Semana 1 2 Conceptos Basicos Derecho 2019 1b

¡La universidad para todos!
¡La Universidad para todos!
Módulo: 1 Unidad: 1 Semana: 1-2
METODOS ESTADISTICOS
PARA LA INVESTIGACION
Docente: Mg. MADISON HUARCAYA GODOY
Escuela Profesional Periodo académico:2019-1B

Semestre:10
DE DERECHO
Unidad:1
TEMA:
CONCEPTOS BASICOS
(1 Y 2 Semana)

Semestre:10
DE DERECHO
Unidad:1

ORIENTACIONES
• Es conveniente que la lectura de los conceptos básicos
vinculados a los Métodos Estadísticos para la Investigación los
realice de la mano con materiales de consulta tales como
diccionarios especializados, textos de Metodología de la
investigación. Investigación Científica. Estadística aplicada a la
Ciencias Sociales. Estadística. Métodos Cuantitativos.
Administración. Economía. Toma de decisiones. Teoría de los
juegos, Estadística Descriptiva. Estadística Inferencial diarios y
revistas especializadas, internet y los temas desarrollados en
el curso.
Semestre:10
DE DERECHO
Unidad:1
INTRODUCCION.
El curso Métodos Estadísticos para la Investigación es un curso teórico-
practico, correspondiente al X ciclo, de la Facultad de Derecho y Ciencias
Políticas- Escuela Profesional de Derecho.
• La asignatura tiene por objetivo adquirir los conocimientos básicos
sobre el método científico y la estadística en un mundo globalizado
actual y finalmente el alumno va a relacionar los elementos esenciales
del mundo de la investigación científica y la estadística.
• La asignatura trata de conceptos relacionados a las metodología
científica y la estadística. proporciona los conceptos y las herramientas
para analizar en el campo de la investigación.
• Los temas que se trataran incluyen conceptos fundamentales de
métodos científicos y la estadística para la utilización en la
investigación social, principalmente en el campo del Derecho.
CONTENIDO
TIPOS DE ESTADISTICA
PARAMETROS
ESTADIGRAFOS
POBLACION Y MUESTRA
TIPOS DE VARIABLES
METAS A ALCANZAR OBJETIVO DEL MATERIAL DIDÁCTICO

Que el alumno
desarrolle las
Que el alumno conozca los las técnicas
competencias estadísticas básicas para realizar
técnicas y investigación
profesionales para
la investigación OBJETIVOS DE LA ESTADISTICA
aplicando la El objetivo básico de la estadística es hacer
estadística, para INFERENCIA acerca de una población basada en la
incluirla en la tesis información contenida en una muestra
o articulo científico Inferir significa predecir, suponer, asegurar. Es decir se
pretende establecer inferencia acerca de una población
•Conocer los Entendiendo a la población como un conjunto de
elementos básicos individuos, organismos o entes inanimados de los cuales
de estadística queremos conocer alguna o algunas características para
que nos ayuden a tomar una decisión u obtener alguna
para
conclusión de suma importancia
investigadores
¿Porqué la estadística es
importante?
¿Ventas
¿Qué variedad de mensuales?
cemento elegiré?, Pruebas de control de
¿porqué razón? calidad del cemento
¿Mejor resistencia?
Estudios
¿tasa de interés?
interlaboratorios
¿Fenómenos
ambientales?
La estadística
herramienta
fundamental
en la toma
de decisiones
¿Qué es la estadística?
Es una Ciencia que proporciona un conjunto de

métodos que se utilizan para recolectar, resumir,
clasificar, analizar e interpretar el comportamiento
de los “datos” con respecto a una característica
materia de estudio o investigación.
Definición
La Estadística es la Ciencia de la
• Sistematización, recogida, ordenación y

presentación de los datos referentes a un
fenómeno que presenta variabilidad o
incertidumbre para su estudio metódico, con
objeto de
• deducir las leyes que rigen esos fenómenos,
• y poder de esa forma hacer previsiones sobre

los mismos, tomar decisiones u obtener
conclusiones.
9
¿En qué áreas se aplica la estadística?
Actualmente se aplica en todas las áreas del saber, por ejemplo en Sociología, Educación, Psicología,
Administración, Economía, Medicina, Ciencias Políticas, entre otras.
Ejemplos de su aplicación son:
1) En Administración de Empresas: la estadística se utiliza para evaluar un producto antes de comercializarlo.
2) En Economía: para medir la evolución de los precios mediante números índice o para estudiar los hábitos de
los consumidores a través de encuestas de presupuestos familiares.
3) En Ciencias Políticas: para conocer las preferencias de los electores antes de una votación mediante sondeos
y así orientar las estrategias de los candidatos.
4) En Sociología: para estudiar las opiniones de los colectivos sociales sobre temas de actualidad.
5) En Psicología: para elaborar las escalas de los test y cuantificar aspectos del comportamiento humano (por
ejemplo los test que se aplican a los candidatos para un cargo en una empresa).
6) En Medicina: uno entre muchos usos de la estadística, es para determinar el estado de salud de la población.
En general en las Ciencias Sociales, la estadística se emplea para medir las relaciones entre variables y hacer
predicciones sobre ellas.
¿Para qué sirve la estadística?

• La Ciencia se ocupa en general de fenómenos observables
• La Ciencia se desarrolla observando hechos, formulando leyes

que los explican y realizando experimentos para validar o
rechazar dichas leyes
• Los modelos que crea la ciencia son de tipo determinista o

aleatorio (estocástico)
• La Estadística se utiliza como tecnología al servicio de las

ciencias donde la variabilidad y la incertidumbre forman parte de
su naturaleza
• “La Bioestadística [...] enseña y ayuda a investigar en todas las

áreas de las Ciencias de la Vida donde la variabilidad no es la
excepción sino la regla”
Carrasco de la Peña (1982)
SUBDIVISIONES DE LA ESTADÍSTICA
 Estadística Descriptiva
 Estadística Inferencial
50
Nº trabajadores que
Nº días
45
40
35
30 Industrial
X
iR X
i
 ( X   ) 2
se ausentaron
25 Sistemas
X , S 0-4 4
20
15
Civil
Electrónica
n n 1 5-9 10
10-14 8
10
5
0
Ciclo 1 Ciclo2
Estadística Descriptiva Estadística Inferencial

• Rama de la estadística • Es la rama de la estadística
que se encarga de que utiliza información
describir un conjunto de obtenida del estudio de una
datos recopilados en una
muestra para hacer inferencias
muestra.
sobre la población.
• Se realizan los siguientes • Comprende la aplicación de
procesos en una muestra:
– Recopilación de datos una serie de técnicas
– Organización y tabulación de estadísticas especializadas
los datos recopilados
– Presentación de los datos en
que permiten inferir las
tablas y gráficas (Ayuda a características de la población.
resumir e interpretar los
datos)
– Análisis estadístico
(Aplicación de medidas
estadísticas tales como:
Tendencia Central, Posición,
Variación)
– Interpretación del análisis
estadístico
Inferencia Estadística
Inferir: Sacar una consecuencia de una cosa. Sacar consecuencia o deducir una cosa de otra.
La estadística, ciencia o rama de las Matemáticas que se ocupa de recoger datos, analizarlos y
organizarlos, y de realizar las predicciones que sobre esos datos puedan deducirse, tiene dos vertientes
básicas:
a) Estadística descriptiva: Básicamente se ocupa de la 1ª parte, es decir, a partir de ciertos datos,

analizarlos y organizarlos. Es aquí donde tiene sentido calcular la media, mediana, moda, desviación
típica, etc.
b) Estadística inferencial: Se ocupa de predecir, sacar conclusiones, para una población tomando como
base una muestra (es decir , una parte) de dicha población. Como todas las predicciones, siempre han de
hacerse bajo un cierto grado de ﬁabilidad o conﬁanza.
El propósito principal de los métodos estadísticos es legitimar
FUNCIÓN
generalizaciones sobre poblaciones usando datos de muestras.
El uso principal de la inferencia estadística en la investigación del
comportamiento es hacer inferencia acerca de un número grande personas, o de
otras unidades observacionales, a partir de datos concernientes a un grupo
relativamente pequeño de personas.
Los métodos estadísticos inferenciales emplean el razonamiento inductivo, es
decir, razonan de lo particular a lo general, razonamiento de los estadígrafos de
una muestra observada a los parámetros de la población no observada.
ESTADÍSTICA INFERENCIAL
Estadística Inferencial
Parte TODO
Cuando queremos hacer alguna
afirmación sobre más elementos de los
que vamos a medir
Azar - Probabilidad
MUESTRA POBLACIÓN
Aleatoria simple
«La selección de
Representativa una muestra
representativa y
Sistemática
probabilística
Probabilísticas permite hacer
inferencias a
Estratificada partir de la
información que
se posee»
Conglomerado
METODO ESTADISTICO
• El conjunto de los métodos que se utilizan para medir las

características de la información, para resumir los valores
individuales, y para analizar los datos a fin de extraerles el
máximo de información, es lo que se llama métodos estadísticos.
• Los métodos de análisis para la información cuantitativa se

pueden dividir en los seis pasos:
1. Definición del problema

2. Recopilación de la información existente
3. Obtención de información original
4. Clasificación
5. Presentación
6. análisis
OBJETIVOS DE LA INVESTIGACIÓN CIENTÍFICA
Describir la Explicar la Predecir la

realidad realidad realidad
Descriptiva Inferencial
ESTADÍSTICA
• Rama de la estadística
• Rama de la estadística que estudia el comportamiento y
que trata sobre la
propiedades de las muestras, y la posibilidad y límites de la
descripción y análisis
generalización de los resultados obtenidos a partir de aquellas a
estadístico de una
las poblaciones que representan.
población o muestra.
• Se basa en la probabilidad.
• Tiene como objetivo
• Comprende el conjunto de método estadísticos que permiten
caracterizar los datos, de
deducir (inferir) cómo se distribuye la población bajo estudio, a
manera gráfica o analítica,
partir de la información que proporciona una muestra
para resaltar las
representativa obtenida de dicha población.
propiedades de los
• El propósito principal de los métodos estadísticos es legitimar
elementos bajo estudio
generalizaciones sobre poblaciones usando datos de
muestras.
• Los métodos estadísticos inferenciales emplean el razonamiento
inductivo, es decir, razonan de lo particular a lo general.
Estimación de Parámetros
«En estadística se refiere a los valores o medidas que

¿Qué son los caracterizan a una población como, por ejemplo, la media y
parámetros? la desviación típica de una población (…) Son cantidades
indeterminadas, constantes o fijas respecto a una condición
o situación, que caracterizan a un fenómeno en un momento
dado que ocurre en una población» (Sierra Bravo, 1991).
¿Qué son los Se contrapone al parámetro porque es un valor que se

Estadísticos? obtiene a partir de los valores muéstrales. Se pueden
obtener media y varianzas muéstrales.
¿Qué es la «En estadística es la operación mediante la cual se trata de

determinar el valor del parámetro, utilizando datos
Estimación? incompletos procedentes de una muestra (Estadístico)
Estadístico Parámetro
Estimación
Estimaciones Estimaciones de
puntuales Intervalo
1 Estimaciones Puntuales
- Sólo un valor numérico sirva para estimar el parámetro, es decir, asigna directamente al
parámetro el valor obtenido para el estadístico
- Constituye la inferencia más simple que se puede realizar: asignar al parámetro el valor del
estadístico que mejor sirva para estimarlo.
a) Carencia de Sesgo: Un estimador será insesgado si su

valor esperado coincide con el del parámetro a estimar
Condiciones b) Consistencia: Un estimador será consistente si, conforme

para ser un aumenta el tamaño muestral, su valor se va aproximando
buen al del parámetro
estimador
c) Eficiencia: Dados dos posibles estimadores, diremos que
el primero es un estimador más eficiente que el segundo
si se cumple que el primer estimador tiene una varianza
menor que el segundo.
d) Suficiencia: Un estimador será suficiente si utiliza toda la

información muestral disponible
Estimaciones de
2 Intervalos
- Como el término lo sugiere, una estimación de intervalo es un rango o banda de

valores dentro del cual se dice que el parámetro está con un nivel de probabilidad
establecido.
- Proporciona un intervalo, un rango de valores entre los que estará situado el
parámetro con una cierta probabilidad.
- La estimación puntual se utiliza poco, pues no tenemos datos suficientes para que nos
indiquen el grado de fiabilidad de dato muestral hemos tomado. Lo que tiene más
sentido plantearse es cuál es la probabilidad de que la media o proporción poblacional
pertenezcan a un intervalo determinado.
- Para comprender el fundamento de las estimaciones de intervalo se requiere un
dominio del concepto de una distribución de muestreo, específicamente, la
distribución de muestreo de la media (DMM)
- Dada una muestra, se puede calcular la Distribución de muestreo de la media donde,
con cierta seguridad, estará la media poblacional que se busca.
20
POBLACIÓN Y MUESTRAS
- Totalidad de elementos sobre los cuales recae la investigación. A cada

elemento se le llama unidad estadística.
Población - Conjunto de elementos (generalmente personas, en psicología) que
comparten al menos una característica bien definida)
Poblaciones Finitas Poblaciones Infinitas
- Subconjunto de elementos de la población que mantienen las mismas

características.
Muestra - Se habla de muestra estadística cuando es a lo menos el 5% de la
población
Muestras Probabilísticas Muestras no Probabilísticas
Aleatoria simple Accidental
Sistemática Intencionada
Proporcion
Estratifi No
al Por cuota
cada Proporcion
al 21
Por conglomerado
Estadística descriptiva
Medidas de Medidas de Medidas de Tipos de

tendencia dispersión posición distribución
central
Medidas de tendencia central
• Son valores numéricos que localizan, de

alguna manera, el centro de un conjunto de datos.
El término promedio a menudo es asociado con
todas las medidas de tendencia central.
•Media
•Mediana
•Moda
•Rango Medio
Media
• Se representa por x (se lee como “x barra” o “ media de

la muestra”). Es la suma de todos los valores de la variable x
(la suma de valores x se simboliza como Σx) y dividiendo
entre el número de estos valores, n. Lo anterior se expresa
con una fórmula como:
•
suma de x
Media de la muestra: x barra =
número
Σx
x=
n
Ejemplo
• Un conjunto de datos consta de cinco valores:

6, 3, 8, 6 y 4. Encuentre la media.
• Solución
Σx = 6 + 3 + 8 + 6 + 4 27
x= = = 5.4
n 5 5
Media
2 3 4 5 6 7 8
x = 5.4
Centro de gravedad o punto de equilibrio

Mediana
• Valor de los datos que ocupa la posición

central cuando los datos se ordenan según su
tamaño. Se representa por x (se lee como “x tilde”
o “mediana de la muestra”).
Procedimiento para encontrar la mediana
1. Ordene los datos

2. Determine la profundidad de la mediana
• La profundidad (número de posiciones a partir de
cualquier extremo), o posición, de la mediana se
determina con la siguiente fórmula:
Profundidad de la mediana = número + 1 d( x ) = n + 1

2 2
• La profundidad (o posición) de la mediana se encuentra
al sumar los números de posición de los valores de los
datos más pequeños (1) y más grandes (n) y dividir el
resultado entre 2. (n es el mismo número que la
cantidad de porciones de los datos).
Procedimiento para encontrar la mediana
3. Determine el valor de la mediana. Contar los datos

ordenados, localizando el dato que está en la d(x)-ésima
posición. La mediana será la misma sin importar a partir de
cuál extremo de los datos (máximo o mínimo) ordenados se
cuente.
Ejemplo
• Encuentre la mediana del conjunto de datos {6, 3, 8, 5,

3}
1. Los datos, ordenados de manera creciente, son 3, 3, 5, 6, 8
2. Profundidad de la mediana: d(x) = (n+1)/2 = (5 + 1)/2 = 3
3. Es decir, la mediana es el tercer número desde cualquier
extremo en los datos ordenados, o bien, x = 5. Observe que
la mediana esencialmente separa el conjunto de datos
ordenado en dos subconjuntos de igual tamaño.
3
3 5 6 8
x=5
Nota…
• El valor de d(x) es
la profundidad de la
mediana, NO el valor de
la mediana, x. Como se
muestra en el anterior
ejemplo, cuando n es
impar, la profundidad de
la mediana, d(x),
siempre es un entero. Sin
embargo, cuando n es
par, la profundidad de la
mediana, d(x), siempre
es la mitad de un número
entero.
Ejemplo
• Encontrar la mediana de la muestra {9, 6, 7, 9, 10, 8}
1. Los datos, ordenados de manera creciente, son 6, 7, 8, 9, 9, 10
2. Profundidad de la mediana: d(x) = (n+1)/2 = (6+1)/2 = 3.5
3. Es decir, la mediana está a la mitad entre las porciones de datos
tercera y cuarta. Para encontrar el número situado a la mitad de dos
valores cualesquiera, se suman los dos valores y el resultado se
divide entre 2. En este caso, se suman el tercer valor (8) y el cuarto
valor (9), luego se divide entre 2. La mediana es 8.5. Observe que
de nuevo la mediana separa el conjunto de datos ordenados en dos
subconjuntos del mismo tamaño.
9
6 7 8 9 10
x = 8.5
Moda
• Es el valor de x que ocurre más frecuentemente

Rango Medio
• Número que está exactamente a la mitad del

camino entre un dato con menor valor Mín y un
dato con mayor valor Máx. Se encuentra
promediando los valores mínimo y máximo.
Rango Medio = valor mínimo + valor máximo

2
Rango Medio = Mín + Máx

2
Nota…
• Las cuatro medidas de tendencia central representan

cuatro métodos distintos para describir el centro. Estos cuatro
valores pueden ser iguales, aunque es más probable que
sean diferentes. Para los datos muestrales 6, 7, 8, 9, 9, 10, la
media es 8.2, la mediana es 8.5, la moda es 9 y el rango
medio es 8.
9
6 7 8 9 10
8 8.28.5 9
Media
Mediana
Moda
Rango Medio
Ejercicios
1. Considere la muestra 2, 4, 7, 8, 9. Encuentre:
• La media
• La mediana
• La moda
• El rango medio
2. A 15 estudiantes universitarios, elegidos

aleatoriamente, se les solicitó mencionar el número de
horas que durmieron la noche anterior. Los datos
resultantes fueron, 5, 6, 6, 8, 7, 7, 9, 5, 4, 8, 11, 6, 7,
8, 7. Encontrar:
• La media
• La mediana
• La moda
• El rango medio
Ejercicios
• A los reclutas de una academia de policía se les solicitó
presentar un examen que mide la capacidad que tienen
para hacer ejercicio. Esta capacidad (medida en minutos) se
obtuvo para cada uno de los 20 reclutas:
25 27 30 33 30 32 30 34 30 27
26 25 29 31 31 32 34 32 33 30
a. Encuentre la media, la mediana, la moda y el rango medio.

b. Elabore una gráfica de barras para estos datos y localice la
media, la mediana, la moda y el rango medio sobre la
gráfica.
c. Describa la relación que hay entre los cuatro promedios
(semejanza) y qué propiedades muestran los datos por las
que dichos promedios son semejantes
Estadística descriptiva
Medidas de Medidas de Medidas de Tipos de

tendencia dispersión posición distribución
central
Medidas de dispersión
• Valores que describen la cantidad de variabilidad que se

encuentra entre los datos: datos bastante agrupados poseen
valores relativamente pequeños, y datos más dispersos
tienen valores más grandes. El agrupamiento más estrecho
ocurre cuando los datos carecen de dispersión (ya que todos
los datos tienen el mismo valor), para los cuáles la medida de
dispersión es cero.
• Las medidas de dispersión incluyen:
• Rango
• Varianza
• Desviación Estándar
Rango
• Es la diferencia
en valor entre las
porciones de datos de
mayor valor (Máx) y rango = Máx - Mín
de menor valor
(Mín):
Ejemplo
• El rango de la muestra 3, 3, 5, 6, 8 es
• Máx – Mín =
8–3=5
3
3 5 6 8
Rango
Mín Máx
Desviación con respecto a la media
• Una desviación de la media, x – x, es la

diferencia entre el valor de x y la media x.
x>x Desviación positiva

x<x Desviación negativa
x=x 0
Ejemplo
• Considere la muestra 6, 3, 8, 5, 3. Calcular la

desviación con respecto a la media de cada valor
de la muestra.
Σx = 5
x=
n
Datos x 6 3 8 5 3
Desviación x-x 1 -2 3 0 -2
Varianza de la muestra
• La varianza de la muestra, s2, es la media de

las desviaciones al cuadrado, calculada usando
como divisor a n-1.
s2 = Σ(x – x)2
n-1
Donde n es el tamaño de la muestra, es decir, el número de

datos que hay en la muestra
Ejercicio
• Calcular la varianza para la muestra {6, 3, 8, 5, 3}
• Paso 1. Calcula Σx
• Paso 2. Calcula x
• Paso 3. Calcula x – x
• Paso 4. Calcula Σ(x – x)2
• Paso 5. Calcula la varianza
Cálculo de la varianza
Paso 1. Paso 2. Paso 3. Paso 4. Paso 5.

Encuentre Σx Encuentre Encuentre Cada Encuentre Varianza de la muestra
xx  x  x 
2
x
6
x
x 6-5=1 (1) * (1) = 1
 x  x 
2
3 n 3 - 5 = -2 (-2) * (-2) = 4 18
s 2
   4.5
8 8-5=3 (3) * (3) = 9 n 1 4
5 5-5=0 (0) * (0) = 0
3 3 - 5 = -2 (-2) * (-2) = 4
25 5  x  x   0  x  x 2  18
Desviación estándar
• La desviación
estándar de una
muestra, s, es la raíz
cuadrada positiva de s s 2
la varianza:
Rango
Varianza
Desviación estándar
Ejercicios
1. Considere la muestra 2, 4, 7, 8, 9. Encuentre:

• Rango
• Varianza
• Desviación estándar
2. Dada la muestra 7, 6, 10, 7, 5, 9, 3, 7, 5, 13.
Encuentre:
• Varianza
• Desviación estándar
Ejercicios.
• A los reclutas de una academia de policía se les solicitó
presentar un examen que mide la capacidad que tienen para hacer
ejercicio. Esta capacidad (medida en minutos) se obtuvo para cada
uno de los 20 reclutas:
25 27 30 33 30 32 30 34 30 27
26 25 29 31 31 32 34 32 33 30
• Encuentre el rango
• Encuentre la varianza
• Encuentre la desviación estándar
• Use la gráfica de barras que obtuvo en el anterior ejercicio y trace
1) una recta que represente al rango y 2) una recta que empiece
en la media y cuya longitud represente el valor de la desviación
estándar
• Describa cómo están relacionados la distribución de los datos, el
rango y la desviación estándar.
ESTADIGRAFO
Es cualquier función de datos empíricos que se usa con fines descriptivos o analíticos; son medidas de
resumen estadístico de un conjunto de datos. Por ejemplo, la media aritmética, la mediana, la
varianza, coeficiente de correlación…etc.
PARAMETRO FRENTE A ESTADIGRAFO

 El parámetro es un índice estadístico calculado a base de los datos de una población y que
cuantifica la característica de esa población, generalmente, comprobados bajo registro.
 El estadígrafo se le define como los datos obtenidos de una muestra.
 Podemos afirmar entonces que cuando se llevan a cabo investigaciones y sus resultados son
comprobados como ciertos, y los mismos, se generalizan o se aplican a la población, se da
entonces la inferencia estadística como un procedimiento mediante el cual, se estiman los
parámetros.
SI UN DATO ESTADISTICO DE UNA MUESTRA(ESTADIGRAFO), SI EL MISMO ES COMPROBADO

COMO CIERTO PARA LA POBLACION, ENTONCES SE LE CONSIDERA COMO PARAMETRO.
POBLACIÓN Y MUESTRAS
- Totalidad de elementos sobre los cuales recae la investigación. A cada

Població elemento se le llama unidad estadística.
n - Conjunto de elementos (generalmente personas, en psicología) que
comparten al menos una característica bien definida)
Poblaciones Finitas Poblaciones Infinitas
- Subconjunto de elementos de la población que mantienen las mismas

características.
Muestra - Se habla de muestra estadística cuando es a lo menos el 5% de la
población
Muestras Probabilísticas Muestras no Probabilísticas
Aleatoria simple Accidental
Sistemática Intencionada
Estratifi Proporcional
Por cuota
cada No
Proporcional
Por conglomerado
POBLACION Y MUESTRA
• Población: Conjunto sobre el que se centra el objetivo de un análisis o investigación estadística. Esta
compuesta por unidades a las que se denomina elementos (individuos, items..).
• Dato: Manifestación de un fenómeno de forma cualitativa o numérica. Cuantificación del mundo real
en una representación cualitativa o numérica, comprensible para el individuo, y después
representable para el ordenador.
• Muestra: Subconjunto representativo de la población al que tenemos acceso y sobre el que

realmente hacemos observaciones (mediciones).
• Censo: Observación de la/s característica/s en todos los elementos de una población.
• Encuesta: Método de medición de una o más variables en una muestra.

• Parte de los conceptos de la teoría del muestreo han sido

discutidos con anterioridad. Aquí los repasaremos y ampliaremos.
Por ejemplo, hemos mencionado que las poblaciones están
formadas por individuos, pero sería mejor denominarlas unidades
de muestreo o unidades de estudio:
– Personas, células, familias, hospitales, países…
• La población ideal que se pretende estudiar se denomina

población objetivo.
– No es fácil estudiarla por completo. Aproximamos mediante
muestras que den idealmente la misma probabilidad a cada
individuo de ser elegido.
– Tampoco es fácil elegir muestras de la población objetivo:
• Si llamamos por teléfono excluimos a los que no tienen.
• Si elegimos indiv. en la calle, olvidamos los que están trabajando...
• El grupo que en realidad podemos estudiar (v.g. los que tienen

teléfono) se denomina población de estudio.
Fuentes de sesgo
• Las poblaciones objetivo y de estudio pueden diferir en
cuanto a las variables que estudiamos.
• El nivel económico en la población de estudio es mayor que
en la objetivo,...
• Los individuos que se eligen en la calle pueden ser de mayor
edad (mayor frecuencia de jubilados p.ej.)…
– En este caso, diremos que las muestras que se elijan estarán sesgadas.
Al tipo de sesgo debido a diferencias sistemáticas entre población
objetivo y población de estudio se denomina sesgo de selección.
• Hay otras fuentes de error/sesgo
– No respuesta a encuestas embarazosas
• Consumo de drogas, violencia doméstica, prácticas poco
éticas,…
– Mentir en las preguntas “delicadas”.
• Para evitar este tipo de sesgo se utilizan la técnica de

respuesta aleatorizada.
Técnicas de respuesta aleatorizada

• Reducen la motivación para mentir (o no responder) a las
encuestas.
– ¿Si digo la verdad, se me verá el plumero…?
• ¿Cómo se hace?
Pídele que lance una moneda antes de responder y…
– Si sale cara que diga la “opción compremetida”
• (no tiene por qué avergonzarse, la culpa es de la moneda)
– Si sale cruz que diga la verdad
• (no tiene por qué avergonzarse, el encuestador no sabe si ha
salido cara o cruz)
• Aunque no podamos saber cuál es la verdad en cada

individuo, podemos hacernos una idea porcentual sobre la
población, viendo en cuánto se alejan las respuestas del
50%.
Ejemplo: ¿Ha tomado drogas alguna vez?

Sin respuesta 100% No Insinseros!!
aleatorizada
Con respuesa
aleatorizada Diferencia entre los que han dicho sí y los que debían hacerl
40% No por que así lo indicaba la moneda
60% Sí
0,6  0,5
¡No son mitad y mitad! p 
*
 0,2  20%
El porcentaje estimado de ind. que tomó drogas 1  0,5
es:
Los que deben decir la verdad
Técnicas de muestreo
• Cuando elegimos individuo de una población de estudio para formar muestras podemos encontrarnos en las siguientes
situaciones:
– Muestreos probabilistas
• Conocemos la probabilidad de que un individuo sea elegido para la muestra.
• Interesantes para usar estadística matemática con ellos.
– Muestreos no probabilistas
• No se conoce la probabilidad.
• Son muestreos que seguramente esconden sesgos.
• En principio no se pueden extrapolar los resultados a la población.
– A pesar de ello una buena parte de los estudios que se publican usan esta técnica. ¡Buff!
• En adelante vamos a tratar exclusivamente con muestreos con la menor posibilidad de sesgo (probabilistas): aleatorio simple,
sistemático, estratificado y por grupos.
Muestreo aleatorio simple (m.a.s.)

• Se eligen individuos de la población de estudio, de manera que todos tienen la misma probabilidad de
aparecer, hasta alcanzar el tamaño muestral deseado.
• Se puede realizar partiendo de listas de individuos de la población, y eligiendo individuos aleatoriamente con
un ordenador.
• Normalmente tiene un coste bastante alto su aplicación.
• En general, las técnicas de inferencia estadística suponen que la muestra ha sido elegida usando m.a.s.,
aunque en realidad se use alguna de las que veremos a continuación.
Muestreo sistemático
• Se tiene una lista de los individuos de la población de estudio. Si queremos una muestra de un tamaño dado, elegimos
individuos igualmente espaciados de la lista, donde el primero ha sido elegido al azar.
• CUIDADO: Si en la lista existen periodicidades, obtendremos una muestra sesgada.
– Un caso real: Se eligió una de cada cinco casas para un estudio de salud pública en una ciudad donde las casas
se distribuyen en manzanas de cinco casas. Salieron con mucha frecuencia las de las esquinas, que reciben más
sol, están mejor ventiladas,…
Muestreo estratificado
• Se aplica cuando sabemos que hay ciertos factores (variables, subpoblaciones o estratos) que
pueden influir en el estudio y queremos asegurarnos de tener cierta cantidad mínima de individuos de
cada tipo:
– Hombres y mujeres,
– Jovenes, adultos y ancianos…
• Se realiza entonces una m.a.s. de los individuos de cada uno de los estratos.
• Al extrapolar los resultados a la población hay que tener en cuenta el tamaño relativo del estrato con
respecto al total de la población.
Muestreo por grupos o conglomerados

• Se aplica cuando es difícil tener una lista de todos los individuos que
forman parte de la población de estudio, pero sin embargo sabemos
que se encuentran agrupados naturalmente en grupos.
• Se realiza eligiendo varios de esos grupos al azar, y ya elegidos

algunos podemos estudiar a todos los individuos de los grupos
elegidos o bien seguir aplicando dentro de ellos más muestreos por
grupos, por estratos, aleatorios simples,…
– Para conocer la opinión de los médicos del sistema nacional de salud,

podemos elegir a varias regiones de España, dentro de ellas varias
comarcas, y dentro de ellas varios centros de salud, y…
• Al igual que en el muestreo estratificado, al extrapolar los resultados

a la población hay que tener en cuenta el tamaño relativo de unos
grupos con respecto a otros.
– Regiones con diferente población pueden tener probabilidades diferentes de
ser elegidas, comarcas, hospitales grandes frente a pequeños,…
Variables
• Una variable es una característica observable que varía entre los
diferentes individuos de una población. La información que
disponemos de cada individuo es resumida en variables.
• En los individuos de la población española, de uno a
otro es variable:
– El grupo sanguíneo
• {A, B, AB, O}  Var. Cualitativa
– Su nivel de felicidad “declarado”
• {Deprimido, Ni fu ni fa, Muy Feliz}  Var. Ordinal
– El número de hijos
• {0,1,2,3,...}  Var. Numérica discreta
– La altura
• {1’62 ; 1’74; ...}  Var. Numérica continua
67
MUESTRAS PROBABILÍSTICAS
Es aquella que se rige por cualquier sistema que garantice el azar o la
aleatoriedad. Es aquella donde todos los elementos del universo tiene
una probabilidad conocida de ser extraídos y esta probabilidad es distinta
de cero o de uno.
Las muestras probabilísticas son aquellas que permiten calcular el error de

muestreo, lo que significa que se puede generalizar.
Inferencia estadística: Extrapolación a la población.
Para generalizar, solo se puede trabajar con muestras probabilísticas.
Permiten el contraste de hipótesis explicativas, correlacionales y descriptivas.
Es aquella donde todos los elementos del colectivo tiene la misma

Aleatoria o al probabilidad de ser escogidos y esta probabilidad es distinta de cero
1
azar simple y de uno.
De acuerdo con Webster (1998) “una muestra aleatoria simple es la
que resulta de aplicar un método por el cual todas las muestras
posibles de un determinado tamaño tengan la misma probabilidad de
ser elegidas”. Tiene implícita la condición de equiprobabilidad.
a) Definir la población de estudio.
b) Enumerar a todas las unidades de análisis que integran la población
asignándoles un número de identidad o identificación (base de
Pasos para definir
muestreo).
la muestra
c) Determinar el tamaño de muestra óptimo para el estudio.
d) Seleccionar la muestra mediante un procedimiento que garantice la
aleatoriedad.
Similar a la muestra aleatoria simple, sin embargo se diferencia
Muestra en que los elementos del universo van siendo extraídos de
2 acuerdo a un sistema, que en otras palabras no es más que una
sistemática
constante sumadora.
Este procedimiento de muestreo determina los estratos que

conforman una población de estudio para seleccionar y extraer de
ellos la muestra. Es útil cuando se trabaja con variables categóricas o
Muestra
3 atributos que presentan categorías, sean estar artificiales o genuinas.
estratificada Es útil cuando la población es susceptible a ser dividida en categorías o
estratos donde se tiene un interés analítico y que por razones teóricas
y empíricas presentan diferencias entre ellas (estado civil, edad, sexo).
Estrato: todo subgrupo de unidades de análisis que difieren en las características que se
van a analizar en un investigación. Es una categoría exhaustiva y excluyente de la
población, donde las unidades que lo componen son muy parecidas dentro de si, pero
diferente entre si.
Muestra
Es aquella cuya estructura categorial replica las mismas
estratificada
características porcentuales del universo
Proporcional
Muestra
Es aquella donde no se aplica la estructura porcentual del universo, sino más
estratificada no bien se toma la misma cantidad de personas de cada estrato colectivo con el
Proporcional objetivo de posibilitar las comparaciones
Muestra
estratificada Pasos para seleccionar una muestra estratificada proporcional
Proporcional
a) Definir la población de estudio
b) Determinar el tamaño de muestra requerido
c) Establecer los estratos o subgrupos
d) Determinar la fracción total de muestreo por estrato, dividiendo el
tamaño del estrato entre el tamaño de la población de estudio.
e) Multiplicar la fracción total de muestreo por estrato por el tamaño
de la muestra para obtener la cantidad de unidades de análisis de
cada estrato que se integrarán a la unidad muestral.
f) Selección y extracción de la muestra aplicando el procedimiento de
muestreo aleatorio simple.
Es aquello que es útil cuando se realizan investigaciones con universos

Muestra por extremadamente grandes tales como países, naciones, etc., donde es
4 prácticamente imposible conseguir o construir la base de muestreo. Se utiliza
conglomerado cuando el investigador esta limitado por factores de tiempo, distancia, fuentes
de financiamiento, entre otros. Las unidades de análisis se encuentran
encapsuladas o encerradas en determinados lugares físicos o geográficos que
se denominan racimos o conglomerados.
Conglomerados: Subconjunto exhaustivo y excluyente de la población donde

los elementos que lo configuran son muy diferentes dentro de si, pero
similares entre sí.
Tipos de variables
• Cualitativas
Si sus valores (modalidades) no se pueden asociar naturalmente a un
número (no se pueden hacer operaciones algebraicas con ellos)
– Nominales: Si sus valores no se pueden ordenar

• Sexo, Grupo Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No)
– Ordinales: Si sus valores se pueden ordenar

• Mejoría a un tratamiento, Grado de satisfacción, Intensidad del dolor
• Cuantitativas o Numéricas
Si sus valores son numéricos (tiene sentido hacer operaciones
algebraicas con ellos)
– Discretas: Si toma valores enteros

• Número de hijos, Número de cigarrillos, Num. de “cumpleaños”
– Continuas: Si entre dos valores, son posibles infinitos valores

intermedios.
• Altura, Presión intraocular, Dosis de medicamento administrado, edad 71
• Es buena idea codificar las variables como números para poder procesarlas con facilidad.
• Es conveniente asignar “etiquetas” a los valores de las variables para recordar qué significan los
códigos numéricos.
– Sexo (Cualit: Códigos arbitrarios)
• 1 = Hombre
• 2 = Mujer
– Raza (Cualit: Códigos arbitrarios)
• 1 = Blanca
• 2 = Negra,...
– Felicidad Ordinal: Respetar un orden al codificar.
• 1 = Muy feliz
• 2 = Bastante feliz
• 3 = No demasiado feliz
• Se pueden asignar códigos a respuestas especiales como
• 0 = No sabe
• 99 = No contesta...
• Estas situaciones deberán ser tenidas en cuentas en el análisis. Datos perdidos (‘missing data’)
• Aunque se codifiquen como números, debemos recordar siempre el verdadero tipo de las
variables y su significado cuando vayamos a usar programas de cálculo estadístico.
• No todo está permitido con cualquier tipo de variable.
• Los posibles valores de una variable suelen denominarse modalidades.
• Las modalidades pueden agruparse en clases (intervalos)
• Edades:
• Menos de 20 años, de 20 a 50 años, más de 50 años
• Hijos:
• Menos de 3 hijos, De 3 a 5, 6 o más hijos
• Las modalidades/clases deben forman un sistema exhaustivo y

excluyente
– Exhaustivo: No podemos olvidar ningún posible valor de la
variable
– Mal: ¿Cuál es su color del pelo: (Rubio, Moreno)?
– Bien: ¿Cuál es su grupo sanguíneo?
– Excluyente: Nadie puede presentar dos valores
simultáneos de la variable
• Estudio sobre el ocio
– Mal: De los siguientes, qué le gusta: (deporte, cine)
– Bien: Le gusta el deporte: (Sí, No)
– Bien: Le gusta el cine: (Sí, No)
– Mal: Cuántos hijos tiene: (Ninguno, Menos de 5, Más de 2)
73
«Imaginemos que tenemos que escoger una muestra de 20 estudiantes en

una población de 600»
ALEATORIA SIMPLE SISTEMÁTICA
-Se elige un alumno al azar (probabilidad de -Dado que tenemos que elegir 20 de
elegirlo 1/600) 600, es decir, 1 de cada 30, se procede
-Se devuelve a la población y se elige otro así:
(probabilidad de elegir 1/600) -Se ordenan los estudiantes y se
-Se tiene que devolver o la probabilidad del numeran, se elige uno al azar, por
segundo estudiante cambia (probabilidad ejemplo el estudiantes 27.
de 1/599) -A partir de este, los demás se eligen a
-El problema ESTRATIFICADA
es que se puede elegir dos partir de este intervalo de 30
veces a un mismo estudiante estudiantes.
CONGLOMERADO
-Si queremos que nuestra muestra sea
representativa, debemos saber cuantos
Cambiemos el ejemplo:
estudiantes hay por curso: Primero Medio
- Supongamos que necesitamos
200, Segundo Medio 150, Tercero Medio
una muestra de los estudiantes de
150 y Cuarto medio 100 estudiantes.
todo chile, lo cual es difícil tener la
población total, pero sabemos
que se agrupan en Tipos de
colegios, Colegios y niveles.
- Entonces, seleccionamos al azar
algunos tipos colegios, después
algunos colegios y, finalmente,
algunos cursos. 74
- Finalmente por azar simple
seleccionamos a algunos
estudiantes.
Tamaño de la muestra a partir de las

Tamaño de la muestra a partir de las medias
proporciones
* POBLACIÓN * POBLACIÓN
CONOCIDA «N» CONOCIDA «N»
P = proporción de casos que se consideran

favorables en el universo
Q = P – 1 Proporción de casos considerados
como no favorables
* POBLACIÓN DESCONOCIDA * POBLACIÓN DESCONOCIDA

«Infinita» «Infinita»
d = diferencia que hay entre el estimador y el d = diferencia que hay entre el estimador y el
parámetro parámetro 75
Estimación de
Parámetros
«En estadística se refiere a los valores o medidas que
¿Qué son caracterizan a una población como, por ejemplo, la
los media y la desviación típica de una población (…) Son
cantidades indeterminadas, constantes o fijas respecto
parámetros a una condición o situación, que caracterizan a un
? fenómeno en un momento dado que ocurre en una
población» (Sierra Bravo, 1991).
¿Qué son Se contrapone al parámetro porque es un valor que se
los obtiene a partir de los valores muéstrales. Se pueden
obtener media y varianzas muéstrales.
Estadístico
¿Qué
s? es la «En estadística es la operación mediante la cual se
trata de determinar el valor del parámetro, utilizando
Estimación datos incompletos procedentes de una muestra
? (Estadístico)
Estadístico Parámetro
Estimación
76
Estimaciones Estimaciones de
puntuales Intervalo
Estimaciones
1 Puntuales
- Sólo un valor numérico sirva para estimar el parámetro, es decir, asigna

directamente al parámetro el valor obtenido para el estadístico
- Constituye la inferencia más simple que se puede realizar: asignar al parámetro el

valor del estadístico que mejor sirva para estimarlo.
a) Carencia de Sesgo: Un estimador será insesgado si su valor

esperado coincide con el del parámetro a estimar
b) Consistencia: Un estimador será consistente si, conforme

aumenta el tamaño muestral, su valor se va aproximando al
Condicione del parámetro
s para ser
un buen c) Eficiencia: Dados dos posibles estimadores, diremos que el
estimador primero es un estimador más eficiente que el segundo si se
cumple que el primer estimador tiene una varianza menor
que el segundo.
d) Suficiencia: Un estimador será suficiente si utiliza toda la

información muestral disponible
77
Estimaciones de
2 Intervalos
- Como el término lo sugiere, una estimación de intervalo es un rango o banda de valores dentro del cual
se dice que el parámetro está con un nivel de probabilidad establecido.
- Proporciona un intervalo, un rango de valores entre los que estará situado el parámetro con una cierta
probabilidad.
- La estimación puntual se utiliza poco, pues no tenemos datos suficientes para que nos indiquen el grado
de fiabilidad de dato muestral hemos tomado. Lo que tiene más sentido plantearse es cuál es la
probabilidad de que la media o proporción poblacional pertenezcan a un intervalo determinado.
- Para comprender el fundamento de las estimaciones de intervalo se requiere un dominio del concepto
de una distribución de muestreo, específicamente, la distribución de muestreo de la media (DMM)
- Dada una muestra, se puede calcular la Distribución de muestreo de la media donde, con cierta
seguridad, estará la media poblacional que se busca.
78
DISTRIBUCIONES MUESTRALES
Uno de los objetivos de la estadística es conocer acerca del comportamiento de parámetros

poblacionales tales como: la media ( μ ), la varianza (σ ) o la proporción ( p ). Para ello se extrae una
muestra aleatoria de la población y se calcula el valor de un estadístico correspondiente, por ejemplo,
la media muestral ( X ), la varianza muestral (s ) o la proporción muestral ( p ). El valor del estadístico es
aleatorio porque depende de los elementos elegidos en la muestra seleccionada y, por lo tanto, el
estadístico tiene una distribución de probabilidad la cual es llamada la Distribución Muestral del
estadístico.
DISTRIBUCIÓN DISTRIBUCIÓN
MUESTRAL DE LA MUESTRAL DE LA
MEDIA POPORCIÓN
La distribución muestral es la
distribución de los resultados
que se presentan si en realidad
se seleccionaron todas las
79
muestras posibles
DISTRIBUCIONES
MUESTRALES
Distribución Muestral de
1 la Media
- Es la distribución de todas las medias posibles que surgen si en
realidad se seleccionaran todas las muestras posibles de cierto
tamaño, es decir, es una distribución de frecuencias, no de valores
brutos, sino de medias de la muestra, donde cada media de la
muestra está basada en una muestra aleatoria de n valores brutos
2
1 2 3
La media muestral es imparcial porque la media de
todas las medias muéstrales posibles (de una muestra
dada con tamaño n) es igual a la media poblacional μ.
3 El error estándar de la media, es el valor de la

80
desviación estándar de todas las medias muéstrales
posibles, es decir, expresa cuánto varía la media
muestral entre una muestra y otra.
DISTRIBUCIONES
MUESTRALES
1 la Media
1. a. Muestreo de poblaciones con

distribución normal una población que tiene una distribución normal con media
Si se está muestreando
μ y desviación estándar σ conocida, independientemente del tamaño de la muestra n, la
distribución muestral de la media tendrá una distribución normal con media muestral igual a
la media poblacional y un error estándar de la media muestral.
La distribución
La prueba de
normal tiene un
Hipótesis para la
promedio teórico
media poblacional se
de 0 y una
realizará haciendo uso
desviación
de los puntajes z de la
estándar teórica
curva normal.
de 1.
Si se está muestreando una población que tiene una distribución normal con media
μ y desviación estándar σ desconocida, la distribución muestral de la media que se
utilizará es la t de student siempre que el n sea inferior a 30. Cuando la muestra es mayor
a ese número, la distribución se asemeja a la distribución normal y el contraste de hipótesis
se realización con la distribución z.
La distribución t
La prueba de
de student cuyo
Hipótesis para la
promedio teórico
media poblacional se
es 1 y la
desviación
realizará haciendo 81
uso de los puntajes t
estándar es
de la curva t.
mayor a 1
DISTRIBUCIONES
MUESTRALES
1 la Media
1. a. Muestreo de poblaciones sin distribución normal (Teorema

delDispone
Límiteque central)
cuando el tamaño de la muestra (es decir, el número de valores en cada muestra) es
lo bastante grande, la distribución muestral de la media tiene una distribución aproximadamente
normal. Esto es válido sin importar la forma de la distribución de los valores individuales en la
población (La distribución de muestreo de la media se aproxima a la normalidad conforme n se
incrementa.
N ≥ 30
1) Para la mayor parte de las distribuciones poblacionales, sin importar su forma, la
distribución muestral de la media tiene una distribución aproximadamente normal
cuando se seleccionan muestras de por lo menos 30 elementos.
2) Si la distribución poblacional es bastante simétrica, la distribución muestral de la
media es aproximadamente normal en muestras tan pequeñas como las de 5
elementos.
3) SI la población tiene una distribución normal, la distribución muestral de la media
también tiene una distribución normal, independientemente del tamaño de la
muestra.
La prueba de Hipótesis
para la media
poblacional se realizará
haciendo uso de los
puntajes z de la curva
normal.
DISTRIBUCIONES MUESTRALES
Distribución Muestral de la
2 Proporción
La distribución muestral de la
proporción generalmente sigue el
modelo de una distribución
probabilística para variables
cuantitativas discretas denominada
Distribución Binomial, sin embargo
cuando ocurre que n * P y n * Q son ≥
5, la distribución binomial puede
aproximarse al modelo de la curva
normal y en consecuencia realizar el
contraste de hipótesis para la
proporción poblacional a través de los
puntajes z de la curva normal.
CALCULO DE INTERVALO DE CONFIANZA

FORMULA PARA INTERVALOS DE
Suje Puntaje Pje.2
tos s CONFIANZA Formula para la
1 101 1020 varianza
1
2 98 9604
3 76 5776
4 123 1512
9 374,6
5 143 2044 4
9
6 98 9604
7 88 7744
8 100 1000
0
1- 19,35
α
9 105 1102
0,
5
639,17
95
10 132 1742
4 663,16
106,4 1169
56
¡Gracias!

Semana 1 2 Conceptos Basicos Derecho 2019 1b

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Semana 1 2 Conceptos Basicos Derecho 2019 1b

Transféré par

Droits d'auteur :

Formats disponibles

¡La universidad para todos!

¡La Universidad para todos!

Módulo: 1 Unidad: 1 Semana: 1-2

Docente: Mg. MADISON HUARCAYA GODOY

Escuela Profesional Periodo académico:2019-1B

¡La Universidad para todos!

Escuela Profesional Periodo académico:2019-1B

¡La Universidad para todos!

METAS A ALCANZAR OBJETIVO DEL MATERIAL DIDÁCTICO

Es una Ciencia que proporciona un conjunto de

• Sistematización, recogida, ordenación y

• deducir las leyes que rigen esos fenómenos,

• y poder de esa forma hacer previsiones sobre

¿En qué áreas se aplica la estadística?

Ejemplos de su aplicación son:

1) En Administración de Empresas: la estadística se utiliza para evaluar un producto antes de comercializarlo.

¿Para qué sirve la estadística?

• La Ciencia se desarrolla observando hechos, formulando leyes

• Los modelos que crea la ciencia son de tipo determinista o

• La Estadística se utiliza como tecnología al servicio de las

• “La Bioestadística [...] enseña y ayuda a investigar en todas las

Estadística Descriptiva Estadística Inferencial

a) Estadística descriptiva: Básicamente se ocupa de la 1ª parte, es decir, a partir de ciertos datos,

• El conjunto de los métodos que se utilizan para medir las

• Los métodos de análisis para la información cuantitativa se

1. Definición del problema

OBJETIVOS DE LA INVESTIGACIÓN CIENTÍFICA

Describir la Explicar la Predecir la

«En estadística se refiere a los valores o medidas que

¿Qué son los Se contrapone al parámetro porque es un valor que se

¿Qué es la «En estadística es la operación mediante la cual se trata de

a) Carencia de Sesgo: Un estimador será insesgado si su

Condiciones b) Consistencia: Un estimador será consistente si, conforme

d) Suficiencia: Un estimador será suficiente si utiliza toda la

- Como el término lo sugiere, una estimación de intervalo es un rango o banda de

- Totalidad de elementos sobre los cuales recae la investigación. A cada

Poblaciones Finitas Poblaciones Infinitas

- Subconjunto de elementos de la población que mantienen las mismas

Muestras Probabilísticas Muestras no Probabilísticas

Aleatoria simple Accidental

Medidas de Medidas de Medidas de Tipos de

Medidas de tendencia central

• Son valores numéricos que localizan, de

• Se representa por x (se lee como “x barra” o “ media de

• Un conjunto de datos consta de cinco valores:

Centro de gravedad o punto de equilibrio

• Valor de los datos que ocupa la posición

Procedimiento para encontrar la mediana

1. Ordene los datos

Profundidad de la mediana = número + 1 d( x ) = n + 1

Procedimiento para encontrar la mediana

3. Determine el valor de la mediana. Contar los datos

• Encuentre la mediana del conjunto de datos {6, 3, 8, 5,

• Es el valor de x que ocurre más frecuentemente

• Número que está exactamente a la mitad del

Rango Medio = valor mínimo + valor máximo

Rango Medio = Mín + Máx

• Las cuatro medidas de tendencia central representan

2. A 15 estudiantes universitarios, elegidos

a. Encuentre la media, la mediana, la moda y el rango medio.

Medidas de Medidas de Medidas de Tipos de

• Valores que describen la cantidad de variabilidad que se

Desviación con respecto a la media

• Una desviación de la media, x – x, es la