales obtenidos sobre todos los docentes indagados se encuentran
resumidos en la siguiente tabla donde aparecen los conceptos evaluados y el porcentaje de
respuestas correctas.

II. Inferencia Estadstica y Lenguaje: Un Estudio En Bachillerato realizado en la

Universidad de La Laguna (Espaa) por Israel Garca Alonso y Juan Antonio Garca Cruz.23
En este estudio se trabaj sobre varios trminos relacionados con la Inferencia Estadstica que
aparecen en los libros de texto de secundaria. La tarea se centr en comparar el significado de
dichos trminos con el que se les asigna en los libros de texto.
Los investigadores se fundamentan en que en la construccin del conocimiento matemtico
un vehculo importante es el lenguaje, y cuando se requiere un alto nivel de abstraccin
acompaado de una considerable tecnificacin, se hace necesario el conocimiento y buen uso
de trminos especficos. Es este el caso de la Inferencia Estadstica.
Sostienen tambin que en el aula de matemticas se distinguen dos tipos de contexto: contexto
cotidiano y contexto matemtico. Se entiende por contexto cotidiano a aquel en el que se lleva
a cabo la comunicacin habitual, mientras que el contexto matemtico es propio de la
23

http://dialnet.unirioja.es/servlet/articulo?codigo=2697036
15

matemtica como ciencia formal. Se pudo comprobar cmo algunos textos dan definiciones
de los trminos ms relacionadas a su nocin informal o cotidiana que a la formal
matemtica.
Como criterio de ordenamiento de los conceptos se realiz una clasificacin segn su
significado para poder realizar la comparacin mencionada.
Segn esta premisa, los autores clasifican los trminos de la siguiente forma: 1) trminos con
el mismo significado en ambos contextos; 2) trminos con distinto significado en ambos
contextos, y 3) trminos propios del contexto matemtico. Los estudiantes no deberan tener
dificultad con la categora 1, mientras que la categora 3 necesariamente debe ser definida
pues son trminos que los estudiantes no conocen ni tienen en su vocabulario. La categora 2
puede dar lugar a ms dificultades para los estudiantes.
Los resultados de la clasificacin de los trminos fueron los siguientes:
1.

Mismo significado en ambos contextos: Estadstica, Poblacin, Individuo, Tamao de

la muestra.

2.

Distinto significado en ambos contextos: Media, Muestra, Estimacin, Inferir,

Distribucin, Probabilidad, Representativo, Riesgo Significativo.

3.

Significado propio en el contexto matemtico: Parmetro, Estadstico, Muestreo

aleatorio, Media muestral, Media poblacional, Nivel de confianza, Desviacin tpica,
Estadstica inductiva, Estadstica hipottico deductiva, Error mximo admisible,
Normal, Sesgado, Eficiente, Proporcin muestral, Contraste de Hiptesis, Hiptesis
Nula, Hiptesis Alternativa, Nivel de Significacin, Error de Tipo I, Error de Tipo II

La primera categora no deberan presentar dificultad a los estudiantes, por aparecer de

manera habitual en el lenguaje cotidiano. En algunas ocasiones se aaden trminos en la
definicin modificando sensiblemente su significado. La segunda categora son los trminos
con distinto significado en ambos contextos y a veces pasa desapercibido para estudiantes y
profesores. Este hecho puede provocar que el estudiante aprenda este concepto matemtico
con errores. Como entre los textos analizados predominan los que utilizan las definiciones
dadas en el contexto cotidiano, en vez de usar la definicin del contexto matemtico, se
plantea una situacin delicada ya que el libro tendra que presentar a los estudiantes los
conceptos matemticos definidos formalmente. La tercera categora son trminos que en
general el estudiante desconoce. Se observ que muchos de los textos no los definen, porque
suponen que los estudiantes los conocen o por considerar que de esta forma se puede
simplificar el proceso de enseanza y aprendizaje. En otros casos, hemos observado que

16

algunos textos introducen trminos propios de la Inferencia Estadstica que luego no vuelven
a utilizar, o que utilizan el concepto con otra expresin. Situacin que entendemos podra
provocar confusin identificando al texto como inconsistente, por no continuar utilizando
aquellos trminos que define. Puede decirse, entonces, que algunos libros de texto no cumplen
con uno de los objetivos que deben cumplir, esto es incluir las definiciones de los trminos
utilizados en el contexto matemtico. En otras ocasiones, el libro de texto modifica la
definicin, o simplemente enuncia una definicin errnea lo cual es contraproducente para los
estudiantes porque stos no poseen los conocimientos necesarios para identificar el error.
En estadstica inferencial, son muchos los conceptos nuevos que el estudiante debe
comprender correctamente para as entender el razonamiento y el procedimiento necesario
para resolver correctamente las tcnicas de inferencia.
En varias investigaciones realizadas en universidades espaolas analizadas se reiteran las
dificultades detectadas en las otras publicaciones. Como notables pueden mencionarse los
errores de interpretacin y aplicacin de medidas estadsticas, y como fuera explicado en cada
uno de los relevamientos comentados, generalmente se encuentran asociados a la falta de
conocimiento y entrenamiento en su utilizacin. El mero clculo de stas conduce a la
identificacin de una medida con su frmula ms que con su significado, desaprovechando la
informacin que brinda del conjunto de datos, como por ejemplo si la media aritmtica es
adecuada o no para representarlo.
Otro punto recurrente es la falta de consideracin del contexto de trabajo lo cual no favorece a
la comprensin de los conceptos tratados, incurrindose en lo que se podra denominar un
error didctico. Cabe aclarar que en la enseanza de la estadstica es propicio incluir ejemplos
y actividades utilizando situaciones concretas asociadas a temas interesantes para el
alumnado, pudindose desarrollar a partir de ellas conceptos y razonamientos estadsticos y
hasta probabilsticos para, en una segunda etapa, formalizarlos con toda la rigurosidad del
contexto matemtico, logrando as que lo formal adquiera sentido en lo concreto y a su vez,
que lo concreto se revalide desde lo formal. Esta doble tarea permitira trabajar sobre la
cuestionada imagen de la estadstica y ahondar en su red conceptual para dar una correcta
utilizacin de los recursos que brinda.

17

Relevamiento de informacin primaria y sus resultados

Con la finalidad de complementar el relevamiento y anlisis efectuado, se recurri a fuentes
primarias de informacin, realizando entrevistas y encuestas.

Resultados de entrevistas realizadas a usuarios de la estadstica

Se realizaron entrevistas a 40 profesionales de diversas reas distribuidos de la siguiente

manera: 8 abogados (20%), 12 del rea contable (30%), 10 fsicos o ingenieros (25% ) y 10 de
las ciencias sociales (25%).
Las entrevistas fueron realizadas por los investigadores del equipo, el 45% de los
entrevistados se desempean como docentes universitarios (2 abogados, 3 contadores, 3 lic.
en administracin, 4 fsicos, 1 ingeniero, 3 socilogos y 2 trabajadores sociales) y el 55%
restante realiza el ejercicio profesional en distintos mbitos.
Los resultados ms destacados de dichas entrevistas fueron:
7 de los 8 de los abogados consultan tablas comparativas de legislacin, grficos
porcentuales tanto de barras como circulares relacionados con anlisis cualitativos y
registros de datos histricos. Muy pocos manejan alguna medida estadstica y slo
utilizan tasas.
Todos los contadores y administrativos utilizan tablas y grficos porcentuales e
interpretan medidas previamente calculadas.
Menos de la mitad de ellos manifest realizar anlisis de nmeros ndices y series de
tiempo y ninguno usa herramientas relacionadas con la inferencia estadstica.
Todos los fsicos e ingenieros han utilizado o utilizan los distintos tipos de grficos y
medidas estadsticas.
8 de los 10 realizaron o realizan comparaciones, algn tipo de prueba de hiptesis y
estimaciones.
Con respecto a las Ciencias Sociales, todos los profesionales del rea trabajan con
tablas y grficos a partir de datos tanto primarios como secundarios, utilizan
indicadores y relacionan variables fundamentalmente cualitativas.

18

Entre los entrevistados slo investigan los fsicos (3 de los 4) y el 75% de los profesionales de
las ciencias sociales, precisamente los que afirmaron utilizar herramientas relacionadas con la
inferencia estadstica.
Ninguno de los entrevistados ha realizado algn curso de capacitacin en estadstica y salvo
los abogados todos los dems profesionales la han estudiado como materia en la carrera de
grado.
El 90% de los entrevistados expusieron la necesidad de ampliar sus conocimientos en esta
rea.

Resultados de las Encuestas a profesionales de la salud

Complementando las entrevistas realizadas y con el objetivo de indagar en los posibles usos
de las distintas herramientas estadsticas, se encuestaron 55 profesionales del rea de la salud
distribuidos de la siguiente manera: 18 mdicos (33%), 12 terapistas ocupacionales (22%), 9
siclogos (16%), 6 enfermeros (12%) y 10 de otras profesiones afines (como ser
sicopedagogos, kinesilogos, etc.) (18%).
El relevamiento de las encuestas fue realizado por alumnos de la carrera de Licenciatura en
Terapia Ocupacional de la Universidad Nacional de Quilmes, e implementadas en los diversos
mbitos donde se desempean laboralmente: hospitales, organismos gubernamentales y no
gubernamentales, hogares, etc.
Del anlisis de las encuestas se pueden destacar los siguientes aspectos:

El 67% de los profesionales encuestados se desempea en instituciones no

hospitalarias.

El 30% ha realizado algn curso relacionado con la estadstica pero todos ellos han
tenido en la carrera alguna materia perteneciente a esta rea (como ser bioestadstica o
estadstica aplicada).
El 43% realiza algn tipo de investigacin o de trabajo de campo relacionado con la
investigacin.
Slo el 26% accedi al estudio de herramientas estadsticas en algn curso de
capacitacin realizado aunque el 55% las utiliza en el ejercicio de su profesin.
Las herramientas estadsticas comnmente utilizadas son los grficos, las tablas, las
medidas de posicin moda, media, mediana y percentiles, la desviacin estndar, las
19

proporciones y razones y en menor grado (slo dos de ellos declararon usarlas) las
pruebas chi cuadrado y el anlisis de correlacin y de regresin.
El 68% utiliza indicadores o escalas de medicin prediseadas.
Con respecto a los indicadores o escalas los profesionales de la salud sealaron a las
tablas de percentiles, la escala Glasgow, las tasas y a distintos tipos de test como de
uso ms frecuente.
Al analizar la encuesta en su conjunto, se puede observar que existe evidencia estadstica (con
un nivel de significacin superior al 0,022%) de la relacin entre la profesin y el trabajo de
investigacin entre los encuestados, investigan el 67% de los terapistas ocupacionales, el 75%
de los siclogos, el 35% de los mdicos o enfermeros y slo el 11% de los de otras
profesiones. Sin embargo son los mdicos y los siclogos quienes se caracterizan por la
utilizacin de las herramientas estadsticas e indicadores.
En los siguientes grficos (biplots) obtenidos del anlisis de correspondencias pueden
visualizarse las observaciones anteriores.

Donde: 0 es no investigan, 1 es investigan, S siclogos, T terapistas, ME mdicos o enfermeros y O otros, SH utiliza herramientas estadsticas,
NH no utiliza herramientas estadsticas, SI utiliza indicadores, NI no utiliza indicadores.

Finalmente y con respecto a las observaciones volcadas por los encuestados,

aproximadamente el 50% de ellos opina que necesita ayuda externa en la interpretacin de
determinadas tablas y grficos y de los resultados obtenidos por algunos indicadores.

Consulta a alumnos

Se indag sobre los conceptos y tcnicas estadsticas que utilizan los alumnos en sus mbitos
laborales. Esta bsqueda se llev a cabo con aquellos alumnos del Departamento de Ciencias
Econmicas de la UNLaM que cursaron la materia Estadstica, en el primer cuatrimestre de
2010, entre las respuestas ms destacadas figuran:
20

Uso de intervalos de confianza como medio para el control de calidad en la empresa

para comparar los resultados con los registros ya establecidos.
Cabe aclarar que en la prctica cotidiana, tratando el tema concerniente a la estimacin de
parmetros estadsticos mediante intervalos de confianza, se reiteran errores frecuentes en la
interpretacin, como la confusin entre la estimacin puntual de parmetros y la estimacin
mediante intervalos de confianza; errores en la interpretacin de los mismos y trabas en la
conceptualizacin del tema.

Definicin y clasificacin de variables adecuadas y su tabulacin para el estudio

estadstico acerca de la cada de reservaciones realizadas para abordar un avin luego
de haber sido reservado el pasaje.
Confeccin de encuestas con la intencin de obtener informacin en el rea de
educacin estudiando opciones alternativas a preguntas abiertas para disminuir la
dificultad de recolectar, clasificar o utilizar los datos para obtener conclusiones.
Resumen y presentacin de informacin recopilada mediante cuestionarios sobre la
utilidad de un producto a lanzar en el mercado mediante un muestreo aleatorio.
Utilizacin de nmeros ndices, estudio del poder adquisitivo mediante el ndice de
precios al consumidor.
Confeccin de tablas y grficos adecuados para mejorar la manera de presentar
informacin ya procesada.
Estudio de series temporales y deteccin de patrones de comportamiento de variables
de diversa ndole, incluidos los juegos de azar de realizacin peridica o semanal.
De la indagacin realizada se obtuvo que en el mbito laboral se analiza informacin, se
trabaja con intervalos de confianza, nmeros ndices, tablas de frecuencias, series de tiempo y
tablas conjuntas; en general los alumnos manifestaron realizar estas actividades slo desde la
operacin y en muchos casos sin comprender el porqu. El relacionar, en el aula, los
conceptos y las herramientas estadsticas utilizadas en el trabajo con los tpicos de la materia
permiti a los alumnos, apreciar su utilidad y la aplicacin de los contenidos estudiados en
una situacin concreta facilitando de esta forma su comprensin capitalizando as los aportes
realizados por stos.

21

1.4. Conclusin
Puede decirse que durante el siglo XX la estadstica ha experimentado una nueva expansin,
un crecimiento, debido a la incorporacin del uso de ideas estadsticas en diferentes
disciplinas, como puede verse en revistas cientficas y en la creciente inclusin de
especialistas en la materia en los equipos de investigacin y de trabajo interdisciplinarios
convirtindose en una de las ciencias metodolgicas fundamentales y base del mtodo
cientfico experimental permitindole a su vez un desarrollo notable, desarrollo potenciado
por los adelantos de la informtica que le ha permitido trabajar con grandes masas de datos en
tiempo real. Sin embargo, es notoria la falta de una cultura estadstica en los ciudadanos
inclusive a niveles acadmicos como lo puntualizara C. Batanero (2001)24, la estadstica se
usa incorrectamente, no se comprenden conceptos aparentemente elementales y no hay una
valoracin suficiente del trabajo del estadstico, dentro de los equipos de investigacin.
Sealando as la existencia de una problemtica educativa que tiene su raz en que la inclusin
de la estadstica en la escuela, no es todava un hecho. Los alumnos llegan a la universidad sin
los conocimientos estadsticos elementales y es preciso comenzar el programa repitiendo los
contenidos de estadstica que debieran haberse asimilado en la escuela. As, los profesores
universitarios han de acelerar los tiempos de las explicaciones y actividades prcticas sin
llegar muchas veces a la formalizacin acabada de los temas dejando de lado algunas
demostraciones o razonamientos que podran llevar al alumno a comprender mejor la
metodologa de la estadstica. En esas condiciones, el alumno ser incapaz de aplicar en su
futura vida profesional las herramientas que le brinda esta ciencia.
Por otro lado, el avance de la informtica y la masificacin de internet ponen a los profesores
frente a un nuevo escenario, los alumnos no slo aprenden estadstica en las horas lectivas ni
en los centros de enseanza, sino que se ponen en contacto con informacin estadstica en la
prensa, medios de comunicacin, internet o en los textos de otras asignaturas. Se puede
afirmar que internet est empezando a modificar las relaciones docentesalumnos, con o sin
participacin voluntaria de los profesores. Es evidente que los profesores en los diversos
niveles educativos han de aceptar la rapidez del cambio tecnolgico y que deberan
implicarse en l, si se quiere apuntar, de algn modo, a la educacin estadstica, y adems,
crear una verdadera cultura estadstica en la sociedad.

24

Batanero, Carmen, 2001, conferencia organizada por IASE sobre la formacin de investigadores.
22

Dada la nueva situacin socio-cultural, la educacin estadstica debera centrarse en los datos
y en el razonamiento estadstico, revalorizando la comprensin e interpretacin de los
resultados estadsticos y difundiendo los conocimientos bsicos (habilidad para manejar cifras
y problemas cuantitativos; pensar en trminos de probabilidades; produccin, procesamiento y
presentacin de datos; presencia de la variabilidad en datos cuantitativos, su cuantificacin y
explicacin).
Es importante tambin destacar otras componentes de la cultura estadstica que son necesarias
para un buen desenvolvimiento de los ciudadanos, a saber: comprensin del sentido de la
informacin, reconocimiento de la naturaleza y limitaciones de la informacin estadstica,
distincin entre cifras adecuadas e inadecuadas, conocimiento de las consecuencias de la
exactitud de los resultados, utilizacin de diversos procesos de muestreo, entre otros.
La justificacin de estas necesidades se la encuentra en la sociedad actual, que se ha vuelto
cada vez ms compleja y que se halla en continuo cambio, en la misma se utiliza
cotidianamente informacin estadstica en mbitos tan diferentes como el poltico,
econmico, social, cientfico y educativo. Poder interpretarla correctamente, as como
emplear el razonamiento y los mtodos estadsticos para analizar los fenmenos y poder
tomar decisiones, es una necesidad para todos los miembros de la sociedad.
Desde un punto de vista global, es explcita la lucha contra el analfabetismo en el mundo,
donde se destaca especialmente el rol de la UNESCO, quien ha realizado estudios, a partir de
los cuales se concluye que existen carencias en lectoescritura y escasas competencias
cuantitativas, as como de conocimientos numricos bsicos. Se afirma adems, que los
conocimientos estadsticos esenciales no han tenido un protagonismo para destacar en el plan
de lucha para frenar el analfabetismo, a pesar de su evidente importancia central para la vida
cotidiana de la gente y para su insercin en el mundo laboral.
Es claro que para lograr la alfabetizacin estadstica, la enseanza es fundamental y en su
planificacin hay que tener en cuenta que ciertos conceptos estadsticos son altamente
sofisticados y que conllevan cierta dificultad en su aprendizaje; que habra que aprovechar las
nuevas tecnologa para la enseanza como recurso para agilizar el proceso, sin descuidar el
tener en cuenta los libros de texto y principalmente la formacin de profesores.
En funcin de estas consideraciones, se puso especial nfasis en la tarea realizada en esta
investigacin en la deteccin de las falencias que deben atenderse y superarse como punto de
partida para una mejor conceptualizacin de los trminos y conceptos estadsticos.

23

Del anlisis de la informacin relevada, a continuacin se resumen las consideraciones ms

notorias:
En los libros de texto escolares se observaron carencias o inconvenientes en la
presentacin de algunos conceptos estadsticos porque aparecan de manera
incompleta o confusa sin su formalizacin correspondiente.
En los libros universitarios bsicos se utilizan distintos trminos para indicar
significados iguales y expresiones idnticas para designar distintas nociones.
En las pginas de internet se han detectado imprecisiones tanto en las definiciones de
algunos conceptos como en algunas representaciones grficas.
En la informacin periodstica seleccionada se observaron algunos ejemplos de
informacin errnea o de dudosa interpretacin.
Los conceptos o trminos bsicos ms conflictivos detectados en cuanto a su
presentacin y la precisin de su significado son: variables, medidas (modo, media
aritmtica, mediana, percentiles, quintiles, entre otras), aleatoriedad, muestreo,
inferencia en general y pruebas de hiptesis en particular.
Cabe aclarar que en principio se consideraron categoras que agrupaban a los conceptos en
base tanto a la experiencia en el aula como a la cotidiana de los integrantes del equipo de
investigacin. Una de ellas se identific como usos y costumbres errados, instalados
fuertemente en el lenguaje y expresiones cotidianas como as tambin la mencin frecuente de
trminos y tcnicas, incluyendo referencias estadsticas y aplicaciones formuladas de manera
incorrecta o incompletas. Otra de las categoras iniciales fue la de trminos diferentes pero
con significados idnticos a fin de detectar y superar ambigedades o definiciones confusas.
Y por ltimo se haba pensado agrupar conceptos y trminos pasibles de ser utilizados sin
conocimiento cabal de su significado o interpretacin, cayendo en falacias de distinto tenor o
bien, con fines dudosos siguiendo intereses particulares y no como herramienta metodolgica
formal dentro de la categora manipulacin.
Con el avance de las tareas de relevamiento la tipificacin preliminar fue modelndose,
revisada y ajustada dejando de ser una divisin estricta para pasar a ser una serie de caracteres
que fueron presentndose sucesivamente, confirmando la existencia de estos usos de los
conceptos y tcnicas estadsticas, siendo que se repitieron frecuentemente. De esta manera se
justifica la previsin de tales categoras pero ha quedado superada la clasificacin de los
conceptos como pertenecientes a una u otra, echando luz sobre los temas y significados que
24

deban incluirse, clarificarse y especificar su significado e interpretacin en el registro que se

iba confeccionando.
A partir de la elaboracin de definiciones formales, aceptadas universalmente se han
compendiado una importante serie de conceptos, trminos, calificativos y tcnicas estadsticas
de uso ms frecuente dando lugar a un registro alfabtico de los mismos, que incluye trminos
que denotan conceptos como tambin mtodos operativos con la finalidad de que puedan
convertirse en insumos, tanto para la actividad educativa como laboral de cualquier usuario de
estadstica.
El registro resultante est organizado alfabticamente y en forma dinmica materializado
mediante links ad-hoc entre los conceptos vinculados por identidad de significado o por
pertenecer a una misma red conceptual.

25

1.5. Registro de trminos y conceptos estadsticos

Aleatorio: cualidad de estar sujeto al azar. Nombre equivalente: estocstico.

Amplitud intercuartlica: Rango intercuartlico.
Anlisis bivariado: anlisis estadstico que involucra el estudio de dos variables en forma
conjunta.
Anlisis de correlacin: consiste en determinar el grado o fuerza de asociacin que existe
entre variables cuantitativas.
Anlisis de regresin: consiste en elaborar un modelo matemtico para formular la relacin
entre dos o ms variables cuantitativas. El modelo puede ser lineal, cuadrtico, exponencial,
logartmico, entre otros.
Anlisis de regresin lineal bivariado: es el anlisis de regresin entre dos variables donde
el modelo matemtico que describe la relacin es lineal. Se pueden visualizar los patrones que
indican cmo estn relacionadas las variables en el diagrama de dispersin.
Anlisis Exploratorio de Datos (EDA): es un enfoque en el abordaje descriptivo de los datos
cuya filosofa hace hincapi en la preservacin del dato y de la informacin subyacente en l.
Desarrollado por varios autores desde mediados de la dcada de 1960, sus principales
lineamientos quedaron plasmados en Exploratory Data Anlisis de J. Tukey (1977). Su
aplicabilidad est altamente relacionada con las capacidades logradas por informtica que
permiti sostener una gran masa de datos y procesarlos en tiempo real, contribuyendo as al
mejoramiento de la calidad de la informacin estadstica resultante.
Arreglo de datos ordenados: es una matriz fila o columna que contiene a los datos ordenados
segn los valores numricos o categoras ordenables de una variable, en forma ascendente o
descendente.
Asimetra: la distribucin de los valores de una variable cuantitativa es asimetra cuando
presenta una menor concentracin de dichos valores en slo uno de sus extremos o colas. Una
distribucin puede presentar asimetra a izquierda o asimetra a derecha.
Asimetra a izquierda: una distribucin presenta asimetra a izquierda cuando los valores de
la variable ms alejados de la zona central se ubican a su izquierda.

26

Asimetra a derecha: una distribucin presenta asimetra a derecha cuando los valores de la
variable ms alejados de la zona central se ubican a su derecha

Atributo: cualidad o propiedad de la unidad de observacin.

Box-Plot: es una representacin grfica de una variable cuantitativa que se construye en base
a cinco elementos: el valor mnimo, el valor mximo, la mediana, el primer cuartil y el tercer
cuartil de los datos. En l quedan simbolizados los datos centrales, datos adyacentes y datos
raros (si hubiera). Nombre completo original: Box-and-whisker plots.

Censo: es el relevamiento de todas las unidades de observacin de la poblacin objetivo.

Coeficiente cclico: es un ndice cclico expresado en forma de coeficiente.
Coeficiente de correlacin (de Pearson): en el anlisis de correlacin, mide la fuerza y el
sentido de la relacin lineal entre dos variables. Su valor es un nmero real comprendido entre
1 y 1. El valor 0 indica que no hay correlacin lineal entre las variables, el valor -1 que
existe una correlacin lineal inversa perfecta y +1 una correlacin lineal directa perfecta. El
sentido (signo) es informacin que comparte con el coeficiente de regresin. Smbolos: r
(estadstico muestral) y (parmetro poblacional).
Coeficiente de desigualdad de Gini: es un indicador de la desigualdad en el reparto de un
recurso, basndose en la distribucin uniforme como modelo terico en el reparto equitativo
del recurso. Su valor es un nmero real comprendido entre 0 y 1. El valor 0 indica una
igualdad absoluta y el 1 una total desigualdad en la distribucin del recurso. Nombre
equivalente: coeficiente de concentracin. Smbolo: G.
Coeficiente de determinacin: en el anlisis de regresin, indica en qu porcentaje las
variaciones de una de las variables cuantitativas es explicada por las variaciones de la otra.
Su valor es un nmero real comprendido entre 0 a 1. Smbolos: r2 o R2.
Coeficiente de regresin: en el anlisis de regresin lneal bivariado, es la pendiente de la
recta de regresin, indica en cunto cambia en promedio la variable explicada por cada

27

unidad de cambio en la variable explicativa. Smbolos: b (estadstico muestral) y

(parmetro poblacional).
Coeficiente de variacin (de Pearson): en una variable cuantitativa, es un coeficiente
adimensional que se obtiene mediante el cociente entre el desvo estndar y la media
aritmtica. En un mismo grupo de unidades de observacin, permite comparar la dispersin
relativa entre las distribuciones de las correspondientes variables.
Coeficientes de asimetra: miden, con distintos criterios, el grado de asimetra de una
distribucin con respecto a una medida de tendencia central. Un coeficiente cero indica que la
distribucin es simtrica, un valor positivo indica que la distribucin es asimtrica a derecha
y uno negativo que la distribucin es asimtrica a izquierda.
Coeficientes de curtosis: miden, con distintos criterios, el grado de curtosis de una
distribucin frecuencias o de una distribucin de probabilidades con respecto a la
distribucin normal.
Componente cclica: en las series de tiempo, describe el comportamiento de un ciclo
peridico de una determinada longitud, si lo hubiere. En una misma serie de tiempo podran
superponerse ciclos peridicos de distintas longitudes.
Componente determinstica: de un modelo estadstico, explica matemticamente la ley que
subyace detrs del comportamiento de las variables que participan en el modelo. Se la suele
denominar modelo determinstico.
Componentes de una serie de tiempo: partes en las que se desglosa una serie de tiempo para
su anlisis. En una serie tratada en el dominio del tiempo las componentes son: tendencia,
ciclos peridicos, ciclos no peridicos y ruido estadstico.
Componente estacional: de una serie de tiempo, es la componente cclica cuya longitud
temporal es de un ao.
Componente estocstica: describe la parte aleatoria del modelo estadstico y se la identifica
con el modelo aleatorio. Nombre equivalente: modelo estocstico.
Componente irregular: de una serie de tiempo, comprende los ciclos no peridicos y el ruido
estadstico.
Covarianza: es una medida de dispersin que mide la variacin conjunta entre dos variables.
Su valor puede ser cero, positivo o negativo y est relacionado con el grado de dependencia
lineal que puede existir entre las dos variables. Smbolos: Sxy (estadstico muestral) y xy
(parmetro poblacional).

28

Cuartil: cada una de las tres marcas geomtricas que dividen al arreglo de datos ordenado en
cuatro partes iguales. El primer cuartil deja por debajo de s la cuarta parte y por encima las
tres cuartas partes del conjunto de datos. El segundo cuartil coincide con la mediana y el
tercer cuartil deja por debajo de s las tres cuartas partes de los datos y por encima la cuarta
parte restante. Smbolos: Q1, Q2 y Q3.
Curtosis o kurtosis: carcter vinculado a la forma que adopta la distribucin de datos
comparndola con la distribucin normal de igual varianza. La distribucin normal de
referencia se denomina mesocrtica; una distribucin es platicrtica si tiene un menor
porcentaje de datos que la normal en un entorno de un desvo estndar alrededor de la media
(menor concentracin por lo tanto un menor apuntamiento en la zona central); y es
leptocrtica si presenta mayor porcentaje de datos en un entorno de un desvo estndar
alrededor de la media (mayor concentracin, es decir, mayor apuntamiento en la zona
central).

Dato: es el resultado obtenido al observar un atributo en una unidad de observacin.

Dato adyacente: todo dato que se encuentra en las inmediaciones de la caja del box-plot, por
fuera de ella y a ambos lados hasta una distancia de una vez y media el rango intercuartlico.

Dato bivariado: es el resultado obtenido al observar simultneamente dos atributos en una

unidad de observacin.
Dato central: todo dato que se ubica entre el primer y tercer cuartil. El conjunto de los datos
centrales de una distribucin constituye el 50% central del total y en el box-plot se representa
grficamente mediante la caja.

29

Dato externo: todo dato raro que se localiza a un distancia cuyo valor est comprendido entre
una vez y media y tres veces el rango intercuartlico a ambos lados de la caja del box-plot.

Dato lejano: todo dato raro que se encuentra ms all de tres veces el rango intercuartlico
de la caja del box-plot.

Dato raro: todo dato que se localiza a un distancia superior a una vez y media el rango
intercuartlico, a ambos lados de la caja del box-plot. Un dato raro puede ser externo o lejano.
Trmino equivalente: dato atpico. En la voz inglesa: outlier.

Datos crudos: dato colectados en un relevamiento que no han sido organizados o procesados.
Nombre equivalente: datos en bruto.
Decil: cada una de las nueve marcas geomtricas que dividen al arreglo de datos ordenado en
diez partes iguales. Smbolos: Di con i de 1a 9.
Definicin clsica de probabilidad (de Laplace): en un experimento aleatorio, la
probabilidad de un suceso es el cociente entre el nmero de resultados favorables al suceso y
el nmero de todos los resultados posibles del experimento. La condicin de aplicabilidad de
esta probabilidad es el cumplimiento del principio de la equiprobabilidad.
Definicin frecuencial de probabilidad: la frecuencia relativa de un suceso dado observada
bajo determinadas circunstancias puede considerarse, si permanecen dichas circunstancias,
como la probabilidad de dicho suceso en un experimento aleatorio. Si un experimento
aleatorio se realiza n veces bajo las mismas condiciones y un mismo suceso ocurri r n

30

veces entonces, una estimacin de la probabilidad del suceso es r/n; la verdadera probabilidad
del suceso es el valor lmite de r/n cuando n se aproxima al infinito.
Desvo: diferencia entre el valor de un dato y una medida central de referencia de la
distribucin de datos.
Desvo estndar: mide la dispersin de los datos respecto de la media aritmtica. Su magnitud
es igual a la de la variable. Se obtiene como la raz cuadrada de la varianza. En las
distribuciones mesocrticas describe un entorno alrededor de la media que encierra
aproximadamente las dos terceras partes de todos los datos. Trminos equivalentes:
desviacin estndar, desviacin tpica. Smbolos: s (estadstico muestral) y (parmetro
poblacional).
Desvo medio (de Laplace): mide la dispersin, es el promedio de los valores absolutos de los
desvos de cada valor de la variable respecto a la media aritmtica. Nombre equivalente:
desviacin media.
Diagrama de caja y bigotes: Box-Plot
Diagrama de dispersin: grfico que permite visualizar la disposicin conjunta de datos
cuantitativos en el anlisis bivariado.

Diseo de muestra: lineamientos para realizar un muestreo. Contempla las particularidades

del fenmeno en estudio, la poblacin objetivo asociada, el tamao de la muestra y el mtodo
de muestreo adecuado.
Dispersin: en las variables cuantitativas, expresa la disposicin de los datos alrededor de una
medida central de referencia (media aritmtica, mediana o moda, segn el criterio) o entre los
dos valores extremos. La nocin de dispersin se equipara con las de variedad, diversidad y
heterogeneidad de un conjunto de datos.
Distancia intercuartlica: Rango intercuartlico
Distribucin de Bernoulli: es la distribucin de probabilidades de una variable aleatoria de
Bernoulli con parmetro P. Donde P es la probabilidad de xito y (1P) la probabilidad de
fracaso. Su esperanza es E(x) = P y su varianza es V(x) = P.(1P).
31

Distribucin binomial: es la distribucin de probabilidades de una variable aleatoria

Binomial con parmetros n y P. Su esperanza es E(x) = n . P y su varianza V(x) = n. P. ( 1P).
Su funcin de probabilidad es h (r) = P(X= r)= nCr. Pr. (1P)n-r para r perteneciente al
recorrido de la variable. Su representacin grfica es:

Distribucin de frecuencias: tabla donde se listan todos los valores o categoras de una
variable junto con sus correspondientes frecuencias.
Distribucin de frecuencias conjuntas: tabla de doble entrada donde se listan los valores de
dos variables junto con sus frecuencias conjuntas absolutas o frecuencias conjuntas relativas
o frecuencias conjuntas porcentuales. Nombre equivalente: tabla de distribucin conjunta.
Distribucin de Poisson: es la distribucin de probabilidad de una variable aleatoria de
Poisson. Su esperanza E(x) es el parmetro. = E(x) = . t y la varianza V(x) = .
Su funcin de probabilidad h(r) = P(X=r)=

r .e
r!

donde r es la cantidad de xitos en un

intervalo de medida t.
Distribucin de probabilidad de una variable aleatoria discreta: tabla donde se listan todos
los valores del recorrido de la variable aleatoria discreta junto con su funcin de
probabilidad y su funcin de distribucin acumulativa.
Distribucin exponencial: es la distribucin de probabilidad de una variable aleatoria
exponencial. Su parmetro es . Su esperanza es E ( x) =

1
1
y su varianza V ( x) = 2 .

e
f
(
x
)
=
Su funcin de densidad de probabilidad es

si x 0
si x < 0

y su representacin

grfica

32

Distribucin Hipergeomtrica: es la distribucin de probabilidad de una variable aleatoria

hipergeomtrica. Sus parmetros son la cantidad de xitos en la poblacin (R), el tamao de
la muestra (n) y el de la poblacin (N). Su esperanza es

y su varianza

.
Su funcin de probabilidad es

para todo r en el rango de la variable.

Distribucin Normal: es la distribucin de probabilidad de una variable aleatoria normal.

Sus parmetros son y 2. Su esperanza es E(x) = y su varianza V(x) = 2.
La funcin de densidad de probabilidad es

f ( x) =

1 x -

.
1
.e 2
2 .

y su representacin

grfica

Distribucin Normal estndar: es la distribucin de probabilidad de una variable aleatoria

normal de media cero = 0 y varianza uno 2 =1. La funcin de densidad de probabilidad de
la distribucin normal estndar es

f ( z) =

1
.z2
1
.e 2 y su representacin grfica
2 .

Distribucin uniforme: es la distribucin de probabilidad de una variable aleatoria uniforme

continua que asigna probabilidades iguales a intervalos de igual amplitud. Su parmetro es el
rango de la distribucin. Su esperanza es: E(x) =

a+ b
2

( b a) .
2

y su varianza V(x) =

Su funcin de densidad de probabilidad es f ( x) = b a

0

si x [a; b]
si x [a; b]

12

y su representacin

grfica

33

Equiprobabilidad: es un principio de la probabilidad que enuncia la igualdad de oportunidad

en la seleccin que debe tener cualquier elemento de una poblacin respecto de los otros
elementos.
Encuesta: instrumento diseado para recolectar informacin primaria mediante preguntas
abiertas o cerradas.
Error estadstico: es la diferencia entre un estadstico muestral y el parmetro poblacional.
Error de estimacin: es el error estadstico cuando la referencia es el estadstico conocido.
Error estndar: trmino con que se nombra al desvo estndar de la distribucin de un
estadstico alrededor del parmetro correspondiente.
Error mximo: es el mximo error estadstico que puede ocurrir al asocirsele una cierta
probabilidad.
Error mximo del muestreo: respecto del parmetro conocido, es el error mximo al
determinar un estadstico.
Error mximo de la estimacin: respecto del estadstico determinado, es el error mximo al
estimar un parmetro.
Error tipo I: es el error estadstico que se comete en una prueba de hiptesis al rechazar una
hiptesis nula si fuera verdadera.
Error tipo II: es el error estadstico que se comete en una prueba de hiptesis al no rechazar
una hiptesis nula si fuera falsa.
Espacio muestral: conjunto de todos los resultados posibles de un experimento aleatorio.
Esperanza: es el valor esperado de una variable aleatoria X, la media terica, es un
parmetro. Smbolo: E(X). Trmino equivalente: esperanza matemtica.
Esperanza de una variable aleatoria discreta X: es E(X) =

x ( x )

x.h(x) donde h(x) es la

funcin de probabilidad de X.
Esperanza de una variable aleatoria continua X: es E(X) =

x. f ( x) donde f(x) es la

funcin de densidad de probabilidad de X.

Estadstica: La funcin principal de la estadstica es elaborar principios y mtodos que nos
ayuden a tomar decisiones frente a la incertidumbre. (Chou Ya Lun, 1991).
34

Es el arte y la ciencia de extraer informacin til de datos empricos (Hampel F.R., 1986).
Ciencia encargada de recolectar, analizar, presentar e interpretar datos. (Enciclopedia
Britnica, 2010).
Estadstica descriptiva: rea de la estadstica que elabora las tcnicas y mtodos para la
descripcin de un conjunto de datos a partir de la determinacin de una serie de indicadores
que permiten caracterizarlo.
Estadstica inferencial: rea de la estadstica que, basada en la teora de la probabilidad, se
encarga de proyectar a la poblacin objetivo las caractersticas de una muestra representativa
de la misma.
Estadsticas: hechos reunidos y cuantificados sistemticamente en cualquier campo del
conocimiento.
Estadstico: cualquier medida o indicador muestral. Algunos smbolos particulares son: X
(media aritmtica muestral), s (desvo estndar muestral) y s2 (varianza muestral).
Estadstico de prueba: en una prueba de hiptesis es el estadstico muestral estandarizado
segn la distribucin utilizada para la prueba.
Estandarizacin: procedimiento mediante el cual la distribucin de una variable aleatoria se
ajusta a una distribucin tpica o estndar.
Estandarizacin normal: si X es una variable aleatoria distribuida normalmente su
estandarizacin resulta de: Z =

X x
, donde Z es una variable aleatorial con distribucin
x

normal estndar.
Estimacin de parmetros: es un procedimiento de la estadstica inferencial por medio del
cual, partiendo de estadsticos muestrales, se obtienen conclusiones acerca de los parmetros
poblacionales.
Estimacin por intervalos de confianza: es la estimacin de un parmetro mediante un
intervalo de confianza.
Estimacin puntual: es adoptar como parmetro poblacional el valor del estimador
muestral.
Estimador: estadstico utilizado en la inferencia estadstica. Un estimador ptimo es
insesgado, eficiente, consistente y suficiente. Smbolo: .

35

Estimador consistente: es el estimador que tiende al valor del parmetro al aumentar la

muestra.
Estimador eficiente: es el estimador de menor varianza dentro del conjunto de todos los
estimadores posibles.
Estimador insesgado: es el estimador cuyo valor esperado coincide con el parmetro.
Smbolo: E( ) = .
Estimador suficiente: es el estimador que transmite la mxima informacin posible de una
muestra utilizando todos sus elementos.
Estocstico: aleatorio.
Evento aleatorio: suceso aleatorio.
Experimento aleatorio: experimento donde no se puede determinar a priori cul va a ser su
resultado. Trminos equivalentes: experimento probabilstico o estocstico, fenmeno
aleatorio.
Experimento binomial: es un experimento aleatorio compuesto por repeticin de un
experimento simple de Bernoulli, donde las n repeticiones son independientes.
Experimento de Bernoulli: experimento aleatorio simple que tiene slo dos resultados
posibles (o sus valores se han dicotomizado), donde se identifica como xito a uno y fracaso
al otro.
Experimento hipergeomtrico: es un experimento aleatorio compuesto por repeticin de un
experimento simple de Bernoulli, donde las n repeticiones son dependientes.
Experimento normal: es un experimento aleatorio donde la mayor parte de sus resultados
numricos reales se concentra alrededor de un valor esperado y el resto, al alejarse de la zona
central, van disminuyendo su concentracin paulatinamente hacia ambos extremos, adoptando
adems la distribucin de todos los resultados una forma acampanada.
Experimento probabilstico: experimento aleatorio
Experimento uniforme: es un experimento aleatorio donde todos los resultados numricos
reales tienen una concentracin pareja dentro de un intervalo cerrado.
Fenmeno aleatorio: experimento aleatorio.

36

Fractil: lugar geomtrico en el arreglo de datos ordenados que lo divide en dos partes y
permite determinar el mximo de la fraccin inferior o el mnimo de la fraccin restante.
Frecuencia absoluta acumulada: cantidad de datos ordenados que se acumulan hasta un
cierto valor de la variable, incluyendo a todos los que le anteceden.
Frecuencia absoluta simple: cantidad de veces que aparece un valor de la variable en el
grupo de datos estudiado. Smbolo: f
Frecuencia conjunta absoluta: cantidad de veces con que, en un grupo de datos bivariados,
aparecen simultneamente los valores correspondientes a cada una de las dos variable
intervinientes.
Frecuencia conjunta porcentual: peso porcentual con que, en un grupo de datos bivariados,
aparecen simultneamente los valores correspondientes a cada una de las dos variable
intervinientes.
Frecuencia conjunta relativa: peso relativo con que, en un grupo de datos bivariados,
aparecen simultneamente los valores correspondientes a cada una de las dos variables
intervinientes.
Frecuencia porcentual acumulada: cantidad porcentual de datos ordenados que se acumulan
hasta un cierto valor de la variable, incluyendo a todos los que le anteceden.
Frecuencia porcentual simple: peso porcentual de un valor de la variable respecto al total.
Smbolo: f % = f r .100
Frecuencia relativa acumulada: cantidad relativa de datos ordenados que se acumulan hasta
un cierto valor de la variable, incluyendo a todos los que le anteceden.
Frecuencia relativa simple: peso relativo de un valor de la variable respecto a la cantidad
total de los datos. Smbolo: f r =

f
n

Funcin de densidad de probabilidad: es una funcin real que modela la distribucin de

probabilidad de una variable aleatoria continua. La funcin de densidad de probabilidad
siempre toma valores no negativos y el rea comprendida bajo su grfico sobre todos los
valores de x siempre es igual a 1. Esta funcin no asigna probabilidades pero s permite
calcularlas mediante su funcin de distribucin acumulativa para cualquier intervalo del
recorrido de la variable. Smbolo: f(x)
Funcin de distribucin acumulativa: para un valor real x de una variable aleatoria X,
calcula la probabilidad acumulada hasta l. Smbolo: F(x), donde: F(x)= P(X x).
37

Funcin de probabilidad: es una funcin que asigna una probabilidad a cada valor de una
variable aleatoria discreta. Smbolo: h(x)
Grfico de barras agrupadas: es un grfico bivariado adecuado para representar la
informacin de una tabla conjunta, utilizando cualquiera de las frecuencias simples.

Grfico de barras segmentadas: es un grfico bivariado adecuado para representar la

informacin de una tabla conjunta, que permite visualizar para cada valor de una de las
variables las particiones segn los valores de la otra, utilizando cualquiera de sus frecuencias
simples.

Grfico de barras separadas: grfico aplicable a una variable cualitativa para representar
cualquiera de sus frecuencias simples.

Grfico de bastones: corresponde a cualquiera de las frecuencias simples de una variable

cuantitativa bajo tratamiento discreto.

Grfico de Caja y Bigotes: Box-Plot

38

Grfico de torta: est dividido en sectores donde cada porcin representa la proporcin con
que cada valor de la variable incide en el total. Puede aplicarse a cualquier tipo de variable.
Trminos equivalentes: grfico circular o de pastel.

Grfico escalonado (o de escalones): corresponde a cualquiera de las frecuencias acumuladas

de una variable cuantitativa tratada en forma discreta.

Hiptesis alternativa: es la hiptesis estadstica que se opone a la hiptesis nula. Puede

existir ms de una hiptesis alternativa que se oponga a la misma hiptesis nula. Smbolo: HA
H1 , H2 ..Hi.
Hiptesis estadstica: supuesto, proposicin o enunciado respecto a alguna caracterstica de la
poblacin objetivo basado en la evidencia muestral.
Hiptesis nula: es la hiptesis estadstica que se somete a prueba cuando se realiza una
prueba de hiptesis. Smbolo: H0. Trmino equivalente: hiptesis principal
Histograma de Pearson: grfico de barras adyacentes que puede construirse con cualquiera
de las frecuencias simples y que se aplica a variables cuantitativas organizadas en intervalos
de clase.

Indicador estadstico: es una medida estadstica

concreto de ndole econmica, social, etc.

interpretada en un contexto particular

ndice: es la medida de intensidad que permite medir la variacin relativa de la ocurrencia de

los valores de una variable entre una situacin dada y otra de referencia o base. Las
39

situaciones pueden ser temporales, espaciales o de cualquier otra ndole. Para variables
econmicas el trmino ocurrencia se refiere tanto a la frecuencia, como a la cantidad o al
precio de un producto o un grupo de productos. Trmino equivalente: nmero ndice.
ndice compuesto: ndice referido a un grupo de valores de la variable.
ndice de agregados de precios ponderados: ndice compuesto que resulta del cociente entre
las sumas o agregaciones de precios ponderados por cantidades.
ndice de agregados no ponderados: ndice compuesto que resulta del cociente entre las
sumas o agregaciones de precios o cantidades correspondientes a dos situaciones distintas.
ndice de costos de la construccin: es un ndice compuesto general que mide la evolucin de
los costos de los materiales de la construccin. Acrnimo: ICC.
ndice de Fisher: ndice de agregados de precios ponderados que se obtiene como la media
geomtrica entre el ndice de Laspeyres y el de Paasche. En smbolos: IF. Se calcula mediante
la frmula: I F =

I L .I P

ndice deflactor: cualquier ndice general de precios (IPC, IPIM, ICC) usado para corregir el
valor monetario de una magnitud econmica, lo que permite efectuar comparaciones a lo
largo del tiempo (por ejemplo el salario).
ndice de Laspeyres: ndice de agregados de precios ponderados donde como criterio de
ponderacin se utilizan las cantidades de la situacin base. En smbolos: IL
IL =

p ji . q jo
p jo . q jo

.100

Donde: pjo: precio del item j en el periodo base o. pji : precio del item j en el periodo i

ndice de Paasche: : ndice de agregados de precios ponderados donde como criterio de

ponderacin se utilizan las cantidades de la situacin dada. En smbolos: Ip
IP =

p ji . q ji
p jo . q ji

.100

Donde: pjo: precio del item j en el periodo base o. pji : precio del item j en el periodo i

ndice de precios al consumidor: ndice compuesto que se usa para analizar la evolucin del
costo de vida a partir de los precios de una canasta de productos y servicios. Acrnimo: IPC.
ndice de precios industriales mayoristas: ndice compuesto que mide la evolucin de los
precios de los productos industriales de origen nacional e importado excepto los de la
construccin. En realidad es un sistema de varios ndices. Acrnimos: IPIM, SIPIM
ndices cclicos: conjunto de ndices con los que se describe una determinada componente
cclica de una serie de tiempo. Si la serie tuviera ms de una componente cclica, para cada
una de ellas habra un conjunto de ndice cclicos.
40

ndice simple: ndices referido a un solo valor de la variable.

Inferencia estadstica: procedimiento por medio del cual se proyectan hacia la poblacin
objetivo los resultados de una muestra representativa.
Informacin estadstica: toda informacin basada en datos empricos recolectados y/o
tratados con metodologa estadstica. Comprende tanto la informacin muestral como la
informacin poblacin.
Instituto Nacional de Estadstica y Censos: organismo coordinador del Sistema Estadstico
Nacional. Acrnimo: INDEC.
Instrumentos de medicin: herramientas para la recoleccin de los datos como ser: encuestas,
archivos, fichas, entrevistas, informacin brindada por organismos oficiales, aparatos de
medicin, etc. Se utilizan tanto en censos como en trabajo sobre muestras.
Intervalo de confianza: intervalo real en el recorrido de la variable que contiene el valor del
parmetro con un cierto nivel de confianza.
Intervalos de clase: secciones en que puede dividirse el recorrido de una variable
cuantitativa al agrupar los datos.
Ley de los grandes nmeros: es un conjunto de leyes estadsticas que expresan la
convergencia de estadsticos muestrales o sus distribuciones de probabilidad cuando crece el
nmero de observaciones (n ).
Marca de clase: es un punto, usualmente el punto medio, elegido como representante del
intervalo de clase.
Matriz de datos: es un arreglo bidimensional que incluye conjuntamente los atributos
relevados y las unidades observadas, y donde cada fila representa una unidad de observacin
y cada columna un atributo variable, o a la inversa.
Media aritmtica: en variables cuantitativas es la medida de posicin que representa el punto
de equilibrio o centro de masas del conjunto de datos. Se la determina mediante clculo en el
dominio de los nmeros reales dividiendo la suma de todos los valores de los datos
observados, por la cantidad total de datos. Sinnimos: promedio, media (a secas). Smbolos:
x (media aritmtica muestral) y (media aritmtica poblacional).
Media de ndices simples (de precios o cantidades): es un ndice compuesto y resulta de
promediar los ndices simples correspondientes a cada valor de la variable. Nombres
equivalentes: promedio de relativos simples o media de relativos simples.
41

Media de relativos simples: media de ndices simples

Media geomtrica: es la n-sima raz del producto de los valores correspondientes a n datos
numricos.
Mediana: como medida de posicin es el lugar geomtrico del arreglo de datos ordenados,
que lo divide en dos partes iguales. Smbolo: Me
Medida estadstica: toda medida que permite caracterizar un conjunto de datos en estudio.
Medidas de dispersin: medidas estadsticas que miden, bajo distintos criterios, el grado de
dispersin. Algunas medidas de dispersin son: rango, rango intercuartlico, desvo estndar,
desvo medio, varianza y covarianza. Trmino equivalente: medidas de variabilidad.
Medidas de forma: son medidas que permiten caracterizar, con distintos criterios, la forma
asumida por una distribucin de datos, como el Coeficiente de asimetra y el Coeficiente de
curtosis.
Medidas de intensidad: medidas estadsticas que miden de varias maneras la relacin entre
los distintos valores de una variable o de un mismo valor de la misma pero en diferentes
situaciones (espaciales o temporales). Son de este tipo de medidas los nmeros ndices, las
razones y las proporciones. Nombre equivalente: tasas.
Medidas de posicin: medidas estadsticas que determinan, con distintos criterios,
ubicaciones unvocas en el conjunto de datos. Son ejemplos de ellas: media aritmtica, moda,
mediana, fractiles, percentiles, deciles y cuartiles.
Medidas de tendencia central: permiten identificar la zona de centralidad en una distribucin
de datos. Ellas son la media, la moda y la mediana. En el caso de una variable cuantitativa su
distribucin se considera simtrica cuando esas tres medidas coinciden.
Medidas de variabilidad: Medidas de dispersin.
Metodologa estadstica: conjunto de principios y reglas de procedimientos propios de la
estadstica, que ataen a la recoleccin de datos, su organizacin, la extraccin de
informacin til y su empleo en la inferencia.
Mtodos de muestreo: los mtodos pueden ser probabilstico o no probabilsticos. En los
mtodos de muestreo probabilstico se hace intervenir el azar en la seleccin de cada una de
las unidades de observacin integrantes de la muestra cosa que no ocurre en los no
probabilsticos.

42

Moda: es el valor o categora de la variable que ocurre con mayor frecuencia. En un conjunto
de datos puede no haber moda o puede haber una o ms. Si hay moda, es el valor o valores de
la variable que predomina/n o prevalece/n respecto de los dems. Sinnimo: modo. Smbolo:
Mo.
Modelo aleatorio: componente estocstica.
Modelo determinstico: componente determinstica.
Modelo estadstico: en un fenmeno susceptible de ser estudiado estadsticamente, es un
modelo que contiene una componente determinstica y una componente estocstica.
Modelos matemticos de una serie cronolgica: analizada en el dominio del tiempo,
describen cmo se vinculan las componentes de la serie. Dependiendo de las caractersticas
del fenmeno en estudio, el modelo matemtico puede ser multiplicativo o aditivo segn si
interactan o no entre s las componentes.
Muestra: es un subconjunto de la poblacin objetivo.
Muestra representativa: es una muestra recolectada aplicando un mtodo de muestreo
probabilstico adecuado lo que garantizara que la muestra pueda reflejar las caractersticas
de la poblacin objetivo.
Muestreo: es el proceso conducente a la obtencin de una muestra.
Muestreo al azar simple: muestreo probabilstico mediante el cual se seleccionan las
unidades de observacin directamente desde la poblacin.
Muestreo estratificado: muestreo probabilstico que se aplica a poblaciones que dada la
informacin que se tiene de ellas se pueden dividir en grupos o clases denominadas estratos,
en cada estrato se selecciona una submuestra y la agregacin de todas ellas conforman la
muestra definitiva. La seleccin de los elementos de cada submuestra puede ser proporcional
o no al tamao del estrato.
Muestreo por conglomerados: muestreo probabilstico que se aplica en poblaciones que se
subdividen en partes denominadas conglomerados donde cada uno refleja a la poblacin. La
muestra se conforma por la eleccin al azar de unidades de observacin de cada
conglomerado que fue seleccionado aleatoriamente.
Muestreo probabilstico: muestreo basado en el principio de la equiprobabilidad al momento
de la eleccin de cada una de las unidades de observacin que integrarn la muestra
representativa de la poblacin. Algunos de los mtodos de muestreo probabilstico son:

43

muestreo al azar simple, muestreo sistemtico o secuencial, muestreo estratificado y

muestreo por conglomerados.
Muestreo sistemtico o secuencial: muestreo probabilstico que se aplica a poblaciones
resultantes de fenmenos que se desarrollan con un ciento orden temporal o espacial, sobre el
que se fija una secuencia para la seleccin de las unidades de observacin. Tanto la longitud
de la secuencia como el inicio de la misma se determinan aleatoriamente.
Nivel de confianza: es la probabilidad asociada al error mximo de la estimacin. Smbolo:
1- .
Nivel de significacin: de una prueba de hiptesis, es la probabilidad asociada a la regin
crtica y en consecuencia la probabilidad de cometer un error de tipo I. Smbolo: .
Nmero ndice: ndice.
Ojiva de Galton: es la representacin grfica acumulada de una variable cuantitativa, con
tratamiento continuo de las frecuencias acumuladas absolutas o relativas o porcentuales.
Trmino equivalente: Polgono de frecuencias acumulativas.

Outlier: dato raro.

Parmetro: indicador poblacional. Smbolo genrico: . Algunos smbolos particulares son:
(media aritmtica poblacional), (desvo estndar poblacional) y 2 (varianza
poblacional).
Percentil k: es la marca geomtrica en el arreglo de datos ordenado, que deja por debajo de
l, el k% de los datos. El percentil es el fractil expresado en porcentaje. Smbolo: Pk.
Pirmide poblacional: es un grfico bivariado que involucra a las variables sexo y edad de
una poblacin.

44

Poblacin objetivo: totalidad de individuos o elementos a estudiar; o todas las

manifestaciones producto de un fenmeno susceptible de ser estudiado estadsticamente.
Trmino equivalente: universo.
Polgono de frecuencias: es el grfico determinado por los segmentos que unen las marcas de
clase de los intervalos correspondientes a la organizacin de la distribucin en intervalos de
clase, considerado agregndole las marcas de clase del intervalo previo al primero y del
siguiente al ltimo con frecuencia cero, por no pertenecer al rango de valores de la variable.
El rea que encierra el polgono de frecuencias es igual al rea del histograma del mismo
agrupamiento.

Prediccin estadstica: es el resultado de aplicar mtodos de interpolacin/extrapolacin a las

componentes de un modelo estadstico.
Probabilidad: es la medida de la ocurrencia de un suceso aleatorio. Es un nmero real
comprendido entre 0 y 1 (incluidos ambos). Se expresa como: P(A) e indica la probabilidad
del suceso A
Probabilidad compuesta: probabilidad conjunta.
Probabilidad condicional: es la probabilidad de ocurrencia de un suceso aleatorio
condicionada por la ocurrencia de otro u otros sucesos. Se expresa: P(A/B) e indica la
probabilidad del suceso A si el suceso B ocurriera.
Probabilidad conjunta: es la probabilidad de que dos o ms suceso aleatorio ocurran
simultneamente. En smbolos: P(A y B) o tambin P(AB). Nombre equivalente:
probabilidad compuesta.
Probabilidades marginales: son las probabilidades totales en una tabla de contingencias.
Probabilidad total: es la probabilidad del suceso resultante de la unin de dos o ms suceso
aleatorio.
Proceso de Poisson: es un experimento aleatorio de naturaleza binomial, donde los xitos
ocurren a lo largo del continuo y el fracaso es la no ocurrencia de xito. Est caracterizado por
el nmero , que es la intensidad media de ocurrencias de xito por unidad de continuo.
Nombre equivalente: proceso poissoniano.

45

Promedio: este concepto es equivalente al de media aritmtica, aunque en algunos casos su

uso involucra a todas las medidas de tendencia central en forma indistinta.
Promedio de relativos simples: media de ndices simples.
Pronstico estadstico: prediccin realizada en base a una serie de tiempo.
Proporcin: medida de intensidad que representa el peso que tiene en el conjunto de datos, un
valor o un grupo de valores de una o ms variables. Es decir que indica cunto incide ese
valor o grupo de valores en el total. Se expresa como un coeficiente y se suele interpretar
como un porcentaje.
Prueba de hiptesis: procedimiento de la inferencia estadstica mediante el cual se pone a
prueba una hiptesis de trabajo denominada hiptesis nula frente a una hiptesis alternativa.
La prueba de hiptesis se basa en la evidencia muestral y se fundamenta en la teora de la
probabilidad. Una prueba de hiptesis concluye con la decisin de rechazar o no rechazar la
hiptesis nula con determinado nivel de significacin. Nombres equivalentes: test de hiptesis
o docimasia estadstica.
Prueba de hiptesis paramtrica: prueba de hiptesis que somete a prueba un valor supuesto
del parmetro poblacional cuyo verdadero valor es en realidad desconocido utilizando un
estimador muestral de distribucin conocida.
p-valor: es el rea de probabilidad determinada por el estadstico de prueba y ubicada hacia
su derecha o hacia su izquierda dependiendo de la ubicacin de la regin crtica de la prueba
de hiptesis. En la voz inglesa: p-value.
p-value: p-valor
Quintil: cada una de las cuatro marcas geomtricas que dividen al arreglo de datos ordenado
en cinco partes iguales. Trmino equivalente: quintilo.
Rango: es una medida de dispersin que mide la amplitud o extensin total del recorrido de
una variable cuantitativa. Al tener en cuenta slo los valores mximo y mnimo de la variable
no es un estimador suficiente. Nombre equivalente: amplitud de la distribucin. En smbolo:
Rg=Xmx-Xmn
Rango intercuartlico: es una medida de dispersin que mide la amplitud de la fraccin del
recorrido de una variable cuantitativa que se extiende entre el primero y tercer cuartil. En
smbolos: d=Q3Q1. Nombres equivalentes: amplitud intercuartlica o distancia intercuartlica.

46

Razn: medida de intensidad que representa el peso que tiene sobre un determinado valor o
grupo de valores otro valor o grupo de valores de una o ms variables. Es decir que indica
cunto incide un valor o grupo de valores de una variable sobre otro.
Razonamiento estadstico: es el razonamiento que permite al individuo reconocer la
necesidad de los datos, lograr comprender un fenmeno real a travs de su modelizacin
mediante tablas, grficos, indicadores, etc. y poder explicar a otros los significados extrados
del modelo; diferenciando los datos propiamente dichos del modelo de los mismos. Adems
le permite percibir y comprender la variacin que hay y se transmite en los datos, as como la
incertidumbre originada por la variacin no explicada. La estadstica permite hacer
predicciones, buscar explicaciones y causas de la variacin y aprender del contexto.
Recorrido de una variable: conjunto de valores que asume una variable cuantitativa.
Recta de tendencia: es un modelo matemtico que permite describir la tendencia de una serie
de tiempo.
Relativo simple: ndice simple.
Regin crtica: en una prueba de hiptesis es la regin del recorrido del estadstico muestral
asociada con la hiptesis alternativa. Se la suele denominar tambin zona de rechazo de la
hiptesis nula.
Serie cronolgica: serie de tiempo
Serie de tiempo: es el conjunto de los datos bivariados de una variable estadstica registrados
secuencialmente en el tiempo. Nombre equivalente: serie cronolgica.
Sistema Estadstico Nacional Argentino: organismo interprovincial coordinado por el INDEC
e integrado por todos los organismos oficiales productores de estadsticas del pas. Su
funcionamiento est regulado por ley (N 17.622/68) y se estructura sobre la base de la
descentralizacin. Acrnimo: SEN.
Suceso aleatorio: cualquier subconjunto de un espacio muestral. Trmino equivalente: evento
aleatorio.
Suceso cierto: suceso aleatorio del que se tiene certeza de que va a ocurrir. Coincide con el
espacio muestral.
Suceso elemental: suceso aleatorio unitario de un espacio muestral.
Suceso imposible: suceso aleatorio del que se tiene certeza de que no va a ocurrir.

47

Sucesos excluyentes: sucesos aleatorios que no pueden ocurrir simultneamente. Nombre

equivalente: sucesos mutuamente excluyentes.
Sucesos independientes: dos sucesos aleatorios son independientes cuando ocurrencia de uno
de ellos no incide en la ocurrencia del otro.
Sucesos mutuamente excluyentes: sucesos excluyentes.
Tabla de contingencias: es una distribucin de frecuencias conjuntas relativas que en virtud
de la definicin frecuencial de probabilidad puede aplicarse a un determinado experimento
aleatorio.
Tabla de distribucin conjunta: distribucin de frecuencias conjuntas.
Tasa: medida de intensidad
Tcnica de muestreo: mtodo de muestreo.
Tendencia: es la componente que modela el comportamiento de la serie de tiempo a largo
plazo. Nombre equivalente: tendencia secular.
Teorema Central del Lmite (TCL): formaliza el comportamiento asintticamente normal,
bajo determinadas condiciones, de la distribucin de la suma de un gran nmero de variables
aleatorias, en particular el de las variables aleatorias media muestral y proporcin muestral.
Test de hiptesis: prueba de hiptesis.
Unidad de anlisis estadstica: conjunto de unidades de observacin agrupadas bajo un
determinado criterio. En muchos casos se la utiliza como nombre equivalente al de unidad de
observacin.
Unidad de observacin: cada individuo o elemento de la poblacin objetivo.
Valor atpico: dato raro
Valor esperado de una variable aleatoria: esperanza
Valor p: p-valor
Variable: variable estadstica

48

Variable aleatoria: asigna valores numricos reales a los sucesos definidos en el espacio
muestral asociado a un experimento aleatorio. Es decir que es una funcin del espacio
muestral sobre el espacio de los nmeros reales. Nombre equivalente: variable estocstica.
Variable aleatoria continua: variable aleatoria cuyo recorrido es un intervalo de nmeros
reales.
Variable aleatoria discreta: variable aleatoria cuyo recorrido es un subconjunto de los
nmeros enteros.
Variable Bernoulli: en el experimento de Bernoulli, es la variable aleatoria discreta que
asigna 0 al fracaso y 1 al xito. Su recorrido (x) = {0; 1}.
Variable Binomial: es una variable aleatoria discreta que cuenta la cantidad de xitos en n
repeticiones independientes de un experimento de Bernoulli. Su recorrido es el intervalo
entero [0, n].
Variable cualitativa o categrica: variable estadstica que adopta valores no numricos que
usualmente se denominan categoras.
Variable cualitativa no ordenable: variable cualitativa cuyos valores no son intrnsecamente
pasibles de ordenarse.
Variable cualitativa ordenable: variable cualitativa cuyos valores son intrnsecamente
pasibles de ser ordenados
Variable cuantitativa: variable estadstica que adopta valores numricos.
Variable cuantitativa continua: variable cuantitativa cuyos valores son nmeros reales que
provienen de algn mecanismo de medicin.
Variable cuantitativa discreta: variable cuantitativa cuyos valores provienen de un
mecanismo de conteo; en consecuencia asume un nmero finito o infinito numerable de
valores.
Variable dependiente: variable cuyos valores dependen de los valores de otra variable.
Variable de Poisson: en un proceso de Poisson, es la variable aleatoria discreta que cuenta la
cantidad de xitos en un intervalo continuo de medida t. Su recorrido es el conjunto de los
nmeros naturales y el cero.
Variable dicotmica: variable estadstica que por su propia naturaleza adopta slo dos
valores o categoras.
49

Variable estadstica: se construye a partir de uno o varios atributos variables observados en

las unidades de observacin.
Variable exponencial: es la variable aleatoria continua, que a partir del ltimo xito ocurrido
dentro de un proceso de Poisson, mide el intervalo continuo que transcurrira hasta el
siguiente xito. Su recorrido es el conjunto de los nmeros reales mayores o iguales a cero.
Variable hipergeomtrica: es una variable aleatoria discreta que cuenta el nmero de xitos
obtenidos en n repeticiones dependientes de un experimento de Bernoulli. En particular es
adecuada para el muestreo sin reposicin en poblaciones pequeas. Su recorrido es el
intervalo entero [0; n].
Variable independiente: variable cuyos valores no dependen de los valores de otra variable.
Variable normal: es la variable aleatoria continua que surge de un experimento normal y
cuyo recorrido es el conjunto de los nmeros reales.
Variable uniforme: es la variable aleatoria continua asociada a un experimento uniforme y
cuyo recorrido es un intervalo cerrado en el conjunto de los nmeros reales.
Varianza (de Gauss): es una medida de dispersin que se determinada como la m edia
ar itm tica de los cuadrados de los desvos. Su magnitud es el cuadrado de la magnitud de
la variable. Nombres equivalentes: desviacin cuadrtica media o variancia. Smbolos: s2
(estadstico muestral) y 2 (parmetro poblacional).

50

Bibliografa
- Ardila A., El lenguaje Matemtico y el Usual, como Mediador de la Comunicacin. Acta
Latinoamericana de Matemtica Educativa, Vol 15, Universidad de Panam. (1991), 11611171.
- Argibay, Juan Carlos. Subjetividad y procesos cognitivos. Subj. procesos cogn. Vol.13
no.1 Ciudad Autnoma de Buenos Aires. ARTCULOS ORIGINALES. Muestra en
investigacin cuantitativa. The sample in quantitative research. Versin ISSN 1852-7310.
(ene./jun. 2009)
- Batanero, Carmen. Los retos de la cultura estadstica. Congreso de Estadstica. Caseros,
Argentina, (2003).
- Batanero, Carmen. Didctica de la Estadstica. GEEUG (Grupo de Educacin Estadstica
Universitaria de Granada). Publica: Grupo de Investigacin Estadstica, Departamento de
Didctica de la Matemtica, Universidad de Granada. Granada. (2001).
- Batanero, Carmen. Conferencia organizada por IASE sobre la formacin de investigadores.
(2001)
- Bressan, Ana y Bressan, Oscar. Probabilidad y estadstica: como trabajar con nios y
jvenes. Ed. Novedades Educativas. Argentina. (2008).
- Chou. Ya-Lun. Anlisis Estadstico. Ed. McGaw-Hill. Segunda Edicin. (1992)
- Diccionario de Estadstica Prctica. Universidad Intermericana de Panama. Lic. Admin de
Recursos Humanos. (2007)
- Ferreiro, Osvaldo y Fernndez de la Reguera, Pedro. La estadstica, una ciencia de la
controversia. Artculo publicado en la Revista Universitaria N 25 del Instituto de
Matemticas y Fsica .Universidad de Talca. Chile. (1988)
- Guzmn, Miguel de. Enfoque heurstico de la enseanza de la matemtica, Aspectos
didcticos de matemticas. Publicaciones del Instituto de Ciencias de la Educacin de la
Univ. de Zaragoza. (1985)
- Guzmn, Miguel de. Para pensar mejor. Ed. Labor, Barcelona. (1991)
- Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. Ed.
LIMUSINA, S.A. Mxico, Quinta reimpresin, 1981.
- Meyer, Paul.
Probabilidad y aplicaciones estadsticas. Ed. Addison-WesleyIberoamericana. Edicin revisada USA. (1992)
- MODULO 1. ESTADISTICA DESCRIPTIVA. Glosario. SEQC. (2009)
- Moroney. M. S. Hechos y estadstica. Ed. EUDEBA. (1979).
-Juan Ignacio Piovani, Juan Ignacio. XXV Congreso ALAS. Universidade Federal do Rio Grande do Sul. Porto
Alegre. La estadstica y el sentido comn de los socilogos. Universit degli studi di Bologna,
Representacin en Argentina. Universidad Nacional de La Plata. (22-26 de agosto de 2005).

- Pozo, Jos I. Comprender y transformar la enseanza. Ed. Morata. Madrid. (1993)

- Santal Luis A.; Glvez, Grecia; Charnay, Roland; Brousseau, Guy; Lerner, Delia y
Sadosky, Patricia. Parra, Cecilia y Saiz, Irma (compiladoras). Didctica de matemticas.
Aportes y reflexiones. Ed. Paids Educador. Argentina. 5ta reimpresin, (1997).
- Santal,L.A., La educacin matemtica, hoy. Ed. Teide, Barcelona. (1975)

51

- Sierra Bravo, R. Tcnicas de Investigacin Social. Teora y Ejercicios. Decimosegunda

Edicin. Ed. Paraninfo. (1998)
- SIEL (Sistema de Informacin Estadstica Local), cuadernos. Serie 1. Materiales institucionales,
conceptuales y metodolgicos Cultura Estadstica y Gestin Local Instituto Nacional de Estadstica y
Censos. Direccin Nacional de Planificacin y Coordinacin Estadstica. (Julio 2007).

- Toranzos, Fausto I. Teora Estadstica y Aplicaciones. Ediciones Macchi. Reimpresin.

(1997)
- Tukey, J. Exploratotory data analysis. Ed. Addison Wesley. (1977)
- Valdes, Fernando. Comprensin y Uso de la Estadstica. Universidad Rmulo Gallegos
(Robert Ponterio Project Direct and HTML). SUNY Cortland Dept. Glosario. (1998).
Libros de texto escolares
- De Simone, Turner., Funciones y estadstica Ed. A-Z
- Estrada de 6 grado. Ed. Estrada. 2006.
- Latorre, L.; Spivak, L. ; Kaczor, P. y de Elizondo, M.C., Manual de 9 ao. Ed. Santillana.
- Manual de 1 ao. Ed. Kapelusz. 2006
- Manual de 7 grado. Ed. Puerto de Palos 2005.
- Manuales de 8 y 9 ao. Ed. Santillana, Ed. Nuevas Propuestas. Ed. Tinta Fresca. Ed.
Puerto de Palos.
- Matemtica de 7 grado (1 E.S.B.). Ed. Puerto de Palos. 2005
- Textos 8 y 9 ((2 y 3 E.S.B.): Matemtica I, Ed. Santillana, 1995. Matemtica 8, Ed.
Nuevas Propuestas. Matemtica 8, Ed. Tinta Fresca, 2005. Matemtica 9, Ed. Puerto de
Palos, 2001
- Semino, S. ; Englebert, S. Y Pedemonti, S., Manual de 9 ao. Ed A-Z.
- Seveso de Larotonda, J. ; Wykowski, Ana R. y Ferrarini, G., Manual de 9 ao. Ed.
Kapelusz.
Material digitalizado
http://www.bioestadistica.uma.es/libro/node2.htm
http://www.hojamat.es/estadistica/diccio/diccestad.htm.
http://www.ucm.es/info/nomadas/.
http://maristascoruna.wikispaces.com/file/view/Apuntes+Estadistica+P4.pdf
http://web.cortland.edu/flteach/stats/
http://maristascoruna.wikispaces.com/file/view/Apuntes+Estadistica+P4.pdf
http://www.so.ucr.ac.cr/Enlaces/Estadistica/problemas/Diccionario.html
http://www.vitutor.com/estadistica/descriptiva/a_2.html
http://es.wikipedia.org/wiki/Medidas_de_posici%C3%B3n_no_central
http:/www.ugr.es/local/batanero/sergroup.htm
http://web.udl.es/usuaris/z4084849/docs/uno45.pdf
http://dialnet.unirioja.es/servlet/articulo?codigo=2697036
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S185273102009000100001&lng=es&nrm=iso

52

Anexo
Instrumentos para recabar informacin de potenciales usuarios de herramientas estadsticas
Gua para la entrevista de alumnos de distintas carreras de la UNLaM
Edad:
Sexo:
Carrera que cursa:
Trabaja actualmente o trabaj? Si
No
Indicar lugar/es
Actividad que desempea o desempe:

Si en su trabajo, ha utilizado o utiliza herramientas estadsticas, completar el siguiente cuadro.

Herramientas

Indicar de qu tipo

Detallar resultados obtenidos

Clculos
Grficos
Tablas
Otras (detallar)
En caso de haber tenido dificultades en la utilizacin de las herramientas anteriores, indicar cules y de qu tipo.

Formulario gua para entrevista de usuarios comunes de herramientas estadsticas

Datos personales
Edad:
Sexo:
Nivel mximo de instruccin alcanzado:
En las siguientes opciones marcar con una X segn corresponda:
Capacitacin que posee:
Est estudiando alguna carrera de grado o de posgrado?
Si
No
En caso afirmativo la carrera que sigue es:
Indique el nivel de la misma:
secundario
terciario
universitario
Est realizando en la actualidad algn curso de perfeccionamiento?
Si
No
En caso afirmativo indicar cul o cules:
Realiz algn curso de estadstica como estudiante o como especializacin laboral?
No
Si En qu condicin?
Indicar cul:.
Situacin laboral:
Rubro de la fbrica, empresa o entidad donde desempea su labor:
Antigedad en el trabajo:
Puesto que ocupa o tareas que desempea
Herramientas o clculos estadsticos que necesita o maneja:
Emplea algn concepto o herramienta estadstica para realizar sus tareas?
Estadstica descriptiva:
No
S Seale cul/es de los siguientes conceptos maneja?
Tablas cmo?
Grficos cules?
Medidas cules?
en qu contexto las emplea?
cmo las utiliza?
Inferencia Estadstica:
Estimacin de parmetros, de qu parmetros?
Pruebas de Hiptesis, de qu tipo?
cules.
Anlisis de regresin correlacin, en qu situacin/es?
53

2- Produccin cientfico tecnolgica

Trabajo sobre enseanza de la estadstica en la universidad.
Presentado y aprobado por el Congreso Internacional de Pedagoga Universitaria (CIPU).
Organizado por la UBA.
Fecha de presentacin de la ponencia: 8 de setiembre de 2009.
Publicado en el Libro de Resmenes. Primer Congreso Internacional de Pedagoga
Universitaria. Editorial Eudeba. Septiembre 2009. Buenos Aires, Argentina. ISBN 978-95023-1682-6.
Autores: Graciela Fernndez, Laura Polola y Mara Eugenia ngel.

54

3- Proyecto de Investigacin
CODIGO....55B/142...................
1. PROYECTO DE INVESTIGACION
Titulo del proyecto: .......................................
....................................................................................................................................................................
REGISTRO DE CONCEPTOS ESTADSTICOS
...................................................................................................................................................................
COMO RECURSO PARA UNA ALFABETIZACIN ESTADSTICA

Unidad Ejecutoria: ....

Univ. Nac. de La Matanza
Departamento: ...
Ciencias Econmicas
Carrera, Ctedra, etc,:.................................................................................................................
Estadstica
Grupo de investigacin: .............................................................................................................
Direccin: Florencio Varela 1903 San Justo. Cod. Postal: 1754. Tel.: ..........
4480-8954
Investigadores Miembros del Equipo :
Graciela Fernndez
Nombre y apellido : .................................................................................................................
Laura Polola
Nombre y apellido : .................................................................................................................
Enrique Borgna
Nombre y apellido : .................................................................................................................
Liliana Pagano
Nombre y apellido : .................................................................................................................
Silvia Brunetti
Nombre y apellido : .................................................................................................................
Miriam Ecalle
Nombre y apellido : .................................................................................................................
Director y Subdirector :
Mara Eugenia ngel
Nombre y apellido : .................................................................................................................
Profesora
de Matemtica
511
Titulo:.......................................................................................Legajo
UNLM : .....................
Profesor Titular
Exclusiva
Categora Docente: ..................................................................Dedicacin
: ...........................
Direccin Particular : ...............................................................Tel.
:.......................................
Av. Rivadavia 13230 Ramos Meja
4658 - 2286

RESUMEN : Mediante un trabajo de buceo exploratorio se recopilar informacin estadstica,

procesada o no, de medios de difusin y comunicacin informes periodsticos, libros, publicaciones
en general, Internet, su empleo a travs de herramientas informticas- para detectar usos y
aplicaciones de trminos y conceptos estadsticos segn el contexto, como tambin se relevarn
diferencias y similitudes de significado para mismas expresiones del lenguaje empleado a fin de
identificar necesidades y potenciales destinatarios de los resultados de la presente investigacin . A
partir de stos se elaborar un estudio intensivo de comparacin y contrastacin para reordenarlos,
resignificarlos, clarificarlos y establecer relaciones entre ellos y con su raz terica formal tomando
como referente textos y desarrollos universitarios institucionalizados ya que el lenguaje aplicado a
trabajos y desarrollos formales o cientficos requiere formas estandarizadas tanto a nivel acadmico
como laboral. Desde esta tarea de compilacin de datos y su anlisis minucioso se realizar un primer
registro de trminos y conceptos universalmente utilizados en Estadstica para su mejor y ms
acabado uso y comprensin y para la mejor interpretacin de la informacin estadstica tanto desde lo
comunicacional como desde lo instrumental para su empleo en diversos mbitos de estudio y tambin
de trabajo, no necesariamente acadmico o educacional.

55

PLAN DE INVESTIGACION
Reflexiones que motivaron la investigacin
A partir de la investigacin y de la prctica educativa, desde siempre y naturalmente ha existido el
inters por conocer cmo aprendemos los seres humanos para poder enriquecer la experiencia de
ensear y aprender. Dada la creciente influencia de las nuevas tecnologas en el tratamiento estadstico
de la informacin es preciso contar con un referente conceptual que permita su buen uso y aplicacin y
que establezca un puente entre la teora formal y la prctica responsable. En estos trminos aparece la
nocin de alfabetizacin estadstica asociada a determinar qu conocimientos, valores y habilidades
necesita desarrollar el ciudadano de hoy para desempearse con solvencia en las sociedades actuales
donde los medios de comunicacin y las nuevas tecnologas actan como herramientas en la
construccin social de la cultura.
El uso de la tecnologa expandi an ms la utilizacin de la estadstica como herramienta cotidiana de
trabajo. La divulgacin de sistemas y programas informticos en diversos mbitos como los
educacionales y laborales y la escasa o nula formacin estadstica de muchos usuarios plantean la
necesidad de que el hombre comn adquiera suficiente formacin estadstica. Concretamente, de esta
manera se estara apuntando a una reestructuracin, una renovacin de los trminos y conceptos
estadsticos que tomara en cuenta a los interesados sin dejar de lado la funcin comunicativa del
lenguaje.
Como cada rutina utilizada por los sujetos est llena de ecos y reflejos de otros usos y costumbres, la
propuesta de este trabajo es la de remediar, en parte, el desconocimiento que se tiene de algunos
trminos y conceptos estadsticos de uso ms frecuente. Se tratar de establecer cules son los ms
utilizados y cules son los vicios ms comunes de encontrar en pos de enfatizar su manera ms
adecuada y llamar la atencin sobre su mal empleo, si lo hubiere. Para tal fin se prev confeccionar un
manual estadstico para el usuario donde se asienten los trminos y conceptos analizados con sus
significados cientficos -particularmente el acadmico- y sus aplicaciones, sealando las formas
incorrectas ms comunes. Esta sistematizacin y transmisin sera un elemento clave para organizar y
modular la actividad formativa que se persigue del individuo.
Objetivo General
El objetivo es la elaboracin de un registro de trminos y conceptos estadsticos donde se unifiquen y
jerarquicen las definiciones a partir de las similitudes y diferencias de interpretaciones de acuerdo a su
contexto y aplicacin.
Objetivos operacionales
Identificar y clasificar conceptos a analizar.
Compilar usos y aplicaciones del leguaje estadstico.
Compendiar posibles identificaciones entre conceptos que pueden parecer diferentes pero con
idntica raz terico-conceptual.
Puntualizar diferencias entre conceptos que pueden confundirse o que se identifican sin ser
equivalentes.
Analizar y describir conceptualmente las herramientas estadsticas para un mejor
aprovechamiento de sus potenciales resultados.
Elaborar un registro de los resultados para su utilizacin en el estudio de la Estadstica tanto
para la formacin bsica, profesional, docente como as tambin para la formacin del usuario
de recursos estadsticos de diversa ndole con fines laborales

56

Etapas del proceso de investigacin

Esta investigacin se desarrollar en varias etapas, que se encuentran relacionadas con el
cumplimiento de los objetivos planteados.
1- Recopilacin de terminologa estadstica utilizada en medios grficos o audiovisuales de
difusin, en paquetes informticos de uso popular y textos de otras ramas del conocimiento.
2- Seleccin y clasificacin de los trminos y conceptos a analizar.
3- Reconocimiento de las distintas aplicaciones de los trminos y conceptos seleccionados (su
utilizacin)
4- Eleccin del material bibliogrfico acadmico de referencia.
5 - Seleccin de definiciones formales de los trminos y conceptos recopilados.
6- Comparacin entre el uso comn y la referencia formal institucionalizada (cruce de informacin)
7- Unificacin y/o jerarquizacin del uso y significado de los trminos y conceptos.
8- Construccin de un registro.
La metodologa de trabajo es cualitativa basada en datos secundarios extrados de diversas fuentes
especializadas de las distintas reas del conocimiento.
Cronograma de actividades:
El siguiente es un cronograma del tiempo estimado para las distintas actividades o etapas a realizar:
Actividad
Tiempo estimado (en meses)
1- Recopilacin de terminologa estadstica utilizada en medios
8
grficos o audiovisuales de difusin, en paquetes informticos
de uso popular y textos de otras ramas del conocimiento.
2- Seleccin y clasificacin de los trminos y conceptos a analizar.
8
3- Reconocimiento de las distintas aplicaciones de los trminos y
8
conceptos seleccionados (su utilizacin)
4- Eleccin del material bibliogrfico acadmico de referencia.
4
5 - Seleccin de definiciones formales de los trminos y conceptos
5
recopilados.
6- Comparacin entre el uso comn y la referencia formal
6
institucionalizada (cruce de informacin)
7- Unificacin y/o jerarquizacin del uso y significado de los
7
trminos y conceptos.
8- Construccin de un registro.
9

DESARROLLO DE LA INVESTIGACIN A TRAVS DEL TIEMPO (EN MESES)

ACTIVIDAD

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

24

1
2
3
4
5
6
7
8

57

BIBLIOGRAFA BSICA

- A. Ardila, El lenguaje Matemtico y el Usual, como Mediador de la Comunicacin. Acta

Latinoamericana de Matemtica Educativa, Vol 15, Universidad de Panam. (1991), 1161-1171.
- Batanero, Carmen. Los retos de la cultura estadstica. Congreso de Estadstica. Caseros, Argentina,
(2003).
- Batanero, Carmen. Didctica de la Estadstica. GEEUG (Grupo de Educacin Estadstica
Universitaria de Granada). Publica: Grupo de Investigacin Estadstica, Departamento de Didctica
de la Matemtica, Universidad de Granada. Granada. (2001).
- Bressan, Ana y Bressan, Oscar. Probabilidad y estadstica: como trabajar con nios y jvenes. Ed.
Novedades Educativas. Argentina. (2008).
- Ferreiro, Osvaldo y Fernndez de la Reguera, Pedro, La estadstica, una ciencia de la controversia,
Artculo publicado en la Revista Universitaria N 25 del Instituto de Matemticas y Fsica
.Universidad de Talca. Chile. (1988)
- Guzmn, Miguel de, Enfoque heurstico de la enseanza de la matemtica, Aspectos didcticos de
matemticas 1 (1985), Publicaciones del Instituto de Ciencias de la Educacin de la Univ. de
Zaragoza.
- Guzmn, Miguel de, Para pensar mejor (Labor, Barcelona, 1991)
- Kreyszig, Erwin. Introduccin a la Estadstica Matemtica. Principios y mtodos. Ed. LIMUSINA,
S.A. Mxico, Quinta reimpresin, 1981.
- Moroney. M. S. Hechos y estadstica. Ed. EUDEBA. (1979).
- Pozo, Jos I. (1993): Comprender y transformar la enseanza. Ed. Morata. Madrid.
- Santal Luis A.; Glvez, Grecia; Charnay, Roland; Brousseau, Guy; Lerner, Delia y Sadosky,
Patricia. Parra, Cecilia y Saiz, Irma (compiladoras). Didctica de matemticas. Aportes y
reflexiones. Editorial Paids Educador. Argentina. 5ta reimpresin, 1997.
- Santal,L.A., La educacin matemtica, hoy (Teide, Barcelona, 1975)
- Toranzos, Fausto I. Teora Estadstica y Aplicaciones. Ediciones Macchi. 1997
- Tukey, J. Exploratotory data analysis. Ed. Addison Wesley. (1977)
ESTADO ACTUAL DEL TEMA PROPUESTO
Actualmente existen varios diccionarios estadsticos, algunos de ellos disponibles en la web.
Este material factible de utilizar presenta disparidades y contradicciones y en ninguno de los casos se
intenta realizar una unificacin y/o jerarquizacin del uso y significado de los trminos y
conceptos estadsticos como se pretende realizar en el presente trabajo.
TRANSFERENCIA
La transferencia del trabajo se realizar con la utilizacin del registro resultante de la investigacin.
Este registro podr ser utilizado por estudiantes, docentes, usuarios de paquetes estadsticos y
responsables de la produccin de informacin basada en la estadstica (investigadores, periodistas o
comunicadores sociales)
VINCULACION DE LOS RESULTADOS OBTENIDOS CON LAS ACTIVIDADES DOCENTES

Como aplicacin directa se utilizar el registro en la ctedra de estadstica de la UNLaM como soporte
terminolgico.
Extensivamente, el registro quedar a disposicin para ser utilizado como complemento en cualquier
otra materia que requiera de los conceptos o trminos tratados.

58