1.

que es la estadstica
Ciencia que utiliza conjuntos de datos numricos para obtener, a partir de ellos,
inferencias basadas en el clculo de probabilidades.
Estudio que rene, clasifica y recuenta todos los hechos que tienen una
determinada caracterstica en comn, para poder llegar a conclusiones a partir de
los datos numricos extrados. fuente (spiegel,1991 )
2. En que mbitos de la realidad se puede aplicar la estadstica
Los mtodos estadsticos tradicionalmente se utilizan para propsitos descriptivos,
para organizar y resumir datos numricos. La estadstica descriptiva, por ejemplo
trata de la tabulacin de datos, su presentacin en forma grfica o ilustrativa y el
clculo de medidas descriptivas.
Se aplican de manera amplia en mercadotecnia, contabilidad, control de calidad y
en otras actividades; estudios de consumidores; anlisis de resultados en
deportes; administradores de instituciones; en la educacin; organismos polticos;
mdicos; y por otras personas que intervienen en la toma de decisiones.
Fuente.http://www.monografias.com

3. como se define poblacin

La poblacin es el conjunto de todos los individuos cuyo conocimiento es objeto de
inters desde un punto de vista estadstico. Por ejemplo, si se est interesado en
las ventas de los comercios de una cierta ciudad, cada comercio es un individuo, y
la poblacin -tambin llamada universo- es el conjunto de todos los comercios de
la ciudad.
El estudio estadstico de una poblacin se puede realizar mediante un anlisis
exhaustivo de todos sus individuos (estadstica descriptiva) o bien mediante una
inferencia realizada a partir de una muestra extrada de la poblacin (estadstica
inferencial). Fuente http://www.monografias.com

4. diferencia entre poblacin demogrfica y estadstico

Para la demografa, la poblacin es un conjunto de personas vinculadas por nexos
reproductivos que puede identificarse por particularidades culturales, sociales,
geogrficas, polticas o de otro tipo. La poblacin, por lo tanto, tiene continuidad en
el tiempo, aunque no es eterna. Fuente. http://definicion.de/demografia

5. si se quiere obtener datos de la totalidad de la poblacin que

procedimiento se utiliza?
La estadstica es comnmente considerada como una coleccin de hechos
numricos expresados en trminos de una relacin sumisa, y que han sido
recopilados a partir de otros datos numricos.( Stanley, 1980) definen la
estadstica como un valor resumido, calculado, como base en una muestra de
observaciones que generalmente, aunque no por necesidad, se considera como
una estimacin de parmetro de determinada poblacin; es decir, una funcin de
valores de muestra.
El estudio de muestras es ms sencillo que el estudio de la poblacin completa;
cuesta menos y lleva menos tiempo. Por ltimo se aprobado que el examen de
una poblacin entera todava permite la aceptacin de elementos defectuosos, por
tanto, en algunos casos, el muestreo puede elevar el nivel de calidad.
Una muestra representativa contiene las caractersticas relevantes de la poblacin
en las mismas proporciones que estn incluidas en tal poblacin.
Los expertos en estadstica recogen datos de una muestra. Utilizan esta
informacin para hacer referencias sobre la poblacin que est representada por
la muestra. En consecuencia muestra y poblacin son conceptos relativos. Una
poblacin es un todo y una muestra es una fraccin o segmento de ese todo.
Muestreo:
Esto no es ms que el procedimiento empleado para obtener una o ms muestras
de una poblacin; el muestreo es una tcnica que sirve para obtener una o ms
muestras de poblacin.

6. Que es la muestra?
En estadstica, una muestra es un subconjunto de casos o individuos de una
poblacin estadstica. Las muestras se obtienen con la intencin de inferir
propiedades de la totalidad de la poblacin, para lo cual deben ser representativas
de la misma. Para cumplir esta caracterstica la inclusin de sujetos en la muestra
debe seguir una tcnica de muestreo. En tales casos, puede obtenerse una
informacin similar a la de un estudio exhaustivo con mayor rapidez y menor coste
fuente. ( Murria R. Spiegel 1991).

7. diferencia entre datos individuales y datos estadsticos

datos individuales
Son datos nicos, que no permiten
su anlisis
Debido a su oca cantidad no se
puede ser comparados, para su
interpretacin
Un dato individual es un dato de un
solo individuo,

datos estadsticos
Son valores que puede ser analizado
e interpretado
Son valores, en cantidades
necesarias como para su anlisis y
su interpretacin
Mientras que un dato estadstico es un
dato de una muestra o de una
poblacin en su conjunto.

Por ejemplo, la edad de Juan es un

dato individual

Por ejemplo mientras que el promedio

de edades de una muestra o poblacin
de personas es un dato estadstico.

Fuente. http://www.monografias.com

8. diferencia entre datos estadsticos y paramtricos

La estadstica paramtrica es una rama de la estadstica inferencial que

comprende los procedimientos estadsticos y de decisin que estn basados en
las distribuciones de los datos reales. Estas son determinadas usando un nmero
finito de parmetros. Esto es, por ejemplo, si conocemos que la altura de las
personas sigue una distribucin normal, pero desconocemos cul es la media y la
desviacin de dicha normal. La media y la desviacin tpica de la desviacin
normal son los dos parmetros que queremos estimar. Cuando desconocemos
totalmente que distribucin siguen nuestros datos entonces deberemos aplicar
primero un test no paramtrico, que nos ayude a conocer primero la distribucin.

9. Que es un dato?

Los datos que se considera participan en el estudio estadstico se conoce como

datos estadsticos, ms concretamente, se consideran como los valores que se
pueden obtenerse de la observacin para formar la muestra.

10. Cul es la estructura de un dato?

Las estructuras de datos son un medio para manejar grandes cantidades de datos
de manera eficiente para usos tales como grandes bases de datos y servicios de
indizacin de internet. Por lo general, las estructuras de datos eficientes son clave
para disear eficientes algoritmos. Algunos mtodos formales de diseo y
lenguajes de programacin destacan las estructuras de datos, en lugar de los
algoritmos, como el factor clave de organizacin en el diseo de software.

11. Luis tiene 17.5 m de estatura, cual es el dato?

El dato es la estatura, con valor que lo representa: 17.5

12. definicin de unidad de anlisis, variable y categora

Unidades de anlisis

La unidad de anlisis corresponde a la entidad mayor o representativa de lo que

va a ser objeto especfico de estudio en una medicin y se refiere al qu o quin
es objeto de inters en una investigacin. Por ejemplo:
Debe estar claramente definida en un protocolo de investigacin y el investigador
debe obtener la informacin a partir de la unidad que haya sido definida como tal,
aun cuando, para acceder a ella, haya debido recorrer pasos intermedios.
La siguiente tabla indica algunas diferencias

13. poblacin estadstico

Poblacin estadstica, en estadstica, tambin llamada universo, es el conjunto de

elementos de referencia sobre el que se realizan las observaciones. Tambin es el
conjunto sobre el que estamos interesados en obtener conclusiones (inferir).
Normalmente es demasiado grande para poder abarcarla, motivo por el cual se
puede hacer necesaria la extraccin de una muestra de sta.

14. defina medicin

Los especialistas en estadstica planean sus investigaciones y realizan
experimentos o encuestas a partir de las caractersticas de las variables
involucradas en el problema a investigar. Cada problema implica a dos o ms
variables y queremos averiguar cmo se relacionan. De esta forma, las variables
son inherentes al problema o pregunta de investigacin y el muestreo para la
medicin del valor de las variables, en un segmento representativo de la
poblacin, debe ser aleatorio. En general, si resultan de un conteo estaremos ante
variables discretas que deben analizarse con Estadstica no paramtrica. Y si
resultan de una medicin (no es pleonasmo) tendremos una variable continua que
debe trabajarse con Estadstica paramtrica. Tanto las variables paramtricas
(continuas)como las no paramtricas (discretas) poseen caractersticas que se
aprovechan para organizarlas en cuatro escalas de medicin.

15. diferentes grados de dispersin

Las medidas de dispersin, tambin llamadas medidas de variabilidad, muestran

la variabilidad de una distribucin, indicando por medio de un nmero si las
diferentes puntuaciones de una variable estn muy alejadas de la media. Cuanto
mayor sea ese valor, mayor ser la variabilidad, y cuanto menor sea, ms
homognea ser a la media. As se sabe si todos los casos son parecidos o varan
mucho entre ellos.

16. indique unidad de anlisis, variable, categora o valor y el nivel de

medicin de los siguientes ejemplos.

Nivel de medicin

DATO

Unidad de anlisis

Variable

Categora o valor

Unidad de medida

http://www.monografias.com/

17. defina regresin lineal simple

Regresin lineal simple. Tiene como objeto estudiar cmo los cambios en una
variable, no aleatoria, afectan a una variable aleatoria, en el caso de existir una

relacin funcional entre ambas variables que puede ser establecida por una
expresin lineal, es decir, su representacin grfica es una lnea recta. Cuando la
relacin lineal concierne al valor medio o esperado de la variable aleatoria,
estamos ante un modelo de regresin lineal simple. La respuesta aleatoria al valor
x de la variable controlada se designa por X y Y, segn lo establecido, se tendr
De manera equivalente, otra formulacin del modelo de regresin lineal simple
sera: si xi es un valor de la variable predictora e Yi la variable respuesta que le
corresponde, entonces

18. especificaciones del modelo de regresin lineal simple en la poblacin

Elementos del modelo de regresin simple

El modelo simple relaciona dos variables de forma lineal,
Yi= + Xi
Dnde:
- Y es la variable a explicar, variable dependiente o endgena, es decir, la variable
que estamos interesados en explicar.
- X es la variable explicativa, variable independiente o exgena.
- La ordenada y la pendiente del modelo son los coeficientes de la regresin.

19. muestre la estructura de los modelos de regresin

Estructura del modelo de regresin simple

El modelo de regresin lineal simple tiene la siguiente estructura
yi= 0+ 1 x

En este razonamiento se basar la hiptesis de independencia de los residuos.

Figura que corresponde,

a la regresin lineal

20. plantee la hiptesis bsica

Esperanza matemtica nula.
Homocedasticidad
Incorrecin.
Regreso res no estocsticos.
No existen relaciones lineales exactas entre los regresores.
T > k + 1 Suponemos que no existen errores de especificacin en el modelo, ni
errores de medida en las variables explicativas
Normalidad de las perturbaciones

21. procedimiento para hallar los parmetros del modelo de la regresin

lineal
Para obtener el grfico de dispersin proceda de la siguiente manera:

Elabore las dos columnas con los datos de la variable X y Y

Seleccione el cono de grfico o en la barra de men elija insertar y este
grfico.
Elija en la ventana desplegada dispersin como tipo de grfico y el
diagrama con los puntos como subtipo de grfico.
Ingrese el rango de datos. Tenga en cuenta que si sus datos estan en
columnas ( o filas) active en series en la opcin columnas (o filas).
Serie.
Colocar el grfico.

22. investigacin de la recta de la regresin mnimo cuadrado en

puntuaciones directas y principales propiedades
- recta de regresin de puntuaciones diferenciales
- recta de regresin en puntuaciones

tpicas

- relacin entre la pendiente de la recta

y el coeficiente de correlacin

El criterio que ha de satisfacer esta recta, es que la suma de los errores

cuadrticos en la prediccin de Y a partir de X sea mnima.La recta de regresin
vendr determinada por una ecuacin del tipo: Y= A+BX.
El valor de las constantes A y B puede ser hallado a partir del clculo diferencial.
Presentamos en el siguiente cuadro los valores de A y B en el caso de que
trabajemos con puntuaciones directas, diferenciales y tpicas, y pretendamos
calcular las constantes correspondientes a la recta de regresin de Y sobre X
ECUACIN DE LA RECTA
DE REGRESIN DE Y
SOBRE X
Puntuaciones Directas
Y=A+BX
A=

-B

Puntuaciones
Diferenciales

Puntuaciones Tpicas

y=A+Bx
A=0

A=0
B= rxy

23. como interpretar os coeficientes de la recta de regresin

Coeficiente de correlacin
Una vez observado que en una variable bidimensional existe una cierta
dependencia entre las dos caractersticas o variables que la forman (nube de
puntos y covarianza), podemos precisar el grado de dicha dependencia.
- Si los puntos de la nube estuvieran todo sobre la recta de regresin se dira que
existe una dependencia funcional. De su estudio se encargan las funciones.

- Si los puntos no estn todo sobre la recta de regresin se dice que entre las
variables hay una cierta correlacin lineal. Este es el caso que nos ocupa. Para
cuantificar el grado de dicha correlacin se usa el:
Coeficiente de correlacin de Pearson. Si le llamamos r, su valor es:
Puede observarse que el signo del coeficiente de correlacin es el mismo que el
de la covarianza y puede deducirse que el valor del mismo est comprendido entre
-1 y 1.

24. determine los componentes de la variabilidad y bondad del ajuste

Medida de la bondad de ajuste: coeficiente de correlacin lineal

Una vez tenemos la recta de regresin, es necesario saber si el ajuste que ofrece
la recta sobre la nube de puntos es suficientemente bueno
Es decir, se trata de saber si el modelo que se ha ajustado para relacionar las
variables X e Y es un modelo consistente.
La medida ms comnmente utilizada para medir el ajuste de la recta de regresin
es el coeficiente de correlacin lineal.

25. como se valida los modelos

Mediante los siguientes hiptesis
Las hiptesis bsicas del modelo
Todo lo comentado en la seccin 7.5 acerca de las hiptesis bsicas de
normalidad, homocedasticidad e independencia del modelo lineal es vlido aqu.
En este apartado se repasan las caractersticas ms importantes.
Hiptesis de normalidad.

La hiptesis de normalidad afirma que los errores del modelo siguen una
distribucin normal. Esta hiptesis se contrasta a partir de los residuos
estandarizados
-

Grficos para observar la normalidad

Contrastes de normalidad son

En relacin con la utilizacin de los residuos para contrastar la normalidad, debe

de tenerse en cuenta que de la relacin. Fuente
Fuente. http://definicion.de/parametro
26. cual e s el significado de parmetros

En estadstica, un parmetro es un nmero que resume la gran cantidad de datos

que pueden derivarse del estudio de una variable estadstica. El clculo de este
nmero est bien definido, usualmente mediante una frmula aritmtica obtenida a
partir de datos de la poblacin.
Los parmetros estadsticos son una consecuencia inevitable del propsito
esencial de la estadstica: crear un modelo de la realidad.
27. en que consiste el anlisis de residuos
Anlisis de los residuos
Si bien para la estimacin por mnimos cuadrados de los coeficientes de un
modelo de regresin, slo es necesaria la asuncin de linealidad, la normalidad de
los mismos, en base a la cual se realizan los contrastes de hiptesis, est basada
tambin en las asunciones de normalidad y homoscedasticidad. Por consiguiente,
conviene asegurar que dichas asunciones se cumplen en cada caso.

Hay que tener en cuenta que, en caso de que no se cumpla la normalidad, no se

puede utilizar la t ni la F para los contrastes de hiptesis. Puede usarse, sin
embargo, la desigualdad de Tchebysheff, que establece que para cualquier
variable aleatoria
28. que significa prediccin

La prediccin en el contexto cientfico es una declaracin precisa de lo que

ocurrir en determinadas condiciones especificadas. Se puede expresar a travs
del silogismo: "Si A es cierto, entonces B tambin ser cierto."
El mtodo cientfico concluye con la prueba de afirmaciones que son
consecuencias lgicas del corpus de las teoras cientficas. Generalmente esto se
hace a travs de experimentos que deben poder repetirse o mediante estudios
observacionales rigurosos.

29. presente 10 ejemplos donde se puede utilizar la regresin lineal

- al tomar datos en las prcticas de fsica, relacin de la distancia recorrida
por un cuerpo como funcin del tiempo
- datos de la fuerza elctrica como funcin de las cargas
- la fuerza de recuperacin de un resorte como funcin de la elongacin
- la cantidad de calor trasmitida como funcin de la variacin de temperatura
- la fuerza

ejercida como funcin de la masa

- la cantidad de calor como funcin de la longitud y rea transversal del

conductor
30. defina el concepto de la relacin entre variables,
Tipos de relacin
Cualitativa (factor) Cuantitativa (Comparacin de grupos o tratamientos)
Cuantitativa Cuantitativa (Regresin)
Cualitativa (factor) Cualitativa (Tablas de contingencia)

Herramientas para evaluar relacin entre dos variables

Programas estadsticos ms
utilizados
R

SAS
SPSS
Epi Info 7

SPAD

LISREL

Stata

WinQSB

Statgraphics

Excel

Redatam

PSPP

Minitab

Existen multitud de paquetes

informticos aparte es stos, tanto de
software privado

Matlab
S-PLUS

Diagrama de dispersin
Un diagrama de dispersin 0 grfica de dispersin o grfico de dispersin es un
tipo de diagrama matemtico que utiliza las coordenadas cartesianas para mostrar
los valores de dos variables para un conjunto de datos.
Coeficiente de correlacin de Pearson
En estadstica, el coeficiente de correlacin de Pearson es una medida de la
relacin lineal entre dos variables aleatorias cuantitativas. A diferencia de la
covarianza, la correlacin de Pearson es independiente de la escala de medida de
las variables.

Referencias bibliogrficas
-

Campbell D y Stanley J (1995) Diseos experimentales y

cuasiexperimentales en la investigacin social. Buenos Aires: Amorrortu.
Cazau P (1991) Introduccin a la investigacin en ciencias sociales. Buenos
Aires: Rundinuskn editores.
Cortada N (1994) Diseo estadstico para investigadores en ciencias
sociales y de la conducta. Buenos Aires: Eudeba.