ESTADISTICA

CLASIFICACION:
A. ESTADISTICA DESCRIPTIVA: Realiza el estudio sobre la población completa; colecciona y
clasifica la información, de su resumen en cuadros y gráficos adecuados que resuman en forma
apropiada la información captada.
B. ESTADISTICA INFERENCIAL: Realiza el estudio sobre subconjunto de la población; análisis y
prueba de hipótesis, con el propósito de llegar a conclusiones que brinden una adecuada base
científica para la toma de decisiones tomando como base la información captada por la
MUESTRA.
C. ESTADISTICA DE INVESTIGACION CIENTIFICA RELACIONADA CON LA CONTABILIDAD: Brindar
los fundamentos teórico-prácticos para formular, evaluar proyectos e investigaciones
científicas y para el desarrollo de acuerdo al interés particular del participante.
La Estadística auxilia a la contabilidad, ya que el uso o empleo de cálculos de tipo estadístico,
permite establecer diferentes registros contables que afectan los estados financieros.
D. VARIABLES: Una variable estadística es una característica que puede fluctuar y cuya variación
es susceptible de adoptar diferentes valores, los cuales pueden medirse u observarse.
Las variables adquieren valor cuando se relacionan con otras variables, es decir, si forman
parte de una hipótesis o de una teoría.
 CLASIFICACION DE VARIABLES :
- Según Nivel de Medida:

Variables cualitativas:
 Cualitativa ordinal o cuasicuantitativa: La variable puede tomar distintos valores
ordenados siguiendo una escala establecida, aunque no es necesario que el
intervalo entre mediciones sea uniforme, por ejemplo: leve, moderado, fuerte.
 Variable Cualitativa Nominal: En esta variable los valores no pueden ser
sometidos a un criterio de orden, como por ejemplo los colores o el lugar de
nacimiento.
Variables Cuantitativas:
 Variable discreta: Es la variable que presenta separaciones o interrupciones en la
escala de valores que puede tomar. Estas separaciones o interrupciones indican
la ausencia de valores entre los distintos valores específicos que la variable
pueda asumir. Ejemplo: El número de hijos (1, 2, 3, 4, 5).
 Variable Continua: Es la variable que puede adquirir cualquier valor dentro de
un intervalo especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg,
2,5 kg,...) o la altura (1,64 m, 1,65 m, 1,66 m,...), o el salario. Solamente se está
limitado por la precisión del aparato medidor, en teoría permiten que exista un
valor entre dos variables.

- Según la influencia:

Variables Independientes: Es aquella cuyo valor no depende de otra variable. Es

aquella característica o propiedad que se supone es la causa del fenómeno
estudiado. En investigación experimental se llama así a la variable que el
investigador manipula.
 Las variables independientes son las que el investigador escoge para establecer
agrupaciones en el estudio, clasificando intrínsecamente a los casos del mismo. Un
tipo especial son las variables de control, que modifican al resto de las variables
independientes y que de no tenerse en cuenta adecuadamente pueden alterar los
resultados por medio de un sesgo.
La variable independiente se suele representar en el eje de abscisas.
La variable independiente es la que se le asignan valores arbitrarios.
Variables Dependientes: Es aquella cuyos valores dependen de los que tomen otra
variable. La variable dependiente en una función que suele representar por y. La
variable dependiente se representa en el eje ordenadas. Son las variables de
respuesta que se observan en el estudio, y que podrían estar influidas por los
valores de las variables independientes.
- Otras Variables
Variables Intervinientes: Son aquellas características o propiedades que, de una
manera u otra, afectan el resultado que se espera y están vinculadas con las variables
independientes y dependientes.
Y es muy similar a la variable moderadora aunque no son iguales solo son muy
similares a la forma de relacionarlas.
Variables Moderadoras: Según Tuckman: Representan un tipo especial de variable
independiente, que es secundaria, y se selecciona con la finalidad de determinar si
afecta la relación entre la variable independiente primaria y las variables
dependientes.
E. PARAMETROS Y ESTADIGRAFOS:
Parámetro: Se define como cualquier resumen de los elementos de una población, son las
medidas o características descriptivas inherentes a las poblaciones. Ejemplo: Los salarios
promedio de todos los empleados de una empresa, puede ser un ejemplo de parámetro.
Estadígrafo: Llamado también estadístico es el resumen de los elementos de una muestra, son
las medidas descriptivas inherentes a una muestra, las cuales pueden usarse como estimación
del parámetro. Como ejemplo podría tomarse los salarios promedio de una muestra de los
empleados de la empresa.

PARAMETRO = POBLACION ESTADIGRAFO = MUESTRA

F. Muestreos:
I. Muestreo probabilístico:
Son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que
todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una
muestra y, consiguientemente, todas las posibles muestras de tamaño n tienen la misma
probabilidad de ser seleccionadas. Sólo estos métodos de muestreo probabilísticos nos
aseguran la representatividad de la muestra extraída y son, por tanto, los más
recomendables. Dentro de los métodos de muestreo probabilísticos encontramos los
siguientes tipos:
1. - Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un
número a cada individuo de la población y 2) a través de algún medio mecánico (bolas
dentro de una bolsa, tablas de números aleatorios, números aleatorios generados con
una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para
completar el tamaño de muestra requerido.
2. - Muestreo aleatorio sistemático: Este procedimiento exige, como el anterior, numerar
todos los elementos de la población, pero en lugar de extraer n números aleatorios sólo
se extrae uno. Se parte de ese número aleatorio i, que es un número elegido al azar, y los
elementos que integran la muestra son los que ocupa los lugares i, i+k , i+2k , i+3k
,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el
tamaño de la población entre el tamaño de la muestra: k= N/n. El número i que
empleamos como punto de partida será un número al azar entre 1 y k. El riesgo este tipo
de muestreo está en los casos en que se dan periodicidades en la población ya que al
elegir a los miembros de la muestra con una periodicidad constante (k) podemos
introducir una homogeneidad que no se da en la población. Imaginemos que estamos
seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son
varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con
k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una
representación de los dos sexos.
3. - Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen reducir el error muestral para un
tamaño dado de la muestra. Consiste en considerar categorías típicas diferentes entre sí
(estratos) que poseen gran homogeneidad respecto a alguna característica (se puede
estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo, el estado
civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los
estratos de interés estarán representados adecuadamente en la muestra. Cada estrato
funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio
simple o el estratificado para elegir los elementos concretos que formarán parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige
un conocimiento detallado de la población. (Tamaño geográfico, sexos, edades,...).
La distribución de la muestra en función de los diferentes estratos se denomina
afijación, y puede ser de diferentes tipos:
- Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.
Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la
población.
- Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la
población en cada estrato.
- Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo
que se considera la proporción y la desviación típica. Tiene poca aplicación ya que no se
suele conocer la desviación.
 4. -Muestreo aleatorio por conglomerados: Los métodos presentados hasta ahora están
pensados para seleccionar directamente los elementos de la población, es decir, que las
unidades muéstrales son los elementos de la población. En el muestreo por conglomerados
la unidad muestral es un grupo de elementos de la población que forman una unidad, a la
que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios,
una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se
pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales.
Cuando los conglomerados son áreas geográficas suele hablarse de "muestreo por áreas".
II. Métodos de muestreo no probabilísticos:
A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente
costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven
para realizar generalizaciones (estimaciones inferenciales sobre la población), pues no se
tiene certeza de que la muestra extraída sea representativa, ya que no todos los sujetos de
la población tienen la misma probabilidad de ser elegidos. En general se seleccionan a los
sujetos siguiendo determinados criterios procurando, en la medida de lo posible, que la
muestra sea representativa. En algunas circunstancias los métodos estadísticos y
epidemiológicos permiten resolver los problemas de representatividad aun en situaciones de
muestreo no probabilístico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la población. Entre los métodos de muestreo no
probabilísticos más utilizados en investigación encontramos:
1.- Muestreo por cuotas: También denominado en ocasiones "accidental". Se asienta
generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de
los individuos más "representativos" o "adecuados" para los fines de la investigación.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el
carácter de aleatoriedad de aquél. En este tipo de muestreo se fijan unas "cuotas" que
consisten en un número de individuos que reúnen unas determinadas condiciones, por
ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y residentes en Gijón. Una vez
determinada la cuota se eligen los primeros que se encuentren que cumplan esas
características. Este método se utiliza mucho en las encuestas de opinión.
2.- Muestreo intencional o de conveniencia: Este tipo de muestreo se caracteriza por un
esfuerzo deliberado de obtener muestras "representativas" mediante la inclusión en la
muestra de grupos supuestamente típicos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto.
3.- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a
otros, y así hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados
tipos de enfermos, etc.
4.- Muestreo Discrecional: A criterio del investigador los elementos son elegidos sobre lo
que él cree que pueden aportar al estudio.

G. CONDICIONES DE UNA BUENA MUESTRA:

Ahora bien la importancia de una buena muestra radica en que a partir de esa muestra se
puedan hacer inferencias sobre características de toda la población, es decir que se puedan
obtener conclusiones que sean válidas para el conjunto poblacional, resumiendo lo anterior en
una palabra la muestra debe ser representativa, la cual es la primer característica indispensable
de una buena muestra, la representatividad, es decir los elementos de la muestra no deben de
 tener atributos especiales que los diferencien del resto de la población, porque de ser así no
manifestarían al total de elementos de la misma.
Una buena muestra debe ser la aleatoriedad, es decir que dentro del total de elementos que
serán objeto de nuestro estudio, los elementos que formen la muestra deben ser seleccionados
al azar. Supongamos ahora que un gerente desea conocer la opinión del público sobre un
nuevo sabor de bebida, él sabe que la muestra deber ser representativa, así que llevan la
muestra a diversos sectores geográficos y económicos, pero todos aquellos que probaron la
bebida eran sus empleados o amigos. La muestra está viciada puesto que ellos tendrán
predisposición a halagarlo, aunque la bebida sea un fracaso. Es por ello que la muestra de
ser aleatoria.

H. VENTAJAS Y DESVENTAJAS DEL EMPLEO DE MUESTRAS:

LAS VENTAJAS DE TRABAJAR CON MUESTRAS

1) Se ahorra tiempo: En algunas ocasiones el tiempo llega a ser más importante que el mismo
dinero.
2) Se ahorra dinero: El dinero siempre será un factor determinante en cualquier proyecto que
se lleve a cabo.
3) Se ahorra esfuerzo: Si una tarea la puedo realizar con menos personas a las sobrantes las
podemos utilizar en otra tarea.
4) Cuando se utilizan pruebas destructivas para llevar el análisis del objeto de estudio las
muestras son necesarias.

LAS DESVENTAJAS DE TRABAJAR CON MUESTRAS

1) La principal desventaja de trabajar con muestras es la que si estas no se elaboran de

manera correcta, los resultados que obtengamos serán diferentes a la realidad de lo que se
está estudiando.

I. RECOPILACION DE DATOS:
Para el especialista, la información necesaria para toda investigación está constituida por
datos. A fin de que un análisis estadístico resulte útil en la toma de decisiones, los datos deben
ser apropiados. Hay, por lo menos, tres maneras de obtener datos: i) utilizar los datos
publicados por fuentes gubernamentales, industriales o particulares; ii) a través de la
experimentación; iii) realizando encuestas.

TIPOS DE DATOS: En una investigación estadística, se manejan diversas características, a las

que se denomina variables. Los datos son los resultados que se observan para estas variables.
Básicamente existen dos tipos de variables, que producen dos tipos de datos: cualitativos y
cuantitativos. Las primeras variables producen respuestas categóricas, en tanto que las
segundas producen respuestas numéricas. Por otra parte, los datos cuantitativos pueden ser
discretos o continuos. Los datos cuantitativos discretos son respuestas numéricas que surgen
de un proceso de conteo, mientras que los continuos son los que surgen de un proceso de
medición.

J. FUENTES DE INFORMACION:
En general las fuentes de información estadística son las particularidades de los procesos o
fenómenos: calidad. concepción, eficacia, eficiencia u otros atributos que den cuenta de su
modo de ejecución; así como los participantes directos, de aquellos procesos o fenómenos
acerca de los cuales se necesita recopilar información: las personas, sus opiniones, sus
planteamientos, sus formas de vida , la labor que realizan, sus apreciaciones , sus estados de
ánimo, actos y acerca de la realidad circundante.
En el desarrollo de las investigaciones científicas resulta muy necesario obtener información
teniendo en cuenta el problema a investigar, el objeto de la investigación y los métodos que se
empleen para el desarrollo del trabajo. En la búsqueda de tal información es de vital
importancia un adecuado manejo de las Fuentes de información estadística, concebido como el
proceso que permite obtener la información contenida en las fuentes que la portan, en forma
de datos.
Este proceso indagativo está presente durante todo el desarrollo de un trabajo científico, sin
embargo la búsqueda y manejo de la información estadística se hace necesaria en la realización
del diagnóstico inicial, la caracterización del estado inicial del objeto y en la etapa de
corroboración de la validez de la hipótesis.
Este tipo de indagación está relacionado con el empleo de los procedimientos empíricos, para
medir variables que en general están relacionadas con conceptos, o teorías en las que resulta
relevante el comportamiento de determinados procesos o sujetos que intervienen como
actores de estos procesos. "Medir es el proceso de vincular conceptos abstractos con
indicadores empíricos, mediante clasificación y/o cuantificación [….] como lo fundamenta
Roberto Hernandez Sampieri, que esa medición es efectiva cuando el instrumento de
recolección de los datos realmente representa a las variables que tenemos en mente, por ende,
para recolectar los datos se requieren dar tres pasos:

 Seleccionar o elaborar un instrumento de recolección de los datos, aplicar ese

instrumento de medición. Es decir, obtener las observaciones y mediciones de las
variables que son de interés para nuestro estudio (medir variables) y preparar las
mediciones obtenidas para que puedan analizarse correctamente (a esta actividad se le
denomina codificación de los datos).
Las variables a medir pueden ser cualitativas o cuantitativas, por cuanto son expresión
de cualidades, características, atributos, comportamiento o condición de objetos o
sujetos y dicha medición requiere de la aplicación de instrumentos diseñados a tal
efecto, los cuales están concebidos en la Metodología de la Investigación Científica y
están relacionados con métodos y técnicas como el censo, la encuesta y la entrevista.