Vous êtes sur la page 1sur 3

La estadstica descriptiva es una gran parte de la estadstica que se dedica a analizar y representar los datos.

Este anlisis es muy bsico. Aunque hay tendencia a generalizar a toda la poblacin, las primeras conclusiones obtenidas tras un anlisis descriptivo, es un estudio calculando una serie de medidas de tendencia central, para ver en qu medida los datos se agrupan o dispersan en torno a un valor central.Esto es lo que podria ser un concepto aproximado. La estadstica inferencial es una parte de la estadstica que comprende los mtodos y procedimientos para deducir propiedades de una poblacin estadstica, a partir de una pequea parte de la misma. La estadstica inferencial comprende como aspectos importantes:

La toma de muestras o muestreo. La estimacin de parmetros o variables estadisticas. El contraste de hiptesis. El diseo experimental. La inferencia bayesiana. Los mtodos no paramtricos

Poblacin estadstica, en estadstica, tambin llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. Una muestra: es una porcin representativa de una determinada poblacin. Cuando no se puede realizar un censo, se recurre al muestreo, que es la herramienta que se utiliza para determinar qu porcin de la realidad se estudiar. Muestra Aleatoria es la que realizas tomando elementos al azar dentro de una poblacin a estudiar estadsticamente, donde cada elemento tiene la misma probabilidad de ser escogido. Muestra probabilstica: Los mtodos de muestreo probabilsticos 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 tamao n tienen la misma probabilidad de ser seleccionadas.

Muestra estratificada: Consiste en la divisin previa de la poblacin de


estudio en grupos o clases que se suponen homogneos con respecto a alguna caracterstica de las que se van a estudiar.

variable es una caracterstica que al ser medida en diferentes individuos es susceptible de adoptar diferentes valores. 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 especficos que la variable pueda asumir.

Variable continua: Es la variable que puede adquirir cualquier valor dentro


de un intervalo especificado de valores.

parmetro es un nmero que resume la ingente cantidad de datos que


pueden derivarse del estudio de una variable estadstica.1 El clculo de este nmero est bien definido, usualmente mediante una frmula aritmtica obtenida a partir de datos de la poblacin. Escala ordinal: En caso de que puedan detectarse diversos grados de un atributo o propiedad de un objeto, la medida ordinal es la indicada, puesto que entonces puede recurrirse a la propiedad de "orden" de los nmeros asignndolo a los objetos en estudio de modo que, si la cifra asignada al objeto A es mayor que la de B, puede inferirse que A posee un mayor grado de atributo que B. Escala nominal: La escala de medida nominal, puede considerarse la escala de nivel ms bajo, y consiste en la asignacin, puramente arbitraria de nmeros o smbolos a cada una de las diferentes categoras en las cuales podemos dividir el carcter que observamos, sin que puedan establecerse relaciones entre dichas categoras, a no ser el de que cada elemento pueda pertenecer a una y solo una de estas categoras. Escala de intervalo: la escala de intervalos iguales, est caracterizada por una unidad de medida comn y constante que asigna un nmero igual al nmero de unidades equivalentes a la de la magnitud que posea el elemento observado

Escala de razn: El nivel de medida ms elevado es el de cocientes o razones, y se diferencia de las escalas de intervalos iguales nicamente por poseer un punto cero propio como origen; es decir que el valor cero de esta escala significa ausencia de la magnitud que estamos midiendo.

Vous aimerez peut-être aussi