Universidad Nacional Daniel Alcides Carrión

Escuela de Post Grado

Maestría en Ciencias
Mención Seguridad y Salud Ocupacional Minera

ESTADISTICA APLICADA A LA
INVESTIGACIÓN
Capitulo 1: ESTADISTICAS DESCRIPTIVAS

ING. HUGO BASILIO VILLANUEVA

 ¿Qué es Estadística?
 “La Estadística estudia métodos científicos para recoger,
organizar, resumir y analizar datos, así como para sacar
conclusiones válidas y tomar decisiones razonables
basadas en tal análisis”
Murray R. Spiegel

 Como en las demás ciencias la estadística ha venido a ser

una herramienta vital para los científicos. Les permite
comprender fenómenos sujetos a variaciones y
predecirlos o controlarlos eficazmente.
Irwin Miller
Introducción.
1. Se define una población y objetivo.
2. Se realiza un muestreo por lo general (se
selecciona una muestra aleatoria y representativa
de la población).
3. Se realizan observaciones de un fenómeno que no
se puede predecir con anterioridad Se recolectan
datos de cada elemento muestreado (por ejemplo a
través de un cuestionario).
4. Se analiza la muestra recolectada (objetivos-hipótesis)
5. El objetivo final es inferir estadísticamente algo
sobre la población, deseamos concluir algo sobre
alguna característica o varias conjuntamente, de la
población en la que se realiza el estudio.
Ramas de la Estadística

 Estadística Descriptiva o Deductiva: estudia los

métodos para organizar, resumir y describir un
conjunto de datos para que sus características se
vuelvan evidentes. Se divide en:
 Técnicas Gráficas

 Técnicas Numéricas.
Ramas de la Estadística

 Estadística Inferencial o Inductiva: usa la teoría

de probabilidades para generalizar las
características de una población a partir de las
características de una muestra representativa. Es
decir, utiliza estadísticas (indicadores) muéstrales
para obtener conclusiones sobre los verdaderos
parámetros de la población.
Población vs Muestra

 Población: es el conjunto de todas las mediciones

de interés al experimentador. Su tamaño se denota
con la letra N.
 Muestra: es un subconjunto de la población.
Generalmente esta selección se hace aleatoriamente,
cada individuo en la muestra tuvo la misma
posibilidad de haber sido seleccionado. Su tamaño
se denota con la letra n.
Parámetro vs. Estadístico

 Parámetro Poblacional: es un valor numérico que

caracteriza a la población. m s
 Estadístico Muestral: es un valor numérico que
caracteriza a la muestra.
 Se busca estimar el verdadero valor del parámetro a
través de un estadístico.
 Lo más importante no está en lo que la
muestra nos dice sobre sus miembros
específicos, sino en cómo hacer inferencias
sobre los miembros de la población que
no fueron incluidos en la muestra.
Importancia del estudio estadístico

 Un estadístico primero diseña la muestra y el

experimento, que se ajuste al objetivo, hipótesis,
alcance y diseño de la investigación.
 Luego se busca el mejor método de análisis para las
observaciones obtenidas.
 Finalmente si es pertinente se realizan inferencias.
Variables Aleatorias

 A los diferentes fenómenos o características que se

miden en una investigación se las denomina
variables aleatorias.
 La diferencia entre variables aleatorias y variables
algebraicas es que las aleatorias no pueden
predecirse con anterioridad. Si puede conocerse la
probabilidad de ocurrencia de sus posibles valores
antes de que estos valores sean observados.
Tipos de Datos

 Cualitativos:
 Arrojan respuesta categóricas.
 Miden cualidades
 Se les puede asignar después un valor numérico
(codificarlas)
 Cuantitativos:
 Producen respuestas numéricas.
 Miden cantidades
 Podemos tratar un dato cuantitativo como
cualitativo (categorizándolo)
 Tipos de Datos Cuantitativos

 Discretos:
 Si el número de posibles valores que puede tomar es
contable (número naturales).
 Generalmente resultan de un proceso de conteo
 Tipos de Datos Cuantitativos

 Continuos:
 Si sus posibles valores están en el continuo (números
reales).
 Generalmente resultan de un proceso de medición
 Escalas de Medición

 Los datos que se asocian con las variables

aleatorias pueden medirse con diferentes
escalas dependiendo del tipo de dato que se
trate. Las distintas escalas son:
 Escalas de Medición

a) Medidas por Escala Nominal:

 Los datos de tipo cualitativo se agrupan en
varias categorías nominales.
 Generalmente se le asigna un valor numérico a
cada categoría nominal (codificar los datos)
 Caso especial: dicotómicos
Escalas de Medición

b) Medidas por Escala Ordinal:

 Los datos de tipo cualitativo pueden
ordenarse.
 Son datos que pueden medirse con una escala
nominal, en donde además existe un orden
natural entre las categorías.
Escalas de Medición
c) Medidas por Escala de Razón:
 Datos que cumplen con las características
necesarias para medirse con una escala de
intervalo, y que además posee un cero
natural.
 Tener un cero natural implica que el punto
cero no es arbitrario y corresponde a una
total ausencia del atributo en estudio.
Ejemplo: Nominal
Fuma? 1.SI 2. NO

Ejemplo :Ordinal
Fuma? 1. Mucho 2. Poco 3. No fumo

Ejemplo. Razón
Cuantos cigarrillos por día fuma? ______
 Resumen de información cualitativa y
cuantitativa.

 Los datos recopilados en la muestra se

pueden organizar en Tablas de
Frecuencias.
 Estas tablas muestran:
 las clases o categorías de respuesta de donde se
obtuvieron los datos (o los intervalos de clase si
los datos son cuantitativos)
 El número o proporción de veces que la clase se
encontró en los datos recopilados.
Tablas de Frecuencia (Datos Cualitativos)

 Frecuencia (f): Resulta de contar el número

de observaciones que "entran" en una clase
 Frecuencia Relativa (fr): Es la proporción
de observaciones que "entran" en una clase:

𝑓
𝑓𝑟 =
𝑛