Fundamentos De Estadística

Tema: 1 Estadística descriptiva

1.2 Clasificación de la estadística: descriptiva e inferencial, paramétrica y no
paramétrica, de una variable y de varias variables.
1.3 La población y la muestra, relación entre la probabilidad y la estadística.
1.2 Clasificación de la estadística: descriptiva e inferencial,
paramétrica y no paramétrica, de una variable y de varias variables.
Entre las tareas principales de la Estadística, está el de reunir la información integrada
por un conjunto de datos, con el propósito de obtener conclusiones válidas del
comportamiento de éstos, como también hacer una inferencia sobre comportamientos
futuros.
En cuanto al uso y la aplicación, puede decirse que abarca todo el ámbito humano
encontrándose en las relaciones comerciales, financieras, políticas, sociales, etc. siendo
fundamental en el campo de la investigación y en la toma de decisiones.
Estadística: Es el conjunto de métodos y procedimientos que implican recopilación,
presentación, ordenación y análisis de datos, con el fin que a partir de ellos puedan inferirse
conclusiones.
 Estadística Descriptiva. Es la rama de las matemáticas que recolecta, presenta y
caracteriza un conjunto de datos (por ejemplo: edad, altura, temperatura, etc.) con el
fin de describir apropiadamente las diversas características de ese conjunto.
 Estadística Inferencial. Comprende el conjunto de métodos estadísticos que permiten
deducir (inferir) cómo se distribuye la población bajo estudio a partir de la
información que proporciona una muestra representativa, obtenida de dicha
población.
Diferencia entre la estadística descriptiva e inferencial

 La estadística descriptiva, como muy

bien lo dice su nombre se encarga de
describir datos y obtener
conclusiones. La estadística
inferencial argumenta sus resultados
a partir de la muestra de una
población.
 La estadística descriptiva se encarga
de hacer descripciones tomando en
cuenta algunos datos. La inferencial
realiza estimaciones aplicadas a los
datos que se obtienen de las muestras
que se recogen de una población.
Estadística paramétrica.
Es una rama de la estadística inferencial que comprende los procedimientos estadísticos y de
decisión que están basados en distribuciones conocidas. Estas son determinadas usando un
número finito de parámetros. Esto es, por ejemplo, si conocemos que la altura de las personas
sigue una distribución normal, pero desconocemos cuál es la media y la desviación de dicha
normal. La media y la desviación típica de la distribución normal son los dos parámetros que
queremos estimar. Cuando desconocemos totalmente qué distribución siguen nuestros datos
entonces deberemos aplicar primero un test no paramétrico, que nos ayude a conocer primero
la distribución.
La mayoría de los procedimientos paramétricos requiere conocer la forma de distribución
para las mediciones resultantes de la población estudiada. Para la inferencia paramétrica es
requerida como mínimo una escala de intervalo, esto quiere decir que nuestros datos deben
tener un orden y una numeración del intervalo.
Estadística no paramétrica.
Las pruebas no paramétricas engloban una serie de pruebas estadísticas que tienen como
denominador común la ausencia de asunciones acerca de la ley de probabilidad que sigue la
población de la que ha sido extraída la muestra. Por esta razón es común referirse a ellas
como pruebas de distribución libre. En el artículo se describen y trabajan las pruebas no
paramétricas, y se resaltan su fundamento y las indicaciones para su empleo cuando se trata
de una sola muestra (Chi-cuadrado), de dos muestras con datos independientes (Ude Mann-
Whitney), de dos muestras con datos relacionados (T de Wilcoxon), de varias muestras con
datos independientes (H de Kruskal-Wallis) y de varias muestras con datos relacionados
(Friedman).

Las pruebas no paramétricas reúnen las siguientes características:

1) son más fáciles de aplicar
2)son aplicables a los datos jerarquizados
3) se pueden usar cuando dos series de observaciones provienen de distintas poblaciones
4) son la única alternativa cuando el tamaño de muestra es pequeño
5) son útiles a un nivel de significancia previamente especificado.
Estadística de una y varias variables

En general, el análisis de variables múltiples se refiere a todos los métodos estadísticos que
analizan en forma simultánea varias medidas (más de dos variables) de cada individuo u
objeto que es sometido a investigación. En este tipo de análisis todas las variables deben ser
aleatorias y sus diferentes efectos no debieran ser interpretados separadamente con algún
sentido. El propósito de este tipo de análisis es medir, explicar y predecir el grado de relación
de los valores teóricos. Así el carácter multivariable reside en los múltiples valores teóricos
y no sólo en el número de variables u observaciones.

El análisis de los datos implica la separación, identificación y medición de la variación en un

conjunto de variables, tanto entre ellas como entre una variable dependiente y una o más
variables independientes. La variación debe ser mesurable.

El investigador debe identificar la escala de medida de cada variable empleada (nominales,

ordinales y numéricas), tanto para las variables dependientes como las independientes, para
poder decidir qué técnica de variable múltiple es la más conveniente para los datos.

Existen diferentes métodos a utilizar cuando hay investigaciones que comprenden dos o más
variables independientes. Si el término variable independiente se usa para designar aquellas
variables predictoras de pertenencia a un grupo, o la variable X, y el término dependiente se
utiliza para designar las variables predichas cuyas medidas son comparadas, o la variable Y,
podemos señalar los métodos
Resumen de métodos a utilizar en investigaciones que comprenden dos o más variables
independientes
1.3 La población y la muestra, relación entre la probabilidad y la
estadística.

*Universo* :

Totalidad de individuos o elementos en los cuales puede presentarse determinada

característica susceptible a ser estudiada.
No siempre es posible estudiar en su totalidad.
Puede ser finito o infinito, y en el caso de ser finito, puede ser muy grande y no poder estudiar
en su totalidad. Por eso es necesario escoger una parte de ese
universo, para llevar a cabo el estudio.

*Población* :
Grupo del cual se desea algo (obtener información).
Parte del universo en la cual vamos a basar nuestro estudio, según las características de
nuestra investigación.
Conjunto de todos los casos que concuerdan con una serie de especificaciones.

*¿Cómo se delimita una población?*

Las poblaciones deben situarse claramente en torno a sus características de contenido, lugar
y tiempo.
Un estudio no es mejor al tener una población más grande, sino al haber delimitado
claramente su población en base a los objetivos del estudio.
Los criterios de cada investigador dependen de sus objetivos de estudio, así que debe
establecer los claramente.
*Ejemplo* :

Nuestra población comprende a todos aquellos directores generales de empresas

industriales y comerciales que en 1983 tienen un capital social superior a 30 millones de
pesos, con ventas superiores a los 100 millones de pesos ylo con más de 300 personas
empleadas.

*Muestra*

Parte o subconjunto de la población, también conocida como población muestral

Grupo en el que se realiza el estudio.
Subconjunto de elementos que pertenecen al conjunto definido en sus características que
llamamos población

Para seleccionar la muestra deben delimitarse las características de la población.

*¿Cómo seleccionamos la muestra?*

Estableciendo claramente las características de la población. Con esto delimitamos cuáles
serán nuestro parámetros muestrales.
Se busca que la muestra sea un reflejo fiel del conjunto de la población (deben ser
representativas).

*Tipos de muestra*

Muestra probabilísticas: Todos los elementos de la población tienen la misma posibilidad de

ser escogidos.
Esto se logra a través de una selección aleatoria y/o mecánica de las unidades de análisis.

*Muestras no probabilisticas* :
Los elementos se seleccionan según los criterios de la persona encargada de
hacer la muestra.

*Muestras probabilísticas*

Son esenciales en los diseños de investigación por encuestas en las que se pretende hacer
estimaciones de
variables en la población. Las variables se medirá con instrumentos de medición y se
analizarán con pruebas estadísticas para el análisis de datos.
Tienen varias ventajas, la principal es que se puede medir el tamaño del error en nuestras
predicciones.
Gracias a ello, los elementos muestrales tendrán valores muy parecidos a los de la población.

*Tamaño de la muestra*

Cuál es el menor número de unidades muestrales que necesito para conformar una muestra
(n) que me asegure un error estándar menor de 0.01?

Lo que se busca es la probabilidad de ocurrencia de "Y" y que mi estimado de "y" se acerque

a "Y" (valor real de la población). El error estándar no debe ser mayor a
o.01

Para una determinada varianza (V) de "y" qué tan grande debe ser mi muestra (n)?